JP7254004B2 - コンピュータプログラムおよびダム流入量予測プログラム並びにダム流入量予測システム - Google Patents

Description

本発明は、コンピュータプログラムに関し、特に、ダム流入量を予測するプログラムおよびダム流入量予測システムに関する。

ダム管理において、ダムからの放流量を決定することは重要な業務である。
例えば、洪水時には、下流河川に急激な水位上昇を起こさせないよう、かつ、下流河川の計画洪水流量を超えないよう、さらには、ダム貯水池の洪水時最高水位を超えないよう、ダムからの放流時系列を決定する。

一方、平水時（洪水でない時）には、洪水時とは違った目的の操作が必要である。例えば、発電用ダムであれば、ダム貯水池水位をできるだけ高く保ち発電効率を高めつつ、電力需要が多くなる時間帯に指定された量の電力を生産することが必要である。
これら洪水時および平水時の操作には、数時間先までのダム流入量を予測することが重要である。

このような用途のために、ダム流入量予測を実現する技術が開発されてきた。
先ず、特許文献１に開示された「水力発電所の水位管理システム」は、非定常時に必要な天気情報と河川の上流情報をデータ採取手段で入手してシミュレーションを行い、結果を運転員に分かり易くガイダンスして、運転員の負担の軽減を図り、非定常時に熟練運転員に頼らなくても運用することを可能にするシステムである。このシステムでは、河川の上流水位データに所定の着水遅れの時間処理をすることで、ダム流入量を算出する。

また、特許文献２に開示された「水位予測方法、水位予測プログラムおよび水位予測装置」は、河川、ダムまたは下水等の水位を予測するために、ニューラルネットワークを利用する方法で、入力データを適切に抽出することにより、水位を十分に精度高く予測し、計算量を低減することを目的とした方法である。

この方法は、水位予測地点およびある時刻の水位の学習に必要な、水位予測地点および当該時刻の水位との相関が高い雨量並びに水位の訓練データを抽出する訓練データ抽出ステップと、ニューラルネットワークを用いて、水位予測地点および当該時刻の水位との相関が高い抽出された雨量並びに水位の訓練データを学習する訓練データ学習ステップとを順に備えることを特徴とする。

特開２０１２－２４４８８４号公報 特開２０１９－０９５２４０号公報

特許文献１に開示された発明では、洪水時にダム上流の河川で観測した流量時系列を基に、あらかじめ定めた遅れ時間だけずらした時系列を作成し、それをダム流入量とするモデルを用いる。このモデルは、物理法則に基づく数理モデルのひとつであるともいえる。以後、物理法則に基づく数理モデルを「演繹モデル」と呼ぶ。

一般的に、この演繹モデルは、物理法則を微分方程式で表現し、さらにそれをコンピュータプログラムで記述することにより時間発展するモデルを構築する。予測する場合、構築した演繹モデルに、予測対象の現象の原因となる現象のデータを入力し、予測対象の現象の予測データを出力する。

一方、特許文献２に開示された発明では、ニューラルネットワークモデルを用いる。このモデルは、過去の事例データや統計に基づく数理モデルの一つであるともいえる。教師あり学習の人工知能（ＡＩ）もこの数理モデルの一つである。以後、これらの数理モデルを「帰納モデル」と呼ぶ。

この帰納モデルは、予測対象の現象のデータ、およびその現象と相関があるデータを機械学習させ、モデルを構築する。予測する場合、構築した帰納モデルに、予測対象の現象と相関がある現象のデータを入力し、予測対象の現象の予測データを出力する。

以上のように、ダム流入量の予測手法には、演繹モデルと帰納モデルの２つがある。
ここにおいて、帰納モデルの長所は、予測対象の現象の原因が分からない場合であっても、予測対象の現象と相関の高いデータがあれば、このモデルを適用できることである。ただし、相関を知るためには、十分な量の過去のデータが必要である。また、短所は、予測対象の現象が、ごく稀に発生する状態、あるいは過去に観測されたことのない状態となった場合、予測が困難となることである。例えば、既往最大を超える洪水に対して、信頼できる予測を出すことが難しい。

一方で、演繹モデルの長所および短所は、先の帰納モデルの長所および短所と逆である。例えば、洪水でない状態（平水の状態）では、非人為的な要因（融雪、湧水など）、および人為的な要因（発電用水、農業用水など）の影響で流量が変動する。これらの影響は、流量が大きい洪水時には無視できる程度の影響であるが、流量の少ない平水時には無視できない影響を与える。したがって、演繹モデルでは、特定できない原因に起因する現象に対し、平水時に誤差の小さい予測を出すことが難しい。

