Development of Dam Operation Support Technology for Minimizing Flood Damage Using Machine Learning Methods
| Project/Area Number |
20K04698
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22040:Hydroengineering-related
|
|---|
| Research Institution | Muroran Institute of Technology |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小林 洋介 室蘭工業大学, 大学院工学研究科, 助教 (10735103)
一言 正之 日本工営株式会社中央研究所, 先端研究開発センター, 研究員 (40463559)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | ダム流入量予測 / 機械学習 / スパースモデリング / Elastic Net / 未経験事例 / 予測手法の一般化 / 気候変動 / 事前放流 / クラスター分析 / 異常洪水時防災操作 / ダム群の連携 / ダム貯水位予測 / 機械学習法 / ダム操作判断支援 / 異常洪水時 / ダム操作 / 貯水位予測 |
|---|
| Outline of Research at the Start |
近年，気候変動の影響とみられる大雨によってダムの貯水池が満杯となり，洪水調節ができなくなる事態が起きている。これを回避するために，ダムへの流入量を予測し，事前に放流して貯水量を増やす操作が考えられる。
操作に関わる流入量や貯水位の予測において，最近は，過去の事例を学習させて流出量や水位を予測する機械学習法が注目されている。これには過去に経験していない（未経験）事例の予測は難しいという課題がある。
それに対し，我々はスパースモデリングの手法が，未経験事例の予測にも有用であるとの見解を示した。本研究は，未経験事例にも適用可能な機械学習法によるダム貯水位の予測手法とダム操作の判断支援手法を提案する。
|
| Outline of Final Research Achievements |
This research aims to improve the flood control function of dams by utilizing the large amount of accumulated and disclosed meteorological and hydrological information and based on the remarkable progress of machine learning methods. Specifically, the primary mission is to improve the accuracy of inflow prediction to develop technology that can be implemented in flood control measures that can respond to floods that are becoming more severe due to climate change.
Therefore, the prediction accuracy for "non-experienced cases" can be improved by applying "the Elastic Net", a representative method of sparse modeling, and considering the soil moisture state. In addition, by grouping the catchment area and using a representative model, it is possible to generalize the inflow prediction method that can be applied to an unspecified number of dams.
|
| Academic Significance and Societal Importance of the Research Achievements |
気候変動によって頻発・激甚化する水害に対し，あらゆる関係者が防災・減災に取り組む「流域治水」の推進を念頭に，ダムの能力の最大限の活用が求められている。本研究は，蓄積公開が進む大量の気象水文情報および進歩の目覚ましい機械学習法を活用し，流入量予測の精度向上手法に取り組んだ。
この結果，未経験の洪水への対処でき，手法の一般化を図ることで，今後の気候変動で予想される大規模水害に，不特定多数のダムに適用できる予測手法を提案できたことが学術的意義となる。また，その技術が治水能力の向上を促進し，今後推進が図られる流域治水に貢献できることが社会的意義となる。
|
Report
(4 results)
Research Products
(24 results)
