アンサンブル学習による河川流量推定における弱学習器に対する考察

抄録

本研究では，アンサンブル学習の中でも2層構造のスタッキングを用いて相互比較を行い河川流量推定におけるアンサンブル学習の有用性の検討を行った．第一層では入力データを降水量，気温とし弱学習器に複数の深層学習手法（MLP，CNN，LSTM）を用いて複数のハイパーパラメータの組み合わせで複数回学習を行い日平均河川流量を出力とした．第二層では第一層で出力した推定流量を入力としXGBoostを用いて入力データの様々な組み合わせを行い流量推定を行い比較検討を行った．結果として，各学習手法でアンサンブル学習によって流量推定の精度の向上する可能性が示された．LSTMを用いた場合ハイパーパラメータ次第では複数回の学習した結果を用いてアンサンブル学習を行えば精度が向上する可能性が示された．その中でも最も高い精度はNSE＝0.733を確認した．