以上のように、帰納モデルでは、洪水時の予測に困難があり、演繹モデルでは、平水時の予測に困難があった。
本発明は、上述した課題に鑑みてなされたものであり、上述した課題を解決するために、平水時であっても洪水時であっても、誤差の小さい予測を出力することを可能にするダム流入量予測プログラムを提供する。

本発明に係る、ダム流入量予測システムとして、河川および気象に関する観測データを入力値とする入力部と、入力値に対してダム流入量を予測して第１の予測結果を出力する帰納モデル部と、入力値に対してダム流入量を予測して第２の予測結果を出力する演繹モデル部と、入力値から得た特定の地点の河川流量と所定の閾値との比較判定から帰納モデル部および演繹モデル部の使用の可否を決定する第１の判定部と、第１の予測結果または第２の予測結果を表示する表示部とを備え、第１の判定部は、特定の地点の河川流量が閾値以下の場合に平水と判定して帰納モデル部を使用し、特定の地点の河川流量が閾値を超える場合に洪水と判定して演繹モデル部を使用することを決定することを特徴とする。

本発明によれば、平水と洪水との別を自動的に判定し、平水の場合は帰納モデルを使い、洪水の場合は演繹モデルを使うことで、平水時であっても洪水時であっても、誤差の小さい予測を出力することを可能にするダム流入量予測プログラムを提供することができる。

本発明に係る実施例を実現するためのコンピュータシステムの構成を示す概略ブロック図である。 本発明に係る実施例を実現するためのコンピュータシステムによって実行される処理を示すシーケンス図である。 ダム流入量予測プログラムのソフトウェア構成を示す概略ブロック図である。 ダム流入量予測プログラムの処理を示すシーケンス図である。 ダム流入量予測プログラムによる第１のＧＵＩを示す図である。 ダム流入量予測プログラムによる第２のＧＵＩを示す図である。

以下、本発明を実施するための形態として、実施例を添付図面に基づいて説明する。

図１は、本発明に係る実施例を実現するためのコンピュータシステムの構成を示す概略ブロック図である。
本実施例のコンピュータシステムは、インターネット１６０に接続される、予測サーバ１１０、データサーバ１８０およびクライアント端末１７０によって構成される。

予測サーバ１１０は、メモリ１２０、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１３０およびＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）１４０を備える。

メモリ１２０には、ダム流入量予測プログラム１２１が展開される。このダム流入量予測プログラム１２１は、ＣＰＵ１３０への命令によって構成される。

ＣＰＵ１３０は、ダム流入量予測プログラム１２１の命令に従った計算、データサーバ１８０へのアクセス、クライアント端末１７０からのリクエストへの応答などの処理を行う。ダム流入量予測プログラム１２１が実行する処理は、実際には、ダム流入量予測プログラム１２１に記述された命令に従うＣＰＵ１３０によって実行される。
ＨＤＤ１４０は、ダム流入量予測プログラム１２１の処理結果を格納する。

クライアント端末１７０は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）のように、ウェブブラウザを動作させる機能を有するコンピュータである。

データサーバ１８０は、気象データ１８１、河川観測データ１８２および地図データ１８３を格納し、予測サーバ１１０およびクライアント端末１７０からのリクエストに応じてそれぞれのデータを配信する。

次に、データサーバ１８０に格納する各種のデータについて説明する。
気象データ１８１は、過去の気象観測時系列、あるいは未来の気象予測時系列のデータであり、時系列のメッシュデータとして格納される。すなわち、時空間を時間、高度、緯度および経度の４軸で定義し、それぞれの軸ごとに、開始点、終了点および解像度が定義され、それに基づいて時空間がセルに分割され、各セルに値が格納される。

ユーザは、時間、高度、緯度および経度を指定すると、それに相当する値を取得することができる。ただし、定義する軸は４つに限定されない。例えば、地表面のみに定義されるデータであれば、時間、緯度および経度の３軸から構成される。あるいは、予報であれば、初期時刻軸が追加で用いられる。

河川観測データ１８２は、過去の河川観測時系列、あるいは未来の河川予測時系列のデータである。これには、観測地点における河川水位、河川流量、ダム流入量、ダム放流量およびダム貯水位置水位などが含まれる。また、河川観測データ１８２は、観測要素を列、日付および時刻を行とする表形式として格納される。ここで、未来の河川予測時系列とは、例えば、上流にあるダムの予定放流時系列である。

