文献

J-GLOBAL ID：202202271196811472   整理番号：22A0729813

韓国,NamHan川におけるBokha川の洪水水位予測のための長期短期記憶と貯留関数モデルの比較分析【JST・京大機械翻訳】

Comparative analysis of long short-term memory and storage function model for flood water level forecasting of Bokha stream in NamHan River, Korea

著者 (6件)： Kim Donghyun (Department of Civil Engineering, Inha University, Incheon, South Korea) ,  Lee Joonseok (Department of Water and Environment Research, Total Communication Network, 9, Dongho-ro 18-gil, Jung-gu, Seoul 04607, South Korea) ,  Kim Jongsung (Institute of Water Resources System, Inha University, Incheon 22212, South Korea) ,  Lee Myungjin (Institute of Water Resources System, Inha University, Incheon 22212, South Korea) ,  Wang Wonjoon (Department of Civil Engineering, Inha University, Incheon, South Korea) ,  Kim Hung Soo (Department of Civil Engineering, Inha University, Incheon, South Korea)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 606  ページ： Null  発行年： 2022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： 本研究では,機械学習モデルの適用性を,短時間濃度の小河川流域のリアルタイム洪水予測のために研究し,そのモードを,降雨流出モデルである貯蔵関数モデル(SFM)と比較した。韓国のNamHan川に位置するBokha川流域を研究地域として選択した。洪水水位予測を,河川の上流に位置するBokha橋観測所で観測された水文データを用いて,Bokha川下流に位置するHeungcheon橋ステーションで実施した。2005年から2020年までの上流および下流流域, Rainfall水,水位,および流出データを2つの観測所で収集し,特に収集した降雨データを降雨データの事象時間定義(IETD)解析を用いて53の降雨事象に分類した。さらに,下流点における洪水水位予測を,GB(Gradient Boosting),SVM(Support Vector Model),およびLSTM(Long Short-Termメモリ)のような機械学習モデルを用いて行った。また,降雨流出モデルであるSFMを予測に用いた。機械学習モデルの適用のために,33の降雨事象を学習のために使用して,23の降雨事象を評価のために使用した。SFMによって,洪水流出を最初に予測して,次に,洪水水位を評価曲線を通して予測した。各モデルで予測した洪水水位を,観測された洪水水位と比較し,各モデルに対する予測力を,NRMSE(正規化平方根平均二乗誤差)を計算することにより評価した。モデルのNRMSEは0.18~0.27の範囲であり,予測力は0.18でLSTMモデルの順序で,続いて0.21でSFMであった。したがって,LSTMモデルは,最良の予測力を示し,本研究におけるリアルタイム洪水水位予測の最適モデルとして選択した。しかし,SFMは現在,洪水予測と警報のために韓国で採用され,モデルは盆地特性をよく組み込み,比較的良好な予測力を示している。本研究で提示したモデルに基づいて,リアルタイム洪水水位予測に適した最適モデルを,小河川流域の洪水予測と警報点のために選択することができ,予測結果が意思決定のための基礎データとして使用できることが期待される。Copyright 2022 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： 降雨 ,  *洪水 ,  洪水予報 ,  意思決定 ,  警報 ,  *水位 ,  河川 ,  観測所 ,  流域 ,  *モデル ,  正規化 ,  盆地 ,  機械学習 ,  河川流域
準シソーラス用語： 降雨流出モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 洪水水位予測 ,  記憶機能モデル ,  勾配ブースティング(GB) ,  サポートベクターモデル(SVM) ,  長期短期記憶(LSTM)

分類 (2件)： 流出解析  (DC07030N) ,  一般,砂防工学  (RC12010B)

タイトルに関連する用語 (10件)： 韓国 ,  洪水 ,  水位 ,  予測 ,  長期 ,  短期記憶 ,  貯留 ,  関数 ,  モデル ,  比較分析