Improvement of a hybrid hydro-ecological and machine learning model for water quality management

改进水质管理的混合水文生态和机器学习模型

• 批准号: 20F20727
• 负责人: 矢島 啓
• 金额: $ 1.47万
• 依托单位: Shimane University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-07-29 至 2022-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20F20727/
• 关键词: 機械学習モデル; 生態系モデル; LSTM; ダム・湖沼; 水質管理; 機械学習; ランダムフォレストモデル; K-meansモデル; アオコ; HAB; 水質予測

湖沼やダム貯水池における水環境保全は，日本だけでなくフランスにおいても重要な課題である。中でも植物プランクトンの異常発生に伴うアオコ問題は，両国の共通課題である。アオコは毒素をもつことがあるため，アオコを予測する技術が求められている。本研究では，これまでの生態系シミュレーションによるアオコ予測に，機械学習などのAI技術を取り入れたハイブリッドな生態系モデルによるアオコ予測精度の向上を目指した研究を行った。昨年度は，フランスと英国間に位置する英国海峡，およびフランスとスイス国境にあるジェネバ湖を対象に，機械学習の一つであるRandom Forest (RF)モデルを用いて，藍藻類の異常増殖を予測する研究を行った。本年度の研究においては，まず，生態系モデルへの機械学習の適用の一環として，宍道湖におけるシジミの資源量予測にRFモデルを適用する研究を行った。2018年に宍道湖で行われた一斉資源量調査時のデータの収集と整理を行った上で，機械学習による検討を行った。その結果，シジミのサイズの違いにより，その資源量に与える影響因子に差があることを明らかにした。また，最終的な目標である生態系モデルとAI技術を組み合わせたアオコ予測に関する研究は，まず，国内のダム湖である国土交通省管理の尾原ダムを対象に，生態系モデルの構築を行い，十分な再現性が得られていることを確認した。さらに，そのモデルに対して，RFモデルおよびニューラルネットワークの一種であるLSTM（長短記憶）を組み入れる検討を行った。ただし，生態系モデルの構築は完成したものの，最終的にLSTMを含めた適用については，今後の研究につながる基礎検討を終える段階で終了した。

Water conservation in lakes and ponds is an important issue in Japan. The problem of abnormal occurrence of plant growth in China is common to all countries. The technology of poison detection is very important. This study is aimed at improving the accuracy of prediction in the ecosystem and machine learning AI technology. Last year, the British Channel was located between the United Kingdom and the United Kingdom, and the study of the prediction of abnormal growth of cyanobacteria was carried out in the context of mechanical learning and the use of Random Forest (RF). This year's research focuses on the application of mechanical learning in ecosystems and the application of RF technology in resource forecasting in the Lake. In 2018, when the first round of resource survey was conducted, the collection and arrangement were conducted, and the mechanical learning was conducted. As a result, the difference between the amount of resources and the impact factor is clear. The ultimate goal is to integrate AI technology into the research of ecosystem prediction, and to confirm the reproducibility of ecosystem construction in the management of the Ministry of Land, Infrastructure and Transport in China. In addition to the above, the RF module is also included in the LSTM (Long/Short Memory) module. The construction of the ecosystem is complete, and the final LSTM is applicable. The future research is based on the final stage.

项目成果

国立農業食糧環境研究所/フランス国立科学研究センター(フランス)

国家农业、食品和环境研究所/法国国家科学研究中心（法国）

Advances in forecasting harmful algal blooms using machine learning models: A case study with Planktothrix rubescens in Lake Geneva

• DOI: 10.1016/j.hal.2020.101906
• 发表时间: 2020-11-01
• 期刊: HARMFUL ALGAE
• 影响因子: 6.6
• 作者: Derot, Jonathan;Yajima, Hiroshi;Jacquet, Stephan
• 通讯作者: Jacquet, Stephan

Enhanced understanding of physicochemical constraints on Corbicula japonica habitat in Lake Shinji assisted by machine learning

机器学习辅助加深对宍道湖蚬栖息地物理化学限制的理解

• DOI: 10.1016/j.ecoinf.2022.101608
• 发表时间: 2022
• 期刊: Ecological Informatics
• 影响因子: 5.1
• 作者: Derot Jonathan;Yajima Hiroshi;Nakamura Mikio
• 通讯作者: Nakamura Mikio

CNRS/INRAE(フランス)

CNRS/INRAE（法国）

Benefits of machine learning and sampling frequency on phytoplankton bloom forecasts in coastal areas

• DOI: 10.1016/j.ecoinf.2020.101174
• 发表时间: 2020-11-01
• 期刊: ECOLOGICAL INFORMATICS
• 影响因子: 5.1
• 作者: Derot, Jonathan;Yajima, Hiroshi;Schmitt, Francois G.
• 通讯作者: Schmitt, Francois G.