WO2013001600A1 - 流入量予測装置、流入量予測方法及びプログラム - Google Patents

流入量予測装置、流入量予測方法及びプログラム Download PDF

Info

Publication number
WO2013001600A1
WO2013001600A1 PCT/JP2011/064771 JP2011064771W WO2013001600A1 WO 2013001600 A1 WO2013001600 A1 WO 2013001600A1 JP 2011064771 W JP2011064771 W JP 2011064771W WO 2013001600 A1 WO2013001600 A1 WO 2013001600A1
Authority
WO
WIPO (PCT)
Prior art keywords
value
model
predicted
inflow amount
inflow
Prior art date
Application number
PCT/JP2011/064771
Other languages
English (en)
French (fr)
Inventor
隆二 大江
Original Assignee
中国電力株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 中国電力株式会社 filed Critical 中国電力株式会社
Priority to JP2012501495A priority Critical patent/JP5014522B1/ja
Priority to PCT/JP2011/064771 priority patent/WO2013001600A1/ja
Publication of WO2013001600A1 publication Critical patent/WO2013001600A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Definitions

  • the present invention relates to an inflow amount prediction device, an inflow amount prediction method, and a program.
  • inflow For the purpose of water level management in river dam storage facilities and disaster prevention measures for rivers, the amount of water flowing into water storage facilities and the flow rate of water in rivers (hereinafter referred to as inflow) are being predicted. Yes.
  • the trend of forecast error of forecast rainfall is analyzed, the forecast rainfall is corrected using the result, and the future flow is predicted using the current flow rate, the current rainfall, and the corrected forecast rainfall. ing.
  • the present invention has been made in view of such a background, and an inflow amount prediction device, an inflow amount prediction method, and an inflow amount prediction method capable of predicting the inflow amount of water into a water storage facility in consideration of drought and water loss, and
  • the purpose is to provide a program.
  • the main invention of the present invention for solving the above problems is an apparatus for predicting the inflow amount of water into a water storage facility, and stores a model for calculating a predicted value of the inflow amount;
  • the first setting value to be set for the parameter included in the model and the model in which the first setting value is set to the parameter are determined so that the error decreases as the predicted value to be calculated increases.
  • a parameter storage unit that stores a second set value; and an inflow amount prediction unit that calculates the first and second predicted values based on the model in which the first and second set values are set as the parameters.
  • a predicted value output unit that outputs the first and second predicted values.
  • the error increases as the predicted value of the inflow amount becomes larger than the predicted inflow amount that is predicted by setting the first set value in the parameter and the case where the first set value is set. It is possible to output the predicted inflow amount predicted by installing the second set value determined to be small.
  • the prediction error can be reduced in a period in which the inflow amount such as rainy season increases. Therefore, it is only necessary to refer to one of the two predicted values depending on whether drought prevention is important in the water storage facility, and output a predicted value that is easy for the operator to use. Can do.
  • the model is a tank model, and the parameter is multiplied by the difference between the tank water depth and the height of the outflow hole, and the water depth of the tank and the height of the outflow hole.
  • a coefficient may be included.
  • the inflow amount prediction device of the present invention is calculated based on the actual value storage unit that stores the actual value of the inflow amount for each past unit period, and the model in which the first set value is set.
  • the first setting value is determined such that the first evaluation value obtained by evaluating the difference between the first predicted value and the actual value by the first evaluation method is minimized, and the determined first setting value is determined. Is registered in the parameter storage unit, and the difference between the second predicted value and the actual value calculated based on the model in which the second set value is set is higher than that in the first evaluation method.
  • An identification processing unit that determines the second setting value so that the evaluation value evaluated by the second evaluation method to be evaluated is minimized, and registers the determined second setting value in the parameter storage unit; You may make it provide further.
  • the first evaluation method is to calculate a power of a first coefficient based on a difference between the actual value and the first predicted value
  • the second evaluation method may be to calculate a power of a second value larger than the first coefficient, based on a difference between the actual value and the second predicted value. Good.
  • the first coefficient may be less than 1 and the second coefficient may be 1 or more.
  • a method for predicting an inflow amount of water into a water storage facility wherein a computer storing a model for calculating a predicted value of the inflow amount is a parameter included in the model.
  • Another aspect of the present invention is a program for predicting the amount of water flowing into a water storage facility, the computer storing a model for calculating a predicted value of the amount of inflow included in the model.
  • FIG. 3 is a diagram illustrating a configuration example of a condition database 23.
  • FIG. It is a figure which shows the structural example of the parameter database.
  • the inflow amount prediction device 10 of the present embodiment predicts the inflow amount of water into a water storage facility such as a dam or the flow rate of water in a river (hereinafter referred to as the inflow amount).
  • the inflow amount prediction device 10 has a smaller error as a predicted value of an inflow amount calculated based on the model (hereinafter referred to as a predicted inflow amount) becomes a parameter of a model for predicting the inflow amount.
  • a predicted inflow amount a predicted value of an inflow amount calculated based on the model
  • Each of the predicted inflows based on the first set value determined to be the same and the second set value determined so that the error decreases as the predicted inflow increases. are calculated and output simultaneously.
  • the operator who wants to prevent drought that the water in the water storage facility is depleted uses the model in which the first setting value is set as a parameter, and conversely does not generate power when there is an inflow exceeding the water storage capacity of the water storage facility.
  • An operator who wants to prevent the discharge of water discharged can calculate the predicted inflow using a model in which the second set value is set as a parameter, and can plan the water level of the water storage facility based on this.
  • a four-stage tank model as shown in FIG. 1 is used as a model for predicting the inflow amount.
  • various models such as a multiple regression model, an AR model, and an ARMA model can be used.
  • the tank model is not limited to four stages, and may be a three-stage tank model.
  • the upper tank is associated with the surface outflow, the middle tank with the intermediate outflow, and the lower two tanks with the base outflow (groundwater outflow).
  • the outflow from the outflow hole on the side surface of each tank represents outflow to the river or the like, and the outflow from the infiltration hole on the bottom surface of the tank represents infiltration into the lower aquifer.
  • Outflow from an outflow hole on the side of each tank during a unit period t (in this embodiment, it is 1 day, but can be any value such as 1 hour, 6 hours, or 1 week).
  • the total amount of water used is the predicted value of inflow.
  • the tank model is represented by the following models (1) to (5).
  • the models (1) to (5) are referred to as tank models 1 to 5, respectively.
  • r t is the precipitation of the date t, assumed given.
  • Q i, t is the outflow amount from the outflow hole of the i-th tank on the date t
  • Q t is the total inflow amount on the date t.
  • H i, t is the water depth of the i-th tank at date t
  • h i, t is the height of the water stored in the i-th tank without flowing out at date t (reserved height)
  • E t is Transpiration amount at date t
  • a i is a coefficient for calculating the outflow amount from the i th tank
  • Z i is the height of the outflow hole of the i th tank
  • p i, t are the i th tank at date t
