気候学研究においては，特定の気圧配置を示す事例を選ぶ必要から，過去の気圧配置を分類することがある．気圧配置の分類は多くの場合，目視で行われており，長期間かけて行うことや複数人で行うことがある．これらの場合，判断にぶれが生じたり，分類結果が研究者の主観に左右されたりする可能性がある．本稿では，この気圧配置の分類に，パターン認識手法であるサポートベクターマシンを用いて，分類を自動化することを提案する．本研究では，日々の気圧配置からの西高東低冬型の検出を目的とし，実験により提案手法の有用性を検討した．JRA-25のデータを用い，1981～1990年を学習期間，1991～2000年を検証期間として実験を行った結果，最良で90%以上の適中率で西高東低冬型を検出できることがわかった．これより，学習データの与え方に主観が影響するものの，分類の際の負担を軽減でき，判断基準が変わることなく，ある程度の精度で気圧配置を分類できると考えられる．