JP2000257140A - 雨水流入量予測装置及び雨水流入量予測方法 - Google Patents

雨水流入量予測装置及び雨水流入量予測方法

Info

Publication number
JP2000257140A
JP2000257140A JP11061866A JP6186699A JP2000257140A JP 2000257140 A JP2000257140 A JP 2000257140A JP 11061866 A JP11061866 A JP 11061866A JP 6186699 A JP6186699 A JP 6186699A JP 2000257140 A JP2000257140 A JP 2000257140A
Authority
JP
Japan
Prior art keywords
rainfall
inflow
unit
amount
rainwater
Prior art date
Legal status (The legal status 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 status listed.)
Withdrawn
Application number
JP11061866A
Other languages
English (en)
Inventor
Osamu Yamanaka
中 理 山
Akihiro Nagaiwa
岩 明 弘 長
Masashirou Nakada
田 雅司郎 仲
Masahiko Tsutsumi
正 彦 堤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP11061866A priority Critical patent/JP2000257140A/ja
Priority to US09/510,670 priority patent/US6474153B1/en
Publication of JP2000257140A publication Critical patent/JP2000257140A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Sewage (AREA)
  • Feedback Control In General (AREA)
  • Measuring Volume Flow (AREA)

Abstract

(57)【要約】 【課題】 降雨量と雨水流入量との間に非線形な関係が
生じる場合であっても、高い予測精度で対象施設に流入
する雨水流入量を予測できるような雨水流入量予測装置
及び雨水流入量予測方法を提供すること。 【解決手段】 現在までの降雨量を計測する降雨量計測
部１と、将来の降雨量を予測する降雨量予測部２と、対
象施設に流入する現在までの雨水流入量を計測する流入
量計測部３とを備える。降雨量から雨水流入量を求める
ためのＮｅｗｒａｌ−Ｎｅｔｗｏｒｋモデルを有する非
線形予測モデル４ｍと、降雨計測部１によって計測され
た降雨量と流入量計測部３によって計測された雨水流入
量とに基づいて非線形予測モデル４ｍの次数及び係数パ
ラメータを決定する変数決定部４ｄとを有するモデル同
定部４が設けられる。流入量予測部５が、決定された非
線形予測モデルに従って、予測された将来の降雨量に基
づいて対象施設に流入する将来の雨水流入量を予測す
る。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、降雨時の雨水排水
を目的とする下水道ポンプ場などのポンプ施設のポンプ
運転制御や、浸水災害防除を目的とする一時的な雨水貯
留施設（貯留管や調節池など）へのゲート開閉制御等、
のために必要となる雨水の流入量予測装置に関する。
【０００２】
【従来の技術】下水処理施設は、汚水の処理だけでな
く、雨水に起因する災害を防止する役割を有しており、
都市衛生の安全および環境の保持を期する上から重要な
施設である。通常、雨は下水道幹線を経由して、ポンプ
場や処理場の雨水排水ポンプから海や河川へ放出され
る。このため、ポンプ場や処理場の雨水排水ポンプは、
ポンプ場や処理場への雨水流入量に応じて運転台数が決
定されることが重要である。
【０００３】近年、住宅地の密集化や舗装道路の普及に
伴い、雨水が下水管へ流入する割合が多くなってきてい
る。さらには、ポンプの排水処理能力に限界があるた
め、貯留管や調節池とよばれる一時的な雨水貯留施設を
設置することが多くなってきている。このような雨水貯
留施設を利用する際には、雨水貯留施設へのゲートの開
度を適切に制御することが重要である。
【０００４】ポンプ運転台数の決定や、雨水貯留施設へ
のゲートの開度制御を効率よく行うためには、ポンプ
場、処理場あるいは雨水貯留施設への雨水流入量を精度
よく予測し、この予測データを制御等に利用することが
望まれる。
【０００５】雨水貯留施設は、近年開発された施設であ
るため、ゲート制御に関する従来技術は存在しないが、
ポンプの運転台数決定方法としては、ポンプ場への流入
量予測を用いない方法と流入量予測を行う方法とが存在
する。
【０００６】ポンプ場への流入量予測を用いない方法と
しては、計測された降雨量のデータをもとにポンプ場の
運転員の勘によりポンプの運転台数を決定する方法や、
ポンプ井に設置された水位計の水位に応じてポンプの運
転台数を行う方法等がある。
【０００７】ポンプ場への流入量予測を用いる方法とし
ては、現在の降雨量を複数の地上雨量計により測定し、
ＲＲＬ法を利用して流入量の予測を行う方法がある。こ
の他、降雨量と流入量の関係を表すためのＡＲＭＡＸモ
デルを用い、ＡＲＭＡＸ同定法によってＡＲＭＡＸモデ
ルのパラメータを推定して予測モデルを構築し、これに
基づいて流入量予測を行う方法がある。さらには、キネ
マティックウェーブ法という方法もある。このうち、Ｒ
ＲＬ法とキネマティックウェーブ法はホワイトボックス
モデルと呼ばれ、ＡＲＭＡＸ同定法はブラックボックス
モデルと呼ばれている。
【０００８】ＲＲＬ法は、英国道路研究所で開発された
雨水流入量を算定する方法である。ここでＲＲＬ法につ
いて説明する。
【０００９】ＲＲＬ法はまず、対象領域の管渠の長さ、
直径、勾配等の水力学的特徴を記入した管渠図を作成す
る。管渠図全体を一つの流域（単一流域）とみて、流域
の最下流点を流量算定点として選択する。主要しゃ集管
路、開水路等における流量速度を算出し、地点ｐまでの
雨水流達時間が流量計算時間間隔と等しくなるような等
到達時間曲線を作成する。等到達時間曲線で区分される
面積を時間域別面積Ａｉ［ｍ2 ］として算出し、時間
面積図を作成する。ここまでは手作業で行う。
【００１０】次に、流量計算時刻ｉでの流域に降る降雨
強度Ｉi ［ｍｍ／ｓ］から降雨量曲線を作成する。ここ
で、流出の割合を表す流出係数Ｃは、領域の土地の利用
状態から求められる固定値で与える。作成した降雨量曲
線と時間面積図から雨水流入量Ｐi を仮に以下の（１）
式で算出する。
【数１】 一般に、降った雨はすぐには流出せず、一度管渠に貯え
られてから流出するため、仮に求めた雨水流入量Ｐi を
雨水貯留量−流出量の関係式にあてはめて流出量を算定
する。以下に雨水貯留量−流出量の関係式を示す。
【数２】
【数３】 （２）式は、いわゆる運動方程式であり、（３）式は、
いわゆる連続方程式である。通常は（３）式を差分化し
た以下の（４）式を利用して流出量の算出を行う。
【数４】
【００１１】このようにして算出した流出量を流出算定
地点ｐの雨水流入量Ｑi として最終的に決定する。
【００１２】以上のようなＲＲＬ法に、浸透域と不浸透
域とを区別した有効降雨の考え方を付加し、ＲＲＬ法の
雨水貯留量−流出量の関係に修正を加えた修正ＲＲＬ法
という方法もある。修正ＲＲＬ法も、基本的な工程はＲ
ＲＬ法と同様である。また、修正ＲＲＬ法における有効
降雨の算出の考え方にさらに修正を加え、時間に依存す
る関数を導入すると共に流域分割の考え方を付加した拡
張ＲＲＬ法という方法もある。
【００１３】次に、ＡＲＭＡＸ同定法について説明す
る。
【００１４】ＡＲＭＡＸ法はまず、降雨量−流入量の関
係を表すための関数として、図１１示すような伝達関数
