文献

J-GLOBAL ID：202202253401450125   整理番号：22A0367133

畳み込みニューラルネットワーク(CNN)による洪水波形予測手法の特性評価

MODEL FEATURE ASSESSMENT OF CONVOLUTIONAL NEURAL NETWORK (CNN)-BASED FLOOD PREDICTIONS

著者 (6件)： 木村延明 (農研機構 農村工学研究部門) ,  吉永育生 (農研機構 農村工学研究部門) ,  関島建志 (農研機構 農村工学研究部門) ,  安瀬地一作 (農研機構 農村工学研究部門) ,  馬場大地 ((株)アーク情報システム) ,  福重雄大 (農研機構 農村工学研究部門)
資料名： 土木学会論文集 B1(水工学)(Web)  (Journal of Japan Society of Civil Engineers, Ser. B1 (Hydraulic Engineering) (Web))
巻： 76  号： 2  ページ： I_427-I_432(J-STAGE)  発行年： 2020年 
JST資料番号： U0103B  ISSN： 2185-467X  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： 近年,画像分類に特化した畳み込みニューラルネットワークを用いた河川水位の予測モデルが開発されている.しかし,実用化に向けて2つの課題があった.予測時間の延長化と複数観測地点の入力画像上の空間特性(距離・配置)を最適にすることであった.前者について,予測時間を6時間後まで延長し,複数の洪水イベントの再現性では3時間後まで良好な予測が可能となった.また,予測対象の洪水波形が相対的に滑らかに変化する場合には,6時間後まで良好な予測結果が得られた.後者について,予測地点からの距離の順に観測地点を配置した空間特性をもつ入力画像を使った予測結果は,距離に応じた重み付けや観測項目を減らして作成した空間特性などの入力画像の結果よりも良好な再現性を示した.(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *洪水波 ,  洪水予報 ,  キャラクタリゼーション ,  *予測技法 ,  実用化 ,  入力 ,  再現性 ,  観測所 ,  データ変換
準シソーラス用語： CNN ,  画像データ ,  画像分類 ,  空間特性 ,  空間配置 ,  時系列データ ,  *畳込みニューラルネットワーク ,  精度検証 ,  長時間 ,  予測精度

著者キーワード (5件)： CNN ,  Riverine flood prediction ,  Time-series data ,  Longer lead time ,  spatial info.-image

分類 (2件)： 流出解析  (DC07030N) ,  洪水対策  (RC12040I)

引用文献 (11件)：

• 1) 稲垣祐一郎:深層学習の最近の進展,みずほ情報総研技報,7巻 1号,pp. 41-45,2015.
• 2) Alom, Md Z., Taha, T. M., Yakopcic, C. and 7 other coauthors : A state-of-the-art survey on deep learning theory and architectures, Electronics, Vol. 8, 292, 2019.
• 3) 一言正之,櫻庭雅明,清雄一:深層学習を用いた河川水位予測手法の開発,土木学会論文集 B1(水工学),72巻 4号,pp. I_187-I_192,2016.
• 4) Hochreiter, P. and Schmidhuber, J. : Long short-term memory. Neural Computation, Vol. 9, No. 8, pp. 1735- 1780, 1997.
• 5) 山田恒輝,小林洋介,中津川誠,他1共著者:リカレントニューラルネットワークを用いた2016年の常呂川洪水事例の水位予測,土木学会論文集 B1(水工学), 74巻 5号,pp. I_1369-I_1374,2018.

タイトルに関連する用語 (5件)： 畳み込みニューラルネットワーク ,  CNN ,  洪水波 ,  予測手法 ,  特性評価