JP4486004B2 - 河川汚濁負荷推定システム、方法、およびプログラム - Google Patents

Description

本発明は、河川汚濁負荷推定技術に関し、特に所定の河川観測点における河川汚濁負荷量を、その上流地域における降水量と河川観測点における河川汚濁負荷量に基づき推定する河川汚濁負荷推定技術に関する。

近年、自然の水循環系に対する環境負荷の増大が問題となっている。河川事業では、河川の環境保全事業において河川の水質汚濁を管理することが重要視されており、河川観測点において河川汚濁負荷量を正確に把握することが必要とされている。

河川汚濁負荷量を把握する方法として、河川への流入水について汚濁負荷量を計測する方法が考えられる。この際、河川水質に影響を与える汚濁負荷は、その河川の上流域で日常堆積するノンポイント（非点源）汚濁負荷と、下水処理場からの処理水などのポイント（点源）汚染負荷に大別される。
ポイント汚染負荷については下水処理場などで計測できるが、このような設備を通らずに降雨時に直接河川に流入するノンポイント汚濁負荷を計測することは困難である。

これに対して、従来、任意の水循環解析モデル(WEP:Water and Energy transfer Process)モデルを用いて、雨水によるノンポイント汚濁負荷の影響を考慮した分布型汚濁負荷流出モデルを構築する河川汚濁負荷推定技術が提案されている（例えば、非特許文献１，２参照）。このような河川汚濁負荷推定技術では、任意の河川観測点における河川汚濁負荷量を推定する場合、所望の推定河川汚濁負荷量に影響を与える降雨地域すなわち降雨影響範囲を正確に特定する必要がある。従来の河川汚濁負荷推定技術で用いるモデルの多くは、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、降雨影響範囲を決定している（例えば、非特許文献３参照）。

http://www.pwri.go.jp/jpn/introduction/project/h13/seika_h13_03.htm#3_2、「都市河川流域における水・物質循環に関する研究」、独立行政法人土木研究所 賈仰文ほか、「WEPモデルと組み合わせる分布型汚濁負荷流出モデルの構築と検証」、2001年研究発表会要旨集、水文・水質源学会、pp44-45、2001年8月 http://www.pwri.go.jp/team/suiri/yata-r/3-1.htm、「WEPモデル（水循環解析ツール）の紹介」、独立行政法人土木研究所

しかしながら、このような従来技術では、河川上流域のうち河川観測点での汚濁負荷に影響を与える降雨影響範囲を正確に決定しておらず、結果として河川汚濁負荷量を精度よく推定できないという問題点があった。
河川水質に対するノンポイント（非点源）汚濁負荷は、地表面を介して中小の支河川から流入する雨水に大きく影響を受ける。この際、雨水の流入経路は地表面だけでなく、例えば地下の水脈を介して山尾根の反対にある支河川へ流入する経路など、把握不可能な他の流入経路を経由する場合も多く、このような複雑な流入経路からの雨水についても考慮する必要がある。

本発明はこのような課題を解決するためのものであり、河川観測点における河川汚濁負荷に対する降雨影響範囲を正確に決定でき、結果として河川汚濁負荷量を精度よく推定できる河川汚濁負荷推定システム、方法、およびプログラムを提供することを目的としている。

このような目的を達成するために、本発明にかかる河川汚濁負荷推定システムは、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河川観測点における河川汚濁負荷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、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での降水量の時系列変化を示す降水量データと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷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、所望の推定対象時点より前の期間における、特定地区での降水量の時系列変化を示す降水量パラメータと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、推定対象時点における河川観測点での推定河川汚濁負荷量を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ている。

この際、パターンマッチング分析部で、各地区の降水量データと河川流量データとのパターン一致度をそれぞれ算出し、降雨影響範囲決定部で、各地区のうちパターン一致度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てもよい。

また、パターンマッチング分析部で、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、降雨影響範囲決定部で、各地区のうち任意の積算期間におけるパターン一致度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てもよい。

また、パターンマッチング分析部で、降水量データと河川流量データの時間位置を順次シフトさせて両者のパターン一致度をそれぞれ算出し、これらパターン一致度のうち最大パターン一致度を両者のパターン一致度とするようにしてもよい。

また、推定モデル作成部で、任意の時点より前の期間における、特定地区での降水量の時系列変化を示す降水量データおよび河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量データを含むモデル入力データと、当該時点における河川観測点での河川汚濁負荷量を示す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推定モデルを作成し、出力推定部で、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汚濁負荷量を算出するようにしてもよい。

また、推定モデル作成部で、降雨影響範囲内で雨が降っていない非雨天時における河川観測点での河川汚濁負荷量に関する非雨天成分を推定する非雨天汚濁負荷推定モデルと、降雨影響範囲内のいずれかで雨が降っている雨天時における河川観測点での河川汚濁負荷量に関する雨天成分を推定する雨天汚濁負荷推定モデルとを生成し、出力推定部で、非雨天時には非雨天成分を河川観測点での河川汚濁負荷量として出力し、雨天時には非雨天成分と雨天成分の和を河川観測点での河川汚濁負荷量として出力するようにしてもよい。

また、本発明にかかる河川汚濁負荷推定方法は、任意の推定条件データから河川観測点での推定河川汚濁負荷量を推定する河川汚濁負荷推定システムで用いられる河川汚濁負荷推定方法であって、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河川観測点における河川汚濁負荷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、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の時系列変化を示す降水量データと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷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、所望の推定対象時点より前の期間における、特定地区での降水量の時系列変化を示す降水量パラメータと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、推定対象時点における河川観測点での推定河川汚濁負荷量を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ている。

また、本発明にかかるプログラムは、任意の推定条件データから河川観測点での推定河川汚濁負荷量を推定する河川汚濁負荷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河川観測点における河川汚濁負荷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、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の時系列変化を示す降水量データと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷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、所望の推定対象時点より前の期間における、特定地区での降水量の時系列変化を示す降水量パラメータと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、推定対象時点における河川観測点での推定河川汚濁負荷量を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。

本発明によれば、降雨影響範囲決定装置により、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がパターンマッチング分析されて、この分析結果に基づき河川観測点における河川汚濁負荷に影響する降雨影響範囲が決定され、推定装置により、降雨影響範囲内の任意の特定地区での降水量の時系列変化を示す降水量データと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量データとを含む履歴データを用いて推定モデルが作成され、所望の推定対象時点より前の期間における、特定地区での降水量の時系列変化を示す降水量パラメータと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、推定対象時点における河川観測点での推定河川汚濁負荷量が推定モデルを用いて推定される。

これにより、地表面での流入経路や下水道だけでなく、把握不可能な他の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。
したがって、河川観測点の河川汚濁負荷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汚濁負荷量を推定することができ、極めて高い精度で河川汚濁負荷量を推定できる。

