文献

J-GLOBAL ID：202202284376758444   整理番号：22A0229455

深層学習を用いた中国における大規模フラッシュ洪水警報【JST・京大機械翻訳】

Large-scale flash flood warning in China using deep learning

著者 (8件)： Zhao Gang (Hebei Institute of Water Resources, Shijiazhuang 050051, China) ,  Zhao Gang (School of Geographical Sciences, University of Bristol, Bristol BS8 1QU, UK) ,  Liu Ronghua (China Institute of Water Resources and Hydropower Research, Beijing 100038, China) ,  Yang Mingxiang (China Institute of Water Resources and Hydropower Research, Beijing 100038, China) ,  Tu Tongbi (School of Civil Engineering, Sun Yat-sen University, Guangdong 519082, China) ,  Ma Meihong (School of Geographic and Environmental Sciences, Tianjin Normal University, Tianjin 300387, China) ,  Hong Yang (School of Civil Engineering and Environmental Sciences, The University of Oklahoma, Norman, OK 73019, US) ,  Wang Xiekang (State Key Laboratory of Hydraulics and Mountain River Engineering, Sichuan University, Chengdu 610065, China)
資料名： Journal of Hydrology  (Journal of Hydrology)
巻： 604  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： フラッシュ洪水警報(FFW)システムは洪水ハザード防止と緩和に基本的役割を果たす。本研究では,大規模FFWのための最初の深層学習ベースアプローチを提案し,中国の山岳と丘陵地へのこの手法の適用を実証した。特に,フラッシュ洪水前の降水の時系列と3つの空間特徴(最大日降水量,曲線数,勾配)を予測子として選択した。長い短期メモリ(LSTM)ベースのアプローチを採用してフラッシュ洪水の発生を予測し,このアプローチを2つの広く使われているFFW法,すなわち降雨トリガ指数(RTI)とフラッシュ洪水誘導(FFG)と比較した。結果は以下のことを示した。(1)LSTMベースのアプローチは,0.84のヒット率(HR)と0.09の誤警報率(FAR)で,信頼できるFFW1日を提供した。フラッシュ洪水の2日前に中程度の警報性能を示し,HRは0.66,FARは0.21であった。(2)LSTMベースのアプローチはベンチマークRTIとFFG法よりも優れており,0.77の最高臨界成功指数(CSI)を達成した。また,FFGは0.71のCSIで満足な性能を提供し,RTIは最も低い性能を示した(CSI=0.68)。(3)LSTMベースのアプローチは,降水の時系列が予測のために使用されるとき,RTI(CSI=0.68)より良い結果(CSI=0.75)を提供する。LSTMベースの手法の性能は,モデル開発中の空間的特徴と長い時系列の降水を考慮することによって改善できる。(4)提案した方式は,フラッシュ洪水警報に及ぼす降水不確実性の影響を悪化させなかった。そして,FFWに対するアンサンブル結果を用いて,小または不均衡学習サンプルに起因する不確実性を低減した。提案手法は,商業的に敏感な観測を使用せずに大規模FFWに対して妥当な方法であり,洪水災害軽減の能力を,特に未観測地域で改善できると結論した。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： 記憶装置 ,  降雨 ,  降水 ,  *洪水 ,  *警報 ,  不確実性 ,  臨界 ,  水害 ,  山岳 ,  ベンチマーク
準シソーラス用語： 丘陵地 ,  日雨量 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： フラッシュ洪水警報 ,  深層学習 ,  山岳と丘陵地域 ,  中国

分類 (1件)： 流出解析  (DC07030N)

タイトルに関連する用語 (4件)： 深層学習 ,  中国 ,  大規模 ,  フラッシュ