和文論文
深層学習と非線形時系列解析を統合した水質推定手法の開発
2019 年 75 巻 1 号 p. 81-99
詳細
2019 年 75 巻 1 号 p. 81-99
深層学習と非線形時系列解析を応用して，沿岸域の水質変動を推定する自己回帰駆動深層ニューラルネットワークモデル（自己回帰駆動DNN）を新たに開発した．本モデルは，潮汐や気象などの外部因子と水質現象の関係を表現する外因深層学習モデル（外因DNN）に，非線形な水質変動システムの自己回帰特性を推定する局所的予測モデルを並列に接続した構造を有している．感潮河川の電気伝導度および閉鎖性内湾奥部の底層溶存酸素濃度といった変動特性の異なる2つの水質項目を対象に，外因DNNと自己回帰駆動DNNによる推定を行った．その結果，両モデルはいずれの水質項目に対しても高い推定精度を示したが，外部因子の影響に加えて生物化学過程を含むシステム内部の状態変数が強く影響する水質現象に対して，自己回帰駆動DNNは特に高い有用性を発揮した．
