| 研究課題/領域番号 |
22K04332
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分22040:水工学関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
Kim Sunmin 京都大学, 工学研究科, 准教授 (10546013)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 機械学習・深層学習 / 降雨予測・水位予測 / ダムの洪水調節 / 洪水予測 / 降雨予測 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
流域面積が100km2程度の小河川流域でも6時間先まで高い精度で洪水予測を実現することを目標として、機械学習に基づいた予測手法と既存の物理モデルに基づいた予測手法を融合した新たな概念のハイブリッド洪水予測システムを開発する。特に、必要な精度を出すことができなかった高解像度の降雨予測を実現するために、最新の機械学習手法と3次元気象レーダー観測情報を活用した降雨予測モデルを開発する。
|
| 研究実績の概要 |
1)機械学習を活用した降雨予測モデルの開発
AMEDAS地上観測情報とひまわり衛星観測情報を入力情報として、CNNとConvolutional-LSTM機械学習アルゴリズムを利用した短時間降雨予測モデルを開発した。まずは1時間先の降雨量を高い精度で予測することを目指してモデルの検証・改良を行なった。
2)機械学習を活用した水位・流量予測モデルの開発
淀川流域の枚方地点を対象に開発したANN基盤の水位予測アルゴリズムを改良し、降雨量と上流域の水位情報を用いて流域内の複数基準点に対する水位・流量予測アルゴリズムを開発した。また、ANNへの入力情報が予測精度へ及ぼす影響を把握するために、様々な組み合わせの入力情報をテストし、最適な入力情報と学習条件を調べた。
3）強化学習を活用した洪水調節のためのダム運用モデルの開発
強化学習（Reinforcement Learning）手法を用いて、桂川流域の日吉ダムを対象に洪水調節モデルを開発した。開発したモデルは、既存の洪水イベントに対して自動的な学習とテストを繰り返して最適な放流量を模索することができ、降雨やダム流入量の予測情報がなくても最新のダム流域情報だけで最適な放流量を提案することが可能になった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
機械学習アルゴリズムを用いて降雨予測モデル、水位・流量予測モデル、ダム運用モデルをそれぞれ開発し改良を行なっている。降雨予測モデルの精度を向上させる必要があるが、降雨の予測精度が期待に至らない場合でも高い精度で水位・流量の予測が可能なモデルを開発している。また予測情報が要らないダム運用モデルも開発している。洪水調節のためのダム運用モデルは降雨および流入量の予測情報を利用せず最新の流域情報だけでダム放流量の運用を安定的に行うことが可能になった。
|
| 今後の研究の推進方策 |
1）機械学習を活用した降雨予測モデルの改良
XバンドMPレーダーからの3次元観測情報を入力情報として、CNNおよびConvolutional-LSTMの機械学習アルゴリズムを活用し、６時間先まで降雨の時空間情報を推定できる短期降雨予測モデルの開発を続く。AMEDAS地上観測情報およびひまわり衛星観測情報を入力情報として活用し、降雨予測モデルの精度向上を目指す。検証では、最近10年間観測された多数の降雨事例に対して開発モデルをテストし、実用化まで視野に入れる。
2）物理モデルと人工知能モデルを融合した予測システムの構築
最近10年間観測された多数の洪水事例に対して検証を行い、機械学習基盤の洪水予測モデルと物理基盤の洪水予測モデルの精度および効率に対して比較検討を行う。両モデルの特徴を考慮して各モデルの精度をさらに向上する方法を模索する。物理モデルと人工知能モデルのそれぞれの特徴と長所を生かしたハイブリッドシステムを構築する。例えば、3時間先までの降雨予測は物理基盤モデルを重視し、6時間先までの予測は人工知能モデルの予測を活用する。または、洪水警報基準点の水位予測は人工知能モデルで行い、上流のダム流入量の予測は物理基盤の分布型流出モデルを活用する。
|
