本研究では，機械学習を利用した霧の視 程判定モデルを作成し，検証をおこなっ た．畳み込みニューラルネットワーク （CNN）によるライブカメラ画像からの視 程判定モデルは，視程ごとの正解率でみる と，VIS＝600m で85％，VIS＝1,000m で 75％，非発生では100％の判定精度がそれ ぞれ得られた．したがって，視程 1 km 未 満の霧状態の画像を高い精度で判定できる ことが確認された．全国各地に存在するラ イブカメラ画像を利用した視程の判定に機 械学習が有効な手段として使えることを示 唆する結果といえる． ライブカメラが設置されておらず，代わ りに気象観測が行われている地域では，気 象データによる霧の視程判定モデルを構築 する手法が考えられた．本研究からは，機 械学習のうち勾配ブースティング （LightGBM）と呼ばれるアルゴリズムで視 程判定に高い精度が得られた（気温変化量 を選択した場合59％，湿数67％，水蒸気圧 56％，風速55％）．さらに，気象データとし て単一要素ではなく，湿数，気温変化量， 水蒸気圧，風速といった霧の発生に寄与する特徴量を できるだけ多く学習モデルに投入することが，精度の 向上につながることも明らかとなった（LightGBM で すべての変数を用いた場合，正解率は 9 ％精度の向上 につながった）．
