Real-time flood prediction of urban rivers with artificial intelligence

本研究の目的は、高解像度な雨量データを活用して、人工知能を用いた河川水位予測モデルの構築および適用性検証を行うことである。これまで予測が困難とされてきた都市中小河川を対象に、迅速かつ高精度な河川水位予測の実現を目指している。研究1年目には、研究実施計画に沿って、鶴見川の都市中小河川流域において深層学習を用いた水位予測モデルの構築・検証を行っている。研究2,3年目の実施計画には、「①様々な河川における精度検証」「②予測雨量を用いた場合の精度検証」「③他の洪水予測手法との比較」を挙げている。実施計画①②に沿って、研究2年目における2019年度は、日本国内の自治体が管理する3河川においてモデルを構築し、実況雨量（XRAIN）などを用いた場合の60分先までの予測精度検証を行った。また実施計画③に沿って、深層学習のほかに、近年有力とされる機械学習手法による水位予測モデルを構築し、既往研究の対象流域（1級河川）において適用性の検証を行った。研究3年目における2020年度は、関連する技術として人工知能を用いて内水氾濫の浸水域を予測する技術に関する基礎検討を行った。その他にも、機械学習による予測手法全般で課題となっている外挿範囲での予測性能を向上させるためのデータ拡張手法についてケーススタディを行い、有効性を実証した。またレーダ雨量と畳み込みニューラルネットワークを用いた洪水予測について、入力データの時空間的な設定による影響について分析を行った。今後は、河川水位予測モデルについて複数モデルとの比較により有効性を検討するとともに、氾濫予測など関連する周辺技術との融合について検討を行う。

本研究の目的は、高解像度な雨量データを活用して、人工知能を用いた河川水位予測モデルの構築および適用性検証を行うことである。これまで予測が困難とされてきた都市中小河川を対象に、迅速かつ高精度な河川水位予測の実現を目指している。研究1年目には、研究実施計画に沿って、鶴見川の都市中小河川流域において深層学習を用いた水位予測モデルの構築・検証を行っている。研究2,3年目の実施計画には、「①様々な河川における精度検証」「②予測雨量を用いた場合の精度検証」「③他の洪水予測手法との比較」を挙げている。実施計画①②に沿って、研究2年目における2019年度は、日本国内の自治体が管理する3河川においてモデルを構築し、実況雨量（XRAIN）などを用いた場合の60分先までの予測精度検証を行った。また実施計画③に沿って、深層学習のほかに、近年有力とされる機械学習手法による水位予測モデルを構築し、既往研究の対象流域（1級河川）において適用性の検証を行った。研究3年目における2020年度は、関連する技術として人工知能を用いて内水氾濫の浸水域を予測する技術に関する基礎検討を行った。その他にも、機械学習による予測手法全般で課題となっている外挿範囲での予測性能を向上させるためのデータ拡張手法についてケーススタディを行い、有効性を実証した。またレーダ雨量と畳み込みニューラルネットワークを用いた洪水予測について、入力データの時空間的な設定による影響について分析を行った。今後は、河川水位予測モデルについて複数モデルとの比較により有効性を検討するとともに、氾濫予測など関連する周辺技術との融合について検討を行う。