モデルを設定する。ここで、ｕは降雨量データ、ｙは流
出量データ、ｅは観測できない計測誤差であり、 Ａ（ｚ）＝ａn ｚn ＋ａn-1 ｚn-1 ＋…＋ａ0 …（５） Ｂ（ｚ）＝ｂm ｚm ＋ｂm-1 ｚm-1 ＋…＋ｂ0 …（６） Ｃ（ｚ）＝ｃl ｚl ＋ｃl-1 ｚl-1 ＋…＋ｃ0 …（７） である。
【００１５】次に、予測時点からみて過去の、いくつか
の降雨量データおよび流入量データを用いて、図６のｕ
〜ｙ間の降雨量−流入量関係が実際の降雨量−流入量関
係に最も近くなるように、例えば最小２乗法等を用い
て、（５）〜（７）式における係数パラメータを決定
し、この値を用いた図１１のモデルを予測モデルとして
決定する。
【００１６】そして、予測したい時点における予測降雨
量データを予測モデルに入力して、予測流入量を演算す
る。図１２に、ＡＲＭＡＸモデルを用いた予測量と実績
量とを対比した一例を示す。
【００１７】
【発明が解決しようとする課題】以上に説明したＲＲＬ
法は、次のような問題点がある。すなわち、各流域毎に
管渠図、等到達時間曲線および時間面積図を作成しなけ
ればならず、そのために多くの労力を必要とする。ま
た、過去の降雨量データや流入量データ以外にも、各流
域毎に管渠図作成のための管渠データや、流出係数Ｃ計
算のための土地利用状態に関するデータ等を収集する必
要があり、さらに多くの労力を必要とする一方、収集し
たデータを演算系に組込むための処理においても、多く
の労力を必要とする。さらに、流出係数Ｃの決定などに
恣意性があるため、予測精度が不確定である。修正ＲＲ
Ｌ法及び拡張ＲＲＬ法も、流出係数Ｃの決定に同様の問
題を有している。
【００１８】一方、ＡＲＭＡＸ法は、ＲＲＬ法が必要と
する労力からは解放されるが、例えば豪雨時の雨水流入
量と小雨時の雨水流入量とは必ずしも雨量に対して比例
関係には無いというような経験的に知られている非線形
現象を反映していないため、予測精度が低い場合があ
る。例えば、都市部においては、降雨量が多くなると雨
水流入量が急激に増えるという非線形性がある。また、
ＡＲＭＡＸ法のモデルは、白色信号の入力では精度のよ
い同定が可能であるが、降雨量データと流入量データと
が与えられるモデルにおいては、精度のよい同定が保証
されない。
【００１９】本発明は、このような点を考慮してなされ
たものであり、降雨量と雨水流入量との間に非線形な関
係が生じる場合であっても、高い予測精度で対象施設に
流入する雨水流入量を予測できるような雨水流入量予測
装置及び雨水流入量予測方法を提供することを目的とす
る。
【００２０】
【課題を解決するための手段】本発明は、現在までの降
雨量を計測する降雨量計測部と、将来の降雨量を予測す
る降雨量予測部と、対象施設に流入する現在までの雨水
流入量を計測する流入量計測部と、降雨量から雨水流入
量を求めるためのＮｅｕｒａｌ−Ｎｅｔｗｏｒｋモデル
を有する非線形モデルと、降雨量計測部によって計測さ
れた現在までの降雨量と流入量計測部によって計測され
た対象施設に流入する現在までの雨水流入量とに基づい
て非線形モデルの次数及び係数パラメータを決定する変
数決定部と、を有するモデル同定部と、モデル同定部に
よって決定された非線形モデルに従って、降雨量予測部
によって予測された将来の降雨量に基づいて対象施設に
流入する将来の雨水流入量を予測する流入量予測部と、
を備えたことを特徴とする雨水流入量予測装置である。
【００２１】また本発明は、特許請求の範囲の請求項１
に記載の雨水流入量予測装置を用いて対象施設に流入す
る雨水流入量を予測する方法であって、変数決定部によ
って、降雨量計測部によって計測された現在までの降雨
量と、流入量計測部によって計測された対象施設に流入
する現在までの雨水流入量とに基づいて、非線形モデル
の次数及び係数パラメータを決定する工程と、流入量予
測部によって、モデル同定部によって決定された非線形
モデルに従って、降雨予測部によって予測された将来の
降雨量に基づいて対象施設に流入する将来の雨水流入量
を予測する工程と、を備えたことを特徴とする雨水流入
量予測方法である。
【００２２】本発明のこれらの特徴によれば、変数決定
部によって現在までの降雨量及び雨水流入量に基づいて
次数及び係数パラメータを決定されたＮｅｕｒａｌ−Ｎ
ｅｔｗｏｒｋモデルを有する非線形モデルを用いて、将
来の降雨量に対応する雨水流入量が予測されるため、降
雨量と雨水流入量との間に非線形な関係が生じている場
合であっても、高い予測精度で対象施設に流入する雨水
流入量を予測することができる。
【００２３】また本発明は、現在までの降雨量を計測す
る降雨量計測部と、将来の降雨量を予測する降雨量予測
部と、対象施設に流入する現在までの雨水流入量を計測
する流入量計測部と、先行降雨と非線形モデルとに基づ
いて流入寄与降雨量を演算する寄与降雨量演算部と、降
雨量から雨水流入量を求めるための線形モデルと、寄与
降雨量演算部によって演算された流入寄与降雨量と流入
量計測部によって計測された対象施設に流入する現在ま
での雨水流入量とに基づいて線形モデルの次数及び係数
パラメータを決定する変数決定部と、を有するモデル同
定部と、モデル同定部によって決定された線形モデルに
従って、降雨量予測部によって予測された将来の降雨量
に基づいて対象施設に流入する将来の雨水流入量を予測
する流入量予測部と、を備えたことを特徴とする雨水流
入量予測装置である。
【００２４】また本発明は、特許請求の範囲の請求項７
に記載の雨水流入量予測装置を用いて対象施設に流入す
る雨水流入量を予測する方法であって、寄与降雨量演算
部によって、先行降雨と非線形モデルとに基づいて流入
寄与降雨量を演算する工程と、変数決定部によって、寄
与降雨量演算部によって演算された流入寄与降雨量と、
流入量計測部によって計測された対象施設に流入する現
在までの雨水流入量とに基づいて、線形モデルの次数及
び係数パラメータを決定する工程と、流入量予測部によ
って、モデル同定部によって決定された線形モデルに従
って、降雨予測部によって予測された雨水の将来の降雨
量に基づいて対象施設に流入する将来の雨水流入量を予
測する工程と、を備えたことを特徴とする雨水流入量予
測方法である。
【００２５】本発明のこれらの特徴によれば、寄与降雨
量演算部が、先行降雨と非線形モデルとに基づいて流入
寄与降雨量を演算し、流入寄与降雨量と雨水流入量とに
基づいて変数決定部が線形モデルの次数及び係数パラメ
ータを決定し、この線形モデルを用いて将来の降雨量に
対応する雨水流入量が予測されるため、高い予測精度で
対象施設に流入する雨水流入量を予測することができ
る。
【００２６】また本発明は、現在までの降雨量を計測す
る降雨量計測部と、対象施設に流入する現在までの雨水
流入量を計測する流入量計測部と、降雨量から雨水流入
量を求めるための非線形モデルと、降雨量計測部によっ
て計測された現在までの降雨量と流入量計測部によって
計測された対象施設に流入する現在までの雨水流入量と
に基づいて非線形モデルの次数及び係数パラメータを決
定する変数決定部と、を有するモデル同定部と、モデル
同定部によって決定された非線形モデルに従って、降雨
量計測部によって計測された現在まで降雨量に基づいて
対象施設に流入する将来の雨水流入量を予測する流入量
予測部と、を備えたことを特徴とする雨水流入量予測装
置である。
【００２７】また本発明は、特許請求の範囲の請求項１
１に記載の雨水流入量予測装置を用いて対象施設に流入
する雨水流入量を予測する方法であって、変数決定部に
よって、降雨計測部によって計測された雨水の現在まで
の降雨量と、流入量計測部によって計測された対象施設
に流入する現在までの雨水流入量とに基づいて、非線形
予測モデルの次数及び係数パラメータを決定する工程
と、流入量予測部によって、モデル同定部によって決定
された非線形予測モデルに従って、降雨量計測部によっ
て計測された現在まで降雨量に基づいて対象施設に流入
する将来の雨水流入量を予測する工程と、を備えたこと
を特徴とする雨水流入量予測方法である。
【００２８】本発明のこれらの特徴によれば、変数決定
部によって現在までの降雨量及び雨水流入量に基づいて
次数及び係数パラメータを決定された非線形モデルを用