  • b i is a coefficient for calculating the penetration amount p i, t of the i th tank.
  • the initial water depth hi , 0 , water depth Hi , t , storage height hi , t , transpiration amount Et , coefficient ai , outflow which are parameters included in the tank model.
  • Change the set values of the hole height Z i , the infiltration amount p i, t , and the coefficient b i apply the parameter of the changed set value to the tank model, and calculate the predicted inflow amount given the actual precipitation amount
  • a difference from the actual value of the inflow amount is calculated, and a process (hereinafter referred to as an identification process) for determining an optimum set value according to the difference is performed.
  • the identification process is performed by changing the weighting for the difference. What performed identification processing with weak weighting becomes the first setting value, and what performed identification processing with strong weighting becomes the second setting value.
  • a power value (predicted inflow amount ⁇ actual inflow amount) 2A of 2A (corresponding to the first and second coefficients of the present invention) based on the difference between the predicted inflow amount and the actual inflow amount is 2A.
  • the parameter setting value is determined so as to be minimized.
  • also how to minimize the ⁇ there.
  • the coefficient A is increased when a point that emphasizes prevention of water loss (hereinafter referred to as “important point”) is increased (emphasis on flooding), and when importance is placed on prevention of drought (low water importance). ) Make it small.
  • the priority point is any one of “super water discharge priority”, “water discharge priority”, “low water priority”, and “ultra low water priority”.
  • FIG. 2 is a diagram showing a hardware configuration of the inflow amount prediction apparatus 10 of the present embodiment.
  • the inflow amount prediction device 10 includes a CPU 101, a memory 102, a storage device 103, an input device 105, and an output device 106.
  • the storage device 103 stores various data and programs, for example, a hard disk drive, flash memory, solid state disk, CD-ROM drive, or the like.
  • the CPU 101 implements various functions by reading a program stored in the storage device 103 into the memory 102 and executing it.
  • the input device 105 is, for example, a keyboard, a mouse, a touch panel, or a microphone that inputs data.
  • the output device 106 is, for example, a display, a printer, or a speaker that outputs data.
  • FIG. 3 is a diagram showing a software configuration of the inflow amount prediction apparatus 10 of the present embodiment.
  • the inflow amount prediction device 10 includes a specification acquisition unit 111, an identification processing unit 112, an inflow amount prediction unit 113, an actual value acquisition unit 114, a condition acquisition unit 115, a precipitation acquisition unit 116, a predicted inflow amount output unit 117, a model database. 21, a performance database 22, a condition database 23, and a parameter database 24.
  • the specification acquisition unit 111, the identification processing unit 112, the inflow amount prediction unit 113, the actual value acquisition unit 114, the condition acquisition unit 115, the precipitation amount acquisition unit 116, and the predicted inflow amount output unit 117 are the inflow amount prediction device 10.
  • the CPU 101 is implemented by reading the program stored in the storage device 103 into the memory 102 and executing it. Further, the model database 21, the performance database 22, the condition database 23, and the parameter database 24 are realized as part of a storage area provided by the memory 102 and the storage device 103.
  • the model database 21 stores the tank models 1 to 5 described above.
  • FIG. 4 is a diagram illustrating a configuration example of the result database 22.
  • the performance database 22 stores the actual values of precipitation, transpiration, and inflow for each date.
  • precipitation, inflow, and transpiration are provided by, for example, the Japan Meteorological Agency or a meteorological company, the data may be acquired and registered in the results database 22, or various types of weather data, rivers, You may make it calculate based on the measured value etc. which were measured in the water storage facility.
  • the condition database 23 stores conditions used for parameter setting value identification processing.
  • FIG. 5 is a diagram illustrating a configuration example of the condition database 23.
  • the condition database 23 stores a parameter identification condition 231 and a parameter constraint condition 232.
  • the parameter identification condition 231 includes the value of the coefficient A in association with each important point.
  • “2” is set to the largest value for the coefficient A at the priority point for “super-watering emphasis”
  • “2” is set to the second largest value for the coefficient A at the point emphasizing “watering emphasis”.
  • the second smallest “0.25” is set in the coefficient A
  • the coefficient A has the smallest “0.1”. "Is set.
  • a value larger than 1 is set to the coefficient A so as to increase according to the degree of emphasis on prevention of water loss, and the emphasis point on emphasis on low water
  • the coefficient A may be set to a value smaller than 1 so as to decrease according to the degree of importance on drought prevention.
  • the parameter constraint condition 232 includes the above-described parameters (water depth H i, t , storage height h i, t , transpiration amount E t , coefficient a i , outflow hole height Z i , permeation amount p i, t , coefficient b i. ) Includes the lower limit value and the upper limit value.
  • FIG. 6 is a diagram illustrating a configuration example of the parameter database 24. As shown in the figure, the parameter database 24 stores the setting values of each parameter determined by the parameter identification process for each important point.
  • the item acquisition unit 111 acquires items necessary for the calculation of the identification process and the inflow amount prediction process.
  • the specification acquisition unit 111 acquires the water collection area of the tank and the start date and end date of the period to be calculated for the identification process and the inflow amount prediction process. These specifications may be received by the specification acquisition unit 111 from the user, or each specification may be stored in the memory 102 or the storage device 103.
  • the specification acquiring unit 111 may use the oldest date stored in the result database 22 as the start date.
  • the specification acquisition unit 111 may use the latest date stored in the result database 22 as the end date for the identification process.
  • the identification processing unit 112 performs identification processing for a specified target period (hereinafter referred to as an identification target period). As described above, the identification processing unit 112 includes the water depth H i, t , the storage height h i, t , the transpiration amount E t , the coefficient a i , and the outflow hole height Z i that are parameters included in the tank models 1 to 5.
  • the predicted inflow amount is calculated by a simulation that changes the set values set in the permeation amount p i, t and the coefficient b i , and the optimum parameter is determined according to the difference between the predicted inflow amount and the actual inflow amount.
  • transpiration E t may be calculated from the precipitation without the conversion by simulation. Details of the identification process will be described later.
  • the identification processing unit 112 performs the above simulation for each important point, and registers the determined parameter setting value in the parameter database 24 in association with the important point.
  • the actual value acquisition unit 114 acquires actual values such as inflow, precipitation, and transpiration during the identification target period.
  • the actual value acquisition unit 114 acquires these actual values from the actual database 22, but for example, acquires actual values from computers operated by the Japan Meteorological Agency, weather companies, weather stations, and the like. May be.
  • the condition acquisition unit 115 acquires various conditions used for the identification process.
  • the condition acquisition unit 115 acquires the parameter identification condition 231 and the parameter constraint condition 232 from the condition database 23.
  • the condition acquisition unit 115 receives the coefficient A, the lower limit value and the upper limit value of the parameter from the user. May be.