次に、本発明の実施の形態について図面を参照して説明する。
［河川汚濁負荷推定システム］
まず、図１を参照して、本発明の一実施の形態にかかる河川汚濁負荷推定システムについて説明する。図１は、本発明の一実施の形態にかかる河川汚濁負荷推定システムの構成を示すブロック図である。
この河川汚濁負荷推定システムは、所定の推定モデルを用いて、河川流域での降水量と河川観測点での河川汚濁負荷量とから、河川観測点における新たな河川汚濁負荷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。

降雨影響範囲決定装置１０は、全体として、入力された処理情報に対して演算処理を行うことにより所望の情報を出力するパーソナルコンピュータなどの情報処理装置からなり、河川流域内の各地区における降水量と河川観測点での河川流量とから、河川観測点での河川汚濁負荷に影響する降雨影響範囲を決定する機能を有している。

推定装置２０は、全体として、入力された処理情報に対して演算処理を行うことにより所望の情報を出力するパーソナルコンピュータなどの情報処理装置からなり、降雨影響範囲決定装置で決定された降雨影響範囲内の特定地区での降水量の時系列変化を示す降水量データと河川観測点の河川汚濁負荷量の時系列変化を示す河川汚濁負荷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機能と、所望の推定対象時点より前の期間における、特定地区での降水量パラメータと河川観測点での河川汚濁負荷量パラメータとを含む推定条件データから推定対象時点における河川観測点での推定河川汚濁負荷量を推定モデルを用いて推定する機能を有している。

本実施の形態は、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、この分析結果に基づき河川観測点における河川汚濁負荷に影響する降雨影響範囲を決定するようにしたものである。

なお、本実施の形態で推定する河川汚濁負荷量としては、ＣＯＤ（化学的酸素要求量）、ＢＯＤ（生物化学的酸素要求量）、またはこれに類似する汚濁負荷指標の総量（単位時間あたり）を推定するものとし、推定モデル作成処理や推定処理にも、所望の汚濁負荷指標と同一種類の河川汚濁負荷量データを用いる。

また、本実施の形態では、河川流量はそのほとんどが雨水であると見なしている。また、降雨から１ヶ月以上の長期を経て河川に流入する地下水については降雨との因果関係を特定できず、本発明のような十数時間程度の推定スパンでは取り扱う必要がないと判断し処理対象外とした。また、河川表面からの蒸発分については非常に少なく誤差の範囲であることから対象外とした。

また、本実施の形態において、非雨天時とは、河川観測点の降雨影響範囲全域にわたって降雨が観測されていない状態をいい、雨天時とは、河川観測点の降雨影響範囲内のいずれかで降雨が観測されている状態、およびその降雨の影響が及ぶ時間をいう。また全天時とは、非雨天時および雨天時を含めた状態をいう。

［降雨影響範囲決定装置］
次に、図１を参照して、本発明の一実施の形態にかかる河川汚濁負荷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。

これら機能部は、専用回路部や演算処理部、または記憶部により実現される。このうち、演算処理部はＣＰＵやＤＳＰなどのマイクロプロセッサとその周辺回路を有し、マイクロプロセッサ内部や周辺回路のメモリあるいは記憶部からプログラムを読み込んで実行することにより各種機能部を実現する。また、記憶部はハードディスクやメモリなどの記憶装置からなり、専用回路部や演算処理部での処理動作に用いる各種処理情報やプログラムを記憶する。

入力部１１は、専用インターフェース回路部からなり、外部の装置または記録媒体から降雨影響範囲処理に用いる処理情報その他のデータを取り込む機能と、取り込んだデータを記憶部（図示せず）へ保存する機能とを有している。
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。

降水量データ４１は、河川観測点３０の上流側河川流域の各地区で計測された降水量の時系列変化を示すデータである。これら地区は、河川流域に設定した候補エリアをメッシュ状に区画して設けられている。河川流量データ４２は、河川汚濁負荷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の時系列変化を示すデータである。
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少なくとも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。

パターンマッチング分析部１２は、演算処理部からなり、入力部１１により取り込まれた各地区の降水量データと河川流量データとのパターン一致度をそれぞれ算出することにより両者をパターンマッチング分析する機能と、この際、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する機能と、降水量データと河川流量データの時間位置を順次シフトさせて両者のパターン一致度をそれぞれ算出しこれらパターン一致度のうち最大パターン一致度を両者のパターン一致度とする機能とを有している。この際、パターンマッチング分析としては、パターン一致度として両者の相関値を求める相関分析のほか、ＤＰマッチング（Dynamic Programming：動的計画法）分析など、一般的な分析手法を用いればよい。

降雨影響範囲決定部１３は、演算処理部からなり、各地区のうちパターンマッチング分析部１２で算出されたパターン一致度がしきい値以上となった地区を降雨影響範囲とする機能と、各地区のうち任意の積算期間におけるパターン一致度がしきい値以上となった地区を降雨影響範囲とする機能と、決定した降雨影響範囲を構成する各地区すなわち特定地区を示す識別情報を降雨影響範囲決定情報４３として出力する機能とを有している。

［推定装置］
次に、図１を参照して、本発明の一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。

これら機能部は、専用回路部や演算処理部、または記憶部により実現される。このうち、演算処理部はＣＰＵやＤＳＰなどのマイクロプロセッサとその周辺回路を有し、マイクロプロセッサ内部や周辺回路のメモリあるいは記憶部からプログラムを読み込んで実行することにより各種機能部を実現する。また、記憶部はハードディスクやメモリなどの記憶装置からなり、専用回路部や演算処理部での処理動作に用いる各種処理情報やプログラムを記憶する。

入力部２１は、専用インターフェース回路部からなり、外部の装置または記録媒体から推定モデル作成処理や河川汚濁負荷推定処理に用いる処理情報その他のデータを取り込む機能と、取り込んだデータを記憶部（図示せず）へ保存する機能とを有している。
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、非雨天汚濁負荷推定モデル２４Ａや雨天汚濁負荷推定モデル２４Ｂの作成処理に用いる履歴データ５０、および河川汚濁負荷推定処理に用いる推定条件データ６０がある。

履歴データ５０は、気象データ５１および河川汚濁負荷量データ５２から構成されている。
気象データ５１は各地区において計測された降水量、気温、さらには日照などの気象環境に関する情報の時系列変化を示す時系列データであり、非雨天汚濁負荷推定モデル２４Ａや雨天汚濁負荷推定モデル２４Ｂの作成時にモデル入力データとして用いられる。
河川汚濁負荷量データ５２は、河川汚濁負荷推定の対象となる河川の河川観測点３０で計測された河川汚濁負荷量の時系列変化を示す時系列データであり、非雨天汚濁負荷推定モデル２４Ａや雨天汚濁負荷推定モデル２４Ｂの作成時にモデル入力データおよびモデル出力データとして用いられる。