いて、現在までの降雨量から将来の雨水流入量が予測さ
れるため、近未来の雨水流入量を、容易に高い予測精度
で予測することができる。
【００２９】また本発明は、現在までの降雨量を計測す
る降雨量計測部と、対象施設に流入する現在までの雨水
流入量を計測する流入量計測部と、先行降雨と非線形モ
デルとに基づいて流入寄与降雨量を演算する寄与降雨量
演算部と、降雨量から雨水流入量を求めるための線形モ
デルと、寄与降雨量演算部によって演算された流入寄与
降雨量と流入量計測部によって計測された対象施設に流
入する現在までの雨水流入量とに基づいて線形モデルの
次数及び係数パラメータを決定する変数決定部と、を有
するモデル同定部と、モデル同定部によって決定された
線形モデルに従って、降雨量計測部によって計測された
現在までの降雨量に基づいて対象施設に流入する将来の
雨水流入量を予測する流入量予測部と、を備えたことを
特徴とする雨水流入量予測装置である。
【００３０】また本発明は、特許請求の範囲の請求項１
２に記載の雨水流入量予測装置を用いて対象施設に流入
する雨水流入量を予測する方法であって、寄与降雨量演
算部によって、先行降雨と非線形モデルとに基づいて流
入寄与降雨量を演算する工程と、変数決定部によって、
寄与降雨量演算部によって演算された流入寄与降雨量
と、流入量計測部によって計測された対象施設に流入す
る現在までの雨水流入量とに基づいて、線形モデルの次
数及び係数パラメータを決定する工程と、流入量予測部
によって、モデル同定部によって決定された線形モデル
に従って、降雨量計測部によって計測された現在まで降
雨量に基づいて対象施設に流入する将来の雨水流入量を
予測する工程と、を備えたことを特徴とする雨水流入量
予測方法である。
【００３１】本発明のこれらの特徴によれば、寄与降雨
量演算部が、先行降雨と非線形モデルとに基づいて流入
寄与降雨量を演算し、流入寄与降雨量と雨水流入量とに
基づいて変数決定部が線形モデルの次数及び係数パラメ
ータを決定し、この線形モデルを用いて現在までの降雨
量から将来の雨水流入量が予測されるため、近未来の雨
水流入量を、容易に高い予測精度で予測することができ
る。
【００３２】
【発明の実施の形態】以下、図面を参照して本発明の実
施の形態について説明する。
【００３３】図１は、本発明による雨水流入量予測装置
の第１の実施の形態を示している。図１に示すように、
本実施の形態の雨水流入量予測装置１０は、現在までの
降雨量を計測する降雨量計測部１と、対象施設に流入す
る現在までの雨水流入量を計測する流入量計測部３とを
備えている。降雨量計測部１には、降雨量計測部１が計
測した現在までの降雨量に基づいて、例えば線形予測法
などによって将来の降雨量を予測する降雨量予測部２が
接続されている。
【００３４】また、降雨量計測部１及び流入量計測部３
は、モデル同定部４に接続されている。モデル同定部４
は、降雨量から雨水流入量を求めるためのＮｅｕｒａｌ
−Ｎｅｔｗｏｒｋモデルを有する非線形予測モデル４ｍ
と、降雨量計測部１によって計測された現在までの降雨
量と流入量計測部３によって計測された対象施設に流入
する現在までの雨水流入量とに基づいて非線形予測モデ
ル４ｍの次数及び係数パラメータを決定する変数決定部
４ｄとを有している。
【００３５】モデル同定部４には、モデル同定部４によ
って決定された非線形予測モデルに従って、降雨量予測
部２によって予測された将来の降雨量に基づいて対象施
設に流入する将来の雨水流入量を予測する流入量予測部
５が接続されている。
【００３６】本実施の形態の降雨量計測部１は、図１に
示すように、対象施設が対応する領域内に複数設けられ
た降雨量計測器１ｓと、各降雨量計測器１ｓが計測した
物理量データを単位時間毎に降雨量データに変換する降
雨量演算部１ｐと、降雨量演算部１ｐによって演算され
た降雨量データからノイズ成分を除去するノイズ低減部
１ｒと、ノイズ成分を除去された降雨量データを単位時
間毎に記憶する降雨量データ記憶部１ｍとを有してい
る。
【００３７】各降雨量計測器１ｓは、一般に地上雨量計
やレーザ雨量計で構成され、例えば図２に示すように、
対象流域（対象施設が対応する領域）内を略均等に分割
する部分領域の略中心Ａ、Ｂ、Ｃに設けられる。
【００３８】降雨量演算部１ｐは、テレメータなどの送
受信器を介して、各降雨量計測器１ｓに電気的に接続さ
れている。
【００３９】ノイズ低減部１ｒは、デジタルローパスフ
ィルタとして、デジタルの遮断周波数ωd に基づい
て、データのサンプリング周期をＴとしてアナログの周
波数ωa＝ｔａｎ（ωd Ｔ） を計算し、ωa に関す
るアナログフィルタＨ（ｓ）を設計し、これに双一次変
換ｓ＝（ｚ−１）／（ｚ＋１）を施してデジタルフィル
タ
【数５】 を設計することによって構成されている。より簡単な方
法としては、サンプリング周期Ｔで計測したデータを所
定の回数積算する（例えば１分単位で計測したデータを
５分積算する）方法も採用され得る。
【００４０】一方、流入量計測部３は、図１に示すよう
に、対象領域としてのポンプ場の入口や、貯留管の入口
付近に設置された流入量計測器３ｓと、流入量計測器３
ｓが計測した物理量データを単位時間毎に流入量データ
に変換する流入量演算部３ｐと、流入量演算部３ｐによ
って演算された流入量データからノイズ成分を除去する
ノイズ低減部３ｒと、ノイズ成分を除去された流入量デ
ータを単位時間毎に記憶する流入量データ記憶部３ｍと
を有している。
【００４１】流入量計測器３ｓは、例えば流量計や水位
計で構成される。流入量演算部３ｐは、必要に応じてテ
レメータなどの送受信器を介して、流入量計測器３ｓに
電気的に接続される。またノイズ低減部３ｒは、ノイズ
低減部１ｒと略同様に構成される。
【００４２】降雨量データ記憶部１ｍは、単位時間毎に
記憶された複数の降雨量データから、例えばある降雨状
態が開始してから終了する（雨が一旦止む）までの降雨
量データを１つの降雨量データの組（降雨量データ列）
として規定（選択）すると共に、規定した複数の降雨量
データ列から適宜の条件に従って降雨量データ列を抽出
する降雨量データ抽出部１ｃに接続されている。降雨量
データ列を選択する適宜の条件としては、降雨量データ
のピーク値が著しく異なるデータ列を選択させたり、デ
ータ列のパターンが著しく異なるようなデータ列を選択
させるような条件が好ましい。また、流入量データ記憶
部３ｍは、降雨量データ選択部１ｃが選択した降雨量デ
ータ列に対応する流入量データ列を選択する流入量デー
タ抽出部３ｃに接続されている。
【００４３】モデル同定部４は、各降雨計測部１の降雨
量データ選択部１ｃによって選択された雨水の現在まで
の降雨量データのうち、対象時点前の所定の先行降雨考
慮時間分の先行降雨に基づいて、各流入寄与降雨量を演
算する寄与降雨量演算部４ｃを有している。具体的に
は、寄与降雨量演算部４ｃは、対象時点前の所定の先行
降雨考慮時間分の先行降雨に対して、図３（ａ）や図３
（ｂ）に示すような流入寄与関数を掛け合わせることに
よって、対象時間に近い先行降雨をより重視した流入寄
与降雨量を求めるようになっている。流入寄与降雨量の
演算は、降雨量データ選択部１ｃが選択した全てのデー
タ列に対してそれぞれ独立に行われる。
【００４４】そして変数決定部４ｄは、寄与降雨量演算
部４ｃによって演算された複数の流入寄与降雨量と、流
入量計測部３の流入量データ選択部３ｃによって選択さ
れた雨水流入量データ列とに基づいて、Ｎｅｕｒａｌ−
Ｎｅｔｗｏｒｋモデルを有する非線形予測モデル４ｍの
次数及び係数パラメータを決定するようになっている。
【００４５】本実施の形態における非線形予測モデル４
ｍは、複数入力モデルとして構成され、線形伝達関数を
通した後にＮｅｕｒａｌ−Ｎｅｔｗｏｒｋモデルを設け
たモデルとして構成されている。線形伝達関数は、例え
ば時間に関するダイナミクスを持たせるため、適当な時
間だけシフトするシフトオペレータで構成される。
【００４６】Ｎｅｕｒａｌ−Ｎｅｔｗｏｒｋモデルの一
例としてＲａｄｉａｌ−Ｂａｓｉｓ−Ｆｕｎｃｔｉｏｎ
モデルを採用した場合の非線形予測モデル４ｍを、図４
に示す。図４において、ｎ、ｍは次数であり、ａ1i 、
ｂ1i 、ａ2i 、ｂ2i 、ｃi 、ｄi はパラメータであ
