JP2007023608A - 河川流量推定システムおよび方法、河川水位推定システムおよび方法、並びにプログラム - Google Patents
河川流量推定システムおよび方法、河川水位推定システムおよび方法、並びにプログラム Download PDFInfo
- Publication number
- JP2007023608A JP2007023608A JP2005207264A JP2005207264A JP2007023608A JP 2007023608 A JP2007023608 A JP 2007023608A JP 2005207264 A JP2005207264 A JP 2005207264A JP 2005207264 A JP2005207264 A JP 2005207264A JP 2007023608 A JP2007023608 A JP 2007023608A
- Authority
- JP
- Japan
- Prior art keywords
- river
- estimation
- data
- observation point
- precipitation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】降雨影響範囲決定装置10により、河川流域内の各地区における降水量の時系列変化を示す降水量データと任意の河川観測点での河川流量の時系列変化を示す河川流量データとをパターンマッチング分析して、この分析結果に基づき河川観測点における河川流量に影響する降雨影響範囲を決定し、推定装置20により、降雨影響範囲内の任意の特定地区における降水量データと河川観測点の河川流量データとを含む履歴データを用いて推定モデルを作成し、特定地区における新たな降水量を含む推定条件データから河川観測点での推定河川流量を推定モデルを用いて推定する。
【選択図】 図1
Description
したがって、河川観測点の河川流量や河川水位に影響を与える特定地区の降水量を過不足なく用いて所望の河川流量や河川水位を推定することができ、極めて高い精度で河川流量や河川水位を推定できる。
[第1の実施の形態]
まず、図1を参照して、本発明の第1の実施の形態にかかる河川流量推定システムについて説明する。図1は、本発明の第1の実施の形態にかかる河川流量推定システムの構成を示すブロック図である。
この河川流量推定システムは、所定の推定モデルを用いて、河川流域での降水量から河川観測点における河川流量をリアルタイムで推定するシステムであり、降雨影響範囲決定装置10と推定装置20とから構成されている。
次に、図1を参照して、本発明の第1の実施の形態にかかる河川流量推定システムで用いられる降雨影響範囲決定装置の構成について詳細に説明する。
降雨影響範囲決定装置10には、機能部として、入力部11、パターンマッチング分析部12、および降雨影響範囲決定部13が設けられている。
この入力部11で取り込まれる主な処理情報としては、降水量データ41と河川流量データ42とからなる履歴データ40がある。
なお、各地区の降水量データ41は、一般的な気象データを提供する提供機関から所望のパラメータを入手すればよく、例えば気象庁からは1時間周期で、また河川情報センターからは10分周期でそれぞれ提供されている。また、河川流量データ42は、面速式流量計測方法など公知の計測方法で計測したものを用いればよい。
次に、図1を参照して、本発明の第1の実施の形態にかかる推定装置の構成について詳細に説明する。
推定装置20には、入力部21、推定モデル作成部23、適応学習部25、および出力推定部26が設けられている。
この入力部21で取り込まれる主な処理情報としては、降雨影響範囲決定装置10から出力された降雨影響範囲決定情報43、推定モデル作成処理に用いる履歴データ50、および河川流量推定処理に用いる推定条件データ60がある。
気象データ51は各地区において計測された降水量、気温、天候などを示すデータであり、推定モデル作成時にモデル入力データとして用いられる。時間データ52は、河川流量データ53が得られた時刻、日種別(曜日や祭日など)、季節などを示すデータであり、推定モデル作成時にモデル入力データとして用いられる。河川流量データ53は、河川流量推定の対象となる河川の河川観測点30で計測された河川流量時系列変化を示すデータであり、推定モデル作成時にモデル出力データとして用いられる。
気象パラメータ61は、履歴データ50の気象データ51に対応するものであり、河川流量の推定に用いる特定地区で計測されたあるいは予報された降水量、気温、さらには天候などの気象環境に関する情報が用いられる。