推定条件データ６０は、推定装置２０で推定する河川汚濁負荷量を規定する変数値であり、気象パラメータ６１と河川汚濁負荷量パラメータ６２から構成される。
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、河川汚濁負荷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、さらには日照などの気象環境に関する情報の時系列データが用いられる。
河川汚濁負荷量パラメータ６２は、履歴データ５０の河川汚濁負荷量データ５２に対応するものであり、河川汚濁負荷推定の対象となる河川観測点３０で計測された河川汚濁負荷量の時系列変化を示す時系列データが用いられる。

推定モデル作成部２３は、演算処理部からなり、入力部２１で取り込まれて記憶部へ保存された履歴データ２２に基づいて、推定条件データ６０に対応する推定河川汚濁負荷量を推定するための非雨天汚濁負荷推定モデル２４Ａと雨天汚濁負荷推定モデル２４Ｂを作成する機能と、作成した各推定モデルを記憶部へ保存する機能とを有している。
このうち、非雨天汚濁負荷推定モデル２４Ａは、河川観測点３０での河川汚濁負荷量のうち非雨天時に観測される非雨天成分を推定するための推定モデルである。また雨天汚濁負荷推定モデル２４Ｂは、河川観測点３０での河川汚濁負荷量のうち雨天時において非雨天成分から増加する雨天成分を推定するための推定モデルである。

非雨天汚濁負荷推定モデル２４Ａと雨天汚濁負荷推定モデル２４Ｂは、非線形ブラックボックス推定モデルからなる。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。

このような非線形のブラックボックス推定モデルには、事例ベース、ファジー推論ベース、さらにはニューラルネットワークなどを用いたモデルがある。特に、事例ベース推論モデルでは、位相（トポロジー）の概念に基づき、システムの入出力関係の連続性が成り立つ一般的な対象に適用可能な公知のモデリング技術である（例えば、特許2632117号公報など参照）。本実施の形態では、この事例ベースを非雨天汚濁負荷推定モデル２４Ａと雨天汚濁負荷推定モデル２４Ｂとして用いる場合を例として説明する。

適応学習部２５は、演算処理部からなり、河川観測点３０で計測された降水量や河川汚濁負荷量を含む履歴データ５０に基づき、非雨天汚濁負荷推定モデル２４Ａおよび雨天汚濁負荷推定モデル２４Ｂを改訂する機能を有している。
非雨天汚濁負荷推定モデル２４Ａや雨天汚濁負荷推定モデル２４Ｂ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非雨天汚濁負荷推定モデル２４Ａや雨天汚濁負荷推定モデル２４Ｂへ追加する。

出力推定部２６は、演算処理部からなり、入力部２１から入力された特定地区での降水量の時系列データや河川観測点３０での河川汚濁負荷量の時系列データを含む推定条件データ６０から、非雨天汚濁負荷推定モデル２４Ａを用いて非雨天成分を推定する機能と、雨天汚濁負荷推定モデル２４Ｂを用いて雨天成分を推定する機能と、非雨天時には非雨天成分をそのときの推定河川汚濁負荷量７０として出力する機能と、雨天時には非雨天成分と雨天成分の和をそのときの推定河川汚濁負荷量７０として出力する機能とを有している。

また、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機能と、検索された１つ以上の類似事例データの出力値を、それぞれの類似事例データと推定条件データ６０との類似度に基づき演算し、推定条件データ６０に対応する非雨天成分や雨天成分を推定する機能とを有している。

［降雨影響範囲決定動作］
次に、図２を参照して、本発明の一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、本発明の一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。

まず、入力部１１は、外部装置や記録媒体、あるいはオペレータの入力操作に応じて履歴データ４０を取り込み、記憶部へ保存する（ステップ１００）。図３は、履歴データとして取り込まれる降水量データ４１であり、各地区での降水量の時系列変化を示している。図４は、履歴データとして取り込まれる河川流量データ４２であり、河川観測点での河川流量の時系列変化を示している。

次に、パターンマッチング分析部１２は、予め積算時間として指定されている例えば１時間〜１６時間のいずれか未処理の積算期間Ｔを選択し（ステップ１０１）、入力部１１で取り込んだ河川流量データ４２について、各計測時点ｔにおける河川流量Ｑ(ｔ)から積算期間Ｔにわたって遡って積算した河川流量Ｑａ(Ｔ，ｔ)を各計測時点ｔの河川流量とする積算河川流量データＱａ(Ｔ)を算出する（ステップ１０２）。

図５は、積算河川流量データを示す説明図であり、図５（ａ）は履歴データ４０として入力された河川流量データ４２を示しており、１時間あたりの河川流量（Ｔ＝１時間と同じ）から構成されている。図５（ｂ）は積算時間Ｔ＝３時間のときに算出された積算河川流量データを示しており、計測時点ｔごとに過去３時間あたりの河川流量が合計された積算河川流量から構成されている。なお、図５（ａ）のように、入力された河川流量データ４２の単位計測期間（１時間）と積算時間（Ｔ＝１時間）が一致する場合、積算処理を省略して河川流量データ４２をそのまま積算河川流量として利用すればよい。

続いて、パターンマッチング分析部１２は、河川観測点３０の河川流域に設定した候補エリア内の各地区のうち、いずれか未処理の地区Ｐを選択し（ステップ１０３）、前述した河川流量の場合と同様に、当該地区Ｐの降水量データ４１について、各計測時点ｔにおける降水量Ｗ(Ｐ，ｔ)から積算期間Ｔにわたって遡って積算した降水量Ｗａ(Ｐ，Ｔ，ｔ)を各計測時点ｔの降水量とする積算降水量データＷａ(Ｐ，Ｔ)を算出する（ステップ１０４）。

次に、パターンマッチング分析部１２は、算出した積算河川流量データＱａ(Ｔ)と積算降水量データＷａ(Ｐ，Ｔ)のパターンマッチング処理を行い、そのマッチングの度合いを示す指標として、両者の最大パターン一致度Ｃｍａｘ（Ｐ，Ｔ）を算出する（ステップ１０５）。この際、図６に示すように、いずれか一方、例えば積算降水量データＷａ（Ｔ，Ｐ）を時間軸上で順次シフトさせて両者のパターン一致度Ｃ（Ｔ，Ｐ）をそれぞれ求め、その最大パターン一致度Ｃｍａｘ（Ｐ，Ｔ）を両者のパターン一致度として選択する。また、分析する積算河川流量データＱａ(Ｔ)と積算降水量データＷａ(Ｐ，Ｔ)としては、数年間にわたって計測した河川流量および降水量のデータ列をそれぞれパターンとして用いる。

パターンマッチング分析部１２は、このようにして、任意の区間Ｐについてパターンマッチング処理を行った後、河川観測点３０の河川流域に設定した候補エリア内のすべての地区についてパターンマッチング処理が終了したか判断し（ステップ１０６）、未処理の地区が存在する場合には（ステップ１０６：ＮＯ）、ステップ１０３へ戻って未処理の地区に対するパターンマッチング処理を繰り返す。