  • the inflow amount prediction unit 113 performs inflow amount prediction processing for a specified target period (hereinafter referred to as a prediction target period).
  • the inflow amount prediction unit 113 performs inflow amount prediction processing for at least two important points.
  • the precipitation amount acquisition unit 116 acquires the precipitation amount in the prediction target period.
  • the precipitation acquisition unit 116 reads the actual rainfall value from the performance database 22, and the other dates. For, accept the input of predicted precipitation.
  • the precipitation amount acquisition unit 116 can acquire predicted precipitation amount provided as a weather forecast from a computer operated by, for example, the Japan Meteorological Agency or a weather company.
  • the predicted inflow amount output unit 117 outputs the predicted inflow amount calculated by the inflow amount prediction unit 113 for each important point.
  • FIG. 7 is a diagram showing a flow of parameter setting value identification processing.
  • the specification acquisition unit 111 acquires specifications necessary for the identification process (S301). As described above, the specification acquisition unit 111 acquires the water collection area of the tank and the start date and end date of the identification target period. The specification acquisition unit 111 also reads tank models 1 to 5 from the model database 21.
  • the actual value acquisition unit 114 reads the actual values of the inflow, precipitation, and transpiration amount stored in the actual database 22 (S302), and the condition acquisition unit 115 stores the parameter identification condition 231 stored in the condition database 23. Then, the parameter constraint condition 232 is read (S303).
  • the identification processing unit 112 performs the following processing on the four important points of “super water outflow emphasis”, “high water outflow emphasis”, “low water emphasis”, and “ultra low water emphasis”. That is, the identification processing unit 112 includes the water depth H i, t , the storage height h i, t , the transpiration amount E t , the coefficient a i , the outflow hole height Z i , and the infiltration amount, which are parameters included in the tank models 1 to 5.
  • the values of p i, t and coefficient b i are changed within the range from the lower limit value to the upper limit value included in the parameter constraint condition 232, and the changed values are set in the tank models 1 to 5 and read from the results database 22 the precipitation of the actual value of precipitation r i, continue to calculate the predicted flow rate Q t is given as t, and the bottom and the predicted flow rate Q t, the difference between the actual inflow of date t, emphasis point
  • the set value of each parameter is set so that the total value ⁇ (predicted inflow amount ⁇ actual value) 2A of the power of the value obtained by doubling the coefficient A corresponding to 2 from the start date to the end date of the identification target period is minimized. Determine (S305). Incidentally, without changing the transpiration E t, it may be the actual value of the transpiration amount read from the result database 22 to set the tank model 1 to 5 as a transpiration rate E t.
  • the identification processing unit 112 registers the determined setting value of each parameter in the parameter database 24 in association with the important point (S306).
  • the optimum parameter setting value corresponding to the priority point is registered in the parameter database 24.
  • FIG. 8 is a diagram illustrating a flow of inflow amount prediction processing.
  • the specification acquisition unit 111 acquires specifications necessary for the inflow amount prediction process (S321). As described above, the specification acquisition unit 111 acquires the water collection area of the tank and the start date and end date of the prediction target period. The specification acquisition unit 111 also reads tank models 1 to 5 from the model database 21.
  • the actual value acquisition unit 114 reads the actual values of the inflow, precipitation, and transpiration amount corresponding to the date included in the prediction target period from the result database 22 (S322).
  • the precipitation amount acquisition unit 116 acquires the predicted value of precipitation amount for dates that are not registered in the results database 22 (S323).
  • the inflow amount prediction unit 113 receives input of two or more important points (S324).
  • the inflow amount predicting unit 113 reads out the set values of the parameters corresponding to the important points from the parameter database 24 for each of the received important points (S325), and sets the read set values as the parameters of the tank models 1 to 5.
  • the tank model 1 to 5 was set to calculate the predicted outflow Q t actual values or predicted values of precipitation from within the start and end dates of the prediction period given as precipitation r t (S326).
  • FIG. 9 shows the actual value of precipitation and the actual value of inflow read by the actual value acquisition unit 114, the predicted value of precipitation acquired by the precipitation acquisition unit 116, and the predicted outflow Q calculated by the inflow prediction unit 113.
  • t is in the format shown in Table 41.
  • the predicted inflow amount output unit 117 outputs the predicted inflow amount calculated by the inflow amount prediction unit 113 for each priority point (S327).
  • the predicted inflow output unit 117 may output the table 41 shown in FIG. 9, or may output a graph based on the table 41.
  • FIG. 10 is a diagram illustrating an example of the graph 42 that represents the actual value of precipitation, the actual value of inflow, and the predicted inflow of “emphasis on flooding” and “emphasis on low water”.
  • the inflow amount predicted by the tank model optimized for each of a plurality of important points can be displayed at the same time.
  • the value of the coefficient A is 1 or more in the case of emphasizing water discharge (including emphasis on super-water discharge), and emphasis on low water (including emphasis on ultra-low water).
  • the value of the coefficient A is less than 1 if the value of predicted inflow and actual inflow is large when the emphasis is on water discharge, the error is evaluated larger than the case of emphasizing low water, and the error is minimized.
  • the parameter setting values are determined so that Therefore, in the case where emphasis is placed on water discharge, the parameter setting values can be determined so that the error at the time when the inflow is large is smaller than in the case where emphasis is on low water. Therefore, in the case of emphasizing water discharge, the prediction accuracy of the inflow amount at the time when the inflow amount is large can be improved as compared with the case of emphasizing low water.
  • the inflow prediction device 10 is a single computer.
  • the present invention is not limited to this, and can be configured as a system including a plurality of computers.
  • each database of the model database 21 to the parameter database 24 may be managed by a database server and accessed from the inflow amount prediction device 10.
  • the identification process and the inflow amount prediction process may be executed by different computers.
  • one computer includes a specification acquisition unit 111, an identification processing unit 112, a performance value acquisition unit 114, and a condition acquisition unit 115
  • the other computer includes a specification acquisition unit 111, an inflow amount prediction unit. 113, the precipitation amount acquisition part 116, and the prediction inflow amount output part 117 can be provided.
  • the values of all parameters are changed.
  • the identification process may be performed by changing only the values of some parameters.
  • “super flooding emphasis” and “outflow emphasis” are described as examples of emphasis points on emphasizing prevention of water loss, but only “outflow emphasis” may be used. Moreover, you may provide three or more important points according to the degree which attaches importance to prevention of water loss. In this case, the coefficient A is set to a large value according to the degree of emphasizing prevention of water loss.
  • “ultra low water emphasis” and “low water emphasis” are described as examples of emphasis points on emphasizing prevention of drought, but only “low water emphasis” may be used. Three or more importance points may be provided depending on the degree of importance on drought prevention. In this case, the coefficient A is set to a small value according to the degree of importance on prevention of drought.

