ダム流入量予測におけるリザバーコンピューティングの可能性
キーワード:
reservoir computing,
LSTM,
prediction learning,
dam inflow prediction,
precipitation short-term forecast
2022 年 3 巻 J2 号 p. 1029-1036
詳細
2022 年 3 巻 J2 号 p. 1029-1036
我が国においてもディープニューラルネットワークの社会適用が進み，社会資本インフラの分野でも様々な研究，そして，実用化を試みる業務例が見られる．一方で，ディープニューラルネットワークの学習に不可欠な大量データの整備は進まない．工場等の屋内一定条件下でのデータと異なり，屋外にある社会資本インフラに関わるデータは多様であり，その多様性を表現したデータベース整備は今後進んで行くものと思われる．本稿ではそのような現状を踏まえ，ディープニューラルネットワークよりもパラメータ数の少ないリザバーコンピューティングをダム流入量予測に適用し，その実用可能性を確認した．ある程度の予測精度を確保できるが，ディープニューラルネットと比較すると精度が悪く，今後，ネットワーク等の工夫が必要であることが確認できた．