一方、すべての地区に対するパターンマッチング処理が終了した場合（ステップ１０６：ＹＥＳ）、各積算期間のすべてについてパターンマッチング処理が終了したか判断し（ステップ１０７）、未処理の積算期間が存在する場合には（ステップ１０７：ＮＯ）、ステップ１０１へ戻って未処理の積算期間に対するパターンマッチング処理を繰り返す。

そして、すべての積算期間に対するパターンマッチング処理が終了した場合（ステップ１０７：ＹＥＳ）、各地区のうち、任意の積算期間Ｔでの最大パターン一致度Ｃｍａｘ（Ｐ，Ｔ）がしきい値Ｃｔｈ以上となった地区Ｐを、河川観測点３０での河川汚濁負荷に影響を与える降雨影響範囲を構成する特定地区として選択し（ステップ１０８）、これら特定地区を示す識別情報を降雨影響範囲決定情報４３として推定装置２０へ出力し（ステップ１０９）、一連の降雨影響範囲決定処理を終了する。

図７は、積算期間Ｔ＝１時間の場合の各地区のパターン一致度マップである。図８は、積算期間Ｔ＝１６時間の場合の各地区のパターン一致度マップである。この場合、候補エリア３１内にメッシュ状設けた地区ごとに、それぞれの最大パターン一致度が色でランク分け表示されている。
特に、図７の場合、最大パターン一致度の最高ランク地区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、最大パターン一致度の最高ランク地区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、把握不可能な複雑な流入経路の存在が推察できる。

図９は、パターンマッチング分析結果を示す降雨影響範囲マップである。図７や図８に示した各積算時間のパターン一致度マップから、その最高ランク地区３２を特定地区としてそれぞれ選択し、各積算時間の特定地区を合成（論理和）することにより降雨影響範囲３３を決定した場合が示されている。

［推定モデル作成動作］
次に、図１０および図１１を参照して、本発明の一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、本発明の一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、本発明の一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。

推定装置２０の演算処理部（図示せず）は、オペレータの推定モデル作成要求操作に応じて、非雨天汚濁負荷推定モデル２４Ａおよび雨天汚濁負荷推定モデル２４Ｂを作成するため、図１０の推定モデル作成処理を開始する。ここでは、推定条件データ６０から推定河川汚濁負荷量７０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。

まず、入力部２１は、外部装置や記録媒体、あるいはオペレータの入力操作に応じて、各地区に関する気象データ５１および河川汚濁負荷量データ５２からなる履歴データ５０を取り込み、記憶部（図示せず）へ履歴データ２２として保存する（ステップ１１０）。また、入力部２１は、降雨影響範囲決定装置１０からの降雨影響範囲決定情報４３を取り込み、記憶部へ保存する。

次に、推定モデル作成部２３は、記憶部の降雨影響範囲決定情報４３に基づいて、履歴データ２２の気象データ５１のそれぞれに付与されている当該地区の識別情報を参照して降雨影響範囲３３を構成する特定地区に関する気象データ５１を履歴データ２２から選択するとともに、履歴データ２２から河川汚濁負荷量データ５２を選択し（ステップ１１１）、選択した気象データ５１と河川汚濁負荷量データ５２から、モデル入力データとモデル出力データとの組（履歴）を、それぞれの時刻ごとに作成する。

例えば、図１１では、非雨天汚濁負荷推定モデル２４Ａを作成するために、履歴データ２２から選択した気象データ５１と河川汚濁負荷量データ５２から、モデル入力データ２７Ａとモデル出力データ２７Ｂを導出して組２７Ｃを作成する。この際、組２７Ｃは、単位時間間隔の時刻Ｔ０，Ｔ１，…，Ｔ９，Ｔ１０，Ｔ１１，…について順にシフトさせた期間ごとに、例えば時刻Ｔ０〜Ｔ９、時刻Ｔ１〜Ｔ１０…ごとに作成する。

例えば、時刻Ｔ０〜Ｔ９については、モデル入力データ２７Ａとして、時刻Ｔ０〜Ｔ９における特定地区Ａ〜Ｎのそれぞれの降水量（時系列データ）と、時刻Ｔ０〜Ｔ９における河川観測点３０での非雨天時の河川汚濁負荷量（時系列データ）と、降雨影響範囲３３の全域にわたり非雨天が時刻Ｔ９まで継続している期間長を示す非雨天経過時間とを用いる。
なお、推定モデル作成部２３や後述の出力選択手段２６Ｃなどにおける雨天／非雨天の判定については、河川観測点の降雨影響範囲全域にわたって降雨が観測されていない状態を非雨天と判定し、河川観測点の降雨影響範囲内のいずれかで降雨が観測されている状態およびその降雨の影響が及ぶ時間を雨天と判定する。降雨の影響が及ぶ時間は地区ごとに異なるため、例えば降雨影響範囲決定装置でのパターンマッチングの分析結果などに基づき、各地区ごとに予め設定しておけばよい。

この際、非雨天時の河川汚濁負荷量は、降雨影響範囲３３内の全特定地区で降水量がゼロの期間における河川観測点３０での河川汚濁負荷量を用いればよく、時刻Ｔ０〜Ｔ９内に雨天期間がある場合、その期間における非雨天時河川汚濁負荷量データついてはデータなしとする。また、非雨天経過時間は、降雨影響範囲３３内の全特定地区の降水量データから導出してもよく、履歴データ５０として外部装置から取得してもよい。また、モデル出力データ２７Ｂとしては、時刻Ｔ０における河川観測点３０での非雨天時の河川汚濁負荷量を非雨天成分として用いればよい。

また、雨天汚濁負荷推定モデル２４Ｂを作成するために、履歴データ２２から選択した気象データ５１と河川汚濁負荷量データ５２から、モデル入力データ２８Ａとモデル出力データ２８Ｂを導出して組２８Ｃを作成する。この際も非雨天汚濁負荷推定モデル２４Ａと同様に、組２８Ｃは、単位時間間隔の時刻Ｔ０，Ｔ１，…，Ｔ９，Ｔ１０，Ｔ１１，…について順にシフトさせた期間ごとに、例えば時刻Ｔ０〜Ｔ９、時刻Ｔ１〜Ｔ１０…ごとに作成する。

例えば、時刻Ｔ０〜Ｔ９については、モデル入力データ２８Ａとして、時刻Ｔ０〜Ｔ９における特定地区Ａ〜Ｎのそれぞれの降水量（時系列データ）、日照時間（時系列データ）、気温（時系列データ）と、時刻Ｔ０〜Ｔ９における河川観測点３０での河川汚濁負荷量（時系列データ）とを用いる。また、モデル出力データ２８Ｂとして、河川観測点３０での時刻Ｔ１０の雨天時における河川汚濁負荷量の増分を示す雨天成分を用いる。この雨天成分としては、例えば非雨天時における河川観測点３０での河川汚濁負荷量の平均値あるいは直前値から、時刻Ｔ１０の雨天時における河川観測点３０での河川汚濁負荷量を減算することにより求められる。