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】渇水や逸水を考慮して貯水施設への水の流入量を予測することができるようにする。 【解決手段】流入量予測装置１０は、タンクモデルを記憶するモデルデータベース２１と、タンクモデルに設定するパラメータの設定値を低水重視及び出水重視の重視ポイントに対応付けて記憶するパラメータデータベース２４と、低水重視及び出水重視の設定値をパラメータに設定したタンクモデルのそれぞれに基づいて予測流入量を算出する流入量予測部１１３と、予測流入量を出力する予測流入量出力部１１７とを備える。

Description

流入量予測装置、流入量予測方法及びプログラム
　本発明は、流入量予測装置、流入量予測方法及びプログラムに関する。
　ダム等の貯水施設における水位管理や河川の防災対策などのために、貯水施設への水の流入量や河川における水の流量（以下、これらを流入量という。）を予測することが行われている。例えば、特許文献１では、予報雨量の予報誤差の傾向を解析し、その結果を用いて予報雨量を修正し、現在の流量、現在の雨量、及び修正予報雨量を用いて将来の流量を予測している。
特開２００６－９２０５８号公報
　貯水施設の運用においては、運用者により、貯水施設の水が枯渇する渇水を防ぎたいという要望もあれば、逆に貯水施設の貯水容量を超えて流入があった場合に、発電せず放流する逸水を防ぎたいという要望もある。しかしながら、従来の技術では、流入量の予測値と実績値の誤差が小さくなるように予測を行っており（特許文献１参照）、全体としての誤差が小さくても、渇水や逸水が発生しやすい時期において誤差が大きい場合には、運用者の意図に沿わない予測値が算出されてしまうことがある。
　本発明は、このような背景を鑑みてなされたものであり、渇水や逸水を考慮して貯水施設への水の流入量を予測することのできる、流入量予測装置、流入量予測方法及びプログラムを提供することを目的とする。
　上記課題を解決するための本発明の主たる発明は、貯水施設への水の流入量を予測する装置であって、前記流入量の予測値を算出するためのモデルを記憶するモデル記憶部と、前記モデルに含まれるパラメータに設定する第１の設定値と、前記第１の設定値を前記パラメータに設定した前記モデルよりも、算出する前記予測値が大きくなるほど誤差が小さくなるように決定された第２の設定値とを記憶するパラメータ記憶部と、前記第１及び第２の設定値を前記パラメータに設定した前記モデルに基づいて第１及び第２の前記予測値を算出する流入量予測部と、前記第１及び第２の予測値を出力する予測値出力部と、を備えることとする。
　本発明の流入量予測装置によれば、パラメータに第１の設定値を設定して予測した予測流入量と、第１の設定値を設定した場合よりも、流入量の予測値が大きくなるほど誤差が小さくなるように決定された第２の設定値を設置して予測した予測流入量とを出力することができる。予測流入量が多いほど誤差が少なくなる第２の設定値を用いることにより、梅雨などの流入量が多くなるような期間において予測誤差を少なくすることができる。したがって、貯水施設において渇水の防止を重視しているか、逸水の防止を重視しているかに応じて２つの予測値のいずれかを参照すればよく、運用者にとって使いやすい予測値を出力することができる。
　また、本発明の流入量予測装置では、前記モデルはタンクモデルであり、前記パラメータには、タンクの水深と、流出孔の高さと、前記タンクの水深及び前記流出孔の高さの差に乗じる係数とが含まれるようにしてもよい。
　また、本発明の流入量予測装置は、過去の単位期間ごとの前記流入量の実績値を記憶する実績値記憶部と、前記第１の設定値を設定した前記モデルに基づいて算出される前記第１の予測値と前記実績値との差を第１の評価方法により評価した第１の評価値が最小となるように前記第１の設定値を決定し、決定した前記第１の設定値を前記パラメータ記憶部に登録し、前記第２の設定値を設定した前記モデルに基づいて算出される前記第２の予測値と前記実績値との差を、前記第１の評価方法よりも高く評価する第２の評価方法により評価した評価値が最小となるように前記第２の設定値を決定し、決定した前記第２の設定値を前記パラメータ記憶部に登録する同定処理部と、をさらに備えるようにしてもよい。
　また、本発明の流入量予測装置では、前記第１の評価方法は、前記実績値と前記第１の予測値との差を底とする、第１の係数のべき乗を算出することであり、前記第２の評価方法は、前記実績値と前記第２の予測値との差を底とする、前記第１の係数よりも大きい第２の値のべき乗を算出することであるようにしてもよい。
　また、本発明の流入量予測装置では、前記第１の係数は１未満であり、前記第２の係数は１以上であるようにしてもよい。
　また、本発明の他の態様は、貯水施設への水の流入量を予測する方法であって、前記流入量の予測値を算出するためのモデルを記憶するコンピュータが、前記モデルに含まれるパラメータに設定する第１の設定値と、前記第１の設定値を前記パラメータに設定した前記モデルよりも、算出する前記予測値が大きくなるほど誤差が小さくなるように決定された第２の設定値とを記憶し、前記第１及び第２の設定値を前記パラメータに設定した前記モデルに基づいて第１及び第２の前記予測値を算出し、前記第１及び第２の予測値を出力することとする。
　また、本発明の他の態様は、貯水施設への水の流入量を予測するためのプログラムであって、前記流入量の予測値を算出するためのモデルを記憶するコンピュータに、前記モデルに含まれるパラメータに設定する第１の設定値と、前記第１の設定値を前記パラメータに設定した前記モデルよりも、算出する前記予測値が大きくなるほど誤差が小さくなるように決定された第２の設定値とを記憶するステップと、前記第１及び第２の設定値を前記パラメータに設定した前記モデルに基づいて第１及び第２の前記予測値を算出するステップと、前記第１及び第２の予測値を出力するステップと、を実行させることとする。
　その他本願が開示する課題やその解決方法については、発明の実施形態の欄及び図面により明らかにされる。
　本発明によれば、渇水や逸水を考慮して貯水施設への水の流入量を予測することができる。
４段のタンクモデルを説明するための図である。 本実施形態の流入量予測装置１０のハードウェア構成を示す図である。 本実施形態の流入量予測装置１０のソフトウェア構成を示す図である。 実績データベース２２の構成例を示す図である。 条件データベース２３の構成例を示す図である。 パラメータデータベース２４の構成例を示す図である。 パラメータの同定処理の流れを示す図である。 流入量の予測処理の流れを示す図である。 降水量の実績値、降水量の予測値、流入量の実績値、予測流出量を含む表４１の一例を示す図である。 降水量の実績値、流入量の実績値、予測流入量を表すグラフ４２の一例を示す図である。
　以下、本発明の一実施形態に係る流入量予測装置１０について説明する。本実施形態の流入量予測装置１０は、ダムなどの貯水施設への水の流入量や河川における水の流量（以下、これらを流入量という。）を予測する。
　具体的には、流入量予測装置１０は、流入量を予測するモデルのパラメータに、当該モデルに基づいて算出される流入量の予測値（以下、予測流入量という。）が小さくなるほど誤差が小さくなるように決定された第１の設定値を設定したものと、予測流入量が大きくなるほど誤差が小さくなるように決定された第２の設定値を設定したものとに基づいて、それぞれ予測流入量を算出し、これらを同時に出力する。これにより、貯水施設の水が枯渇する渇水を防ぎたい運用者は第１の設定値をパラメータに設定したモデルを使い、逆に貯水施設の貯水容量を超えて流入があった場合に発電せず放流する逸水を防ぎたい運用者は第２の設定値をパラメータに設定したモデルを使って予測流入量を算出し、これに基づいて貯水施設の水位を計画することができる。
　本実施形態では、流入量を予測するためのモデルには図１に示すような４段のタンクモデルを用いる。なお、タンクモデルに限らず、重回帰モデルやＡＲモデル、ＡＲＭＡモデルなど各種のモデルを用いることができる。また、タンクモデルも４段に限らず、３段タンクモデルとしてもよい。
　タンクモデルは、上段タンクが表面流出、中段タンクが中間流出、下段２つのタンクが基底流出（地下水流出）に対応付けされている。各タンク側面の流出孔からの流出が、河川等への流出を表し、タンク底面の浸透孔からの流出は、下方帯水層への浸透を表す。各タンク側面の流出孔から、ある単位期間ｔ（本実施形態では１日であるものとするが、例えば１時間や６時間、１週間など任意の値とすることができる。）の間に流出する水量の合計が流入量の予測値となる。