る。また、‖・‖はベクトルノルムを表す。図４に示す
Ｒａｄｉａｌ−Ｂａｓｉｓ−Ｆｕｎｃｔｉｏｎは、重み
Ｇi を掛けることによって予測流出量Ｑ（ｔ）とされ
る。重みＧi は、最小２乗法で推定されるようになって
いる。この他、Ｎｅｕｒａｌ−Ｎｅｔｗｏｒｋモデルと
しては、Ｍｕｌｔｉ−Ｌａｙｅｒ−Ｎｅｕｒａｌ−Ｎｅ
ｔｗｏｒｋモデルなどが利用できる。
【００４７】また、降雨量予測部２は、各降雨量計測部
１が計測した降雨量データに基づいて、各降雨量計測部
１に対応する複数の将来の予測降雨量データを予測する
ようになっている。さらに降雨量予測部２は、寄与降雨
量推定部２ｃを有しており、複数の将来の予測降雨量デ
ータから、複数の将来の流入寄与降雨量を推定するよう
になっている。寄与降雨量推定部２ｃによる演算は、図
３（ａ）、（ｂ）を用いて説明した寄与降雨量演算部４
ｃによる演算と略同様である。
【００４８】そして流入量予測部５は、モデル同定部４
によって決定された複数入力の非線形モデルに従って、
複数の将来の流入寄与降雨量（予測降雨量データに基づ
いている）に基づいて、対象施設に流入する将来の雨水
流入量を予測するようになっている。
【００４９】雨水流入量予測装置１０は、制御装置２０
を介して、下水道幹線から貯留管や貯留池などへのゲー
ト開閉装置２１や、ポンプ場のポンプ２２に接続されて
いる。
【００５０】次に、以上のような構成からなる雨水流入
量予測装置の作用について説明する。
【００５１】雨水流入量予測装置１０は、各降雨量計測
部１の降雨量計測器１ｓが降雨量を計測し、降雨量演算
部１ｐが各降雨量計測器１ｓに計測された物理量データ
を降雨量データに変換し、ノイズ低減部１ｒがローパス
フィルタとして降雨量演算部１ｐによって演算された降
雨量データからノイズ成分を除去し、降雨量データ記憶
部１ｍがノイズ成分を除去された降雨量データを記憶す
る。降雨量データ抽出部１ｃは、降雨量データ記憶部１
ｍに記憶された降雨量データから、適宜の条件に基づい
て降雨量データ列を規定し、抽出する。
【００５２】一方、各流入量計測部３の流入量計測器３
ｓが流入量を計測し、流入量演算部３ｐが流入量計測器
３ｓに計測された物理量データを流入量データに変換
し、ノイズ低減部３ｒがローパスフィルタとして流入量
演算部３ｐによって演算された流入量データからノイズ
成分を除去し、流入量データ記憶部３ｍがノイズ成分を
除去された流入量データを記憶する。流入量データ選択
部３ｃは、流入量データ記憶部３ｍに記憶された流入量
データから、降雨量データ抽出部１ｃによって抽出され
た降雨量データ列に対応する流入量データ列を検索し、
抽出する。
【００５３】次に、モデル同定部４の寄与降雨量演算部
４ｃが、抽出された各降雨量データ列に基づいて、対象
時点前の所定の先行降雨考慮時間分の先行降雨に対して
図３（ａ）あるいは図３（ｂ）に示す流入寄与関数を掛
け合わせて、対象時間に近い先行降雨をより重視した流
入寄与降雨量を各々求める。
【００５４】そして変数決定部４ｄが、寄与降雨量演算
部４ｃによって演算された複数の流入寄与降雨量と、流
入量計測部３によって計測され流入量データ抽出部３ｃ
によって抽出された対象施設に流入する対応する雨水流
入量データ列とに基づいて、複数入力の非線形モデル４
ｍの次数及び係数パラメータを決定する。
【００５５】非線形モデル４ｍが図４に示すようなモデ
ルの場合、まず非線形モデル４ｍの伝達関数の次数ｎ、
ｍが、例えばＡＩＣ規範（赤池情報量規範）などによっ
て求められる。次に、各係数ａ1i 、ｂ1i 、ａ2i 、ｂ
2i 、ｃi 、ｄi （ｉはパラメータの数に対応してい
る）が、予測対象時点からみて過去における流入寄与降
雨量と流入量データとの関係に最も近くなるように推定
される。推定方法としては、例えば最小２乗法が用いら
れる。このようにして、非線形モデル４ｍの次数及び係
数パラメータが決定され、予測モデルが確立、決定され
る。
【００５６】一方、降雨量予測部２が、各降雨量計測部
１が計測した降雨量データに基づいて、各降雨量計測部
１に対応する複数の将来の予測降雨量データを予測す
る。ここで降雨量予測部２の寄与降雨量推定部２ｃが、
寄与降雨量演算部４ｃと略同様にして、複数の将来の予
測降雨量データから複数の将来の流入寄与降雨量を推定
する。
【００５７】そして流入量予測部５が、モデル同定部４
によって決定された複数入力の予測モデルに従って、複
数の将来の流入寄与降雨量に基づいて、対象施設に流入
する将来の雨水流入量を演算、予測する。
【００５８】このように演算、予測された雨水流入量に
より、制御装置２０を介して、下水道幹線から貯留管や
貯留池などへのゲート開閉装置２１や、ポンプ場のポン
プ２２の運転台数が制御される。
【００５９】非線形モデル４ｍを、線形伝達関数とＭｕ
ｌｔｉ−Ｌａｙｅｒ−Ｎｅｕｒａｌ−Ｎｅｔｗｏｒｋモ
デル（Ｎｅｕｒａｌ−Ｎｅｔｗｏｒｋモデルの一例）と
の組合せで構成した場合の雨水流入量の予測量を、実績
量と合わせて図５に示す。図５の結果は、図１２に示す
場合と同じ降雨状態での予測結果である。図５に示すよ
うに、図１２の結果と比較して明らかに雨水流入量の予
測精度が向上している。
【００６０】以上のように本実施の形態によれば、Ｎｅ
ｕｒａｌ−Ｎｅｔｗｏｒｋモデルを有する非線形予測モ
デル４ｍを用いて降雨量と雨水流入量との間の関係を表
現しているため、降雨量と雨水流入量との間に非線形な
関係が生じる場合であっても、高い予測精度で対象施設
に流入する雨水流入量を予測することができる。
【００６１】また、本実施の形態によれば、対象流域を
複数の部分領域に分けて複数入力としてデータ処理して
いるため、降雨状態の領域毎の相違（降雨の非一様性）
の影響を反映することができ、結果として高い予測精度
で対象施設に流入する雨水流入量を予測することができ
る。
【００６２】また、本実施の形態によれば、降雨計測部
１及び流入量計測部３がノイズ低減部１ｒ及び３ｒを有
しており、高周波の計測誤差を除去することができるた
め、雨水流入量予測のばらつきが小さくなり、予測の信
頼性が高まる。また、予測モデル４ｍの推定パラメータ
の計算速度及び計算精度が向上する。
【００６３】さらに本実施の形態によれば、寄与降雨量
演算部４ｃあるいは寄与降雨量推定部２ｃが先行降雨の
影響を雨水流入量予測に反映させるため、経験的に知ら
れている先行降雨状態の相違による同一降雨状態での雨
水流入量の相違などを精度良く予測することができる。
【００６４】次に、本発明の第２の実施の形態の雨水流
入量予測装置について図６を用いて説明する。図６は、
第２の実施の形態の雨水流入量予測装置のブロック図で
ある。
【００６５】図６に示すように、本実施の形態の雨水流
入量予測装置１０は、寄与降雨量演算部４ｃが、先行降
雨と非線形モデル４ｇとに基づいて流入寄与降雨量を演
算するようになっており、モデル同定部４が非線形モデ
ルの代わりに降雨量から雨水流入量を求めるための線形
予測モデル４ｎを有しており、変数決定部４ｄが寄与降
雨量演算部４ｃによって演算された流入寄与降雨量と流
入量計測部３によって計測された対象施設に流入する現
在までの雨水流入量とに基づいて線形予測モデル４ｎの
次数及び係数パラメータを決定するようになっている。
【００６６】その他の構成は、図１に示す第１の実施の
形態と同様の構成である。第２の実施の形態において、
図１に示す第１の実施の形態と同一の部分には同一の符
号を付して詳細な説明は省略する。
【００６７】本実施の形態においては、雨水流入に関す
る非線形現象を流入寄与降雨量の演算時に考慮している
ため、流入量演算のためのモデルが線形モデルであって
も、高い予測精度で対象施設に流入する雨水流入量を予
測することができる。
【００６８】なお、以上の実施の形態では、出力対象と
しての雨水流入量を単一の量としているが、複数の地点
での雨水流入量を同時に予測するような態様も考えられ
る。この場合、対象流域の部分流域に対して各々予測モ
デルを作成する態様も可能であり、各々の部分流域の雨
水流入量から、キネマティックウェーブ法やダイナミッ
クウェーブ法を適用して全体の流入量を予測する事が可
能である。例えば、図７に示すように、各部分流域に設
置された地上雨量計Ａ、Ｂ、Ｃから降雨流出点Ａ’、
