PROPOSING A PRE-PROCESSING THAT CONTRIBUTES TO THE ACCURACY IMPROVEMENT OF LSTM WATER LEVEL PREDICTIONS WITH EXTRACTED, PERIODICAL DATA
PROPOSING A PRE-PROCESSING THAT CONTRIBUTES TO THE ACCURACY IMPROVEMENT OF LSTM WATER LEVEL PREDICTIONS WITH EXTRACTED, PERIODICAL DATA
复制标题
提出一种预处理方法，有助于利用提取的定期数据提高 LSTM 水位预测的准确性
DOI：
10.11532/jsceiii.3.j2_85
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
馬場 大地
中科院分区：
文献类型：
--
作者：
木村 延明;吉永 育生;皆川 裕樹;福重 雄大;馬場 大地
本研究は, 周期性を有するデータを対象として深層学習モデル (DNN) による予測を行う際に, 前処 理の段階で周期的な特徴量を抽出し, 入力データに追加することで予測精度の向上を図る方法の提案である. 提案する前処理の方法では, フーリエ変換・逆変換を用いてデータの周期的な特徴量を抽出・生成し, 新たなデータの追加を行う. 本方法について, 周期性を有すると考えられる排水機場の調整池の水位を対象として検証を行った. 約 8 年間の実測水位から, 1 日と半日の周期的な特徴量が得られた. これらの周期性データの追加の有り無しによる水位予測結果の比較を行ったところ, 周期性データの利用によりリードタイム (LT) 1-6 h の場合に, 二乗平均平方根誤差は 3-5% 改善され, 本方法の有効性が確認された. さらに, 実用化の観点から, 将来データに適用した LT1-6 h の予測結果では, 高々 4% の誤差の改善が見られた.