次元圧縮と深層学習に基づくリアルタイム浸水域予測におけるメッシュ解像度の影響評価

抄録

本論文は，深層学習と次元圧縮を組み合わせたリアルタイム浸水域予測手法に着目し，メッシュ解像度が予測精度および計算効率に与える影響について比較検討したものである．次元圧縮には特異値分解（SVD）を，深層学習にはディープニューラルネットワーク（DNN）を採用した．各メッシュ解像度（25m，15m，5mメッシュ）に対して予測精度および計算効率を比較検討した結果，いずれのメッシュ解像度においても同程度の予測精度が得られる傾向が確認された．また，メッシュ解像度が高くなるほど計算時間の短縮効果が顕著になることが明らかとなった．特に，5mメッシュの場合には通常のシミュレーション時間と比較して約13,000倍の高速化が確認され，予測時間は約5.1秒であった．