2022 Fiscal Year Annual Research Report
機械学習法を活用して洪水被害の最小化を図るダム操作支援技術の開発
| Project/Area Number |
20K04698
|
|---|
| Research Institution | Muroran Institute of Technology |
|---|
Principal Investigator |
中津川 誠 室蘭工業大学, 大学院工学研究科, 教授 (10344425)
|
|---|
| 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
|
| Keywords | ダム流入量予測 / 予測手法の一般化 / クラスター分析 / 異常洪水時防災操作 / スパースモデリング / Elastic Net / ダム群の連携 / 気候変動 |
|---|
| Outline of Annual Research Achievements |
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の開発を目的とする．さらに，予測をもとに，異常洪水時にも下流の被害を最小化できるダム操作の判断支援手法を提案することを目指す．
3か年の研究の最終年度となる令和4年度は，研究目的にあるダム操作支援技術の開発を目的に「特定のダムのみならず，一般性のある流入量予測手法の提案」の検討をおこなった．数多くあるダムで個別に予測モデルをつくることは多大な労力がかかり，現実的ではない．そのため，あらゆるダムに適用できる一般性のある予測手法の確立が望まれる．そこで，国直轄の大規模ダムのほか，北海道管理の中規模ダム，さらには利水専用ダムにも対象を広げて流入量予測の一般化が可能かどうかを検証した．
本研究では，少ない情報からデータ間の関係性を特定することが可能なスパースモデリング手法の一つであるElastic Netを適用し，流入量予測手法の一般化を試みた．具体的には，流域の地理情報に基づきダムをクラスター分析し，流域面積でグループ化することで，各グループの代表的な予測モデルを作成した．それによってグループ内のダム流入量について予測精度が確認でき，ダム流域のスケールに応じて適用できる一般的手法を提示できる見込みを示すことができた．
さらに，気候変動に伴う洪水リスクの増大を念頭に，「積雪寒冷地の複数の多目的ダムが連携した洪水調節機能の強化を目指す提案」をおこなった．具体的には，気候変動に係る大量アンサンブルデータ（d4PDF）を同じ水系内の複数のダムに適用し，流入量，貯水位，放流量を通年で推定し，異常洪水時防災操作やサーチャージ水位超過の生起頻度を推定した．結果として，将来の降雨や融雪時期の変化による治水上のリスクを定量化し，事前放流やダム群の連携による被害軽減策といった将来のダム管理の具体的なあり方を提示することができた．
|
