Development of Hybrid Flood Forecasting System based on Rainfall Information from Machine Learning Algorithm

基于机器学习算法的降雨信息的混合洪水预报系统开发

基本信息

批准号：
22K04332
负责人：
Kim Sunmin
金额：
$ 2.66万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

1)機械学習を活用した降雨予測モデルの開発AMEDAS地上観測情報とひまわり衛星観測情報を入力情報として、CNNとConvolutional-LSTM機械学習アルゴリズムを利用した短時間降雨予測モデルを開発した。まずは1時間先の降雨量を高い精度で予測することを目指してモデルの検証・改良を行なった。2)機械学習を活用した水位・流量予測モデルの開発淀川流域の枚方地点を対象に開発したANN基盤の水位予測アルゴリズムを改良し、降雨量と上流域の水位情報を用いて流域内の複数基準点に対する水位・流量予測アルゴリズムを開発した。また、ANNへの入力情報が予測精度へ及ぼす影響を把握するために、様々な組み合わせの入力情報をテストし、最適な入力情報と学習条件を調べた。3）強化学習を活用した洪水調節のためのダム運用モデルの開発強化学習（Reinforcement Learning）手法を用いて、桂川流域の日吉ダムを対象に洪水調節モデルを開発した。開発したモデルは、既存の洪水イベントに対して自動的な学習とテストを繰り返して最適な放流量を模索することができ、降雨やダム流入量の予測情報がなくても最新のダム流域情報だけで最適な放流量を提案することが可能になった。

1) 使用机器学习开发降雨预测模型我们使用 AMEDAS 地面观测信息和 Himawari 卫星观测信息作为输入信息，使用 CNN 和卷积-LSTM 机器学习算法开发了短期降雨预测模型。首先，我们对模型进行了验证和改进，目标是提前一小时高精度预测降雨。 2) 使用机器学习开发水位/流量预测模型改进了为淀川流域枚方点开发的基于 ANN 的水位预测算法，并利用降雨和水位信息制定了流域内的多个标准。我们开发了点的水位/流量预测算法。此外，为了了解人工神经网络的输入信息对预测精度的影响，我们测试了输入信息的各种组合，并研究了最佳输入信息和学习条件。 3）利用强化学习开发防洪大坝运行模型我们利用强化学习技术为桂川流域的日吉大坝开发了防洪模型。开发的模型可以通过自动重复学习和测试现有的洪水事件来搜索最佳排放量，并且即使没有降雨或大坝流入的预报信息，也可以仅使用最新的坝盆信息来提出建议。最佳排放量。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Selection of Input Variables in ANN for Hydrological Modeling

水文模拟中 ANN 输入变量的选择

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Sunmin Kim;Kento Takami;and Yasuto Tachikawa
通讯作者：
and Yasuto Tachikawa

A Brief History of Activation Functions in ANN for Hydrological Modeling

用于水文建模的 ANN 激活函数简史

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
KIM Sunmin;TAKAMI Kento;TACHIKAWA Yasuto;Sunmin Kim and Yasuto Tachikawa
通讯作者：
Sunmin Kim and Yasuto Tachikawa

EFFECTS OF INPUT VARIABLE SELECTION IN ARTIFICIAL NEURAL NETWORK FOR WATER STAGE FORECASTING

人工神经网络输入变量选择对水位预报的影响

DOI：
10.2208/jscejhe.78.2_i_145
发表时间：
2022
期刊：
Journal of Japan Society of Civil Engineers, Ser. B1 (Hydraulic Engineering)
影响因子：
0
作者：
KIM Sunmin;TAKAMI Kento;TACHIKAWA Yasuto
通讯作者：
TACHIKAWA Yasuto

Analysis on The Effect of Input Data Characteristics and Model Structure in Deep Learning

深度学习中输入数据特征和模型结构的影响分析

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
Yuma Tanaka;Sunmin Kim;and Yasuto Tachikawa
通讯作者：
and Yasuto Tachikawa

Development of Real-time Dam Reservoir Operation Model based on Reinforced Learning without Any Flood Prediction Data

无任何洪水预测数据的基于强化学习的实时大坝水库运行模型开发

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
Masaharu Shibata;Sunmin Kim;and Yasuto Tachikawa
通讯作者：
and Yasuto Tachikawa

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Kim Sunmin其他文献

Influence of different ligation methods on force and moment generation in a simulated condition of the maxillary crowded anterior dentition with linguo-version and rotation

模拟上颌前牙列舌翻旋转情况下不同结扎方法对力和力矩产生的影响

DOI：
10.3233/bme-211288
发表时间：
2022
期刊：
Bio-Medical Materials and Engineering
影响因子：
1
作者：
Kim Sunmin;Yonemitsu Ikuo;Takemura Hiroshi;Shimoda Kunio;Suga Kazuhiro;Soga Kohei;Ono Takashi;Uo Motohiro
通讯作者：
Uo Motohiro