地図データ１８３は、地図画像のデータであり、例えば、ＷＭＴＳ（Ｗｅｂ Ｍａｐ Ｔｉｌｅ Ｓｅｒｖｉｃｅ）に準拠して実装すればよい。さらに、地図データ１８３として、河道横断図や河道縦断図などのデータが含まれる。

図２は、本発明に係る実施例を実現するためのコンピュータシステムによって実行される処理を示すシーケンス図である。
ステップ２０１（Ｓ２０１）で、予測サーバ１１０は、データサーバ１８０にリクエストを送り、気象データ１８１および河川観測データ１８２を取得する。

ステップ２０２（Ｓ２０２）で、予測サーバ１１０は、ダム流入量予測プログラム１２１を実行する。この処理結果として出力されたダム流入量予測結果データが、ＨＤＤ１４０に格納される。

ステップ２０３（Ｓ２０３）で、クライアント端末１７０は、任意のタイミングで、予測サーバ１１０に予測結果を提供するようリクエストを送る。このリクエストに対し、予測サーバ１１０は、ＨＤＤ１４０に格納された最新のダム流入量予測結果データをクライアント端末１７０に返す。

ステップ２０４（Ｓ２０４）で、クライアント端末１７０は、データサーバ１８０にリクエストを送り、地図データ１８３を取得する。

ステップ２０５（Ｓ２０５）で、クライアント端末１７０は、ステップ２０３（２０３）で取得した予測結果データおよびステップ２０４（Ｓ２０４）で取得した地図データに基づき、ウェブブラウザ上にＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）を描画表示する。このＧＵＩについては、図５および図６を用いて後述する。

ステップ２０６（Ｓ２０６）で、クライアント端末１７０上で、ＧＵＩに備えられたラジオボタン（図５に示す、５４０）により、演繹モデルか帰納モデルかの選択をユーザが操作した場合、その操作結果が予測サーバ１１０に送られる。

ステップ２０７（Ｓ２０７）で、予測サーバ１１０は、ダム流入量予測プログラム１２１を実行し、ダム流入量予測結果データを更新する。

ステップ２０８（Ｓ２０８）で、クライアント端末１７０は、任意のタイミングで予測サーバ１１０にリクエストを送り、更新されたダム流入量予測結果データを取得する。

ステップ２０９（Ｓ２０９）で、クライアント端末１７０は、ステップ２０９（Ｓ２０９）で取得した更新データや先に取得した地図データに基づき、ウェブブラウザ上にＧＵＩを描画表示する。

図３は、ダム流入量予測プログラム１２１のソフトウェア構成を示す概略ブロック図である。
ダム流入量予測プログラム１２１は、制御モジュール３１０、帰納モデルモジュール３２０、演繹モデルモジュール３３０、前判定モジュール３４０、後判定モジュール３５０およびデータアクセスモジュール３６０から構成される。各モジュール間のやり取りは、関数呼び出しにより実現される。

制御モジュール３１０は、データアクセスモジュール３６０から、気象データ１８１および河川観測データ１８２を取得する。また、制御モジュール３１０は、帰納モデルモジュール３２０、演繹モデルモジュール３３０、前判定モジュール３４０および後判定モジュール３５０に指示を出して、ダム流入量予測結果データを作成する。作成したダム流入量予測結果データは、ＨＤＤ１４０に格納されることになる。

帰納モデルモジュール３２０は、気象データ１８１および河川観測データ１８２を入力としてダム流入量予測結果データを出力する。ここで、帰納モデルモジュール３２０は、過去の観測データ（気象データ１８１および河川観測データ１８２）に基づいて、ダム流入量予測結果を作成する。帰納モデルモジュールのロジックとしては、例えば、ニューラルネットワークモデル、ランダムフォレスト、重回帰モデルなどの機械学習モデル、またはそれら機械学習モデルを組み合わせたアンサンブルモデルを利用すればよい。

また、機械学習に使う過去の観測データについては、平水時のデータのみに限定してもよい。例えば、特定の地点の河川流量があらかじめ決めた閾値（洪水流量）以下の場合を「平水」と定義し、その時のデータのみを使って学習させてもよい。この限定により、作成された帰納モデルの精度が高くなることが期待できる。

演繹モデルモジュール３３０は、気象データ１８１および河川観測データ１８２を入力としてダム流入量予測結果データを出力する。ここで、演繹モデルモジュール３３０としては、流出および河川流れに関する物理法則を記述したコンピュータプログラムを用いる。具体的には、貯留関数などの集中型流出モデル、あるいは分布型流出モデルおよび１次元河道モデルの結合モデルを用いることができる。

