[2Yin-A] Poster 3

[2Yin-A-14] Time-Series Causal Discovery for Change Detection and Water Management Support in Agricultural Water Systems

〇Masao Ono¹, Takehiro Matsumoto², Kimiaki Yoshida¹, Satoshi Sekino³, Hiroshi Suito² (1. IHI Corporation, 2. Tohoku University, 3. IHI Infrastructure Systems Co., Ltd.)

Keywords:

Causal Discovery,Change Detection,Agricultural Water Management

気候変動の進行や農業従事者の減少に伴い，効率的な農業用水管理の重要性が高まっている。用水管理では水位低下が水不足の兆候の一つとして監視されるものの，実際には意図的に水位を下げる場合もあり，単純な変化検知だけでは実用的な操作支援につながらないという課題がある。本研究では，水位低下に関わる因果関係に着目した操作支援手法を提案する。まず，時系列因果探索を用いて農業用水データから因果グラフを生成し，次にクラスタリングによって典型的な構造変化パターンを分類する。時系列データの変化が含まれるウィンドウごとに因果グラフを生成し，既存クラスタとの類似度を評価することで，変化の背後にある要因に応じたデータの変化検知と操作提案を目指す。提案手法を2年間の実データに適用し，1年目を学習データ，2年目を検証データとして評価した結果，変化の性質や原因を区別した3種類以上のクラスタが形成され、それに基づく変化検出が可能となり，用水管理支援への有効性が示された。