HiPPOブロックを実装したRNNに基づく流域一貫の河川水温予測
キーワード:
River temperature prediction,
Recurrent Neural Network,
High-order polynomial projection operator (HiPPO),
Long short term memory (LSTM)
2026 年 7 巻 3 号 p. 694-700
詳細
2026 年 7 巻 3 号 p. 694-700
本研究では，新たな河川水温予測手法として，HiPPOブロックを実装したRNN(HiPPO+RNN)を導入し，島根県の高津川を対象に有効性を評価した．具体的には，HiPPO+RNNの最適な基底関数とその数(HiPPOサイズ)を検討するとともに，既存のLSTMと比較した．その結果，基底関数，HiPPOサイズは予測精度に大きく影響することが明らかになり，季節変動から日変動まで様々な時間スケールを持つ水温の予測には，Laguerre基底でHiPPOサイズが20の条件が最も高精度だった．LSTMと比較した結果，特に6～8月の出水時期に著しく精度が向上し，LSTMはRMSEが最大で約3°Cだったのに対し，HiPPO+RNNは2°C以下に抑えられ，流域一貫の高精度な河川水温予測が認められた．