時間パラメータ62は、履歴データ50の時間データ52に対応するものであり、河川流量を推定する日の種別、例えば曜日、平日、休日、旧前日、祭日、年末年始、稼働日などを示す日種別情報のほか、時刻情報やその日が属する季節を示す季節情報などの時間に関する情報が、単独であるいは組み合わせて用いられる。
非線形ブラックボックス推定モデルは、対象の詳細な構成を数式化して同定する物理モデルとは異なり、対象の詳細な構成を把握することなく、対象の入出力データに基づき同定する推定モデルである。推定モデル作成部23で作成する推定モデル24の構成とその作成技術については、非線形ブラックボックス推定モデルに関する公知のモデリング技術を利用すればよい。
推定モデル24として事例ベースを用いた場合、適応学習部25は、事例ベースを構成する各事例データのうち、これら履歴データ50に対応する事例データの出力値を、この履歴データ50の出力値により所定の比率で変更する。なお、履歴データ50に対応する事例データが存在しなかった場合、適応学習部25は、履歴データ50を新たな事例データとして推定モデル24へ追加する。
推定モデル24として事例ベースを用いた場合、出力推定部26は、事例ベースを構成する各事例データから推定条件データ60に類似する類似事例データを検索する。そして、検索された1つ以上の類似事例データから推定条件データ60に対応する推定河川流量70を推定し、例えば60分後〜120分後の推定河川流量70を出力する。
次に、図2を参照して、本発明の第1の実施の形態にかかる降雨影響範囲決定装置での降雨影響範囲決定動作について説明する。図2は、本発明の第1の実施の形態にかかる降雨影響範囲決定装置での降雨影響範囲決定処理を示すフローチャートである。
降雨影響範囲決定装置10の演算処理部(図示せず)は、オペレータの推定要求操作に応じて、図2の降雨影響範囲決定処理を開始する。
特に、図7の場合、最大相関値の最高ランク地区32が河川観測点30の付近に集中しているが、ある程度距離のある地区も含まれていたり、距離的に近い地区でも影響の少ない地区も存在しており、複雑な流入経路の存在が推察できる。また、図8の場合、最大相関値の最高ランク地区32が河川観測点30から離れた地域(山間部)に分散して一様に分布していないことから、山尾根を超える地下水脈など、複雑な流入経路の存在が推察できる。
次に、図10および図11を参照して、本発明の第1の実施の形態にかかる推定装置での推定モデル作成動作について説明する。図10は、本発明の第1の実施の形態にかかる推定装置での推定モデル作成処理を示すフローチャートである。図11は、本発明の第1の実施の形態にかかる推定装置での推定モデル作成動作にかかるフロー図である。
また、本実施の形態では、任意の気象パラメータや時間パラメータからなる推定条件データから河川流量を推定するブラックボックス推定モデルとして、事例ベースを用いる場合を例として説明する。
例えば、特定地区ごとに、その降水量データ(時系列データ)や気温(時系列データ)と河川流量データ(時系列データ)の時間位置を順次シフトしてそれぞれ相関値を求め、最大相関値が得られた際の時間シフト量に基づき、当該特定地区の降水量と河川流量を対応させて組27Cを作成してもよい。これにより、より精度の高い推定モデルを作成することができる。
次に、図12および図13を参照して、本発明の第1の実施の形態にかかる推定装置で推定モデルとして用いる事例ベースについて説明する。図12は、本発明の第1の実施の形態にかかる推定装置で用いる事例ベースの作成を示す説明図である。図13は、事例ベースにおける類似度の定義を示す説明図である。
TCBMは、推論の対象における入出力関係に連続性が成り立つことを前提条件として、事例ベース推論の枠組みを用いるモデリング手法であり、その特徴は、数学の位相論(トポロジー)における連続写像の概念に基づいて、出力の解像度すなわち出力誤差許容幅に応じた事例ベースと、各事例間の関係を示す類似度とを定義した点にある。
ここで、事例ベースに求められる推定誤差すなわち出力誤差許容幅εが与えられた場合、図12(c)に示すように、この出力誤差許容幅εを用いて入力空間をメッシュと呼ばれる部分区間に分割して量子化することにより、出力近傍の大きさに対応する入力近傍すなわち事例を定義できる。
これにより、すべての事例について、当該事例のメッシュに振り分けられた各履歴データのモデル出力データと当該事例の出力値との誤差が、出力誤差許容幅εを満足することになる。
図13では、入力データに対応する中央メッシュに事例が存在すれば、その事例と入力データとは「類似度=0」であると定義されている。また、中央メッシュの1つ隣に存在する事例とは「類似度=1」となり、以降、中央メッシュから1メッシュずつ離れていくごとに類似度が1ずつ増加していく。
そして、各メッシュのうち1つ以上の履歴データが振り分けられたメッシュを事例として選択し、そのメッシュ内の履歴データを代表する入出値および出力値を算出して、これら入出値および出力値の組からなる事例データから事例ベースを構成し(ステップ114)、推定モデル24として記憶部へ保存する。