なお、組として用いるモデル入力データとモデル出力データの時間位置関係にずれがあってもよい。例えば、上記時刻Ｔ０〜Ｔ９の場合、モデル入力データとして用いる時系列データの最後尾データの時刻Ｔ９とモデル出力データの時刻Ｔ１０とが単位時間間隔で隣接している場合を例として説明したが、モデル出力データの時間位置が時刻Ｔ１１以降であってもよい。
この際、特定地区ごとに、そのモデル入力データとモデル出力データの時間位置を順次シフトしてそれぞれパターン一致度を求め、最大パターン一致度が得られた際の時間シフト量に基づき、当該特定地区のモデル入力データとモデル出力データを対応させて組２７Ｃ，２８Ｃ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。

また、降雨影響範囲３３を構成するすべての特定地区をモデル作成の対象としてもよいが、これら特定地区のうちから選択した１つ以上の地区をモデル作成の対象としてもよい。例えば、各特定地区のモデル入力データとモデル出力データのパターン一致度を求め、そのパターン一致度の大きい特定地区をモデル作成の対象とすればよい。これにより、モデル入力データ数さらには推定条件データ数を削減できるため推定モデルの規模を縮小でき、モデル作成時さらにはモデル推定時の処理負担を大幅に軽減できるとともに、推定誤差の要因となる地区のデータを排除することができ、より精度の高い推定モデルを作成することができる。

このようにして組２７Ｃをそれぞれ作成した後、推定モデル作成部２３は、これら１つ以上の組（履歴）２７Ｃ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非雨天汚濁負荷推定モデル２４Ａを作成する（ステップ１１２〜１１４）。また、組２８Ｃをそれぞれ作成した後、推定モデル作成部２３は、これら１つ以上の組（履歴）２８Ｃ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雨天汚濁負荷推定モデル２４Ｂを作成し（ステップ１１２〜１１４）、一連の推定モデル作成処理を終了する。なお、事例ベース作成の詳細な処理手順は以下で説明する。

［事例ベース］
次に、図１２および図１３を参照して、本発明の一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、本発明の一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。

事例ベース推論（ＣＢＲ：Case-Based Reasoning）とは、入出力関係の定性的な意味づけを行うことなく、学習データから所定のアルゴリズムに則って入出力間の関係付けを行うブラックボックスモデリングの１つであり、与えられた問題に類似する過去の事例を直接利用して所望の解を導く手法である。

本実施の形態では、このような事例ベース推論のうち、ＴＣＢＭ（Topological Case-Based Modeling）を用いる場合を例として説明する。
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。

図１２（ａ）に示すように、対象から過去に得られた履歴データとして、モデル入力データｘ１，ｘ２とモデル出力データｙとの組が複数得られた場合、これら履歴データは、図１２（ｂ）に示すように入力空間に配置される。
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。

この際、図１２（ｄ）に示すように、同一メッシュに複数の履歴データが振り分けられた場合、当該事例を代表する出力値として各履歴データのモデル出力データｙの平均値が用いられるとともに、当該事例を代表する入力値としてそのメッシュの中央値が用いられ、各履歴データが１つの事例として統合される。
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。

また、類似度とは、事例ベースが持つ入力空間に設けられた各メッシュのうち、各事例が新規の推定条件すなわち入力データに対応するメッシュとどの程度の類似性を有しているか示す尺度である。
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。

したがって、推定を行う場合、類似度ｉの事例による推定値は、（ｉ＋１）×出力許容幅以内の精度を持つことになる。このとき、推定を行う入力値に対してうまく両側の事例が使用された場合は、（ｉ＋１）×出力許容幅よりもよい精度の出力値である場合が予想される。また、推定を行う値に対して片側の事例のみが使用された場合は、（ｉ＋１）×出力許容幅程度の精度であることが、入出力の連続性のもとに予想される。

推定モデル作成部２３では、このようなモデリング手法を用いて、各組２７Ｃをそのモデル入力データ２７Ａの値に基づき入力空間にプロットし（図１０：ステップ１１２）、出力誤差許容幅εに応じた大きさのメッシュで入力空間を分割して量子化する（ステップ１１３）。
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力値および出力値を算出して、これら入力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）、非雨天汚濁負荷推定モデル２４Ａとして記憶部へ保存する。

また、各組２８Ｃについても同様にして、そのモデル入力データ２８Ａの値に基づき入力空間にプロットし（図１０：ステップ１１２）、出力誤差許容幅εに応じた大きさのメッシュで入力空間を分割して量子化する（ステップ１１３）。
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力値および出力値を算出して、これら入力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）、雨天汚濁負荷推定モデル２４Ｂとして記憶部へ保存する。

［河川汚濁負荷推定動作］
次に、図１４および図１５を参照して、本発明の一実施の形態にかかる推定装置での河川汚濁負荷推定動作について説明する。図１４は、本発明の一実施の形態にかかる推定装置での河川汚濁負荷推定処理を示すフローチャートである。図１５は、本発明の一実施の形態にかかる推定装置での河川汚濁負荷推定動作にかかるフロー図である。

推定装置２０の出力推定部２６には、機能手段として、非雨天成分推定手段２６Ａ、雨天成分推定手段２６Ｂ、および出力選択手段２６Ｃが設けられている。非雨天成分推定手段２６Ａは、推定条件データ６０から導出した非雨天推定条件データ６０Ａに基づき非雨天汚濁負荷推定モデル２４Ａを用いて非雨天成分７０Ａを推定する機能を有している。雨天成分推定手段２６Ｂは、推定条件データ６０から導出した雨天推定条件データ６０Ｂに基づき雨天汚濁負荷推定モデル２４Ｂを用いて雨天成分７０Ｂを推定する機能を有している。出力選択手段２６Ｃは、推定対象時点の非雨天／雨天に応じて河川観測点３０での河川汚濁負荷量を選択出力する機能を有している。

推定装置２０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あるいは定期的に、図１４の河川汚濁負荷推定処理を開始する。以下では、時刻Ｔ９０〜Ｔ９９における推定条件データ６０から時刻Ｔ１００における河川観測点３０での河川汚濁負荷量を推定する場合を例として説明する。

まず、入力部２１は、外部装置や記録媒体、あるいはオペレータの入力操作に応じて、時刻Ｔ９０〜Ｔ９９について各特定地区で計測されまたは各特定地区でのデータとして予報された降水量（時系列データ）、日照時間（時系列データ）、気温（時系列データ）を含む気象パラメータ６１、および時刻Ｔ９０〜Ｔ９９について河川観測点３０で計測または予報された河川汚濁負荷量データ（時系列データ）を含む河川汚濁負荷量パラメータ６２からなる推定条件データ６０を取り込み、記憶部（図示せず）へ保存する（ステップ１２０）。