また、上流のダムの放流量の予定があらかじめ分かっている場合は、その予定放流量の時系列を１次元河道モデルの横流入量または上流端流量として与えてもよい。分布型流出モデルのパラメータ（土層厚、粗度など）は、過去の観測データ（気象データ１８１および河川観測データ１８２）の内、洪水の期間を精度よく再現できるよう調整する。ただし、特定の地点の河川流量があらかじめ決めた閾値（洪水流量）を超過する場合を、「洪水」と定義する。また、平水から洪水になり平水に戻るまでの一連の期間を、一つの「洪水イベント」と定義する。複数の洪水イベントのデータを使って、先のパラメータの調整を行う。

前判定モジュール３４０および後判定モジュール３５０それぞれは、判定のための閾値を有し、閾値以下の場合は平水、閾値を超える場合は洪水、と判定する。ここで、閾値とは、例えば、ある地点の水位、ある地点の流量あるいはそれらを組み合わせた条件である。

データアクセスモジュール３６０は、データサーバ１８０にリクエストを送り、データサーバ１８０から気象データ１８１および河川観測データ１８２を取得する。

図４は、ダム流入量予測プログラム１２１の処理を示すシーケンス図である。この処理シーケンスを、一定周期毎に実行することで運用することができる。
ステップ４０１（Ｓ４０１）で、制御モジュール３１０は、データアクセスモジュール３６０に対してデータのリクエストを出して、データアクセスモジュール３６０から気象データ１８１および河川観測データ１８２を取得する。

ステップ４０２（Ｓ４０２）で、制御モジュール３１０は、前判定モジュール３４０に対して気象データ１８１および河川観測データ１８２を渡し、前判定モジュール３４０に帰納モデルモジュール３２０を使用するか否かおよび演繹モデルモジュール３３０を使用するか否かの判定をさせる。

次のａ）～ｃ）の場合には、帰納モデルモジュール３２０を使用する。
ａ）最新の河川観測データ１８２において、特定の地点の河川流量があらかじめ決めた閾値（洪水流量）以下となる場合
ｂ）前回のダム流入量予測結果データにおいて、特定の地点の河川流量があらかじめ決めた閾値（洪水流量）以下となる場合
ｃ）ＧＵＩに備えられたラジオボタン（図５に示す、５４０）により、ユーザが演繹モデルか帰納モデルかの選択から帰納モデルの選択操作を行った場合

次のｄ）～ｆ）の場合には、演繹モデルモジュール３３０を使用する。
ｄ）最新の河川観測データ１８２において、特定の地点の河川流量があらかじめ決めた閾値（洪水流量）を超える場合
ｅ）前回のダム流入量予測結果データにおいて、特定の地点の河川流量があらかじめ決めた閾値（洪水流量）を超える場合
ｆ）ＧＵＩに備えられたラジオボタン（図５に示す、５４０）により、ユーザが演繹モデルか帰納モデルかの選択から演繹モデルの選択操作を行った場合

ステップ４０３（Ｓ４０３）で、制御モジュール３１０は、帰納モデルモジュール３２０に対してダム流入量予測を行わせる。帰納モデルモジュール３２０に、気象データ１８１および河川観測データ１８２が入力されると、帰納モデルに従ったダム流入量予測結果データが出力される。

ステップ４０４（Ｓ４０４）で、制御モジュール３１０は、演繹モデルモジュール３３０に対してダム流入量予測を行わせる。演繹モデルモジュール３３０に、気象データ１８１および河川観測データ１８２が入力されると、演繹モデルに従ったダム流入量予測結果データが出力される。

ステップ４０５（Ｓ４０５）で、制御モジュール３１０は、後判定モジュール３５０に対して、帰納モデルモジュール３２０が出力した予測結果または演繹モデルモジュール３３０が出力した予測結果のいずれか一方を選択させる。
前判定モジュール３４０が、ステップ４０２でいずれか一方のモデルモジュールのみ使用すると判定していた場合には、使用すると判定されたモデルモジュールの予測結果が選択される。

一方で、前判定モジュール３４０が、ステップ４０２で２つのモデルモジュールの両方を使用すると判定していた場合には、後判定モジュール３５０は次の判定を行う。すなわち、前回の予測した時刻Ｔ０に行った予測における現在時刻Ｔ１におけるダム流入量と、河川観測データ１８２に格納された時刻Ｔ１におけるダム流入量との差の絶対値を求め、この値を「前回の予報誤差」とし、それが小さい方のモデルモジュールの予測結果を採用する。
制御モジュール３１０は、採用した予測結果データをＨＤＤ１４０に格納する。

