Project/Area Number |
22K05890
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 41030:Rural environmental engineering and planning-related
|
Research Institution | Tokyo Denki University |
Principal Investigator |
中井 正則 東京電機大学, 理工学部, 教授 (10217648)
|
Co-Investigator(Kenkyū-buntansha) |
筒井 裕文 東京電機大学, 理工学部, 助教 (70620649)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
Keywords | 小規模農村ため池 / 気泡噴流 / 水温躍層 / 水質維持 / 人工知能 / ランダムフォレストモデル / ニューラルネットワークモデル / ニューラルネットワーク |
Outline of Research at the Start |
本研究は,小規模農村ため池を対象にし,「気泡噴流方式による合理的な水質管理」を目指すものである.キーワードは水温躍層であり,研究のねらいは従来の「形成された水温躍層の破壊による水質改善」ではなく,「水温躍層の形成阻止」である. 気泡噴流の空気流量を季節・天候に応じて時々刻々と調節し,最小エネルギー(最小空気流量)で水温躍層の形成阻止を図る.しかし,これに対する手動による対応は難しく,AI(人工知能)援用が相応しいため,ニューラルネットワークによる持続的水質管理を提案する.
|
Outline of Annual Research Achievements |
2023年度は,小規模池の水温躍層形成の抑制を目的とした「気泡噴流システムを制御するための機械学習モデルの構築」を目指し,概ねその目的を達成した. 機械学習モデルには,ニューラルネットワークモデルとランダムフォレストモデルの2つを採用し,両モデルによる「気泡噴流装置の60分後の最適空気流量」の予測を試みた. 現地調査の結果によれば,同空気流量の予測精度は,ニューラルネットワークモデルが92.8%,ランダムフォレストモデルが96.0%となり,十分な予測精度が確保されることが明らかになった. なお,2022年の「機器トラブルによる収得データの不足」についても,2023年度の測定により,十分に補填した.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2022年度は,埼玉県東松山市の小規模公園修景池(容量:約2000(m3))において,「現地調査による教師データの収得」を中心に研究を行った.しかしながら,機器トラブル等により,データの収得が不十分であり,進捗状況は「やや遅れている」であった. 2023年度は,「気泡噴流システムを制御するための機械学習モデルの構築」を目指し,概ねその目的を達成するとともに,前年2022年度の「機器トラブルによる収得データの不足」も十分に補填した. よって,現在の進捗状況は,「概ね順調に進展している」である.
|
Strategy for Future Research Activity |
2024年度は,2023年度に構築した機械学習モデルを気泡噴流装置に新規に装備して,現地小規模池で運転する. 本機械学習モデルは,現在時刻における気象条件・水温条件および気泡噴流流量をもとに,継続的な水温躍層抑制に必要である「60分後の気泡噴流流量」を高い精度で予測する.よって,年間を通じて,この 60分周期のサイクルを連続的に継続することにより,合理的な水温躍層抑制が可能になる. 2024年度の現地調査では,機械学習モデルを装備した,この新しい気泡噴流装置を試験的に運転し, 気象・水温データを詳細に収得することにより,「AIによる年間を通じた水温躍層の抑制」が実現可能であることを確認する.すなわち,2024年度は本交付金の最終年度であるゆえ,現地調査を通じて,本研究で提案した「AI(機械学習モデル)援用自動制御型気泡噴流システム」の原理的実現性および有用性を検証することを主目的としている. また,2024年度は,2024年3月の学会発表を踏まえて,昨年度に構築した機械学習モデルに関する研究成果を査読付き原著論文として投稿し,成果を社会に還元する予定である.
|