【企画講演】ゼロエミッション社会構築にむけたCCS/CCUS技術開発 ［9/12(木) PM 第2会場］

[3209-16-04] 機械学習を用いた土壌CO₂の異常値検出手法の開発

○菅井 裕一¹、蒲池 優生¹、江﨑 丈裕¹、小林 佑輝²、河野 昭博² (1. 九州大学、2. INPEX)

司会：任 傑 (秋田大学）

キーワード：CO2地中貯留、土壌CO2、機械学習、気象条件、異常値

CCSではCO₂圧入地点の周辺地域において地中に圧入したCO₂の漏洩を監視する必要があるが、漏洩したCO₂と自然に土壌から発生するCO₂との判別が容易ではない。近年、AIによる異常検出手法が注目されており、本研究ではAIを用いた土壌CO₂の異常値検出手法について検討した。九州大学内フィールドに設置したチャンバーの中にCO₂センサーを設置し、土壌CO₂濃度データを取得した。また、測定期間における気象データ（気温、降水量、湿度）をアメダスから入手した。土壌CO₂データと気象データの相関関係を深層学習させ、その反復学習回数を20回および100回とした。学習後のモデルが予想するCO₂濃度と実測されたCO₂濃度を比較し、深層学習モデルによる土壌CO₂濃度の予測精度を評価した。本研究では長期の多変量時系列データに対応できる利点を有するLSTM（Long Short-Term Memory）モデルを採用した。学習回数100回のモデルでは過学習の可能性があり、学習に用いたデータを取得した条件と類似の条件におけるCO₂濃度の予測はできるものの、その条件以外のデータには対応できない可能性が示唆された。一方、学習回数20回のモデルでは、学習に用いたデータを取得した季節とは異なる季節の土壌CO₂も精度よく予測できた。