図５は、ダム流入量予測プログラム１２１による第１のＧＵＩを示す図である。
第１のＧＵＩは、ウェブページ５００から構成される。このウェブページ５００は、クライアント端末１７０のウェブブラウザに表示される。また、このウェブページ５００は、後述する第２のＧＵＩによるウェブページ６００と同時に表示され、ユーザはどちらの画面を操作することもできる。

ウェブページ５００には、実績および予測の降水量時系列グラフ５１０、実績および予測のダム流入量、ダム放流量およびダム貯水池水位の時系列グラフ５２０が表示される。これら２つのグラフの横軸は共通で、日付と時刻とが示される。
また、横軸上には、最新の予報の初期時刻を示すアイコン５３０（逆三角印）が示される。このアイコン５３０が示す時刻より、前の時刻のグラフが観測結果を示し、後の時刻のグラフが予測結果を示す。

実績および予測の降水量時系列グラフ５１０には、降雨強度５１１が棒グラフで、積算降水量５１２が線グラフで、それぞれ示される。慣例にならい、グラフの縦軸は下向きとする。また、グラフ右側の縦軸に降雨強度を、グラフ左側の縦軸に積算降水量を示す。

一方、実績および予測のダム流入量、ダム放流量およびダム貯水池水位の時系列グラフ５２０には、ダム流入量５２１、ダム放流量５２２およびダム貯水池水位５２３が、それぞれ線グラフで示される。慣例にならい、グラフの縦軸は上向きとする。また、グラフ左側の縦軸に流量を、グラフ右側の縦軸に水位を示す。

また、ウェブページ５００には、演繹モデルと帰納モデルとの選択状態を示すラジオボタン５４０が表示される（図５では、画面右上）。既定値（デフォルト）として、「自動選択」を示すチェックボックス５４３をオンにする。

既定値（デフォルト）の場合において、もし、前判定モジュール３４０が選択したモデルモジュールが帰納モデルモジュール３２０であるときは、ラベル「帰納モデル」５４１が自動的にオンの表示となり、ラベル「演繹モデル」５４２が自動的にオフの表示となる。一方、前判定モジュール３４０が選択したモデルモジュールが演繹モデルモジュール３３０であるときは、ラベル「帰納モデル」５４１が自動的にオフの表示となり、ラベル「演繹モデル」５４２が自動的にオンの表示となる。

ユーザは、任意のタイミングで「自動選択」を示すチェックボックス５４３のオンとオフとを切り替えることができる。オフにした場合、ユーザはさらに、ラベル「帰納モデル」５４１またはラベル「演繹モデル」５４２のいずれか一つを選択できる。

図６は、ダム流入量予測プログラム１２１による第２のＧＵＩを示す図である。
第２のＧＵＩは、ウェブページ６００から構成される。先のウェブページ５００と同様に、このウェブページ６００は、クライアント端末１７０のウェブブラウザに表示される。

ウェブページ６００には、地図６１０、河川横断図６２０、河川縦断図６３０および時刻ペイン６４０が表示される。
まず、時刻ペイン６４０には、現在時刻６４１が表示されると共に、コントロールバー６４２が表示される。ユーザがコントロールバー６４２を操作すると、データがある期間の任意の時刻に移動させることができる。

地図６１０には、ダムを示すアイコン６１１および水位計を示すアイコン６１４が、河川６１２に重ねて表示される。地図データ１８３は、データサーバ１８０から取得される。

河川横断図６２０には、ある地点の河道横断図が表示される。画面中の、左側が左岸、右側が右岸であり、河床６２２と共に河川水位６２１が表示される。また、表示する地点を変更するためのユーザインタフェースを備える。

河川縦断図６３０には、ある地点の河道縦断図が表示される。画面中の、左側が上流、右側が下流であり、河床６３２と共に河川水位６３１が表示される。ただし、この縦断図は、帰納モデルモジュール３２０の結果を表示する場合には無効になり、演繹モデルモジュール３３０の結果を表示する場合に有効になる。なぜなら、帰納モデルモジュール３２０はあらかじめ定めた地点の水位しか予測しないのに対し、演繹モデルモジュール３３０は河川全体の水位と流量とを一次元不定流として求めるためである。