次に、図14および図15を参照して、本発明の第1の実施の形態にかかる推定装置での河川流量推定動作について説明する。図14は、本発明の第1の実施の形態にかかる推定装置での河川流量推定処理を示すフローチャートである。図15は、本発明の第1の実施の形態にかかる推定装置での河川流量推定動作にかかるフロー図である。
出力推定部26は、記憶部に保存されている推定条件データ60を読み込み、記憶部の推定モデル24の事例ベースから、推定条件データ60と類似する入力値の事例データを検索する(ステップ121)。
これにより、従来のように河川流域の地形標高データから当該流域の落水線を作成して地表面での流入経路を特定することにより降雨影響範囲を決定する場合と比較して、地表面での流入経路だけでなく、地下の水脈や雨水管、さらには下水管および下水処理場を経由する流入経路など、すべての流入経路を考慮した降雨影響範囲を決定できる。
また、パターンマッチング分析の際、降水量データとして、各計測時点から任意の積算期間にわたって遡って積算した降水量を各計測時点の降水量とする積算降水量データを積算期間ごとにそれぞれ算出し、各地区のうち任意の積算期間における相関値がしきい値以上となった地区を降雨影響範囲とするようにしたので、特定地区から河川観測点までの雨水到達の遅れとその積分効果を考慮して降雨影響範囲を決定できる。
また、検索した類似事例の出力値(解答)から、新たに入力された推定条件(問題)に対する推定河川流量(解答)を算出しているため、推定条件と一致する事例データが存在しない場合でも、類似事例の類似度に応じた推定精度で、所望の推定河川流量を得ることができる。
次に、本発明の第2の実施の形態にかかる河川水位推定システムについて説明する。
前述の第1の実施の形態では、各特定地区で計測された降水量データを含むモデル入力データ27Aと河川観測点30で計測された河川流量データからなるモデル出力データ27Bとを用いて推定モデル24を作成し、この推定モデル24を用いて任意の推定条件データ60に対する推定河川流量70を推定する場合を例として説明した。
これにより、河川観測点の河川流量に影響を与える特定地区の降水量を過不足なく用いて所望の河川水位を推定することができ、極めて高い精度で河川水位を推定できる。
なお、降雨影響範囲決定装置10では、河川流量データ43に代えて河川観測点30における河川水位の時系列変化を示す河川水位データを用いた履歴データ40に基づき降雨影響範囲を決定するようにしてもよい。
次に、図17および図18を参照して、本発明の第3の実施の形態にかかる河川流量推定システムについて説明する。図17は、河川水位と河川断面形状の関係を示す説明図である。図18は、河川水位と流水断面積との関係を示す説明図である。
本実施の形態では、第1の実施の形態にかかる推定装置20で推定された推定河川流量70から、河川観測点30における河川水位を算出する場合について説明する。なお、本実施の形態にかかる河川流量推定システムの構成および動作については、前述した第1の実施の形態と同様であり、ここでの詳細な説明は省略する。
一方、流水断面積Sは、単位時間あたりの河川流量Qをそのときの流速Vで除算することにより求められる。
図19は、本実施の形態での河川水位算出に用いた河川流量データであり、図20は、本実施の形態により図19の河川流量データから算出した河川水位データである。
以上の各実施の形態では、降雨影響範囲決定装置10と推定装置20とが別個の装置で構成されている場合を例として説明したが、これに限定されるものではなく、例えば1つのパーソナルコンピュータでこれら降雨影響範囲決定装置10と推定装置20を実現してもよい。
例えば、1回あるいは複数回の推定動作が終了するだびに、推定装置20の出力推定部26から降雨影響範囲決定装置10へ降雨影響範囲決定動作の開始を指示するようにしてもよい。
これにより、常に正確な降雨影響範囲に基づき河川流量や河川水位を予測することができ、高い推定精度が得られる。
Claims (13)
- 河川流域内の各地区における降水量の時系列変化を示す降水量データと任意の河川観測点での河川流量の時系列変化を示す河川流量データとをパターンマッチング分析するパターンマッチング分析部と、この分析結果に基づき前記河川観測点における河川流量に影響する降雨影響範囲を決定する降雨影響範囲決定部とを有する降雨影響範囲決定装置と、
前記降雨影響範囲決定装置で決定された降雨影響範囲内の任意の特定地区における降水量データと前記河川観測点の河川流量データとを含む履歴データを用いて推定モデルを作成する推定モデル作成部と、前記特定地区における新たな降水量を含む推定条件データから前記河川観測点での推定河川流量を前記推定モデルを用いて推定する出力推定部とを有する推定装置と
