JPH09256338A - 河川水位予測装置 - Google Patents
河川水位予測装置Info
- Publication number
- JPH09256338A JPH09256338A JP6647496A JP6647496A JPH09256338A JP H09256338 A JPH09256338 A JP H09256338A JP 6647496 A JP6647496 A JP 6647496A JP 6647496 A JP6647496 A JP 6647496A JP H09256338 A JPH09256338 A JP H09256338A
- Authority
- JP
- Japan
- Prior art keywords
- water level
- prediction
- data
- model
- rainfall
- 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- Withdrawn
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 161
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 20
- 238000000034 method Methods 0.000 abstract description 19
- 238000013500 data storage Methods 0.000 abstract description 11
- 238000000611 regression analysis Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000010606 normalization Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】
【課題】河川水位の予測精度を向上すると共に、新たに
入手したデータに対する適切なモデル更新により予測精
度を維持して常に的確な水位予測を行なう。 【解決手段】水位計測装置１により河川５の水位計測、
降雨計測装置２により河川流域の降雨量計測を行ない、
データ格納部１１に格納する。データ処理部１２は、計
測データにより正規化処理及び相関演算処理を行なう。
パターン判定部１８は、正規化処理結果から未学習パタ
ーンか否かを判定し、未学習パターンであれば過去のモ
デル作成用データと結合してモデル作成部１３に出力す
る。モデル作成部１３は、重回帰分析手法により予測モ
デルを作成しモデル格納部１４に格納する。モデル予測
演算部１５１は、予測モデル及び正規化データから予測
値を求め、その予測結果を中間予測値格納部１５２に格
納し次ステップの予測入力データとする。この予測演算
をｎ回繰返すことで、指定将来時刻の予測水位を算出す
る。
入手したデータに対する適切なモデル更新により予測精
度を維持して常に的確な水位予測を行なう。 【解決手段】水位計測装置１により河川５の水位計測、
降雨計測装置２により河川流域の降雨量計測を行ない、
データ格納部１１に格納する。データ処理部１２は、計
測データにより正規化処理及び相関演算処理を行なう。
パターン判定部１８は、正規化処理結果から未学習パタ
ーンか否かを判定し、未学習パターンであれば過去のモ
デル作成用データと結合してモデル作成部１３に出力す
る。モデル作成部１３は、重回帰分析手法により予測モ
デルを作成しモデル格納部１４に格納する。モデル予測
演算部１５１は、予測モデル及び正規化データから予測
値を求め、その予測結果を中間予測値格納部１５２に格
納し次ステップの予測入力データとする。この予測演算
をｎ回繰返すことで、指定将来時刻の予測水位を算出す
る。
Description
【０００１】
【発明の属する技術分野】本発明は、河川流域内設備の
監視制御に適用される河川プラント監視制御装置におけ
る河川水位予測装置に関する。
監視制御に適用される河川プラント監視制御装置におけ
る河川水位予測装置に関する。
【０００２】
【従来の技術】従来の河川水位予測装置は、図９に示す
ように構成されている。同図において、１は水位予測対
象河川の複数地点の水位を計測する水位計測装置、２は
