2020 Fiscal Year Annual Research Report
Proposal for Practical Application of Extraction of Weak Points against Seepage and Inspection Method for Improving Maintenance Technology of River Levees.
| Project/Area Number |
18K04347
|
|---|
| Research Institution | Okayama University |
|---|
Principal Investigator |
竹下 祐二 岡山大学, 環境生命科学研究科, 教授 (90188178)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岩田 徹 岡山大学, 環境生命科学研究科, 准教授 (10304338)
金 秉洙 岡山大学, 環境生命科学研究科, 准教授 (90648601)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 河川堤防 / 浸透流 / 現地計測 / ニューラルネットワーク / 深層学習 / 土中水分量 / 降雨浸透 |
|---|
| Outline of Annual Research Achievements |
出水時に堤防裏のり先付近からの漏水および基盤透水層からの漏水により堤内地で噴砂現象が発生している2箇所の一級河川堤防において，河川水位の変動，基盤透水層内の水位変動や堤防盛土層内での浸潤線の発生，そして，降雨量やのり面表層領域での土中水分量の動態に対する長期間の計測を継続実施した。
深層学習を用いたニューラルネットワーク（DNN）による堤防内水位の予測方法を提案した。本法では，対象堤防において過去の出水時に計測された河川水位と堤防基礎地盤の水位変動状況をニューラルネットワークに学習させておき，出水時に計測された河川水位と堤防基礎地盤の水位の変動状況により，任意時間経過後の堤防基礎地盤の水位の準リアルタイム予測を行った。提案する水位予測方法の有用性と妥当性は，2箇所の一級河川堤防において実際に計測された4回の出水時における計測水位を用いて検証した。
また，深層学習手法の一種であり，数値の時系列データのパターンを認識するように設計された再帰型ニューラルネットワーク(RNN)を用いて，出水時における堤防基礎地盤水位の長時間経過後の水位予測を試みた。RNNを用いた水位予測方法の有用性は，一級河川堤防において2020年7月の出水時に計測された堤防基礎地盤水位を用いて水位予測を行い，DNNを用いた場合との比較により検証した。
さらに， DNNを用いて，降雨時における堤防のり面表層の土中水分量動態を準リアルタイムで予測する方法の提案を試みた。提案する方法の有用性は，一級河川堤防裏のり面において，2017年～2020年に連続計測された降雨量と土中水分量の動態パターンを用いて土中水分量予測を行って検証した。
|