Ｂ’、Ｃ’への流出量を求めた後で、キネマティックウ
ェーブ法やダイナミックウェーブ法を適用して下水管渠
Ｌを流下して集水施設Ｄへ流入する量を計算することが
できる。
【００６９】さらには、変数決定部４ｄによる次数及び
パラメータの決定をオンラインで随時行うようにする
と、より高い予測精度が期待できる。
【００７０】また、変数決定部が決定した予測モデルに
ついては、適当な周期で再構築を繰り返すことが好まし
い。また、複数の予測モデルを構築して、それらを適宜
切り替える態様も採用され得る。例えば、図８に示すよ
うに、Ａ、Ｂ、Ｃの各地点における降雨状況の相対関係
によって対応する複数の予測モデルが用意される。
【００７１】具体的には、各点の降雨状況が略等しい場
合に対応する予測モデル（モデル１）、地点Ａ、Ｂにお
ける降雨が地点Ｃにおける降雨より著しく多い場合に対
応する予測モデル（モデル２）、地点Ａ、Ｃにおける降
雨が地点Ｂにおける降雨より著しく多い場合に対応する
予測モデル（モデル３）、地点Ｂ、Ｃにおける降雨が地
点Ａにおける降雨より著しく多い場合に対応する予測モ
デル（モデル４）、地点Ａにおける降雨が地点Ｂ、Ｃに
おける降雨より著しく多い場合に対応する予測モデル
（モデル５）、地点Ｂにおける降雨が地点Ａ、Ｃにおけ
る降雨より著しく多い場合に対応する予測モデル（モデ
ル６）、地点Ｃにおける降雨が地点Ａ、Ｂにおける降雨
より著しく多い場合に対応する予測モデル（モデル
７）、…等である。
【００７２】このような態様の場合、Ａ、Ｂ、Ｃの各地
点における降雨状況の相対関係に応じて、Ａ、Ｂ、Ｃの
各地点からの降雨量データの重み付け、時間遅れ分の考
慮などが考慮された最適な予測モデルが採用されるた
め、高い予測精度で対象施設に流入する雨水流入量を予
測することができる。
【００７３】なお、本発明は、本件発明者による特願平
１０−２２４７６６号の内容を更に改良したものである
が、改良のための種々の試行実験などを行う際に、将来
の降雨量を予測せずとも現在までの降雨量のみから近未
来の雨水流入量を容易に高い予測精度で予測することが
できることが確認された。
【００７４】すなわち、将来の降雨量を予測する降雨量
予測部を設けず、流入量予測部が、降雨量計測部によっ
て計測された現在まで降雨量に基づいて対象施設に流入
する将来の雨水流入量を予測するような態様も、近未来
の雨水流入量予測には有効である。
【００７５】このような例として、本発明の第３の実施
の形態の雨水流入量予測装置について図９を用いて説明
する。図９は、第３の実施の形態の雨水流入量予測装置
のブロック図である。
【００７６】図９に示すように、本実施の形態の雨水流
入量予測装置１０は、将来の降雨量を予測する降雨量予
測部２を有しておらず、流入量予測部５が、モデル同定
部４によって決定された非線形予測モデルに従って、降
雨量計測部１によって計測された現在までの降雨量に基
づいて対象施設に流入する将来の雨水流入量を予測する
ようになっている。
【００７７】その他の構成は、図１に示す第１の実施の
形態と同様の構成である。第３の実施の形態において、
図１に示す第１の実施の形態と同一の部分には同一の符
号を付して詳細な説明は省略する。
【００７８】本実施の形態によれば、降雨量計測部１に
よって計測された現在までの降雨量のみから、近未来の
雨水流入量を容易に高い予測精度で予測することができ
る。
【００７９】なお、本実施の形態においては、降雨量か
ら雨水流入量を求める非線形モデル４ｍが、Ｎｅｕｒａ
ｌ−Ｎｅｔｗｏｒｋモデルを有する非線形モデルに限定
されず、例えばＢｌｏｃｋ−ｏｒｉｅｎｔｅｄモデルを
有する非線形モデルであってもよい。
【００８０】また、本発明の第４の実施の形態の雨水流
入量予測装置について図１０を用いて説明する。図１０
は、第４の実施の形態の雨水流入量予測装置のブロック
図である。
【００８１】図１０に示すように、本実施の形態の雨水
流入量予測装置１０は、将来の降雨量を予測する降雨量
予測部２を有しておらず、流入量予測部５が、モデル同
定部４によって決定された線形予測モデルに従って、降
雨量計測部１によって計測された現在までの降雨量に基
づいて対象施設に流入する将来の雨水流入量を予測する
ようになっている。
【００８２】その他の構成は、図６に示す第２の実施の
形態と同様の構成である。第３の実施の形態において、
図６に示す第２の実施の形態と同一の部分には同一の符
号を付して詳細な説明は省略する。
【００８３】本実施の形態においても、現在までの降雨
量のみから、近未来の雨水流入量を容易に高い予測精度
で予測することができる。
【００８４】
【発明の効果】以上説明したように、本発明によれば、
変数決定部によって現在までの降雨量及び雨水流入量に
基づいて次数及び係数パラメータを決定されたＮｅｕｒ
ａｌ−Ｎｅｔｗｏｒｋモデルを有する非線形モデルを用
いて、将来の降雨量に対応する雨水流入量が予測される
ため、降雨量と雨水流入量との間に非線形な関係が生じ
ている場合であっても、高い予測精度で対象施設に流入
する雨水流入量を予測することができる。
【００８５】あるいは本発明によれば、寄与降雨量演算
部が、先行降雨と非線形モデルとに基づいて流入寄与降
雨量を演算し、流入寄与降雨量と雨水流入量とに基づい
て変数決定部が線形モデルの次数及び係数パラメータを
決定し、この線形モデルを用いて将来の降雨量に対応す
る雨水流入量が予測されるため、高い予測精度で対象施
設に流入する雨水流入量を予測することができる。
【００８６】あるいは本発明によれば、変数決定部によ
って現在までの降雨量及び雨水流入量に基づいて次数及
び係数パラメータを決定された非線形モデルを用いて、
現在までの降雨量から将来の雨水流入量が予測されるた
め、近未来の雨水流入量を、容易に高い予測精度で予測
することができる。
【００８７】あるいは本発明によれば、寄与降雨量演算
部が、先行降雨と非線形モデルとに基づいて流入寄与降
雨量を演算し、流入寄与降雨量と雨水流入量とに基づい
て変数決定部が線形モデルの次数及び係数パラメータを
決定し、この線形モデルを用いて現在までの降雨量から
将来の雨水流入量が予測されるため、近未来の雨水流入
量を、容易に高い予測精度で予測することができる。
【図面の簡単な説明】
【図１】本発明による雨水流入量予測装置の第１の実施
の形態の構成を示すブロック図。
【図２】図１の降雨量計測器の配置例を示す図。
【図３】図１の寄与降雨量演算部が用いる流入寄与関数
の例を示す図。
【図４】図１の非線形予測モデルを示す概略図。
【図５】図１の雨水流入量予測装置による予測量と実績
量とを比較した図。
【図６】本発明による雨水流入量予測装置の第２の実施
の形態の構成を示すブロック図。
【図７】部分流域の雨水流入量から全体の流入量を予測
する場合の構成の一例を示す図。
【図８】予測モデルを切り替える態様の例を示す図。
【図９】本発明による雨水流入量予測装置の第３の実施
の形態の構成を示すブロック図。
【図１０】本発明による雨水流入量予測装置の第４の実
施の形態の構成を示すブロック図。
【図１１】従来のＡＲＭＡＸモデルを示す概略図。
【図１２】図１１のＡＲＭＡＸモデルを用いた場合の予
測量と実績量とを比較した図。
【符号の説明】
１ 降雨量計測部 １ｓ 降雨量計測器 １ｐ 降雨量演算部 １ｒ ノイズ低減部 １ｍ 降雨量データ記憶部 １ｃ 降雨量データ抽出部 ２ 降雨量予測部 ２ｃ 寄与降雨量推定部 ３ 流入量計測部 ３ｓ 流入量計測器 ３ｐ 流入量演算部 ３ｒ ノイズ低減部 ３ｍ 流入量データ記憶部 ３ｃ 降雨量データ抽出部 ４ モデル同定部 ４ｃ 寄与降雨量演算部 ４ｇ 非線形モデル ４ｍ 非線形予測モデル ４ｎ 線形予測モデル ４ｄ 変数決定部 ５ 流入量予測部 １０ 雨水流入量予測装置 ２０ 制御装置 ２１ ゲート開閉装置 ２２ ポンプ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 仲 田 雅司郎 東京都港区芝浦一丁目１番１号 株式会社 東芝本社事務所内 (72)発明者 堤 正 彦 東京都府中市東芝町１番地 株式会社東芝 府中工場内 Ｆターム(参考） 2D063 AA00 2F030 CC01 CE04 CE09

