特許ウォッチ

公開番号2024144260
公報種別公開特許公報(A)
公開日2024-10-11
出願番号2024045639
出願日2024-03-21
発明の名称水位予測モデル構築方法、水位予測モデル構築プログラム、予測水位データ出力方法、予測水位データ出力プログラム、水位予測的中率算出方法及び水位予測的中率算出プログラム
出願人日本無線株式会社
代理人個人,個人,個人,個人
主分類G06Q 50/26 20240101AFI20241003BHJP(計算;計数)
要約【課題】本開示は、機械学習を用いて、河川等の高水位(特に、水位ピーク付近)を高精度に予測するとともに、河川等の低水位(特に、水位定常状態)を高精度に予測するように、訓練用データを適切に抽出することを目的とする。
【解決手段】本開示は、水位予測地点でのある時刻の水位の学習に必要な訓練用データL1等として、水位予測地点又は水位予測地点より上流での当該時刻より過去の水位データWLのうち、水位変動時並びに水位変動時の直前及び直後の水位不変動時の水位データWLを抽出し、水位変動時の直前及び直後以外の水位不変動時の水位データWLを棄却する訓練用データ抽出ステップと、訓練用データL1等を用いて、水位予測モデルM1等を構築するモデル構築ステップと、を順に備えることを特徴とする水位予測モデル構築方法である。
【選択図】図2