を備えることを特徴とする河川流量推定システム。 - 請求項1に記載の河川流量推定システムにおいて、
前記パターンマッチング分析部は、前記各地区の降水量データと前記河川流量データとの相関値をそれぞれ算出し、
前記降雨影響範囲決定部は、前記各地区のうち前記相関値がしきい値以上となった地区を降雨影響範囲とする
ことを特徴とする河川流量推定システム。 - 請求項1に記載の河川流量推定システムにおいて、
前記パターンマッチング分析部は、前記降水量データとして、各計測時点から任意の積算期間にわたって遡って積算した降水量を各計測時点の降水量とする積算降水量データを積算期間ごとにそれぞれ算出し、
前記降雨影響範囲決定部は、前記各地区のうち任意の積算期間における相関値がしきい値以上となった地区を降雨影響範囲とする
ことを特徴とする河川流量推定システム。 - 請求項2または請求項3に記載の河川流量推定システムにおいて、
前記パターンマッチング分析部は、前記降水量データと前記河川流量データの時間位置を順次シフトさせて両者の相関値をそれぞれ算出し、これら相関値のうち最大相関値を両者の相関値とすることを特徴とする河川流量推定システム。 - 請求項1に記載の河川流量推定システムにおいて、
前記推定モデル作成部は、任意の時点における前記特定地区の降水量を含むモデル入力データとこれに対応する時点における前記河川観測点の河川流量からなるモデル出力データとの組からなる複数の履歴データに基づいて、これら1つ以上の履歴データを代表する入力値と出力値との組からなる複数の事例データを生成し、これら事例データを用いた事例ベースから前記推定モデルを作成し、
前記出力推定部は、前記推定条件データと一致または類似する入力値を持つ事例データを前記推定モデルの事例ベースから検索し、検索した事例データの出力値に基づき当該推定条件データに対応する河川流量を算出する
ことを特徴とする河川流量推定システム。 - 請求項1に記載の河川流量推定システムにおいて、
前記出力推定部は、前記推定河川流量を前記河川観測点における所定流速で除算して当該推定河川流量に対応する流水断面積を求め、この流水断面積から前記河川観測点における流水断面積と河川水位との関係を示す関数に基づき前記河川観測点における河川水位を算出することを特徴とする河川流量推定システム。 - 河川流域内の各地区における降水量の時系列変化を示す降水量データと任意の河川観測点での河川流量の時系列変化を示す河川流量データとをパターンマッチング分析するパターンマッチング分析部と、この分析結果に基づき前記河川観測点における河川流量に影響する降雨影響範囲を決定する降雨影響範囲決定部とを有する降雨影響範囲決定装置と、
前記降雨影響範囲決定装置で決定された降雨影響範囲内の任意の特定地区における降水量データと前記河川観測点の河川水位データとを含む履歴データを用いて推定モデルを作成する推定モデル作成部と、前記特定地区における新たな降水量を含む推定条件データから前記河川観測点での推定河川水位を前記推定モデルを用いて推定する出力推定部とを有する河川水位推定装置と
を備えることを特徴とする河川水位推定システム。 - 任意の推定条件データから河川観測点での推定河川流量を推定する河川流量推定システムで用いられる河川流量推定方法であって、
河川流域内の各地区における降水量の時系列変化を示す降水量データと任意の河川観測点での河川流量の時系列変化を示す河川流量データとをパターンマッチング分析するパターンマッチング分析ステップと、
この分析結果に基づき前記河川観測点における河川流量に影響する降雨影響範囲を決定する降雨影響範囲決定ステップと、
前記降雨影響範囲内の任意の特定地区における降水量データと前記河川観測点の河川流量データとを含む履歴データを用いて推定モデルを作成する推定モデル作成ステップと、
前記特定地区における新たな降水量を含む推定条件データから前記河川観測点での推定河川流量を前記推定モデルを用いて推定する出力推定ステップと
を備えることを特徴とする河川流量推定方法。 - 請求項8に記載の河川流量推定方法において、
前記推定河川流量を前記河川観測点における所定流速で除算して当該推定河川流量に対応する流水断面積を求め、この流水断面積から前記河川観測点における流水断面積と河川水位との関係を示す関数に基づき前記河川観測点における河川水位を算出するステップをさらに備えることを特徴とする河川流量推定方法。 - 任意の推定条件データから河川観測点での推定河川水位を推定する河川水位推定システムで用いられる河川水位推定方法であって、
河川流域内の各地区における降水量の時系列変化を示す降水量データと任意の河川観測点での河川流量の時系列変化を示す河川流量データとをパターンマッチング分析するパターンマッチング分析ステップと、
