講演情報
[PS-02-22]CNN-RNNを用いた流出予測に関する研究
*高橋 陽真1 (1. 岐阜大学大学院 自然科学技術研究科)
キーワード：
降雨流出モデル、深層学習、CNN-LSTM、CNN-GRU、洪水予測
本研究は、気候変動に伴い頻発する集中豪雨に対して迅速な洪水予測を実現するため、画像認識に長けたCNNと時系列データに有効なRNNを組み合わせたハイブリッドモデルによる流出予測手法を提案し、長良川上流域を対象にその有効性を検証したものである。解析の結果、RNN層にGRUを用いたモデルは、構造の簡潔さから入力データが少ない条件下でも効率的に学習が進み、洪水ピークの予測において高い追従性を示すことが確認された。特に、予測の難易度が高いマルチピークイベントにおいても良好な精度を維持しており、データの準備から出力までの計算負荷を抑えられることから、避難のためのリードタイム確保という実務的な観点においてCNN-LSTMよりも緊急時の運用に適していることが明らかになった。一方で、雨が止んだ後の土壌からの緩やかな流出といった物理的な遅延効果を表現しきれず、減水期の予測値が実測より早く低下するという課題も浮き彫りとなった。今後は、計算速度を維持しつつ物理的妥当性を担保するモデルの構築や、他地点への適用による汎用性の検証が求められる。