Convolutional LSTM と転移学習を用いた洪水予測モデルの高度化
2023 年 4 巻 3 号 p. 361-368
詳細
2023 年 4 巻 3 号 p. 361-368
本研究では，時間予測に有用なLSTMに空間情報を取り込んだConvolutional LSTMを導入した深層ニューラルネットワークと転移学習を用いて，データ量が少ない対象流域でも高精度な河川洪水予測が可能な新モデルを構築する．転移学習では，大量のデータを有するソース流域で，空間情報のパラメータであるシーケンス長（Ns）を調整した事前学習モデルを生成し，それを対象流域に転移することで，期間最大規模等の洪水事象について，予測精度の向上を試みた．まず，モデルの予測精度の検証をソース流域で行い，CNNベースの従来型モデルと比較して，Ns=2で概ね予測精度の改善が見られた．次に，転移学習を用いた対象流域での予測精度の検証では，再学習回数=50回で精度誤差が安定し，期間最大規模の洪水に対して，転移学習あり・なしの従来型モデルと比較して，Ns=2で予測結果の精度向上が見られた．