この分析結果に基づき前記河川観測点における河川流量に影響する降雨影響範囲を決定する降雨影響範囲決定ステップと、
前記降雨影響範囲内の任意の特定地区における降水量データと前記河川観測点の河川水位データとを含む履歴データを用いて推定モデルを作成する推定モデル作成ステップと、
前記特定地区における新たな降水量を含む推定条件データから前記河川観測点での推定河川水位を前記推定モデルを用いて推定する出力推定ステップと
を備えることを特徴とする河川水位推定方法。 - 任意の推定条件データから河川観測点での推定河川流量を推定する河川流量推定システムのコンピュータに、
河川流域内の各地区における降水量の時系列変化を示す降水量データと任意の河川観測点での河川流量の時系列変化を示す河川流量データとをパターンマッチング分析するパターンマッチング分析ステップと、
この分析結果に基づき前記河川観測点における河川流量に影響する降雨影響範囲を決定する降雨影響範囲決定ステップと、
前記降雨影響範囲内の任意の特定地区における降水量データと前記河川観測点の河川流量データとを含む履歴データを用いて推定モデルを作成する推定モデル作成ステップと、
前記特定地区における新たな降水量を含む推定条件データから前記河川観測点での推定河川流量を前記推定モデルを用いて推定する出力推定ステップと
を実行させるプログラム。 - 請求項11に記載のプログラムにおいて、
前記推定河川流量を前記河川観測点における所定流速で除算して当該推定河川流量に対応する流水断面積を求め、この流水断面積から前記河川観測点における流水断面積と河川水位との関係を示す関数に基づき前記河川観測点における河川水位を算出するステップをさらに実行させるプログラム。 - 任意の推定条件データから河川観測点での推定河川水位を推定する河川水位推定システムのコンピュータに、
河川流域内の各地区における降水量の時系列変化を示す降水量データと任意の河川観測点での河川流量の時系列変化を示す河川流量データとをパターンマッチング分析するパターンマッチング分析ステップと、
この分析結果に基づき前記河川観測点における河川流量に影響する降雨影響範囲を決定する降雨影響範囲決定ステップと、
前記降雨影響範囲内の任意の特定地区における降水量データと前記河川観測点の河川水位データとを含む履歴データを用いて推定モデルを作成する推定モデル作成ステップと、
前記特定地区における新たな降水量を含む推定条件データから前記河川観測点での推定河川水位を前記推定モデルを用いて推定する出力推定ステップと
を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005207264A JP4414378B2 (ja) | 2005-07-15 | 2005-07-15 | 河川流量推定システムおよび方法、河川水位推定システムおよび方法、並びにプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005207264A JP4414378B2 (ja) | 2005-07-15 | 2005-07-15 | 河川流量推定システムおよび方法、河川水位推定システムおよび方法、並びにプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007023608A true JP2007023608A (ja) | 2007-02-01 |
JP4414378B2 JP4414378B2 (ja) | 2010-02-10 |
Family
ID=37784741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005207264A Expired - Fee Related JP4414378B2 (ja) | 2005-07-15 | 2005-07-15 | 河川流量推定システムおよび方法、河川水位推定システムおよび方法、並びにプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4414378B2 (ja) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007033233A (ja) * | 2005-07-27 | 2007-02-08 | Yamatake Corp | 河川汚濁負荷推定システム、方法、およびプログラム |
JP2008106477A (ja) * | 2006-10-24 | 2008-05-08 | Yamatake Corp | 雨水流出量推定装置およびプログラム |
CN107288096A (zh) * | 2017-08-16 | 2017-10-24 | 国网湖南省电力公司 | 基于副高中期变动的水库动态汛限水位划定方法及系统 |
