[M-IS16] 地球表層における粒子重力流のダイナミクス

[MIS16-P08] 畳み込みニューラルネットワークを用いた土石流堆積物の逆解析手法の開発

*籠谷 昌哉¹、成瀬 元¹ (1.京都大学理学部)

キーワード：機械学習、畳み込みニューラルネットワーク

本研究は，畳み込みニューラルネットワーク (CNN)を応用し，平面的に分布する堆積物から土石流の水理条件を復元する逆解析モデルを構築した．
土石流は間隙水が飽和した土砂が崩壊し，高い濃度を保ったまま流下する現象であり，特に山地周辺の地域では深刻な自然災害の原因となる．
これまで，土石流の初期条件から流下時の挙動を再現するモデルは開発されているものの，実際の堆積物の分布から流れの条件を復元することは困難であった．
そこで，本研究では，ランダムな初期条件を与えた土石流の2次元数値実験を複数行って人工的に堆積物分布を生成し，初期条件との関係をCNNに学習させることで，土石流発生時の流れの厚さと半径，摩擦係数およびクーロン摩擦角を推定する逆解析モデルを構築した．
人工データ生成のためのフォワードモデルにはVoellmy流体モデルを採用した．
初期条件と堆積物分布のデータセットを460個作成してCNNに学習させ，
このモデルを学習に使用していない未知のデータ20個に適用したところ，
土石流の初期条件が高い精度で再現された．
条件によっては推定の精度に違いがみられたものの，本研究のモデルは検証用データの堆積物分布を充分な精度で復元した．
今後は，本研究のモデルを実際の土石流堆積物の層厚分布データに適用し，
流速などの観測データと比較することで逆解析結果を検証する必要があるだろう．
天然の土石流堆積物への適用可能性が検証されれば，本研究のモデルは将来の土石流リスクを評価する実用的な手法となることが期待される．