Physics-Informed Neural Operatorを用いたリアルタイム浸水予測モデルの構築

梶原 淳史; 奥野 峻也; 安重 晃; 德丸 直紀; 小野 晋太郎; 松田 哲裕; 八木 和樹

doi:10.11532/jsceiii.7.3_595

梶原淳史, 奥野峻也, 安重晃, 德丸直紀, 小野晋太郎, 松田哲裕, 八木和樹

著者情報

キーワード: Flood Inundation Analysis, Flood Prediction, Scientific Machine Learning (SciML), Physics- Informed Neural Operator (PINO), Real-time Simulation

ジャーナルオープンアクセス

2026 年 7 巻 3 号 p. 595-605

DOI https://doi.org/10.11532/jsceiii.7.3_595

詳細

抄録

水災害時における迅速な避難判断の支援に向け，リアルタイムかつ高精度な浸水予測技術の開発が求められている．従来の浸水解析手法は計算負荷が高く，近年は機械学習による予測モデルを利用して計算を高速化する取り組みがされているが，モデル性能は学習データに依存し，推論結果が必ずしも物理的に妥当な解とはならない欠点がある．本研究ではSciMLの手法であるPhysics-Informed Neural Operator（PINO）を用いて浸水予測モデルを構築し，リアルタイム予測への適用性を検討した．従来の物理ソルバーによる浸水解析結果を用いて物理制約を考慮したモデル学習を実施し精度検証をした結果，本研究で用いた格子解像度および計算条件の下で推論速度は約158倍に向上したほか，浸水分布を精度良く再現し，高い適用性を示した．

責任著者(Corresponding author)

J-STAGEへの登録はこちら（無料）