出力推定部２６は、非雨天成分推定手段２６Ａにより、記憶部に保存されている推定条件データ６０を読み込み、前述の推定モデル生成処理の際に用いたモデル入力データ２７Ａと同様にして、時刻Ｔ９０〜Ｔ９９における特定地区Ａ〜Ｎのそれぞれの降水量（時系列データ）、時刻Ｔ９０〜Ｔ９９における河川観測点３０での非雨天時の河川汚濁負荷量（時系列データ）、降雨影響範囲３３の全域にわたり非雨天が時刻Ｔ９９まで継続している期間長を示す非雨天経過時間などの、非雨天汚濁負荷推定モデル２４Ａでの検索に必要な非雨天推定条件データ６０Ａを推定条件データ６０から導出し、記憶部の非雨天汚濁負荷推定モデル２４Ａの事例ベースから、非雨天推定条件データ６０Ａと類似する入力値の事例データを検索する（ステップ１２１）。

そして、検索により得られた類似事例データと非雨天推定条件データ６０Ａとの類似度に基づいて、各類似事例データの出力値を演算することにより非雨天推定条件データ６０Ａに対する非雨天成分７０Ａを推定する（ステップ１２２）。
ここで、出力選択手段２６Ｃは、推定対象時点Ｔ１００が非雨天と予想される場合（ステップ１２３：ＮＯ）、この非雨天成分７０Ａを時刻Ｔ１００における河川観測点３０での河川汚濁負荷量として出力し（ステップ１２４）、一連の河川汚濁負荷推定処理を終了する。

例えば、図１５では、時刻Ｔ９０〜Ｔ９９における、特定地区Ａ〜Ｎのそれぞれの降水量（時系列データ）、日照時間（時系列データ）、気温（時系列データ）、河川観測点３０での河川汚濁負荷量、降雨影響範囲３３全域での非雨天経過時間とからなる推定条件データ６０が取り込まれる。
そして、推定条件データ６０から導出した非雨天推定条件データ６０Ａと類似する入力値を持つ事例データが類似事例データとして非雨天汚濁負荷推定モデル２４Ａの事例ベースから検索されて、検索された類似事例データの出力値から時刻Ｔ１００における河川観測点３０での非雨天成分が推定され、推定対象時点が非雨天と予測される場合、この非雨天成分７０Ａが時刻Ｔ１００における河川観測点３０での推定河川汚濁負荷量７０として出力される。

一方、推定対象時点Ｔ１００が雨天と予想される場合（ステップ１２３：ＹＥＳ）、出力推定部２６は、雨天成分推定手段２６Ｂにより、記憶部に保存されている推定条件データ６０を読み込み、前述の推定モデル生成処理の際に用いたモデル入力データ２８Ａと同様にして、時刻Ｔ９０〜Ｔ９９における特定地区Ａ〜Ｎのそれぞれの降水量（時系列データ）、日照時間（時系列データ）、気温（時系列データ）、時刻Ｔ９０〜Ｔ９９における河川観測点３０での河川汚濁負荷量（時系列データ）などの、雨天汚濁負荷推定モデル２４Ｂでの検索に必要な雨天推定条件データ６０Ｂを推定条件データ６０から導出し、記憶部の雨天汚濁負荷推定モデル２４Ｂの事例ベースから、雨天推定条件データ６０Ｂと類似する入力値の事例データを検索する（ステップ１３１）。

そして、検索により得られた類似事例データと雨天推定条件データ６０Ｂとの類似度に基づいて、各類似事例データの出力値を演算することにより雨天推定条件データ６０Ｂに対する雨天成分７０Ｂを推定する（ステップ１３２）。
ここで、出力選択手段２６Ｃは、推定対象時点Ｔ１００が雨天と予想されるため、非雨天成分推定手段２６Ａで推定した非雨天成分７０Ａと、雨天成分推定手段２６Ｂで推定した雨天成分７０Ｂとを合成し、その和を時刻Ｔ１００における河川観測点３０での河川汚濁負荷量として出力し（ステップ１３３）、一連の河川汚濁負荷推定処理を終了する。

例えば、図１５では、推定条件データ６０から導出した雨天推定条件データ６０Ｂと類似する入力値を持つ事例データが類似事例データとして雨天汚濁負荷推定モデル２４Ｂの事例ベースから検索され、検索された類似事例データの出力値から時刻Ｔ１００における河川観測点３０での非雨天成分が推定され、推定対象時点が雨天と予測される場合、非雨天成分７０Ａと雨天成分７０Ｂの和が時刻Ｔ１００における河川観測点３０での推定河川汚濁負荷量７０として出力される。

なお、出力推定部２６において、ＣＯＤ（化学的酸素要求量）、ＢＯＤ（生物化学的酸素要求量）などの河川汚濁負荷量を推定した後、その推定対象時点における河川観測点３０での河川流量を取得して、当該河川汚濁負荷量を河川流量で除算することにより、推定対象時点における汚濁負荷の濃度すなわち河川水質を算出出力してもよい。なお、河川流量については、外部装置あるいは当該河川汚濁負荷推定システムに設けた河川流量推定装置で、降雨影響範囲３３での降水量に基づき推定対象時点における河川観測点３０での河川流量を推定したものを用いればよい。

図１６は、本実施の形態にかかる推定装置による河川汚濁負荷推定結果を示すグラフである。推定河川汚濁負荷量７０は、降雨影響範囲３３内の任意の特定地区で計測された気象データ５１に基づいて推定した河川観測点３０での河川汚濁負荷量（ＣＯＤ総量値）である。実際に河川観測点３０で実測した実測河川汚濁負荷量（ＣＯＤ総量値）７１と推定河川汚濁負荷量７０とがほとんど重なってプロットされており、極めて高い精度で河川汚濁負荷量が推定されていることがわかる。

また、推定対象時点が非雨天の場合には、非雨天汚濁負荷推定モデル２４Ａで推定された非雨天成分（非雨天ＣＯＤ総量値）７０Ａを推定河川汚濁負荷量７０とし、推定対象時点が雨天の場合には、非雨天汚濁負荷推定モデル２４Ａで推定された非雨天成分７０Ａと雨天汚濁負荷推定モデル２４Ｂで推定された雨天成分（雨天ＣＯＤ総量値）７０Ｂとの和を推定河川汚濁負荷量７０としている。
このため、河川流量があまり変化しない非雨天の期間だけでなく、河川流量が大きく変化する雨天の期間についても精度よく推定されている。