対象河川流域の複数地点の降雨を計測する降雨計測装置
で、これらの計測結果は河川水位を予測する河川水位予
測装置１０に入力される。上記河川水位予測装置１０
は、水位・降雨データ格納部１１、データ処理部１２、
モデル作成部１３、モデル格納部１４、水位予測部１
５、入力部１６、表示部１７により構成される。
ように構成されている。同図において、１は水位予測対
象河川の複数地点の水位を計測する水位計測装置、２は
対象河川流域の複数地点の降雨を計測する降雨計測装置
で、これらの計測結果は河川水位を予測する河川水位予
測装置１０に入力される。上記河川水位予測装置１０
は、水位・降雨データ格納部１１、データ処理部１２、
モデル作成部１３、モデル格納部１４、水位予測部１
５、入力部１６、表示部１７により構成される。
【０００３】上記水位・降雨データ格納部１１は、水位
計測装置１及び降雨計測装置２で計測された水位・降雨
データを格納し、データ処理部１２に出力する。このデ
ータ処理部１２は、水位予測モデルの入力データとして
採用する水位・降雨データを選ぶために、各データ間の
相関関係を算出し、モデル作成部１３及び水位予測部１
５に入力する。モデル作成部１３は、データ処理部１２
で選ばれた水位・降雨データに基づいて重回帰演算を行
ない、各入力データの係数を算出することで、水位予測
モデルを作成し、モデル格納部１４に格納する。このモ
デル格納部１４に格納された水位予測モデルは、水位予
測部１５に入力される。また、この水位予測部１５に
は、運転員３からの指示が入力部１６を介して入力され
る。この入力部１６は、運転員３が水位予測値を得る
等、河川水位予測装置１０を利用するためのインタフェ
ースとなる。
計測装置１及び降雨計測装置２で計測された水位・降雨
データを格納し、データ処理部１２に出力する。このデ
ータ処理部１２は、水位予測モデルの入力データとして
採用する水位・降雨データを選ぶために、各データ間の
相関関係を算出し、モデル作成部１３及び水位予測部１
５に入力する。モデル作成部１３は、データ処理部１２
で選ばれた水位・降雨データに基づいて重回帰演算を行
ない、各入力データの係数を算出することで、水位予測
モデルを作成し、モデル格納部１４に格納する。このモ
デル格納部１４に格納された水位予測モデルは、水位予
測部１５に入力される。また、この水位予測部１５に
は、運転員３からの指示が入力部１６を介して入力され
る。この入力部１６は、運転員３が水位予測値を得る
等、河川水位予測装置１０を利用するためのインタフェ
ースとなる。
【０００４】上記水位予測部１５は、モデル格納部１４
に格納された水位予測モデルを取込み、同水位予測モデ
ルに、水位・降雨データ格納部１１に格納された最新及
び過去のデータを入力することで、将来時刻における水
位予測値を算出して表示部１７に表示する。
に格納された水位予測モデルを取込み、同水位予測モデ
ルに、水位・降雨データ格納部１１に格納された最新及
び過去のデータを入力することで、将来時刻における水
位予測値を算出して表示部１７に表示する。
【０００５】上記従来の河川水位予測装置１０では、運
転員３の判断で、モデル作成用のデータを選定し、これ
らのデータ中の水位・降雨の時系列データを用いて、例
えば１時間後等の将来時刻における水位を直接的に予測
する水位予測モデルを作成し、更に運転員３の判断でモ
デルの更新を行なっている。
転員３の判断で、モデル作成用のデータを選定し、これ
らのデータ中の水位・降雨の時系列データを用いて、例
えば１時間後等の将来時刻における水位を直接的に予測
する水位予測モデルを作成し、更に運転員３の判断でモ
デルの更新を行なっている。
【０００６】図３はモデルの構造例（流域図）を示すも
ので、Ａ，Ｂ，Ｃの地点に排水機場、Ｋの地点に工事事
務所がある場合の例である。このモデル構造例におい
て、予測対象地点における１時間後の水位Ｌ1Hを予測す
る場合、モデル作成部１３は次に示す水位予測モデルを
作成し、モデル格納部１４に格納する。
ので、Ａ，Ｂ，Ｃの地点に排水機場、Ｋの地点に工事事
務所がある場合の例である。このモデル構造例におい
て、予測対象地点における１時間後の水位Ｌ1Hを予測す
る場合、モデル作成部１３は次に示す水位予測モデルを