JP2018080509A (ja) * | 2016-11-16 | 2018-05-24 | 富士通株式会社 | 水位推定プログラム、水位推定方法、および水位推定装置 |
CN109596163A (zh) * | 2018-11-15 | 2019-04-09 | 北京英视睿达科技有限公司 | 预测断面水质参数数据的方法及装置 |
KR20190065015A (ko) * | 2017-12-01 | 2019-06-11 | 부산대학교 산학협력단 | 하천에서의 홍수범람 대응 관리 방법 및 하천에서의 홍수범람 대응 관리 시스템 |
JP2019094640A (ja) * | 2017-11-20 | 2019-06-20 | 日本無線株式会社 | 水位予測方法、水位予測プログラム及び水位予測装置 |
JP2020002658A (ja) * | 2018-06-28 | 2020-01-09 | 富士通株式会社 | 情報処理装置、河川水位予測方法及び河川水位予測プログラム |
JP6690867B1 (ja) * | 2018-11-02 | 2020-04-28 | 三菱電機株式会社 | 水位予測装置および水位予測方法 |
KR20200048898A (ko) * | 2018-10-31 | 2020-05-08 | 강원대학교산학협력단 | 머신러닝을 이용한 홍수 또는 가뭄 위험 분석 장치 및 방법 |
JP2020111892A (ja) * | 2019-01-09 | 2020-07-27 | 株式会社明電舎 | 流量予測装置及び流量予測方法 |
CN111474383A (zh) * | 2020-04-23 | 2020-07-31 | 水利部南京水利水文自动化研究所 | 一种基于大数据的河流在线流量计算方法及系统 |
JP2021075872A (ja) * | 2019-11-07 | 2021-05-20 | エー・シー・エス株式会社 | 水位予測方法および水位予測システム |
JP2021087388A (ja) * | 2019-12-04 | 2021-06-10 | Kddi株式会社 | 水門制御装置、水門、水門制御方法及び水門制御システム |
JP6906094B1 (ja) * | 2020-09-14 | 2021-07-21 | 株式会社日立パワーソリューションズ | ダム水位予測支援システム |
JP2022048070A (ja) * | 2020-09-14 | 2022-03-25 | 株式会社日立パワーソリューションズ | ダム水位予測支援システム |
-
2005
- 2005-07-15 JP JP2005207264A patent/JP4414378B2/ja not_active Expired - Fee Related
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4486004B2 (ja) * | 2005-07-27 | 2010-06-23 | 株式会社山武 | 河川汚濁負荷推定システム、方法、およびプログラム |
JP2007033233A (ja) * | 2005-07-27 | 2007-02-08 | Yamatake Corp | 河川汚濁負荷推定システム、方法、およびプログラム |
JP2008106477A (ja) * | 2006-10-24 | 2008-05-08 | Yamatake Corp | 雨水流出量推定装置およびプログラム |
JP2018080509A (ja) * | 2016-11-16 | 2018-05-24 | 富士通株式会社 | 水位推定プログラム、水位推定方法、および水位推定装置 |
CN107288096B (zh) * | 2017-08-16 | 2019-06-07 | 国网湖南省电力有限公司 | 基于副高中期变动的水库动态汛限水位划定方法及系统 |
CN107288096A (zh) * | 2017-08-16 | 2017-10-24 | 国网湖南省电力公司 | 基于副高中期变动的水库动态汛限水位划定方法及系统 |
JP2019094640A (ja) * | 2017-11-20 | 2019-06-20 | 日本無線株式会社 | 水位予測方法、水位予測プログラム及び水位予測装置 |
KR20190065015A (ko) * | 2017-12-01 | 2019-06-11 | 부산대학교 산학협력단 | 하천에서의 홍수범람 대응 관리 방법 및 하천에서의 홍수범람 대응 관리 시스템 |
KR102009574B1 (ko) * | 2017-12-01 | 2019-08-09 | 부산대학교 산학협력단 | 하천에서의 홍수범람 대응 관리 방법 및 하천에서의 홍수범람 대응 관리 시스템 |
