リサンプリングとアンサンブル学習を用いた深層学習降雨流出モデルの精度向上の試み

坂口 大珠; 石田 桂; 永里 赳義

doi:10.11532/jsceiii.3.J2_906

著者情報

キーワード: River flow estimation, Rainfallrunoff modling, Machine learning, Deep learning, Ensemble learning, Resampling, Long Short-Term Memory, XGBoost

ジャーナルオープンアクセス

2022 年 3 巻 J2 号 p. 906-915

DOI https://doi.org/10.11532/jsceiii.3.J2_906

詳細

抄録

本研究は，リサンプリングとアンサンブル学習を用いて，降雨流出モデリングの精度向上を試みた．リサンプリングは重点的に特徴を捉えたい河川流量範囲で行った．リサンプリングしたデータをLSTMに適用し降雨流出モデリングを行い，そこで通常のLSTMとリサンプリングしたLSTMを比較した．アンサンブル学習は，XGBoostを使用し，入力データにはLSTMで推定した河川流量を使用し，同様にして通常のLSTMと比較した．その結果，重点的に捉えたい河川流量範囲でリサンプリングを適用することが精度向上に寄与することが示された．さらに，アンサンブル学習を行うことで，降雨流出モデリングの精度向上に寄与することが示された．

責任著者(Corresponding author)

J-STAGEへの登録はこちら（無料）