ニューラルネットワークを用いた豪雨災害予測に関する研究

閲覧数: 6
ダウンロード数: 0
このエントリーをはてなブックマークに追加

ニューラルネットワークを用いた豪雨災害予測に関する研究

フォーマット:
助成・補助金
Kyushu Univ. Production 九州大学成果文献
タイトル(他言語):
PREDICTION FOR HEAVY RAINFALL USING NEURAL NETWORKS
責任表示:
森山 聡之(九州大学・工学部・助手)
MORIYAMA Toshiyuki(九州大学・工学部・助手)
本文言語:
日本語
研究期間:
1992-1993
概要(最新報告):
まず、ニューラルネットワーク(NN)に雲仙岳測候所の10分間雨量記録のうち91年のものを入力データにし島原地震観測所の地震計の振動波形を教師信号として学習させ、92年の雨量を与えて土石流の発生予測を行い、発生予測および限界雨量を求めることが出来た。また、筑後川上流域における9119号台風の山林被害の影響をみるために台風前後の雨量観測所の時間雨量を収集し、90年までのデータと92年のデータをNNに学習させ、全ての雨量を入力して豪雨災害の発生危険度を求め、5時間雨量が到達時間と判断された。また台風前後の発生限界の変化が顕著で、台風後はおなじ雨量でも災害の危険度がかなり大きくなっていることがわかった。次に93年の鹿児島市内で発生した土砂災害を対象とし時間雨量データを用いて土砂災害3ケースを含む降雨データを学習させその認識状況を検証した。前期降雨の影響があるかどうかで調べるため、24時間前までの累加雨量のみの場合と1週間前までの前期降雨も入力したものとを学習させ、認識状況を比較したところ、前期降雨があった場合の方がはっきり土砂災害の発生を認識する結果となっている。最後にレーダ雨量のデータに対して1)雨域の特徴量を抽出して雨域毎にNNに認識させ、追跡する方法と2)複数の特定の地点の雨量と同じ地点のあるリードタイム後の雨量をNNに学習させ、さらに同じリードタイムだけ後の予測を行う方法の2つを88年九州中西部豪雨のレーダデータを用いて行った。前者は雨域の数が多い場合、似たような雨域が認識を困難にさせること,後者は観測範囲が狭いと移動してくる雨域を捉え切れず予測が難しいことがわかった。以上のことから、NNは豪雨による土砂災害の危険度予測には有効であるが、降雨予測には研究の余地があると考えられる。 続きを見る
本文を見る

類似資料:

3
ノードゲート付きニューラルネットワークとその非線形システム制御への応用 by 村田, 純一; Murata, Junichi; 柿原, 知英; Kakihara, Tomohide; 藤本, 雅貴; Fujimoto, Masaki; 平澤, 宏太郎; Hirasawa, Kotaro
11
入力ゲート付きニューラルネットワーク by 村田, 純一; Murata, Junichi; 野田, 哲史; Noda, Tetsushi; 平澤, 宏太郎; Hirasawa, Kotaro
12
階層型ニューラルネットワークへの入力の選定法 by 村田, 純一; Murata, Junichi; 中園, 徹; Nakazono, Toru; 平澤, 宏太郎; Hirasawa, Kotaro
3.
ノードゲート付きニューラルネットワークとその非線形システム制御への応用 by 村田, 純一; Murata, Junichi; 柿原, 知英; Kakihara, Tomohide; 藤本, 雅貴; Fujimoto, Masaki; 平澤, 宏太郎; Hirasawa, Kotaro
11.
入力ゲート付きニューラルネットワーク by 村田, 純一; Murata, Junichi; 野田, 哲史; Noda, Tetsushi; 平澤, 宏太郎; Hirasawa, Kotaro
12.
階層型ニューラルネットワークへの入力の選定法 by 村田, 純一; Murata, Junichi; 中園, 徹; Nakazono, Toru; 平澤, 宏太郎; Hirasawa, Kotaro