Claims (15)

    【特許請求の範囲】
  1. 【請求項１】現在までの降雨量を計測する降雨量計測部
    と、 将来の降雨量を予測する降雨量予測部と、 対象施設に流入する現在までの雨水流入量を計測する流
    入量計測部と、 降雨量から雨水流入量を求めるためのＮｅｕｒａｌ−Ｎ
    ｅｔｗｏｒｋモデルを有する非線形モデルと、降雨量計
    測部によって計測された現在までの降雨量と流入量計測
    部によって計測された対象施設に流入する現在までの雨
    水流入量とに基づいて非線形モデルの次数及び係数パラ
    メータを決定する変数決定部と、を有するモデル同定部
    と、 モデル同定部によって決定された非線形モデルに従っ
    て、降雨量予測部によって予測された将来の降雨量に基
    づいて対象施設に流入する将来の雨水流入量を予測する
    流入量予測部と、を備えたことを特徴とする雨水流入量
    予測装置。
  2. 【請求項２】降雨量計測部は、現在までの降雨量を単位
    時間毎に計測するようになっており、 流入量計測部は、対象施設に流入する現在までの雨水流
    入量を単位時間毎に計測するようになっており、 変数決定部は、降雨量計測部によって計測された単位時
    間毎の現在までの複数の降雨量データと流入量計測部に
    よって計測された対象施設に流入する単位時間毎の現在
    までの複数の流入量データとに基づいて非線形モデルの
    次数及び係数パラメータを決定するようになっている、
    ことを特徴とする請求項１に記載の雨水流入量予測装
    置。
  3. 【請求項３】降雨量計測部には、降雨量計測部によって
    計測された単位時間毎の現在までの複数の降雨量データ
    から必要な降雨量データのみを抽出する降雨量データ抽
    出部が接続され、 流入量計測部には、流入量計測部によって計測された単
    位時間毎の現在までの複数の流入量データから、抽出さ
    れた降雨量データに対応する流入量データのみを抽出す
    る流入量データ抽出部が接続されていることを特徴とす
    る請求項２に記載の雨水流入量予測装置。
  4. 【請求項４】モデル同定部は、先行降雨に基づいて流入
    寄与降雨量を演算する寄与降雨量演算部を有し、 変数決定部は、寄与降雨量演算部によって演算された流
    入寄与降雨量と、流入量計測部によって計測された対象
    施設に流入する現在までの雨水流入量とに基づいて、非
    線形予測モデルの次数及び係数パラメータを決定するこ
    とを特徴とする請求項１乃至３のいずれかに記載の雨水
    流入量予測装置。
  5. 【請求項５】降雨計測部あるいは流入量計測部は、ノイ
    ズ低減部を有することを特徴とする請求項１乃至４のい
    ずれかに記載の雨水流入量予測装置。
  6. 【請求項６】降雨計測部は、対象施設が対応する領域内
    に複数設けられ、複数の降雨量データを計測し、 降雨予測部は、複数の降雨計測部の各々に対応する複数
    の将来の予測降雨量データを予測し、 非線形モデルは、複数入力のモデルとして構成され、 変数決定部は、複数の降雨量データと、流入量計測部に
    よって計測された対象施設に流入する現在までの雨水流
    入量とに基づいて、複数入力の非線形モデルの次数及び
    係数パラメータを決定し、 流入量予測部は、モデル同定部によって決定された複数
    入力の非線形モデルに従って、複数の将来の予測降雨量
    データに基づいて対象施設に流入する将来の雨水流入量
    を予測することを特徴とする請求項１乃至５のいずれか
    に記載の雨水流入量予測装置。
  7. 【請求項７】現在までの降雨量を計測する降雨量計測部
    と、 将来の降雨量を予測する降雨量予測部と、 対象施設に流入する現在までの雨水流入量を計測する流
    入量計測部と、 先行降雨と非線形モデルとに基づいて流入寄与降雨量を
    演算する寄与降雨量演算部と、降雨量から雨水流入量を
    求めるための線形モデルと、寄与降雨量演算部によって
    演算された流入寄与降雨量と流入量計測部によって計測
    された対象施設に流入する現在までの雨水流入量とに基
    づいて線形モデルの次数及び係数パラメータを決定する
    変数決定部と、を有するモデル同定部と、 モデル同定部によって決定された線形モデルに従って、
    降雨量予測部によって予測された将来の降雨量に基づい
    て対象施設に流入する将来の雨水流入量を予測する流入
    量予測部と、を備えたことを特徴とする雨水流入量予測
    装置。
  8. 【請求項８】変数決定部は、最小２乗法を利用したアル
    ゴリズムによって構築されたプログラムを有することを
    特徴とする請求項１乃至７のいずれかに記載の雨水流入
    量予測装置。
  9. 【請求項９】請求項１に記載の雨水流入量予測装置を用
    いて対象施設に流入する雨水流入量を予測する方法であ
    って、 変数決定部によって、降雨計測部によって計測された雨
    水の現在までの降雨量と、流入量計測部によって計測さ
    れた対象施設に流入する現在までの雨水流入量とに基づ
    いて、非線形モデルの次数及び係数パラメータを決定す
    る工程と、 流入量予測部によって、モデル同定部によって決定され
    た非線形モデルに従って、降雨予測部によって予測され
    た雨水の将来の降雨量に基づいて対象施設に流入する将
    来の雨水流入量を予測する工程と、を備えたことを特徴
    とする雨水流入量予測方法。
  10. 【請求項１０】請求項７に記載の雨水流入量予測装置を
    用いて対象施設に流入する雨水流入量を予測する方法で
    あって、 寄与降雨量演算部によって、先行降雨と非線形モデルと
    に基づいて流入寄与降 雨量を演算する工程と、変数決定部によって、寄与降雨
    量演算部によって演算された流入寄与降雨量と、流入量
    計測部によって計測された対象施設に流入する現在まで
    の雨水流入量とに基づいて、線形モデルの次数及び係数
    パラメータを決定する工程と、 流入量予測部によって、モデル同定部によって決定され
    た線形モデルに従って、降雨予測部によって予測された
    雨水の将来の降雨量に基づいて対象施設に流入する将来
    の雨水流入量を予測する工程と、を備えたことを特徴と
    する雨水流入量予測方法。
  11. 【請求項１１】現在までの降雨量を計測する降雨量計測
    部と、 対象施設に流入する現在までの雨水流入量を計測する流
    入量計測部と、 降雨量から雨水流入量を求めるための非線形モデルと、
    降雨量計測部によって計測された現在までの降雨量と流
    入量計測部によって計測された対象施設に流入する現在
    までの雨水流入量とに基づいて非線形モデルの次数及び
    係数パラメータを決定する変数決定部と、を有するモデ
    ル同定部と、 モデル同定部によって決定された非線形モデルに従っ
    て、降雨量計測部によって計測された現在まで降雨量に
    基づいて対象施設に流入する将来の雨水流入量を予測す
    る流入量予測部と、を備えたことを特徴とする雨水流入
    量予測装置。
  12. 【請求項１２】降雨計測部は、対象施設が対応する領域
    内に複数設けられ、複数の降雨量データを計測し、 非線形モデルは、複数入力のモデルとして構成され、 変数決定部は、複数の降雨量データと、流入量計測部に
    よって計測された対象施設に流入する現在までの雨水流
    入量とに基づいて、複数入力の非線形モデルの次数及び
    係数パラメータを決定し、 流入量予測部は、モデル同定部によって決定された複数
    入力の非線形モデルに従って、現在までの複数の降雨量
    データに基づいて対象施設に流入する将来の雨水流入量
    を予測することを特徴とする請求項１１に記載の雨水流
    入量予測装置。
  13. 【請求項１３】現在までの降雨量を計測する降雨量計測
    部と、 対象施設に流入する現在までの雨水流入量を計測する流
    入量計測部と、 先行降雨と非線形モデルとに基づいて流入寄与降雨量を
    演算する寄与降雨量演算部と、降雨量から雨水流入量を
    求めるための線形モデルと、寄与降雨量演算部によって
    演算された流入寄与降雨量と流入量計測部によって計測
    された対象施設に流入する現在までの雨水流入量とに基
    づいて線形モデルの次数及び係数パラメータを決定する
    変数決定部と、を有するモデル同定部と、 モデル同定部によって決定された線形モデルに従って、
    降雨量計測部によって計測された現在までの降雨量に基
    づいて対象施設に流入する将来の雨水流入量を予測する
    流入量予測部と、を備えたことを特徴とする雨水流入量
    予測装置。
  14. 【請求項１４】請求項１１に記載の雨水流入量予測装置
    を用いて対象施設に流入する雨水流入量を予測する方法
    であって、 変数決定部によって、降雨計測部によって計測された雨
    水の現在までの降雨量と、流入量計測部によって計測さ
    れた対象施設に流入する現在までの雨水流入量とに基づ
    いて、非線形予測モデルの次数及び係数パラメータを決
    定する工程と、流入量予測部によって、モデル同定部に
    よって決定された非線形予測モデルに従って、降雨量計
    測部によって計測された現在まで降雨量に基づいて対象
    施設に流入する将来の雨水流入量を予測する工程と、を
    備えたことを特徴とする雨水流入量予測方法。
  15. 【請求項１５】請求項１２に記載の雨水流入量予測装置
    を用いて対象施設に流入する雨水流入量を予測する方法
    であって、 寄与降雨量演算部によって、先行降雨と非線形モデルと
    に基づいて流入寄与降雨量を演算する工程と、 変数決定部によって、寄与降雨量演算部によって演算さ
    れた流入寄与降雨量と、流入量計測部によって計測され
    た対象施設に流入する現在までの雨水流入量とに基づい
    て、線形モデルの次数及び係数パラメータを決定する工
    程と、 流入量予測部によって、モデル同定部によって決定され
    た線形モデルに従って、降雨量計測部によって計測され
    た現在まで降雨量に基づいて対象施設に流入する将来の
    雨水流入量を予測する工程と、を備えたことを特徴とす
    る雨水流入量予測方法。
JP11061866A 1999-03-09 1999-03-09 雨水流入量予測装置及び雨水流入量予測方法 Withdrawn JP2000257140A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP11061866A JP2000257140A (ja) 1999-03-09 1999-03-09 雨水流入量予測装置及び雨水流入量予測方法
US09/510,670 US6474153B1 (en) 1999-03-09 2000-02-22 Predicting system and predicting method configured to predict inflow volume of rainwater

