14:00 〜 14:20
[1D1-03] 学習事例を上回る大洪水に対する深層学習水位予測モデルの検証
キーワード:洪水予測、深層学習、外挿問題
洪水氾濫災害に対するソフト対策として,洪水予測の精度向上は重要である.洪水予測にはして様々な手法が提案されており,そのうちの一つにニューラルネットワーク(ANN)によるものがある.これまでの研究で,様々な河川においてANNモデルの適用性が報告されているが,他の手法と比べた精度の優位性は示されておらず,全国の洪水予測システムなどで実用に至っている例は少ない.
また,ANNをはじめとする機械学習モデルの一般的な弱点として,学習事例を上回るような事例に対しては予測性能が担保されない,という点が挙げられる.洪水予測においては,学習事例を上回るような大規模洪水への対応こそが重要である.そのため,ANNによる洪水予測モデルは十分な信頼性を得られておらず,防災現場への実用化が進んでいない.
こうした課題への対応として,本検討では2016年の台風10号で生じた網走川における過去最大の洪水事例を対象として,ANN洪水予測モデルの適用検討を行った.学習事例を上回るような高い水位の洪水に対しても,「水位変化」に着目して学習を行うことで,予測モデルの適用性が保たれることを示した.
また,ANNをはじめとする機械学習モデルの一般的な弱点として,学習事例を上回るような事例に対しては予測性能が担保されない,という点が挙げられる.洪水予測においては,学習事例を上回るような大規模洪水への対応こそが重要である.そのため,ANNによる洪水予測モデルは十分な信頼性を得られておらず,防災現場への実用化が進んでいない.
こうした課題への対応として,本検討では2016年の台風10号で生じた網走川における過去最大の洪水事例を対象として,ANN洪水予測モデルの適用検討を行った.学習事例を上回るような高い水位の洪水に対しても,「水位変化」に着目して学習を行うことで,予測モデルの適用性が保たれることを示した.