特許請求の範囲【請求項１】
水位予測地点でのある時刻の水位の学習に必要な訓練用データとして、前記水位予測地点又は前記水位予測地点より上流での当該時刻より過去の水位データのうち、水位変動時並びに水位変動時の直前及び直後の水位不変動時の水位データを抽出し、水位変動時の直前及び直後以外の水位不変動時の水位データを棄却する訓練用データ抽出ステップと、
前記訓練用データを用いて、水位予測モデルを構築するモデル構築ステップと、
を順に備えることを特徴とする水位予測モデル構築方法。
続きを表示（約 1,600 文字）【請求項２】
前記水位予測モデルの検証のための検証用データを、水位ピーク時の前後の様々な長さの期間の水位データを用いて構築された複数の前記水位予測モデルに入力し、水位予測誤差が最も小さい一つの前記水位予測モデルを選定するモデル選定ステップ、
をさらに備えることを特徴とする、請求項１に記載の水位予測モデル構築方法。
【請求項３】
請求項１又は２に記載の水位予測モデル構築方法が備える各処理ステップを、順にコンピュータに実行させるための水位予測モデル構築プログラム。
【請求項４】
水位予測のためのテストデータを、請求項１又は２に記載の前記水位予測モデルに入力し、予測水位データを出力する予測水位データ出力ステップ、
を備えることを特徴とする予測水位データ出力方法。
【請求項５】
請求項４に記載の予測水位データ出力方法が備える前記予測水位データ出力ステップを、コンピュータに実行させるための予測水位データ出力プログラム。
【請求項６】
請求項１に記載の水位予測モデル構築方法が構築した前記水位予測モデルの検証のための検証用データとして、前記水位データ及び前記水位データが抽出される期間における過去観測雨量データと、検証対象時刻より将来の予報雨量データと、を抽出する検証用データ抽出ステップと、
前記水位予測モデルに前記検証用データとして、前記水位予測地点での複数時刻の水位を検証するための前記水位データ、前記過去観測雨量データ及び前記予報雨量データを入力し、前記水位予測地点での当該複数時刻の予測水位データを出力する予測水位データ出力ステップと、
前記水位予測地点での当該複数時刻の予測水位データのうちの、前記水位予測地点での当該複数時刻の観測水位データの周りの誤差幅内に収まるものの割合を、前記水位予測地点での水位の予測的中率として算出する水位予測的中率算出ステップと、
を順に備えることを特徴とする水位予測的中率算出方法。
【請求項７】
前記検証用データ抽出ステップは、前記検証用データとして、当該検証対象時刻より将来の将来観測雨量データも抽出し、
前記水位予測モデルに前記検証用データとして、前記水位予測地点での当該複数時刻の水位を検証するための前記水位データ、前記過去観測雨量データ及び前記将来観測雨量データを入力し、前記水位予測地点での水位の予測誤差の確率分布を算出し、前記水位予測的中率算出ステップでの観測水位データに対する予測水位データの誤差幅を設定する水位予測誤差幅設定ステップ、
を前記検証用データ抽出ステップと前記予測水位データ出力ステップとの間に備える
ことを特徴とする、請求項６に記載の水位予測的中率算出方法。
【請求項８】
前記水位予測的中率算出ステップは、前記水位予測地点での水位警戒のための各発令基準毎に、及び／又は、前記予測水位データ出力ステップでの予測出力時刻から各予測対象時刻までの各期間長さ毎に、前記水位予測地点での水位の予測的中率を算出する
ことを特徴とする、請求項６又は７に記載の水位予測的中率算出方法。
【請求項９】
前記水位予測的中率算出ステップは、前記水位データ、前記過去観測雨量データ及び前記予報雨量データに基づく前記水位予測地点での予測対象時刻の水位の予測時に、前記水位予測地点での当該予測対象時刻の予測水位データとともに、前記水位予測地点での水位の予測的中率を出力する
ことを特徴とする、請求項６又は７に記載の水位予測的中率算出方法。
【請求項１０】
請求項６又は７に記載の水位予測的中率算出方法が順に備える各処理ステップを、コンピュータに順に実行させるための水位予測的中率算出プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、機械学習を用いて、河川等の水位を予測する技術に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
機械学習を用いて、河川等の水位を予測する技術が、特許文献１等に開示されている。訓練段階では、水位学習のための訓練用データを用いて、ニューラルネットワーク等の水位予測モデルを構築する。検証段階では、水位予測モデルの検証のための検証用データを水位予測モデルに入力し、水位予測モデルの汎化性能を評価する。予測段階では、水位予測のためのテストデータを水位予測モデルに入力し、河川等の水位を予測する。
【先行技術文献】
【特許文献】
【０００３】
特開２０１９－０９５２４０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１では、水位予測地点でのある時刻の高水位（特に、避難勧告等の発令基準となる水位ピーク付近）の学習に必要な訓練用データとして、水位予測地点又は水位予測地点より上流での当該時刻より過去の水位データのうち、水位ピーク抽出閾値以上の水位データを抽出し、水位ピーク抽出閾値未満の水位データを棄却する。
【０００５】
つまり、水位変動時の水位データは、全水位データのうちの一部分しか占めないところ、水位ピーク付近の水位の学習に必要となるため、訓練用データとして抽出される。一方で、水位不変動時の水位データは、全水位データのうちの大部分を占めるところ、水位ピーク付近の水位の学習で雑音となるため、訓練用データとして棄却される。
【０００６】
従来技術の訓練用データの抽出処理を図１に示す。訓練用データ期間において、水位ピーク抽出閾値以上の水位データは抽出されるが、水位ピーク抽出閾値未満の水位データは棄却される。訓練用データ期間からテストデータ期間への遷移期間において、河川等の経年変化又は改修工事等によって、川底等の高さの変化が起こることがある。テストデータ期間において、高水位（特に、水位ピーク付近）の実水位に対する予測水位の誤差は小さいが、低水位（特に、水位定常状態）の実水位に対する予測水位の誤差は大きい。
【０００７】
そこで、前記課題を解決するために、本開示は、機械学習を用いて、河川等の高水位（特に、水位ピーク付近）を高精度に予測するとともに、河川等の低水位（特に、水位定常状態）を高精度に予測するように、訓練用データを適切に抽出することを目的とする。
【課題を解決するための手段】
【０００８】
前記課題を解決するために、水位予測地点でのある時刻の高水位（特に、避難勧告等の発令基準となる水位ピーク付近）の学習に必要な訓練用データとして、水位変動時の水位データを抽出する。一方で、水位予測地点でのある時刻の低水位（特に、水位定常状態）の学習に必要な訓練用データとして、水位変動時の直前及び直後の水位不変動時の水位データを抽出し、水位変動時の直前及び直後以外の水位不変動時の水位データを棄却する。
【０００９】
具体的には、本開示は、水位予測地点でのある時刻の水位の学習に必要な訓練用データとして、前記水位予測地点又は前記水位予測地点より上流での当該時刻より過去の水位データのうち、水位変動時並びに水位変動時の直前及び直後の水位不変動時の水位データを抽出し、水位変動時の直前及び直後以外の水位不変動時の水位データを棄却する訓練用データ抽出ステップと、前記訓練用データを用いて、水位予測モデルを構築するモデル構築ステップと、を順に備えることを特徴とする水位予測モデル構築方法である。
【００１０】
この構成によれば、機械学習を用いて、河川等の高水位（特に、水位ピーク付近）を高精度に予測するとともに、河川等の低水位（特に、水位定常状態）を高精度に予測するように、訓練用データを適切に抽出又は棄却することができる。
（【００１１】以降は省略されています）

関連特許