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP11061866A JP2000257140A (ja) 1999-03-09 1999-03-09 雨水流入量予測装置及び雨水流入量予測方法

Publications (1)

Publication Number Publication Date
JP2000257140A true JP2000257140A (ja) 2000-09-19

Family

ID=13183484

Family Applications (1)

Application Number Title Priority Date Filing Date
JP11061866A Withdrawn JP2000257140A (ja) 1999-03-09 1999-03-09 雨水流入量予測装置及び雨水流入量予測方法

Country Status (2)

Country Link
US (1) US6474153B1 (ja)
JP (1) JP2000257140A (ja)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006274786A (ja) * 2005-02-25 2006-10-12 Toshiba Corp 雨水排水支援制御装置
JP2007033233A (ja) * 2005-07-27 2007-02-08 Yamatake Corp 河川汚濁負荷推定システム、方法、およびプログラム
JP2008184783A (ja) * 2007-01-29 2008-08-14 Toshiba Corp 雨水流入量予測装置及び雨水流入量予測方法
JP2008184782A (ja) * 2007-01-29 2008-08-14 Toshiba Corp 雨水流入量予測装置及び雨水流入量予測方法
JP2015049177A (ja) * 2013-09-03 2015-03-16 中国電力株式会社 流入量予測装置、流入量予測方法、水位予測装置およびプログラム
JP2015125665A (ja) * 2013-12-27 2015-07-06 株式会社日立製作所 水系計画装置及び方法
JP2019095240A (ja) * 2017-11-20 2019-06-20 日本無線株式会社 水位予測方法、水位予測プログラム及び水位予測装置
CN109948863A (zh) * 2019-03-28 2019-06-28 杭州电子科技大学 基于长短期记忆模型lstm的排水管网窨井液位预测方法
JP2019138742A (ja) * 2018-02-08 2019-08-22 株式会社東芝 流出解析装置及び流出解析パラメータ調整方法
JP2020170339A (ja) * 2019-04-03 2020-10-15 日新電機株式会社 学習装置及び下水流入量予測装置
KR20220081689A (ko) * 2020-12-09 2022-06-16 (주)세종강우 인공지능을 활용한 강수 측정장치 및 이를 포함한 강수 시스템
CN115421218A (zh) * 2022-08-22 2022-12-02 大连理工大学 基于虚拟站点的格状遥测雨量和点状实测雨量的融合框架
JPWO2022264422A1 (ja) * 2021-06-18 2022-12-22

