可通过有限的降雨量及水位数据,预测河流水位的AI技术

本技术介绍参考了以下链接
English

2020年8月25日

可通过有限的降雨量及水位数据,预测河流水位的AI技术

富士通株式会社(注1)(以下简称:富士通)与株式会社富士通研究所(注2)(以下简称:富士通研究所)利用AI技术“FUJITSU Human Centric AI Zinrai”,开发出一种可通过使用过去有限的降雨量及水位数据,高精度预测河流水位的技术。

背景

近年来,频繁发生的集中性暴雨,导致日本各地河流洪涝灾害多发,地区政府在应对河流治理方面面临巨大挑战。特别是流经市区的中小河流,当遭遇特大暴雨或台风袭击时,水位急剧上升,这将导致受灾范围短时内迅速扩大。由于这种风险逐年增加,因此强化防洪措施成为当务之急。

河流水位预测作为其中一项应对措施,已被应用于指定的有洪水风险的大型河流的水位预测。但在中小河流或新安装了水位测量仪的河段,由于水位预测所需的流量观测等相关数据不完善,或是过去积累的降雨量、水位数据不足等原因,水位预测变得十分困难。

因此,为了使防灾相关人员能尽早采取行动以减轻灾害带来的损失,富士通研究所开发了一种无需使用测量数据,仅通过过去有限的降雨量和水位数据,即可高精度预测河流水位的技术。

开发的技术

富士通和富士通研究所基于水箱模型的概念建立了一个函数,其中,水箱模型代表了水文学中河流流域的雨水流出量。通过对过去的降雨量、水位数据进行机器学习,构建了可以获得最佳参数的数学模型。

基于该模型,AI根据过去的降雨量、水位数据,以及相关气象组织向各地区政府发送的未来数小时的气象(降雨预报)数据,可预测未来的水位。另外,对于河流改造等引起的环境变化,通过使用环境变化后的少量降雨量、水位数据重新进行学习,可迅速优化该预测模型。(图1)

通过将该技术应用于某地方政府管理的中小河流,我们基于过去数据对模型精度进行了验证。结果证明,仅用1次降雨的水位数据进行学习,就能够以与其(实际水量增幅)一致的精度预测降雨水位的上涨量。(图2)

此外,在公立大学法人东京都立大学(原:首都大学东京)的河村明教授的协助下,富士通与富士通研究所进行了一项评估验证。将该技术与基于流量观测等数据的标准水位预测方法进行比较,结果显示,该技术可提供同等或更高精度的预测。

20200825-figure

图1.AI河流水位预测概要图

20200825-figure2

图2. AI基于平时1次降雨的水位数据,预测涨水时的水位上升量示例

未来展望

不仅在日本,富士通还目标将该技术应用于海外的河流,继续与客户开展验证工作,实现其商业落地。作为保护客户资产(如河流相关设备或社会基础设施等)的诊断预测技术之一,富士通研究所将进一步提升该技术的精度,利用数字技术为城市的抗灾建设做出贡献。

注释

 注1 富士通株式会社:
社长 时田 隆仁
总公司所在地 日本东京都港区
 注2 株式会社富士通研究所:
社长 原 裕贵
总公司所在地 日本神奈川县川崎市