JP7077818B2 (ja) | 2018-06-28 | 2022-05-31 | 富士通株式会社 | 情報処理装置、河川水位予測方法及び河川水位予測プログラム |
JP2020002658A (ja) * | 2018-06-28 | 2020-01-09 | 富士通株式会社 | 情報処理装置、河川水位予測方法及び河川水位予測プログラム |
KR20200048898A (ko) * | 2018-10-31 | 2020-05-08 | 강원대학교산학협력단 | 머신러닝을 이용한 홍수 또는 가뭄 위험 분석 장치 및 방법 |
KR102168024B1 (ko) * | 2018-10-31 | 2020-10-20 | 강원대학교산학협력단 | 머신러닝을 이용한 홍수 또는 가뭄 위험 분석 장치 및 방법 |
WO2020090104A1 (ja) * | 2018-11-02 | 2020-05-07 | 三菱電機株式会社 | 水位予測装置および水位予測方法 |
JP6690867B1 (ja) * | 2018-11-02 | 2020-04-28 | 三菱電機株式会社 | 水位予測装置および水位予測方法 |
CN109596163B (zh) * | 2018-11-15 | 2020-12-08 | 北京英视睿达科技有限公司 | 预测断面水质参数数据的方法及装置 |
CN109596163A (zh) * | 2018-11-15 | 2019-04-09 | 北京英视睿达科技有限公司 | 预测断面水质参数数据的方法及装置 |
JP2020111892A (ja) * | 2019-01-09 | 2020-07-27 | 株式会社明電舎 | 流量予測装置及び流量予測方法 |
JP2021075872A (ja) * | 2019-11-07 | 2021-05-20 | エー・シー・エス株式会社 | 水位予測方法および水位予測システム |
JP2021087388A (ja) * | 2019-12-04 | 2021-06-10 | Kddi株式会社 | 水門制御装置、水門、水門制御方法及び水門制御システム |
CN111474383A (zh) * | 2020-04-23 | 2020-07-31 | 水利部南京水利水文自动化研究所 | 一种基于大数据的河流在线流量计算方法及系统 |
JP6906094B1 (ja) * | 2020-09-14 | 2021-07-21 | 株式会社日立パワーソリューションズ | ダム水位予測支援システム |
JP2022048070A (ja) * | 2020-09-14 | 2022-03-25 | 株式会社日立パワーソリューションズ | ダム水位予測支援システム |
JP2022047729A (ja) * | 2020-09-14 | 2022-03-25 | 株式会社日立パワーソリューションズ | ダム水位予測支援システム |
JP7153752B2 (ja) | 2020-09-14 | 2022-10-14 | 株式会社日立パワーソリューションズ | ダム水位予測支援システム |
Also Published As
Publication number | Publication date |
---|---|
JP4414378B2 (ja) | 2010-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4414378B2 (ja) | 河川流量推定システムおよび方法、河川水位推定システムおよび方法、並びにプログラム | |
Senent-Aparicio et al. | Coupling machine-learning techniques with SWAT model for instantaneous peak flow prediction | |
Xu et al. | Short‐term inflow forecasting using an artificial neural network model | |
Young et al. | Prediction and modelling of rainfall–runoff during typhoon events using a physically-based and artificial neural network hybrid model | |
JP4807565B2 (ja) | 流量予測装置 | |
Xu et al. | Uncertainty analysis in statistical modeling of extreme hydrological events | |