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6937966B1 (en) * 2000-06-09 2005-08-30 International Business Machines Corporation System and method for on-line adaptive prediction using dynamic management of multiple sub-models
JP3795775B2 (ja) * 2001-07-16 2006-07-12 株式会社山武 下水流入量予測装置および方法、サーバ装置
CN100444063C (zh) * 2004-12-14 2008-12-17 株式会社东芝 雨水排水支援系统和支援方法
US7792126B1 (en) 2005-05-19 2010-09-07 EmNet, LLC Distributed monitoring and control system
WO2009155647A1 (en) * 2008-06-24 2009-12-30 Water Harvesting Technologies Pty Ltd Method and system for modelling water treatment and harvesting
US8635024B2 (en) 2010-08-02 2014-01-21 International Business Machines Corporation Sensing device for determining weather event attributes
ITGE20110114A1 (it) * 2011-10-19 2013-04-20 Univ Degli Studi Genova Metodo per la correzione dinamica in tempo reale delle misure di intensità di pioggia effettuate da pluviometri a pesata e pluviometro che utilizza tale metodo
DE102012014529A1 (de) * 2012-07-23 2014-01-23 Kisters Ag DynNARXOrdnung: ein neues Verfahren zur Bestimmung der Ordnungen p,q,r der einzelnen Komponenten eines N-AR(p)MA(q)X(r)-Prozesses
AR109623A1 (es) 2018-02-16 2019-01-09 Pescarmona Enrique Menotti Proceso y sistema de análisis y gestión hidrológica para cuencas
CN112989538B (zh) * 2021-03-30 2022-08-05 清华大学 城市排水系统的控制方法和控制装置
CN112990108B (zh) * 2021-04-19 2022-12-27 四川省水利科学研究院 一种基于卷积神经网络实现堤坝护坡的系统
CN113639805B (zh) * 2021-10-14 2022-02-18 成都万江港利科技股份有限公司 一种基于渠道断面流速场重建的流量测量方法
CN118211736B (zh) * 2024-05-21 2024-08-02 浙江大学 基于分布式数据驱动的排水管网联合调度方法和系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE68902801T2 (de) * 1988-07-25 1993-01-14 Picanol Nv Schussfadenzufuehrvorrichtung an webmaschinen.
US4893806A (en) * 1988-07-25 1990-01-16 Technical Support Services, Inc. Pinch roller device
FR2693557B1 (fr) * 1992-07-09 1994-09-30 Rhea Procédé et dispositif pour l'évaluation des précipitations sur une zone de terrain.
US5342144A (en) * 1992-11-02 1994-08-30 Mccarthy Edward J Stormwater control system
US5406481A (en) * 1993-06-30 1995-04-11 Nippon Telegraph And Telephone Corporation Rainfall, snowfall forecast apparatus and method
US5796611A (en) * 1994-10-04 1998-08-18 Nippon Telegraph And Telephone Corporation Weather forecast apparatus and method based on recognition of echo patterns of radar images
JPH10260718A (ja) * 1997-03-19 1998-09-29 Fuji Electric Co Ltd ダムにおける水量予測方法
US6044699A (en) * 1997-12-17 2000-04-04 Belfort Instrument Company Gauge for accurately measuring precipitation
JP2000056835A (ja) * 1998-08-07 2000-02-25 Toshiba Corp 雨水流入量予測装置及び雨水流入量予測方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006274786A (ja) * 2005-02-25 2006-10-12 Toshiba Corp 雨水排水支援制御装置
JP2007033233A (ja) * 2005-07-27 2007-02-08 Yamatake Corp 河川汚濁負荷推定システム、方法、およびプログラム
JP2008184783A (ja) * 2007-01-29 2008-08-14 Toshiba Corp 雨水流入量予測装置及び雨水流入量予測方法
JP2008184782A (ja) * 2007-01-29 2008-08-14 Toshiba Corp 雨水流入量予測装置及び雨水流入量予測方法
JP2015049177A (ja) * 2013-09-03 2015-03-16 中国電力株式会社 流入量予測装置、流入量予測方法、水位予測装置およびプログラム
JP2015125665A (ja) * 2013-12-27 2015-07-06 株式会社日立製作所 水系計画装置及び方法
JP2019095240A (ja) * 2017-11-20 2019-06-20 日本無線株式会社 水位予測方法、水位予測プログラム及び水位予測装置
JP7347918B2 (ja) 2017-11-20 2023-09-20 日本無線株式会社 水位予測方法、水位予測プログラム及び水位予測装置
JP2019138742A (ja) * 2018-02-08 2019-08-22 株式会社東芝 流出解析装置及び流出解析パラメータ調整方法
JP7055654B2 (ja) 2018-02-08 2022-04-18 株式会社東芝 流出解析装置及び流出解析パラメータ調整方法
CN109948863A (zh) * 2019-03-28 2019-06-28 杭州电子科技大学 基于长短期记忆模型lstm的排水管网窨井液位预测方法
JP2020170339A (ja) * 2019-04-03 2020-10-15 日新電機株式会社 学習装置及び下水流入量予測装置
JP7201969B2 (ja) 2019-04-03 2023-01-11 日新電機株式会社 学習装置及び下水流入量予測装置
KR20220081689A (ko) * 2020-12-09 2022-06-16 (주)세종강우 인공지능을 활용한 강수 측정장치 및 이를 포함한 강수 시스템
KR102508436B1 (ko) * 2020-12-09 2023-03-09 (주)세종강우 인공지능을 활용한 강수 측정장치 및 이를 포함한 강수 시스템
JPWO2022264422A1 (ja) * 2021-06-18 2022-12-22
JP7599018B2 (ja) 2021-06-18 2024-12-12 株式会社Njs 雨天時浸入水率推定装置、雨天時浸入水率推定方法、及びプログラム
CN115421218A (zh) * 2022-08-22 2022-12-02 大连理工大学 基于虚拟站点的格状遥测雨量和点状实测雨量的融合框架
CN115421218B (zh) * 2022-08-22 2024-12-03 大连理工大学 基于虚拟站点的格状遥测雨量和点状实测雨量的融合框架

Also Published As

Publication number Publication date
US6474153B1 (en) 2002-11-05

Similar Documents

Publication Publication Date Title
JP2000257140A (ja) 雨水流入量予測装置及び雨水流入量予測方法
Benedetti et al. Modelling and monitoring of integrated urban wastewater systems: review on status and perspectives
CN115471078B (zh) 一种基于城市水务系统的洪涝风险点评估方法及装置
KR900000751A (ko) 우수펌프의 운전제어장치 및 방법
JP4030372B2 (ja) 河川の水位予測装置
JP6976198B2 (ja) シミュレーション装置およびそのシミュレーション装置を用いた雨水監視システム
KR100522129B1 (ko) 강우시 하수관거나 우수관거의 유량 및 오염부하의 실시간모니터링 방법및 그 시스템
CN113221439A (zh) 一种基于bp神经网络的排水系统实时率定与动态预测方法
JP4399122B2 (ja) 雨水流入予測装置
JP2024080066A (ja) 水位予測装置、降水量推定装置、及び、水位予測方法
JP3839361B2 (ja) 雨水流出係数予測方法、雨水流入量予測方法、雨水流出係数予測プログラムおよび雨水流入量予測プログラム
CN101387127B (zh) 雨水排水控制系统和控制方法
JP2955413B2 (ja) ニューラルネットワーク応用雨水流入量予測装置
WO2007116996A1 (ja) 溢水発生推定装置および方法
CN113792367B (zh) 基于PySWMM的排水系统多来源入流入渗和出渗量动态估算方法
JP4895140B2 (ja) 合流式のポンプ場での排水運転支援装置及びその運転方法
JP2000056835A (ja) 雨水流入量予測装置及び雨水流入量予測方法
JP4734295B2 (ja) 雨水・汚濁物流入量演算モデルの作成装置及び作成方法
JP4182460B2 (ja) 流入下水量予測装置
JP3279703B2 (ja) 流入水量予測方法および流入水量予測装置
JP3437700B2 (ja) ポンプ場流入予測支援装置
JP2002001381A (ja) 下水処理システム及び排水制御システム
KR20050112700A (ko) 비점오염원 모니터링 방법 및 시스템
JP3176174B2 (ja) ポンプ所雨水流入量予測装置
Gong et al. STORMNET: A connectionist model for dynamic management of wastewater treatment plants during storm events

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20040806

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20060719

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20061222

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20070220