　タンクモデルは、次のモデル（１）～（５）で表される。なお、以下の説明において、各モデル（１）～（５）をタンクモデル１～５という。　
Figure JPOXMLDOC01-appb-I000001
Figure JPOXMLDOC01-appb-I000002
Figure JPOXMLDOC01-appb-I000003
Figure JPOXMLDOC01-appb-I000004
Figure JPOXMLDOC01-appb-I000005
　ここでｒｔは日付ｔにおける降水量であり、所与のものとする。Ｑｉ，ｔは日付ｔにおけるｉ番目のタンクの流出孔からの流出量であり、Ｑｔは日付ｔにおける流入量の合計である。また、Ｈｉ，ｔは日付ｔにおけるｉ番目のタンクの水深、ｈｉ，ｔはｉ番目のタンクで日付ｔにおいて流出せずに貯留している水の高さ（貯留高）、Ｅｔは日付ｔにおける蒸散量、ａｉはｉ番目のタンクからの流出量を算出するための係数、Ｚｉはｉ番目のタンクの流出孔の高さ、ｐｉ，ｔは日付ｔにおけるｉ番目のタンクの浸透孔からの浸透量、ｂｉはｉ番目のタンクの浸透量ｐｉ，ｔを算出するための係数である。なお、Ｈｉ，ｔ≦Ｚｉの場合にはＱｉ，ｔは０（ゼロ）であるものとし，１番目のタンクの場合はManning則に従うものとしてｍ＝５／３，その他のタンクの場合はｍ＝１とする。
　本実施形態の流入量予測装置１０では、上記タンクモデルに含まれるパラメータである初期水深ｈｉ，０，水深Ｈｉ，ｔ、貯留高ｈｉ，ｔ、蒸散量Ｅｔ、係数ａｉ、流出孔高さＺｉ、浸透量ｐｉ，ｔ、係数ｂｉの設定値を変化させ、変化させた設定値のパラメータをタンクモデルに適用し、実績の降水量を与えて計算した予測流入量と、流入量の実績値との差を計算していき、この差に応じて最適な設定値を決定する処理（以下、同定処理という。）を行う。同定処理は上記差に対する重み付けを変えて行う。重み付けを弱くして同定処理を行ったものが第１の設定値となり、重み付けを強くして同定処理を行ったものが第２の設定値となる。
　本実施形態では、予測流入量と実績流入量との差を底とする２Ａ（本発明の第１及び第２の係数に該当する。）のべき乗値（予測流入量－実績流入量）２Ａが最小となるようにパラメータの設定値を決定する。ほかにも｜予測流入量－実績流入量｜Åを最小化する方法もある。また、この係数Ａは、逸水を防ぐことを重視するポイント（以下、重視ポイントという。）とする場合（出水重視）には大きくし、渇水を防ぐことを重視ポイントとする場合（低水重視）には小さくする。なお、本実施形態では、重視ポイントには、「超出水重視」「出水重視」「低水重視」「超低水重視」のいずれかであるものとする。
　図２は、本実施形態の流入量予測装置１０のハードウェア構成を示す図である。流入量予測装置１０は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、入力装置１０５、出力装置１０６を備える。記憶装置１０３は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやフラッシュメモリ、ソリッドステートディスク、ＣＤ－ＲＯＭドライブなどである。ＣＰＵ１０１は、記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより各種の機能を実現する。入力装置１０５は、データを入力する、例えばキーボードやマウス、タッチパネル、マイクロフォンなどである。出力装置１０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。
　図３は、本実施形態の流入量予測装置１０のソフトウェア構成を示す図である。流入量予測装置１０は、諸元取得部１１１、同定処理部１１２、流入量予測部１１３、実績値取得部１１４、条件取得部１１５、降水量取得部１１６、予測流入量出力部１１７、モデルデータベース２１、実績データベース２２、条件データベース２３、パラメータデータベース２４を備えている。なお、諸元取得部１１１、同定処理部１１２、流入量予測部１１３、実績値取得部１１４、条件取得部１１５、降水量取得部１１６、予測流入量出力部１１７は、流入量予測装置１０が備えるＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより実現される。また、モデルデータベース２１、実績データベース２２、条件データベース２３、パラメータデータベース２４は、メモリ１０２及び記憶装置１０３が提供する記憶領域の一部として実現される。
　モデルデータベース２１は、上記タンクモデル１～５を記憶する。
　図４は、実績データベース２２の構成例を示す図である。図４に示すように実績データベース２２は、日付ごとに降水量、蒸散量及び流入量の実績値を記憶する。なお、降水量や流入量、蒸散量は例えば気象庁や気象会社などが提供する場合には、そのデータを取得して実績データベース２２に登録するようにしてもよいし、各種の気象データ、河川や貯水施設で測定した測定値などに基づいて計算するようにしてもよい。
　条件データベース２３は、パラメータの設定値の同定処理に用いる条件を記憶する。図５は、条件データベース２３の構成例を示す図である。図５の例では、条件データベース２３は、パラメータ同定条件２３１及びパラメータ制約条件２３２を記憶している。
　パラメータ同定条件２３１には、各重視ポイントに係数Ａの値が対応付けて含まれている。本実施形態では、「超出水重視」の重視ポイントでは、係数Ａには最も大きい「２」が設定され、「出水重視」の重視ポイントでは、係数Ａには２番目に大きい「１」が設定され、「低水重視」の重視ポイントでは、係数Ａには２番目に小さい「０．２５」が設定され、「超低水重視」の重視ポイントでは、係数Ａには最も小さい「０．１」が設定されている。なお、これらの値に限られず、出水重視の重視ポイントについては、逸水防止を重視する度合いに応じて大きくなるように１より大きい値を係数Ａに設定し、低水重視の重視ポイントについては、渇水防止を重視する度合いに応じて小さくなるように１より小さい値を係数Ａに設定すればよい。
　パラメータ制約条件２３２には、上述したパラメータ（水深Ｈｉ，ｔ、貯留高ｈｉ，ｔ、蒸散量Ｅｔ、係数ａｉ、流出孔高さＺｉ、浸透量ｐｉ，ｔ、係数ｂｉ）ごとに、その下限値及び上限値が含まれている。
　図６は、パラメータデータベース２４の構成例を示す図である。同図に示すように、パラメータデータベース２４は、重視ポイントごとに、パラメータの同定処理により決定された各パラメータの設定値を記憶している。
　諸元取得部１１１は、同定処理及び流入量の予測処理の計算に必要な諸元を取得する。本実施形態では、諸元取得部１１１は、同定処理及び流入量の予測処理について、タンクの集水面積、ならびに、計算対象となる期間の開始日及び終了日を取得する。これらの諸元は、諸元取得部１１１がユーザから入力を受け付けるようにしてもよいし、各諸元をメモリ１０２や記憶装置１０３に記憶しておくようにしてもよい。諸元取得部１１１は、実績データベース２２に記憶されている最も古い日付を開始日としてもよい。諸元取得部１１１は、同定処理については、実績データベース２２に記憶されている最も新しい日付を終了日としてもよい。
　同定処理部１１２は、指定された対象期間（以下、同定対象期間という。）について同定処理を行う。上述したように、同定処理部１１２は、タンクモデル１～５に含まれるパラメータである水深Ｈｉ，ｔ、貯留高ｈｉ，ｔ、蒸散量Ｅｔ、係数ａｉ、流出孔高さＺｉ、浸透量ｐｉ，ｔ、係数ｂｉに設定する設定値を変化させるシミュレーションにより予測流入量を算出していき、予測流入量と実績流入量との差に応じて最適なパラメータを決定する。なお、蒸散量Ｅｔはシミュレーションによる変換をさせずに降水量などから算出するようにしてもよい。同定処理の詳細については後述する。同定処理部１１２は、上記のシミュレーションを重視ポイントごとに行い、決定したパラメータの設定値を重視ポイントに対応付けてパラメータデータベース２４に登録する。
　実績値取得部１１４は、同定対象期間における流入量、降水量、蒸散量などの実績値を取得する。本実施形態では、実績値取得部１１４は、実績データベース２２からこれらの実績値を取得するものとするが、例えば気象庁や気象会社、気象観測所などの運用するコンピュータから実績値を取得するようにしてもよい。
