文献

J-GLOBAL ID：201902211036824303   整理番号：19A1922703

深層学習の河川防災・環境分野への応用-四万十川・鏡川水位,仁淀川大渡ダム流入量について-

Application of Deep Learning to River DisasterPrevention and Environmental Conservation-on the Shimanto River and Kagami River Water Levels, and the Ohdo Dam Inflow of the Niyodo River-

著者 (5件)： 中根英昭 ,  若槻祐貴 (高知工科大 大学院工学研究科) ,  山本啓 (高知工科大 大学院工学研究科) ,  武田拓巳 (高知工科大 大学院工学研究科) ,  端野典平 (高知工科大 環境理工学群)
資料名： 高知工科大学紀要(Web)
巻： 16  号： 1  ページ： 227-244 (WEB ONLY)  発行年： 2019年07月31日 
JST資料番号： U0749A  ISSN： 2189-1265  資料種別： 逐次刊行物 (A)
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： 四万十川,鏡川,仁淀川を対象に,河川防災,河川環境保全にとって重要な,水位,ダム流入量を推定・予測するための深層学習を用いたモデリングを行った。使用したモデルは全結合層によって構成され,隠れ層が2~4個の多層パーセプトロンであり,使用した計算機は,GPUを搭載したWindows PCあるいはLinux PCである。全てのモデリングにおいて,河川水位あるいはダム流入量測定地点の上流流域圏の雨量時系列を深層学習の入力データとして用いた。そして,時系列の長さが数時間~数10時間の場合よりも,1~2年の場合の方が観測データをより高精度で再現できた。特に,流域圏への降雨が少なく,低水位,低流量の時期に時系列の長いことによる精度の改善が著しかった。短い時系列の場合には表流水の情報のみが学習されているのに対し,長い時系列の場合には,表流水,土壌水分,地下水・湧水の情報も学習していることが理由として考えられる。中小河川である鏡川の場合には,上流の観測雨量を用いた水位予測では1時間前の予測は可能であるが,2時間以上の早期水位予測のためには気象庁の降水短時間予報の利用が必要であることが示唆された。(著者抄録)

シソーラス用語： *河川 ,  環境保全 ,  防災 ,  機械学習 ,  ニューラルネットワーク ,  多層パーセプトロン ,  モデリング ,  雨量観測 ,  気象観測 ,  降水予報 ,  表流水 ,  土壌水 ,  浸透水 ,  地下水 ,  湧水 ,  *予測モデル ,  ダム ,  経時変化 ,  *流入量
準シソーラス用語： 気象庁 ,  地下水・地表水相互作用 ,  深層学習

分類 (1件)： 河川調査・計画  (RC12020M)

タイトルに関連する用語 (10件)： 深層学習 ,  河川 ,  防災 ,  環境 ,  応用 ,  四万十川 ,  水位 ,  仁淀川 ,  ダム ,  流入量