文献

J-GLOBAL ID：202002277403554079   整理番号：20A1002052

長期短期記憶ネットワークを用いた都市洪水予測改善のための平均地域降水予報の修正【JST・京大機械翻訳】

Correcting mean areal precipitation forecasts to improve urban flooding predictions by using long short-term memory network

著者 (2件)： Nguyen Duc Hai (Department of Civil & Environmental Engineering, Sejong University, 98 Gunja-Dong, Gwangjin-Gu, Seoul 143-747, South Korea) ,  Bae Deg-Hyo (Department of Civil & Environmental Engineering, Sejong University, 98 Gunja-Dong, Gwangjin-Gu, Seoul 143-747, South Korea)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 584  ページ： Null  発行年： 2020年 
JST資料番号： C0584A  ISSN： 0022-1694  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 都市洪水は,世界中の大都市における重要な挑戦である。従って,都市洪水予測は,被害軽減における水関連管理者を支援するために必要である。それにもかかわらず,降雨予測システムの精度は限られている。例えば,レーダに基づくシステムの予測は,しばしば豪雨事象に対して不正確である。本研究では,都市流域における水位と浸水現象を予測するために,予測システムと開発された1D/2D都市水文モデルを組み合わせた枠組みを提案した。このフレームワークにおいて,長い短期記憶(LSTM)ネットワークは,3時間平均面積降水(MAP)予測を再現するために,Lagrangian Extrapolation(MAPLE)システムによる降水量予測のためのMcGillアルゴリズムの定量的降水予測(QPF)を使用する。本研究では,結合1D/2D都市水文モデルも開発した。韓国,ソウルにあるGangnam都市集水域を,提案した枠組みの事例研究として選択した。LSTMモデルを訓練し試験するために,データベースを,24の豪雨事象,MAPLEシステムからの22の格子点,および5つの地上雨量計から推定された観測されたMAP値に基づいて確立した。修正されたMAP予測は,水位と関連する浸水地域を予測するために開発された結合モデルに入力された。結果は,3時間MAP予測と都市洪水予測を生成するために提案したフレームワークの実行可能性を示した。本研究は,あるイベントに対する降雨とピーク水位の極端な値をわずかに過小評価するにもかかわらず,この枠組みは高い実行可能性を有し,MAP予報と都市浸水予報を改善するために使用できることを実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *降水 ,  *洪水予報 ,  レーダ ,  データベース ,  *ネットワーク ,  水位 ,  豪雨 ,  *都市 ,  浸水 ,  二次元 ,  一次元 ,  事例研究 ,  水文モデル
準シソーラス用語： *都市洪水 , 【Automatic Indexing@JST】

著者キーワード (5件)： レーダに基づく予測システム ,  平均面積降水 ,  長期短期記憶 ,  結合1D/2Dモデル ,  都市洪水

分類 (1件)： 流出解析  (DC07030N)

タイトルに関連する用語 (7件)： 長期 ,  短期記憶 ,  都市 ,  洪水予測 ,  平均 ,  地域 ,  降水予報