なお、本実施の形態にかかる非雨天汚濁負荷推定モデル２４Ａと雨天汚濁負荷推定モデル２４Ｂは、入力された推定条件データ６０からリアルタイムで河川汚濁負荷量を推定するモデルである。すなわち所望時刻における河川汚濁負荷量を、その所望時刻までの所定期間に計測された各地区の気象データや河川観測点での河川汚濁負荷量から推定する。したがって、将来の所望時刻における河川汚濁負荷量を予測する場合、その所望時刻までの所定期間における各地区の気象データや河川観測点での河川汚濁負荷量が必要となる。このような場合は、一般的な気象データを提供する提供機関から予報として提供されているデータや、所望時刻まで順に推定した推定河川汚濁負荷量を用いればよい。

このように、本実施の形態は、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、この分析結果に基づき河川観測点における河川汚濁負荷に影響する降雨影響範囲を決定するようにしたので、支河川への雨水の流入経路を明確化することなく、河川観測点における河川汚濁負荷に対する降雨影響範囲を決定できる。
これにより、地表面での流入経路や下水道だけでなく、把握不可能な他の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。

したがって、推定装置２０により、降雨影響範囲内の任意の特定地区での降水量の時系列変化を示す降水量データと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷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、所望の推定対象時点より前の期間における、特定地区での降水量の時系列変化を示す降水量パラメータと河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、推定対象時点における河川観測点での推定河川汚濁負荷量を推定モデルを用いて推定することにより、河川観測点の河川汚濁負荷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汚濁負荷量を推定することができ、極めて高い精度で河川汚濁負荷量を推定できる。

また、本実施の形態では、パターンマッチング分析の際、各地区の降水量データと河川流量データとのパターン一致度をそれぞれ算出し、各地区のうちパターン一致度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、複雑な数式や処理を用いることなく、高い精度で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パターン一致度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、パターンマッチング分析の際、降水量データと河川流量データの時間位置を順次シフトさせて両者のパターン一致度をそれぞれ算出し、これらパターン一致度のうち最大パターン一致度を両者のパターン一致度とするようにしたので、特定地区から河川観測点までの流入経路やその流入経路による雨水到達の遅れを詳細に把握するための情報および分析処理を必要とすることなく、降水量および河川流量のみを用いて降雨影響範囲を決定できる。

また、推定装置において、任意の時点より前の期間における、特定地区での降水量の時系列変化を示す降水量データおよび河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量データを含むモデル入力データと、当該時点における河川観測点での河川汚濁負荷量を示す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推定モデルを作成し、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汚濁負荷量を算出するようにしている。

これにより、過去に経験した事例（問題と解答）を事例ベースとして蓄積し、システムの入出力関係を内包する入出力事例を用いているため、入出力関係を表すための特殊なモデルを必要としない。したがって、過去に計測した履歴データを用意するだけで、その履歴データに起因する推定精度を持つ推定モデルを容易に作成することができる。
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）に対する推定河川汚濁負荷量（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、所望の推定河川汚濁負荷量を得ることができる。

また、本実施の形態では、推定装置２０において、所望の河川汚濁負荷量を推定するための推定モデルとして、非雨天汚濁負荷推定モデル２４Ａと雨天汚濁負荷推定モデル２４Ｂを作成し、推定対象時点が非雨天の場合には、非雨天汚濁負荷推定モデル２４Ａで推定された非雨天成分７０Ａを推定河川汚濁負荷量７０とし、推定対象時点が雨天の場合には、非雨天汚濁負荷推定モデル２４Ａで推定された非雨天成分７０Ａと雨天汚濁負荷推定モデル２４Ｂで推定された雨天成分７０Ｂとの和を推定河川汚濁負荷量７０とするようにしたので、河川流量があまり変化しない非雨天の期間だけでなく、河川流量が大きく変化する雨天の期間についても精度よく推定できる。

非雨天の場合、河川流量に大きな変化がなく、雨水による汚濁負荷が河川汚濁負荷へ与える影響がほとんどないため、河川汚濁負荷は一定と見なされることが多いが、非雨天が続くと風などの雨水以外の要因により汚濁負荷が増加して河川汚濁負荷へ与える影響が増大する。図１７は、非雨天時の河川汚濁負荷量の変化を示すグラフであり、例えば、降雨影響範囲３３全域の総降水量８１が少ない非雨天期間８２において、河川汚濁負荷量（ＣＯＤ量）８０が増大していることがわかる。
本実施の形態では、非雨天汚濁負荷推定モデル２４Ａのモデル入力データとして、非雨天経過時間を用いているため、このような非雨天時における汚濁負荷の増大を河川汚濁負荷量の推定に導入することができ、精度よく河川汚濁負荷量を推定できる。

また、雨天の場合、河川流量が増大して雨水による汚濁負荷が河川汚濁負荷へ与える影響が大きくなるため、非雨天時の推定モデルでは推定誤差の増加に繋がる。本実施の形態では、このような雨天時に増加する汚濁負荷を推定する雨天汚濁負荷推定モデル２４Ｂを、非雨天汚濁負荷推定モデル２４Ａとは別個に設けて推定するようにしたので、河川流量があまり変化しない非雨天の期間だけでなく、河川流量が大きく変化する雨天の期間についても高い精度の河川汚濁負荷推定を実現できる。

なお、本実施の形態にかかる図１４の河川汚濁負荷推定処理では、推定対象時点が雨天の場合のみ雨天成分７０Ｂを算出す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い。例えば、非雨天／雨天にかかわらず、非雨天成分７０Ａと雨天成分７０Ｂの両方を推定しておき、推定対象時点が非雨天の場合には、非雨天成分７０Ａを所望の河川汚濁負荷量として出力し、雨天の場合には、非雨天成分７０Ａと雨天成分７０Ｂとの和を所望の河川汚濁負荷量として出力してもよい。

［実施の形態の拡張］
以上の実施の形態では、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。

あるいは、ネットワークを介して１つの降雨影響範囲決定装置１０と複数の推定装置２０とを接続し、１つの降雨影響範囲決定装置１０で、各推定装置２０が推定処理の対象とする個々の河川流域について、それぞれの最適な降雨影響範囲を決定するようにしてもよい。これにより、効率よく河川汚濁負荷推定システムを構築することができる。

また、推定装置２０における推定モデル作成時に、推定モデル作成部２３により、降雨影響範囲決定情報４３で指定された特定地区の履歴データを選択する場合を例として説明したが、入力部２１で全地区の履歴データ５０を取り込んだ際に、各履歴データに付与されている当該地域の識別情報を参照して降雨影響範囲決定情報４３で指定された特定地区の履歴データを選択してもよい。

また、入力部２１で履歴データ５０を取り込む際、外部装置や記録媒体から各履歴データに付与されている当該地域の識別情報を参照して降雨影響範囲決定情報４３で指定された特定地区の履歴データを選択して取り込んでもよい。あるいは履歴データ５０として降雨影響範囲決定情報４３で指定された特定地区の履歴データ５０のみを外部装置で選択して推定装置２０へ入力するようにしてもよい。

