文献

J-GLOBAL ID：201902289318323523   整理番号：19A2762577

リカレントニューラルネットワークを用いた鬼怒川の洪水時水位予測

Prediction of water level in Kinu River using recurrent neural networks

著者 (5件)： 伊藤毅彦 (東京理大 大学院理工学研究科) ,  金子凌 (東京理大 大学院理工学研究科) ,  片岡智哉 (東京理大 理工) ,  小野村史穂 (東京理大 理工) ,  二瓶泰雄 (東京理大 理工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 202(AI2019 19-29)(Web)  ページ： 43-44 (WEB ONLY)  発行年： 2019年09月06日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 気候変動に伴う深刻な豪雨災害への対策として,河川洪水予測の精度向上は急務である.本研究では,急・緩勾配区間を有する鬼怒川を対象に,リカレントニューラルネットワークを用いた洪水時における水位の将来予測を行った.5地点の河川水位を同時に予測するモデルを構築して検討した結果,上流側1地点の予測精度は課題を残したが,他の中・下流4地点の予測においては良好な精度を示した.また,今後起こりうる未経験の大規模洪水時における予測精度の向上という課題に対して,大規模洪水を想定した擬似的な水位データを作成し,学習データとして用いることが有効であることを示した.(著者抄録)

シソーラス用語： *洪水予報 ,  水位 ,  予測 ,  神経回路網 ,  回帰モデル ,  *ニューラルネットワーク ,  河川 ,  予測モデル ,  気候変動 ,  水害 ,  機械学習 ,  精度 ,  *リカレントニューラルネットワーク ,  学習データ ,  豪雨災害 ,  モデル
準シソーラス用語： 洪水予測 ,  将来予測 ,  LSTM ,  鬼怒川

分類 (2件)： 流出解析  (DC07030N) ,  人工知能  (JE08000Z)

引用文献 (3件)：

• Masayuki Hitokoto, Masaaki Sakuraba and Yuichi SEI:DEVELOPMENT OF THE REAL-TIME RIVER STAGE PREDICTION METHOD USING DEEP LEARNING, Journal of JSCE, Vol.5, pp.422-429,2017.
• Hochreiter, S. and Schmidhuber, J.: Long Short-term Memory, Neural computation, Vol. 9, No. 8, pp. 1735-1780, 1997.
• Ioffe, S. and Szegedy, C.: Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift, arXiv eprints, 2015.

タイトルに関連する用語 (5件)： リカレントニューラルネットワーク ,  鬼怒川 ,  洪水 ,  水位 ,  予測