河川洪水予測用の事前学習モデルの構築と検証

抄録

　本研究は，水文環境等が類似すると考えられる九州の河川洪水を対象に，Artificial neural network(ANN)で構築された2つの事前学習モデルを用いて，洪水イベント数が少ない観測地点で未経験洪水の予測を行い，水位予測精度の向上を試みた．ダム下流域で収集された観測データで構築された洪水予測用の事前学習モデルを利用することで，リードタイム(LT)が短く，予測地点の再学習用のイベント数(Nb)が少ない場合に，従来型ANNの予測精度を最大10%改善した．また，上流域にダムがない河川で観測されたデータも加えて，学習データを水増した拡張版事前学習モデルを用いたANNの予測結果は，洪水予測版事前学習モデルと比較して，限定的な条件(LTが長く, Nbが多い場合)で，平均約6%の精度改善を示した．