| 研究課題/領域番号 |
21K04276
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
田井 明 九州大学, 工学研究院, 准教授 (20585921)
|
|---|
| 研究分担者 |
齋田 倫範 鹿児島大学, 理工学域工学系, 准教授 (80432863)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 長期観測データ / 機械学習 / 水質予測 / DO濃度 / 密度成層 |
|---|
| 研究実績の概要 |
本研究では諫早湾の中央に位置する九州農政局観測櫓のB3地点の水質環境の変化に着目し，サポートベクター回帰(以降, SVRと略記)によりモデルを構築した．SVRの採用理由は，はずれ値に強くロバストな回帰結果が出やすいからである．底層DO濃度，塩分はB3地点の毎時データを用いた．塩分は塩淡成層の指標として表層と底層の差を解析に用いた．河川流量は，有明海に注ぐ8つの1級河川の中で，湾奥部に最も影響の大きい筑後川の流量を考慮することとし，瀬ノ下流量観測所の毎時データを使用した．気温データは，諫早湾に最も近い島原アメダスの毎時データを用いた．期間は2002年から2018年の夏季成層期を対象とした．塩分差を目的変数，河川流量を説明変数としてモデルを構築した．筑後川瀬下観測所の流量が諫早湾に到達するまでのタイムラグを考慮し，対象時間の24時間前から4日前，6日前，8日前の日平均流量を算出し説明変数として使用した．その結果，筑後川の4から６日前から24時間前までの河川流量が分かれば，24時間後の諫早湾の塩淡成層が高い精度で予測できることが示された．次に，底層DO濃度を目的変数，対象時間の24時間前から30日前までの流量・気温を説明変数として予測した結果，短期的な変動の再現度は低い一方で，河川流量と気温のみで７月下旬から８月上旬にかけて低下する傾向が再現され，C=1に比べてC=0.5の方が精度の高いモデルとなることが分かった． 機械学習を用いて有明海諫早湾の水質予測を試みた．その結果，塩淡成層は良好に再現するモデルが構築することが出来た．DO濃度に関しては河川流量と気温のみで夏季の特徴的な変動傾向を再現することが可能であることが分かった．
|
| 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
初年度は長期データの入手・整理を行い機械学習モデルの構築を目標としており，予定通り研究を進めることが出来た．
|
| 今後の研究の推進方策 |
２年目は初年度に構築したモデルの改良を進めていきながら，将来予測データから予測した河川流量データを用いた解析に着手していきたいと考えている．
|