　条件取得部１１５は、同定処理に用いる各種の条件を取得する。本実施形態では、条件取得部１１５は、条件データベース２３からパラメータ同定条件２３１及びパラメータ制約条件２３２を取得するものとするが、例えば係数Ａやパラメータの下限値及び上限値などをユーザから受け付けるようにしてもよい。
　流入量予測部１１３は、指定された対象期間（以下、予測対象期間という。）について流入量の予測処理を行う。流入量予測部１１３は、少なくとも２つの重視ポイントについて流入量の予測処理を行う。
　降水量取得部１１６は、予測対象期間における降水量を取得する。降水量取得部１１６は、予測対象期間に含まれる日付に対応する降水量が実績データベース２２に登録されている場合には、降水量の実績値を実績データベース２２から読み出すようにし、それ以外の日付については、降水量の予測値の入力を受け付けるようにする。降水量取得部１１６は、例えば気象庁や気象会社などが運用するコンピュータから天気予報として提供される予測降水量を取得するようにすることもできる。
　予測流入量出力部１１７は、重視ポイントごとに、流入量予測部１１３算出した予測流入量を出力する。
　以下、流入量予測装置１０において行われる処理について説明する。
　図７は、パラメータの設定値の同定処理の流れを示す図である。　
　諸元取得部１１１は、同定処理に必要な諸元を取得する（Ｓ３０１）。上述したように諸元取得部１１１は、タンクの集水面積と、同定対象期間の開始日及び終了日とを取得する。また、諸元取得部１１１は、モデルデータベース２１からタンクモデル１～５も読み出す。
　実績値取得部１１４は、実績データベース２２に記憶されている流入量、降水量、蒸散量の実績値を読み出し（Ｓ３０２）、条件取得部１１５は、条件データベース２３に記憶されているパラメータ同定条件２３１及びパラメータ制約条件２３２を読み出す（Ｓ３０３）。
　同定処理部１１２は、「超出水重視」「出水重視」「低水重視」「超低水重視」の４つの重視ポイントについて以下の処理を行う。すなわち、同定処理部１１２は、タンクモデル１～５に含まれるパラメータである水深Ｈｉ，ｔ、貯留高ｈｉ，ｔ、蒸散量Ｅｔ、係数ａｉ、流出孔高さＺｉ、浸透量ｐｉ，ｔ、係数ｂｉの値を、パラメータ制約条件２３２に含まれる下限値以上上限値以下の範囲で変化させ、変化させた値をタンクモデル１～５に設定し、実績データベース２２から読み出した降水量の実績値を降水量ｒｉ，ｔとして与えて予測流入量Ｑｔを算出していき、予測流入量Ｑｔと、日付ｔの実績流入量との差を底とした、重視ポイントに応じた係数Ａを２倍した値のべき乗の、同定対象期間の開始日から終了日までの合計値Σ（予測流入量－実績値）２Ａが最小となるように、各パラメータの設定値を決定する（Ｓ３０５）。なお、蒸散量Ｅｔを変化させず、実績データベース２２から読み出した蒸散量の実績値を蒸散量Ｅｔとしてタンクモデル１～５に設定するようにしてもよい。
　同定処理部１１２は、決定した各パラメータの設定値を、重視ポイントに対応付けてパラメータデータベース２４に登録する（Ｓ３０６）。
　以上のようにして、重視ポイントごとに、当該重視ポイントに対応する、最適なパラメータの設定値がパラメータデータベース２４に登録される。
　図８は、流入量の予測処理の流れを示す図である。　
　諸元取得部１１１は、流入量の予測処理に必要な諸元を取得する（Ｓ３２１）。上述したように、諸元取得部１１１は、タンクの集水面積と、予測対象期間の開始日及び終了日とを取得する。また、諸元取得部１１１は、モデルデータベース２１からタンクモデル１～５も読み出す。
　実績値取得部１１４は、実績データベース２２から、予測対象期間に含まれる日付に対応する流入量、降水量及び蒸散量の実績値を読み出す（Ｓ３２２）。降水量取得部１１６は、実績データベース２２に登録されていない日付について、降水量の予測値を取得する（Ｓ３２３）。
　流入量予測部１１３は、２つ以上の重視ポイントの入力を受け付ける（Ｓ３２４）。以下の説明では、一例として、「出水重視」及び「低水重視」の２つの重視ポイントが指定されたものとする。流入量予測部１１３は、受け付けた重視ポイントのそれぞれについて、重視ポイントに対応するパラメータの設定値をパラメータデータベース２４から読み出し（Ｓ３２５）、読み出した設定値をタンクモデル１～５の各パラメータに設定し、設定したタンクモデル１～５に、予測対象期間の開始日から終了日までの降水量の実績値又は予測値を降水量ｒｔとして与えて予測流出量Ｑｔを算出する（Ｓ３２６）。
　図９は、実績値取得部１１４が読み出した降水量の実績値及び流入量の実績値、降水量取得部１１６が取得した降水量の予測値、流入量予測部１１３が算出した予測流出量Ｑｔを表４１の形式にした例である。
　予測流入量出力部１１７は、流入量予測部１１３が算出した予測流入量を重視ポイントごとに出力する（Ｓ３２７）。予測流入量出力部１１７は、例えば、図９に示す表４１を出力するようにしてもよいし、表４１に基づいてグラフを出力するようにしてもよい。図１０は、降水量の実績値、流入量の実績値、ならびに「出水重視」及び「低水重視」の予測流入量を表すグラフ４２の一例を示す図である。
　このように、本実施形態の流入量予測装置１０では、複数の重視ポイントごとに合わせて最適化されたタンクモデルにより予測された流入量を同時に表示することができるので、貯水施設の運用者は、自身が重視する重視ポイントに合った予測流入量を参考にすることができる。
　また、本実施形態の流入量予測装置１０では、出水重視（超出水重視を含む。）の場合には係数Ａの値が１以上であり、低水重視（超低水重視を含む。）の場合には係数Ａの値が１未満であるので、出水重視の場合、予測流入量や実績流入量の値が大きいとき、その誤差を低水重視の場合よりも大きく評価して、誤差が最小になるようにパラメータの設定値が決定される。したがって、出水重視の場合、低水重視の場合よりも、流入量の多い時期における誤差が小さくなるようにパラメータの設定値を決定することができる。よって、出水重視の場合、低水重視の場合よりも、流入量の多い時期における流入量の予測精度を高めることができる。
　なお、本実施形態では、流入量予測装置１０は１台のコンピュータであるものとしたが、これに限らず、複数のコンピュータを含むシステムとして構成することもできる。例えば、モデルデータベース２１～パラメータデータベース２４の各データベースをデータベースサーバに管理させ、流入量予測装置１０からアクセスするようにしてもよい。また、例えば、同定処理と流入量の予測処理とを異なるコンピュータにより実行させるようにしてもよい。この場合、一方のコンピュータが、諸元取得部１１１と、同定処理部１１２、実績値取得部１１４、条件取得部１１５とを備え、他方のコンピュータが、諸元取得部１１１と、流入量予測部１１３、降水量取得部１１６、予測流入量出力部１１７を備えるようにすることができる。
　また、本実施形態の流入量予測装置１０では、全てのパラメータの値を変化させるものとしたが、一部のパラメータの値のみを変化させて同定処理を行うようにしてもよい。
　また、本実施形態では、逸水の防止を重視する重視ポイントの例として、「超出水重視」と「出水重視」とを記載したが、「出水重視」のみとしてもよい。また、逸水の防止を重視する度合いに応じて３つ以上の重視ポイントを設けてもよい。この場合、係数Ａは、逸水の防止を重視する度合いに応じて大きな値を設定するようにする。
　同様に、本実施形態では、渇水の防止を重視する重視ポイントの例として、「超低水重視」と「低水重視」とを記載したが、「低水重視」のみとしてもよい。また、渇水の防止を重視する度合いに応じて３つ以上の重視ポイントを設けてもよい。この場合、係数Ａは、渇水の防止を重視する度合いに応じて小さな値を設定するようにする。
　以上、本実施形態について説明したが、上記実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。
　　１０　　流入量予測装置
　　１０１　ＣＰＵ
　　１０２　メモリ
　　１０３　記憶装置
　　１０５　入力装置
　　１０６　出力装置
　　１１１　諸元取得部
　　１１２　同定処理部
　　１１３　流入量予測部
　　１１４　実績値取得部
　　１１５　条件取得部
　　１１６　降水量取得部
　　１１７　予測流入量出力部
　　２１　　モデルデータベース
　　２２　　実績データベース
　　２３　　条件データベース
　　２３１　パラメータ同定条件
　　２３２　パラメータ制約条件
　　２４　　パラメータデータベース