Kisi et al. | A machine code-based genetic programming for suspended sediment concentration estimation | |
Kumar et al. | Sensitivity analysis of the GIUH based Clark model for a catchment | |
Tang et al. | Value of medium-range precipitation forecasts in inflow prediction and hydropower optimization | |
Wu et al. | Real-time correction of water stage forecast during rainstorm events using combination of forecast errors | |
CN113762618A (zh) | 一种基于多因子相似分析的湖泊水位预报方法 | |
CN106250659A (zh) | 一种基于降雨预测合流制溢流水力学行为的方法及其应用 | |
Chibanga et al. | Modelling and forecasting of hydrological variables using artificial neural networks: the Kafue River sub-basin | |
JP4486004B2 (ja) | 河川汚濁負荷推定システム、方法、およびプログラム | |
JP5574769B2 (ja) | 不明水監視装置及び不明水監視方法 | |
El Shafie et al. | Radial basis function neural networks for reliably forecasting rainfall | |
JP4782656B2 (ja) | 雨水流出量推定装置およびプログラム | |
KR20240000915A (ko) | 유역 상세화를 통한 실적자료 기반 물수급 분석 방법 및 그 방법을 구현하기 위한 컴퓨터로 판독 가능한 기록매체에 저장된 프로그램 | |
Shah et al. | Modeling of runoff using curve expert for Dachigam-Telbal catchment of Kashmir valley, India | |
Aguilar et al. | An adaptive predictive approach for river level forecasting | |
Steyn | Short-term stream flow forecasting and downstream gap infilling using machine learning techniques | |
Lettenmaier | Limitations on seasonal snowmelt forecast accuracy | |
JP7143542B1 (ja) | 分流式下水管への浸入水推定システム、方法、およびプログラム | |
Umar et al. | Modelling of stage-discharge relationship using optimisation techniques for Jhelum River in Kashmir Valley, NW Himalayas | |
Rokaya | Modeling the impacts of LULC change on Runoff and Sediment yield of Bagmati River Basin in Kathmandu Valley |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080318 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091020 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20091117 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20091119 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121127 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4414378 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131127 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |