深層学習を用いたダム流入量予測における学習データ拡張方法の提案—未経験規模の出水に対する適用性の向上—

抄録

本研究では，深層学習を用いたダム流入量予測において，未経験規模の出水を含めた適用性向上を目的とし，新しい学習データ拡張方法について検討した．提案手法では，一定の降雨が降り続けるような定常状態を仮定し，流域への総降雨量とダム流入量が等しくなる（流出係数が1.0となる）ような理論的な仮想出水のデータセットを拡張データとする．手法の適用性を検証するため，肱川水系の野村ダムを対象としてケーススタディを行った．過去17年分の実績洪水データに拡張データを加えたものを学習することで，流入量予測モデルの適用性向上を図った．野村ダムの過去事例を大幅に上回る大規模出水において，提案手法による予測精度の向上を確認した．