Claims (7)

  1. 　貯水施設への水の流入量を予測する装置であって、
    　前記流入量の予測値を算出するためのモデルを記憶するモデル記憶部と、
    　前記モデルに含まれるパラメータに設定する第１の設定値と、前記第１の設定値を前記パラメータに設定した前記モデルよりも、算出する前記予測値が大きくなるほど誤差が小さくなるように決定された第２の設定値とを記憶するパラメータ記憶部と、
    　前記第１及び第２の設定値を前記パラメータに設定した前記モデルに基づいて第１及び第２の前記予測値を算出する流入量予測部と、
    　前記第１及び第２の予測値を出力する予測値出力部と、
    　を備えることを特徴とする流入量予測装置。
  2. 　請求項１に記載の流入量予測装置であって、
    　前記モデルはタンクモデルであり、
    　前記パラメータには、タンクの水深と、流出孔の高さと、前記タンクの水深及び前記流出孔の高さの差に乗じる係数とが含まれること、
    　を特徴とする流入量予測装置。
  3. 　請求項１又は２に記載の流入量予測装置であって、
    　過去の単位期間ごとの前記流入量の実績値を記憶する実績値記憶部と、
    　前記第１の設定値を設定した前記モデルに基づいて算出される前記第１の予測値と前記実績値との差を第１の評価方法により評価した第１の評価値が最小となるように前記第１の設定値を決定し、決定した前記第１の設定値を前記パラメータ記憶部に登録し、前記第２の設定値を設定した前記モデルに基づいて算出される前記第２の予測値と前記実績値との差を、前記第１の評価方法よりも高く評価する第２の評価方法により評価した評価値が最小となるように前記第２の設定値を決定し、決定した前記第２の設定値を前記パラメータ記憶部に登録する同定処理部と、
    　をさらに備えることを特徴とする流入量予測装置。
  4. 　請求項３に記載の流入量予測装置であって、
    　前記第１の評価方法は、前記実績値と前記第１の予測値との差を底とする、第１の係数のべき乗を算出することであり、
    　前記第２の評価方法は、前記実績値と前記第２の予測値との差を底とする、前記第１の係数よりも大きい第２の値のべき乗を算出することであること、
    　を特徴とする流入量予測装置。
  5. 　請求項４に記載の流入量予測装置であって、
    　前記第１の係数は１未満であり、前記第２の係数は１以上であること、
    　を特徴とする流入量予測装置。
  6. 　貯水施設への水の流入量を予測する方法であって、
    　前記流入量の予測値を算出するためのモデルを記憶するコンピュータが、
    　前記モデルに含まれるパラメータに設定する第１の設定値と、前記第１の設定値を前記パラメータに設定した前記モデルよりも、算出する前記予測値が大きくなるほど誤差が小さくなるように決定された第２の設定値とを記憶し、
    　前記第１及び第２の設定値を前記パラメータに設定した前記モデルに基づいて第１及び第２の前記予測値を算出し、
    　前記第１及び第２の予測値を出力すること、
    　を特徴とする流入量予測方法。
  7. 　貯水施設への水の流入量を予測するためのプログラムであって、
    　前記流入量の予測値を算出するためのモデルを記憶するコンピュータに、
    　前記モデルに含まれるパラメータに設定する第１の設定値と、前記第１の設定値を前記パラメータに設定した前記モデルよりも、算出する前記予測値が大きくなるほど誤差が小さくなるように決定された第２の設定値とを記憶するステップと、
    　前記第１及び第２の設定値を前記パラメータに設定した前記モデルに基づいて第１及び第２の前記予測値を算出するステップと、
    　前記第１及び第２の予測値を出力するステップと、
    　を実行させるためのプログラム。
PCT/JP2011/064771 2011-06-28 2011-06-28 流入量予測装置、流入量予測方法及びプログラム WO2013001600A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2012501495A JP5014522B1 (ja) 2011-06-28 2011-06-28 流入量予測装置、流入量予測方法及びプログラム
PCT/JP2011/064771 WO2013001600A1 (ja) 2011-06-28 2011-06-28 流入量予測装置、流入量予測方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2011/064771 WO2013001600A1 (ja) 2011-06-28 2011-06-28 流入量予測装置、流入量予測方法及びプログラム

