学会誌「EICA」

[論文] 雨水ポンプ所への雨水流入量の機械学習による予測手法の評価

内容

内水氾濫を防止する雨水ポンプの運転支援を目的に，機械学習を用いた流入量予測手法を評価した。同一条件下で重回帰モデル，全結合型ニューラルネットワークモデル, CNN+RNNモデルの3種類の予測手法を比較した結果，短期予測には重回帰モデル，長期予測にはCNN+RNNモデルが適することが分かった。これらを組み合せたハイブリッドモデルを用いることで，予測誤差の絶対値の平均値は対象としたポンプ所の雨水ポンプの揚水量に対する比率として，5分将来の予測値で0.2%, 60分将来では8.5%となる見込みを得た。

巻

27巻4号2023年

Page

71

題名

雨水ポンプ所への雨水流入量の機械学習による予測手法の評価

Title

Evaluation of Forecast Method of Rainwater Inflow to Rainwater Pump Station by Machine Learning

著者

陰山晃治1)，崎村茂寿1)，田所秀之2)，山本智裕3)

Authors

Koji Kageyama 1), Shigetoshi Sakimura 1), Hideyuki Tadokoro 2), Tomohiro Yamamoto 3)

著者表記

1)(株)日立製作所 研究開発グループ 脱炭素イノベーションセンタ 環境システム研究部
2)(株)日立製作所 制御プラットフォーム統括本部 社会制御システム設計部
3)(株)日立製作所 水・環境ビジネスユニット 社会システム本部 東部プロジェクトマネジメント第一部

Author attribution

1) Hitachi, Ltd., Research & Development Group, CSU-Decarbonized Energy, Environmental Systems Research Department, Chief Researcher, Researcher
2) Hitachi, Ltd., Hitachi Insight Group, Control System Platform Division, Water Control Systems Engineering Department, Engineer
3) Hitachi, Ltd., Water & Environment Business Unit, Water Solutions Division, East Japan Project Management Department Section 1, Senior Engineer

著者勤務先名

Office name

著者所属名

キーワード

流入量予測，AI，全結合型ニューラルネットワーク，畳み込みニューラルネットワーク，回帰型ニューラルネットワーク

Key Words

inflow forecast, AI, fully connected neural network, convolutional neural network, recurrent neural network

概要

内水氾濫を防止する雨水ポンプの運転支援を目的に，機械学習を用いた流入量予測手法を評価した。同一条件下で重回帰モデル，全結合型ニューラルネットワークモデル, CNN+RNNモデルの3種類の予測手法を比較した結果，短期予測には重回帰モデル，長期予測にはCNN+RNNモデルが適することが分かった。これらを組み合せたハイブリッドモデルを用いることで，予測誤差の絶対値の平均値は対象としたポンプ所の雨水ポンプの揚水量に対する比率として，5分将来の予測値で0.2%, 60分将来では8.5%となる見込みを得た。

Abstract

A machine learning-based inflow forecast method was evaluated for the purpose of assisting the operation of rainwater pumps to prevent inland flooding. We compared three types of prediction methods under the same conditions: a multiple regression model, a fully-connected neural network model, and a CNN+RNN model. As a result, it was found that the multiple regression model is suitable for short-term forecasting, and the CNN+RNN model is suitable for long-term forecasting. By using a hybrid model that combines these, the average absolute value of the prediction error is expected to be 0.2% in the 5-minute future and 8.5% in the 60-minute future as a ratio to the pumping volume of the rainwater pump at M Pumping Station.