以上のとおり、本発明に係る実施例によれば、平水と洪水の別を自動的に判定し、平水の場合は帰納モデルを使い、洪水の場合は演繹モデルを使うことで、平水時であっても洪水時であっても、ダム流入量予測プログラムが誤差の小さい予測を出力することを可能にする。

１１０ 予測サーバ
１２０ メモリ
１２１ ダム流入量予測プログラム
１３０ ＣＰＵ
１４０ ＨＤＤ
１６０ インターネット
１７０ クライアント端末
１８０ データサーバ
１８１ 気象データ
１８２ 河川観測データ
１８３ 地図データ
３１０ 制御モジュール
３２０ 帰納モデルモジュール
３３０ 演繹モデルモジュール
３４０ 前判定モジュール
３５０ 後判定モジュール
３６０ データアクセスモジュール
５００，６００ ウェブページ
５１０ 実績および予測の降水量時系列グラフ
５１１ 降雨強度の棒グラフ
５１２ 積算降水量の線グラフ
５２０ 実績および予測のダム流入量、ダム放流量およびダム貯水池水位の時系列グラフ
５２１ ダム流入量の線グラフ
５２２ ダム放流量の線グラフ
５２３ ダム貯水池水位の線グラフ
５３０ アイコン
５４０ ラジオボタン
６１０ 地図
６２０ 河川横断図
６３０ 河川縦断図
６４０ 時刻ペイン

Claims (5)

1. 河川および気象に関する観測データを入力値とする入力部と、
   前記入力値に対してダム流入量を予測して第１の予測結果を出力する帰納モデル部と、
   前記入力値に対してダム流入量を予測して第２の予測結果を出力する演繹モデル部と、
   前記入力値から得た特定の地点の河川流量と所定の閾値との比較判定から前記帰納モデル部および前記演繹モデル部の使用の可否を決定する第１の判定部と、
   前記第１の予測結果または前記第２の予測結果を表示する表示部と
   を備え、
   前記第１の判定部は、前記特定の地点の河川流量が前記閾値以下の場合に平水と判定して前記帰納モデル部を使用し、前記特定の地点の河川流量が前記閾値を超える場合に洪水と判定して前記演繹モデル部を使用することを決定する
   ことを特徴とするダム流入量予測システム。
2. 請求項１に記載のダム流入量予測システムであって、
   前記第１の予測結果と前記観測データとの偏差の絶対値および前記第２の予測結果と前記観測データとの偏差の絶対値を比較判定する第２の判定部を備え、
   前記第２の判定部は、前記双方の絶対値の内の小さい方の前記予測結果を採用する
   ことを特徴とするダム流入量予測システム。
3. 請求項１または２に記載のダム流入量予測システムであって、
   前記演繹モデル部は、貯留関数といった集中型流出モデル、あるいは分布型流出モデルおよび１次元河道モデルの結合モデルを用い、
   前記帰納モデル部は、ニューラルネットワーク、ランダムフォレスト、または重回帰モデルといった機械学習モデル、あるいは当該機械学習モデルそれぞれを組み合わせたアンサンブルモデルを用いる
   ことを特徴とするダム流入量予測システム。
4. コンピュータに実行させるためのダム流入量予測プログラムであって、
   河川および気象に関する観測データを取得する入力ステップと、
   前記観測データから得た特定の地点の河川流量と所定の閾値とを比較して、帰納モデルを使用するか否かおよび演繹モデルを使用するか否かを判定する判定ステップと、
   前記判定ステップで、前記特定の地点の河川流量が前記閾値以下の場合に平水と判定され前記帰納モデルを使用すると決定された際に、当該帰納モデルを使用してダム流入量の第１の予測データを出力する第１の予測ステップと、
   前記判定ステップで、前記特定の地点の河川流量が前記閾値を超える場合に洪水と判定され前記演繹モデルを使用すると決定された際に、当該演繹モデルを使用してダム流入量の第２の予測データを出力する第２の予測ステップと、
   前記第１の予測データまたは前記第２の予測データを表示する表示ステップと
   を有するコンピュータに実行させるためのダム流入量予測プログラム。
5. 請求項４に記載のコンピュータに実行させるためのダム流入量予測プログラムであって、
   前記第１および前記第２の予測ステップと前記表示ステップとの間に、
   前記第１の予測データと前記観測データとの偏差の絶対値および前記第２の予測データと前記観測データとの偏差の絶対値を比較判定し、前記双方の絶対値の内の小さい方の前記予測データを採用する第２の判定ステップ
   を有するコンピュータに実行させるためのダム流入量予測プログラム。

Images