Publications (1)

Publication Number Publication Date
WO2013001600A1 true WO2013001600A1 (ja) 2013-01-03

Family

ID=46844545

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2011/064771 WO2013001600A1 (ja) 2011-06-28 2011-06-28 流入量予測装置、流入量予測方法及びプログラム

Country Status (2)

Country Link
JP (1) JP5014522B1 (ja)
WO (1) WO2013001600A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015004245A (ja) * 2013-06-21 2015-01-08 株式会社東芝 浸水予測システム、浸水予測方法およびプログラム
JP5949979B1 (ja) * 2015-03-06 2016-07-13 沖電気工業株式会社 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP2017020787A (ja) * 2015-07-07 2017-01-26 日立Ｇｅニュークリア・エナジー株式会社 流入量評価式導出方法及び流入量評価式導出装置、流入量導出方法及び流入量導出装置、機器のフラジリティ評価方法及び機器のフラジリティ評価装置、津波の確率論的リスク評価方法及び津波の確率論的リスク評価装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6191704B2 (ja) * 2016-01-04 2017-09-06 中国電力株式会社 流入量予測装置、流入量予測方法および流入量予測プログラム
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

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11259102A (ja) * 1998-03-09 1999-09-24 Fuji Electric Co Ltd ダムにおける水量予測方法
JP2000055703A (ja) * 1998-08-04 2000-02-25 Fuji Electric Co Ltd ダムにおける流量予測方法
JP2003030621A (ja) * 2001-07-13 2003-01-31 Fuji Electric Co Ltd 自流式ダムの水力発電量予測方法、そのニューラルネットワーク
JP2009167751A (ja) * 2008-01-18 2009-07-30 Chugoku Electric Power Co Inc:The 流入量予測システム、流入量予測方法及びプログラム
WO2010071158A1 (ja) * 2008-12-19 2010-06-24 中国電力株式会社 貯水施設運用支援システム、貯水施設運用支援方法およびプログラム
JP2010211527A (ja) * 2009-03-10 2010-09-24 Chugoku Electric Power Co Inc:The 流入量予測システム、流入量予測方法およびプログラム
JP2010267217A (ja) * 2009-05-18 2010-11-25 Fuji Electric Systems Co Ltd 予測装置、予測プログラムおよび予測方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11259102A (ja) * 1998-03-09 1999-09-24 Fuji Electric Co Ltd ダムにおける水量予測方法
JP2000055703A (ja) * 1998-08-04 2000-02-25 Fuji Electric Co Ltd ダムにおける流量予測方法
JP2003030621A (ja) * 2001-07-13 2003-01-31 Fuji Electric Co Ltd 自流式ダムの水力発電量予測方法、そのニューラルネットワーク
JP2009167751A (ja) * 2008-01-18 2009-07-30 Chugoku Electric Power Co Inc:The 流入量予測システム、流入量予測方法及びプログラム
WO2010071158A1 (ja) * 2008-12-19 2010-06-24 中国電力株式会社 貯水施設運用支援システム、貯水施設運用支援方法およびプログラム
JP2010211527A (ja) * 2009-03-10 2010-09-24 Chugoku Electric Power Co Inc:The 流入量予測システム、流入量予測方法およびプログラム
JP2010267217A (ja) * 2009-05-18 2010-11-25 Fuji Electric Systems Co Ltd 予測装置、予測プログラムおよび予測方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TOMOKO OBASHI: "Prediction Problems in Water Supply Planning and Tank Models", TRANSACTIONS OF INFORMATION PROCESSING SOCIETY OF JAPAN, vol. 24, no. 4, 15 July 1983 (1983-07-15), pages 406 - 413 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015004245A (ja) * 2013-06-21 2015-01-08 株式会社東芝 浸水予測システム、浸水予測方法およびプログラム
JP5949979B1 (ja) * 2015-03-06 2016-07-13 沖電気工業株式会社 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP2016164493A (ja) * 2015-03-06 2016-09-08 沖電気工業株式会社 情報処理装置、情報処理システム、情報処理方法及びプログラム
JP2017020787A (ja) * 2015-07-07 2017-01-26 日立Ｇｅニュークリア・エナジー株式会社 流入量評価式導出方法及び流入量評価式導出装置、流入量導出方法及び流入量導出装置、機器のフラジリティ評価方法及び機器のフラジリティ評価装置、津波の確率論的リスク評価方法及び津波の確率論的リスク評価装置

Also Published As

Publication number Publication date
JP5014522B1 (ja) 2012-08-29
JPWO2013001600A1 (ja) 2015-02-23

Similar Documents

Publication Publication Date Title
Gaivoronski et al. Value-at-risk in portfolio optimization: properties and computational approach
US7925560B2 (en) Systems and methods for valuing a derivative involving a multiplicative index
JP5014522B1 (ja) 流入量予測装置、流入量予測方法及びプログラム
JP5014213B2 (ja) 貯水施設の運用支援システム、運用支援方法及びプログラム
US20080221974A1 (en) Lazy Evaluation of Bulk Forecasts
Li et al. Reducing lake water-level decline by optimizing reservoir operating rule curves: A case study of the Three Gorges Reservoir and the Dongting Lake
Huizar et al. Sustainability, robustness, and resilience metrics for water and other infrastructure systems
WO2019196427A1 (zh) 基于支撑故障事件约束机组组合的备用优化方法和装置
Tian et al. Improving short-term urban water demand forecasts with reforecast analog ensembles
Peñuela et al. Assessing the value of seasonal hydrological forecasts for improving water resource management: insights from a pilot application in the UK
Anderson et al. Robust analytical and computational explorations of coupled economic-climate models with carbon-climate response
JP2007215354A (ja) 電力負荷予測方法、及び電力負荷予測処理プログラム
CN108388957A (zh) 一种基于多特征融合技术的中小河流洪水预报方法及其预报系统
WO2024114018A1 (zh) 风力发电机组的发电性能评估方法和装置
Lee et al. The meta Taylor rule
JP2007226450A (ja) 流量予測装置、流量予測方法および流量予測プログラム
Lee et al. Value-at-risk forecasting based on Gaussian mixture ARMA–GARCH model
Semmendinger et al. Establishing opportunities and limitations of forecast use in the operational management of highly constrained multiobjective water systems
JP6467953B2 (ja) 気温予測システム、気温予測方法およびプログラム
Sarkar et al. Testing predictability and nonlinear dependence in the Indian stock market
Gelati et al. Stochastic reservoir optimization using El Niño information: case study of Daule Peripa, Ecuador
Liao et al. Multicore parallel genetic algorithm with Tabu strategy for rainfall-runoff model calibration
CN113506000B (zh) 一种计算城市汇水区域暴雨溢流风险的方法
CN113077163A (zh) 耦合预报的梯级水库群两阶段弃水风险评估方法
Capizzi et al. Bootstrap-based design of residual control charts

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2012501495

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11868504

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11868504

Country of ref document: EP

Kind code of ref document: A1