また、各地区については、河川流域内の各計測ポイントに対応して設けてもよいが、複数の計測ポイントを統合して設けてもよい。この場合は、統合の対象となる計測ポイントで計測された降水量や気温の統計値、例えば平均値や代表値などそれぞれ算出し、当該地区の降水量や気温として用いればよい。

また、以上の実施の形態では、降水量や河川汚濁負荷量に加えて非雨天経過時間、気温、日照時間などをモデル入力データとして推定モデルを作成する場合を例として説明したが、モデル入力データがこれらデータに限定されるものではなく、他のデータをモデル入力データとして加えて、より精度の高い河川汚濁負荷推定を実現することもできる。

また、以上の実施の形態では、降雨影響範囲決定装置１０での降雨影響範囲決定動作と推定装置２０での推定動作とが個別に実行される場合を例として説明したが、これら動作を連携させてもよい。
例えば、１回あるいは複数回の推定動作が終了するたびに、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。

あるいは、適用学習部２５により、推定値と後から入力された対応する実測値とを比較して推定誤差を求め、この推定誤差がしきい値を上回った時点で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汚濁負荷量を予測することができ、高い推定精度が得られる。

本発明の一実施の形態にかかる河川汚濁負荷推定システムの構成を示すブロック図である。 本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。 履歴データとして用いる降水量データ例である。 履歴データとして用いる河川流量データ例である。 積算河川流量データを示す説明図である。 パターンマッチング分析を示す説明図である。 各地区のパターン一致度マップ例（積算期間Ｔ＝１時間）である。 各地区のパターン一致度マップ例（積算期間Ｔ＝１６時間）である。 パターンマッチング分析結果を示す降雨影響範囲マップである。 本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。 本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。 本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。 事例ベースにおける類似度の定義を示す説明図である。 本実施の形態にかかる推定装置での河川汚濁負荷推定処理を示すフローチャートである。 本実施の形態にかかる推定装置での河川汚濁負荷推定動作にかかるフロー図である。 本実施の形態にかかる推定装置による河川汚濁負荷推定結果を示すグラフである。 非雨天時の河川汚濁負荷量の変化を示すグラフである。

符号の説明

１０…降雨影響範囲決定装置、１１…入力部、１２…パターンマッチング分析部、１３…降雨影響範囲決定部、２０…推定装置、２１…入力部、２２…履歴データ、２３…推定モデル作成部、２４Ａ…非雨天汚濁負荷推定モデル、２４Ｂ…雨天汚濁負荷推定モデル、２５…適応学習部、２６…出力推定部、２６Ａ…非雨天成分推定手段、２６Ｂ…雨天成分推定手段、２６Ｃ…出力選択手段、２７Ａ…モデル入力データ（非雨天）、２７Ｂ…モデル出力データ（非雨天）、２７Ｃ…組（非雨天）、２８Ａ…モデル入力データ（雨天）、２８Ｂ…モデル出力データ（雨天）、２８Ｃ…組（雨天）、３０…河川観測点、３１…候補エリア、３２…特定地区、３３…降雨影響範囲、４０…履歴データ、４１…降水量データ、４２…河川流量データ、４３…降雨影響範囲決定情報、５０…履歴データ、５１…気象データ、５２…河川汚濁負荷量データ、６０…推定条件データ、６０Ａ…非雨天推定条件データ、６０Ｂ…雨天推定条件データ、６１…気象パラメータ、６２…河川汚濁負荷量パラメータ、７０…推定河川汚濁負荷量、７０Ａ…非雨天成分、７０Ｂ…雨天成分、７１…実測河川汚濁負荷量、８０…河川汚濁負荷量、８１…総降水量、８２…非雨天期間。

Claims (8)

1. 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汚濁負荷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での降水量の時系列変化を示す降水量データと前記河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷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、所望の推定対象時点より前の期間における、前記特定地区での降水量の時系列変化を示す降水量パラメータと前記河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、前記推定対象時点における前記河川観測点での推定河川汚濁負荷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汚濁負荷推定システム。
2. 請求項１に記載の河川汚濁負荷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パターン一致度をそれぞれ算出し、
   前記降雨影響範囲決定部は、前記各地区のうち前記パターン一致度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汚濁負荷推定システム。
3. 請求項１に記載の河川汚濁負荷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パターン一致度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汚濁負荷推定システム。
4. 請求項２または請求項３に記載の河川汚濁負荷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パターン一致度をそれぞれ算出し、これらパターン一致度のうち最大パターン一致度を両者のパターン一致度とすることを特徴とする河川汚濁負荷推定システム。
5. 請求項１に記載の河川汚濁負荷推定システムにおいて、
   前記推定モデル作成部は、任意の時点より前の期間における、前記特定地区での降水量の時系列変化を示す降水量データおよび前記河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量データを含むモデル入力データと、当該時点における前記河川観測点での河川汚濁負荷量を示す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汚濁負荷量を算出する
   ことを特徴とする河川汚濁負荷推定システム。
6. 請求項１に記載の河川汚濁負荷推定システムにおいて、
   前記推定モデル作成部は、前記降雨影響範囲内で雨が降っていない非雨天時における前記河川観測点での河川汚濁負荷量に関する非雨天成分を推定する非雨天汚濁負荷推定モデルと、前記降雨影響範囲内のいずれかで雨が降っている雨天時における前記河川観測点での河川汚濁負荷量に関する雨天成分を推定する雨天汚濁負荷推定モデルとを生成し、
   前記出力推定部は、前記非雨天時には前記非雨天成分を前記河川観測点での河川汚濁負荷量として出力し、前記雨天時には前記非雨天成分と前記雨天成分の和を前記河川観測点での河川汚濁負荷量として出力する
   ことを特徴とする河川汚濁負荷推定システム。
7. 任意の推定条件データから河川観測点での推定河川汚濁負荷量を推定する河川汚濁負荷推定システムで用いられる河川汚濁負荷推定方法であって、
   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汚濁負荷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の時系列変化を示す降水量データと前記河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷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、
   所望の推定対象時点より前の期間における、前記特定地区での降水量の時系列変化を示す降水量パラメータと前記河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、前記推定対象時点における前記河川観測点での推定河川汚濁負荷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汚濁負荷推定方法。
8. 任意の推定条件データから河川観測点での推定河川汚濁負荷量を推定する河川汚濁負荷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汚濁負荷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の時系列変化を示す降水量データと前記河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷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、
   所望の推定対象時点より前の期間における、前記特定地区での降水量の時系列変化を示す降水量パラメータと前記河川観測点での河川汚濁負荷量の時系列変化を示す河川汚濁負荷量パラメータとを含む推定条件データから、前記推定対象時点における前記河川観測点での推定河川汚濁負荷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。

Images