Development of Hybrid Flood Forecasting System based on Rainfall Information from Machine Learning Algorithm

基于机器学习算法的降雨信息的混合洪水预报系统开发

• 批准号: 22K04332
• 负责人: Kim Sunmin
• 金额: $ 2.66万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04332/
• 关键词: 機械学習・深層学習; 降雨予測・水位予測; ダムの洪水調節; 洪水予測; 降雨予測; 機械学習

1)機械学習を活用した降雨予測モデルの開発AMEDAS地上観測情報とひまわり衛星観測情報を入力情報として、CNNとConvolutional-LSTM機械学習アルゴリズムを利用した短時間降雨予測モデルを開発した。まずは1時間先の降雨量を高い精度で予測することを目指してモデルの検証・改良を行なった。2)機械学習を活用した水位・流量予測モデルの開発淀川流域の枚方地点を対象に開発したANN基盤の水位予測アルゴリズムを改良し、降雨量と上流域の水位情報を用いて流域内の複数基準点に対する水位・流量予測アルゴリズムを開発した。また、ANNへの入力情報が予測精度へ及ぼす影響を把握するために、様々な組み合わせの入力情報をテストし、最適な入力情報と学習条件を調べた。3）強化学習を活用した洪水調節のためのダム運用モデルの開発強化学習（Reinforcement Learning）手法を用いて、桂川流域の日吉ダムを対象に洪水調節モデルを開発した。開発したモデルは、既存の洪水イベントに対して自動的な学習とテストを繰り返して最適な放流量を模索することができ、降雨やダム流入量の予測情報がなくても最新のダム流域情報だけで最適な放流量を提案することが可能になった。

1) mechanical learning を transfer し た rainfall can be モ デ ル の open 発 AMEDAS ground 観 intelligence measuring と ひ ま わ り satellite intelligence を 観 test intelligence into force と し て, CNN と Convolutional - LSTM rote learning ア ル ゴ リ ズ ム を using し た rainfall can be short time モ デ ル を open 発 し た. ま ず は 1 high の rainfall を first time い で す to test る こ と を refers し て モ デ ル の 検 line card, improved を な っ た. 2) mechanical learning を transfer し た water level, flow can be モ デ ル の open 発 lake sichuan basin の gold party sites を like に seaborne open 発 し た ANN base plate の water level can be ア ル ゴ リ ズ ム を improved し, rainfall in the upper reaches of the と の level intelligence を with い て basin の plural benchmark に す seaborne る water level, flow can be ア ル ゴ リ ズ ム を open 発 し た. ま た, ANN へ の へ intelligence が into force to the measuring precision and ぼ す influences を master す る た め に, others 々 な group み close わ せ の intelligence into force を テ ス ト し optimal な intelligence と into force learning conditions, を adjustable べ た. 3) to strengthen Learning を transfer し た flood regulating の た め の ダ ム using モ デ ル の open 発 Reinforcement Learning (Reinforcement Learning) gimmick を with い て, GuiChuan watershed の ji ダ ム を like に seaborne flood regulating モ デ ル を open 発 し た. Open 発 し た モ デ ル は, existing の flood イ ベ ン ト に し seaborne て automatic な learning と テ ス ト を Qiao り return し て optimum な put traffic を die line す る こ と が で き, rainfall や ダ ム inflow の to measure intelligence が な く て も latest の ダ ム basin intelligence だ け で optimum な proposals put flow を す る こ と が may に な っ た.

项目成果

Selection of Input Variables in ANN for Hydrological Modeling

水文模拟中 ANN 输入变量的选择

• 发表时间: 2022
• 作者: Sunmin Kim;Kento Takami;and Yasuto Tachikawa
• 通讯作者: and Yasuto Tachikawa

A Brief History of Activation Functions in ANN for Hydrological Modeling

用于水文建模的 ANN 激活函数简史

• 发表时间: 2023
• 作者: KIM Sunmin;TAKAMI Kento;TACHIKAWA Yasuto;Sunmin Kim and Yasuto Tachikawa
• 通讯作者: Sunmin Kim and Yasuto Tachikawa

EFFECTS OF INPUT VARIABLE SELECTION IN ARTIFICIAL NEURAL NETWORK FOR WATER STAGE FORECASTING

人工神经网络输入变量选择对​​水位预报的影响

• DOI: 10.2208/jscejhe.78.2_i_145
• 发表时间: 2022
• 期刊: Journal of Japan Society of Civil Engineers, Ser. B1 (Hydraulic Engineering)
• 作者: KIM Sunmin;TAKAMI Kento;TACHIKAWA Yasuto
• 通讯作者: TACHIKAWA Yasuto

Development of Real-time Dam Reservoir Operation Model based on Reinforced Learning without Any Flood Prediction Data

无任何洪水预测数据的基于强化学习的实时大坝水库运行模型开发

• 发表时间: 2023
• 作者: Masaharu Shibata;Sunmin Kim;and Yasuto Tachikawa
• 通讯作者: and Yasuto Tachikawa

Analysis on The Effect of Input Data Characteristics and Model Structure in Deep Learning

深度学习中输入数据特征和模型结构的影响分析

• 发表时间: 2023
• 作者: Yuma Tanaka;Sunmin Kim;and Yasuto Tachikawa
• 通讯作者: and Yasuto Tachikawa