入力構造の不均一性を考慮した時系列基盤モデルによる未学習流域の河川水位予測

抄録

本研究では，河川水位予測において，上流水位観測所の有無や数が予測地点ごとに異なる入力構造の不均一性に着目した．この条件で，時系列基盤モデルChronos-2のファインチューニングが未学習流域へ転移できるかを検証した．学習データは日本の10流域・112の水位観測所から切り出した7,360の洪水イベント系列とし，将来時刻の雨量には実績雨量を予測雨量に見立てた完全予測データを用いた．評価はLeave-One-Basin-Outで行い，静的属性付きLSTMと比較した．その結果，Chronos-2は未学習流域でも6時間先で12地点平均のNSEが0.8程度の精度を示し，LSTMを大きく上回った．上流水位を加えると，基盤モデルでは精度が向上する一方，LSTMではかえって低下した．以上より，事前学習やモデル構造を含む基盤モデルの特性が，入力構造が不均一な観測網における未学習流域への転移に寄与した可能性を示した．