作成し、モデル格納部１４に格納する。
【０００７】Ｌ1H＝［Ａ地点の降雨量の時間変化］＋
［Ａ地点の内水位の時間変化］＋定数項ａ0 上式における各項は、次式により求められる。
［Ａ地点の内水位の時間変化］＋定数項ａ0 上式における各項は、次式により求められる。
【０００８】［Ａ地点の降雨量の時間変化］＝ａ1 ｒ0H
＋ａ2 ｒ-0.5H ＋ａ3 ｒ-1H ＋…＋ａ9 ｒ-4H ［Ａ地点の内水位の時間変化］＝ａ10Ｌ0min＋ａ11Ｌ
-10min＋ａ12Ｌ-20min ［定数項］＝ａ0 但し、ａ0 〜ａ12：重回帰分析による係数 ｒ-xH ：ｘ時間前の降雨量（ｒ0H：現在の降雨量） Ｌ-xmin ：ｘ分前の内水位（Ｌ0min：現在の内水位） なお、図７は、上記水位予測モデルにおける変数を示し
たものである。
＋ａ2 ｒ-0.5H ＋ａ3 ｒ-1H ＋…＋ａ9 ｒ-4H ［Ａ地点の内水位の時間変化］＝ａ10Ｌ0min＋ａ11Ｌ
-10min＋ａ12Ｌ-20min ［定数項］＝ａ0 但し、ａ0 〜ａ12：重回帰分析による係数 ｒ-xH ：ｘ時間前の降雨量（ｒ0H：現在の降雨量） Ｌ-xmin ：ｘ分前の内水位（Ｌ0min：現在の内水位） なお、図７は、上記水位予測モデルにおける変数を示し
たものである。
【０００９】
【発明が解決しようとする課題】上記従来の方法では、
運転員自らの判断で選定したモデル作成用データで水位
予測モデルを作成し、更に運転員自らの判断で新たな水
位変化パターンのデータが入手できたと判断した場合
に、モデルの更新を行なっている。この方法では、新た
なデータを入手する度に運転員がモデル更新の必要性を
判断しなければならず、かつモデルに反映すべきデータ
か否かの判断基準が主観的で不安定となる問題がある。
運転員自らの判断で選定したモデル作成用データで水位
予測モデルを作成し、更に運転員自らの判断で新たな水
位変化パターンのデータが入手できたと判断した場合
に、モデルの更新を行なっている。この方法では、新た
なデータを入手する度に運転員がモデル更新の必要性を
判断しなければならず、かつモデルに反映すべきデータ
か否かの判断基準が主観的で不安定となる問題がある。
【００１０】また、例えば１時間先等の将来時刻におけ
る水位を直接予測するモデルであるために、モデル作成
時に学習済みパターンからずれた場合、予測誤差が大き
くなるという問題がある。
る水位を直接予測するモデルであるために、モデル作成
時に学習済みパターンからずれた場合、予測誤差が大き
くなるという問題がある。
【００１１】本発明は上記の課題を解決するためになさ
れたもので、河川水位の予測精度を向上し得ると共に、
新たに入手したデータに対する適切なモデル更新により
予測精度を維持して常に的確な水位予測を行ない得る河
川水位予測装置を提供することを目的とする。
れたもので、河川水位の予測精度を向上し得ると共に、
新たに入手したデータに対する適切なモデル更新により
予測精度を維持して常に的確な水位予測を行ない得る河
川水位予測装置を提供することを目的とする。
【００１２】
【課題を解決するための手段】本発明は、水位予測対象
河川の水位とその領域の降雨量の時系列データを用いて
統計的手法により予測モデルを作成し、将来時刻の水位
を予測すると共に、新たな水位・降雨変化パターンに対
して予測モデルを更新する河川水位予測装置において、
水位予測対象河川の水位とその領域の降雨量を計測する
水位・降雨計測手段と、この計測手段により新たに得ら
れた水位・降雨データが、これまでの予測モデルにおい
て学習済みのパターンか否かを判定するパターン判定手
段と、このパターン判定手段により未学習と判定された
水位・降雨データについて、過去の学習データと併せた
形で新たな学習データとし、このデータを用いてモデル
作成を行なうモデル作成手段と、現在時刻から運転員の
指定した将来時刻までの時間をｎステップに分割したう
ちの１ステップ分の水位予測を上記予測モデルにより行
なう予測演算手段と、この予測演算手段による演算結果
を次のステップの予測演算の入力値の１つとするために
保存する中間予測値格納手段と、上記予測演算手段をｎ
回繰り返して指定将来時刻の予測水位を算出する水位予
測手段とを具備したことを特徴とする。
河川の水位とその領域の降雨量の時系列データを用いて
統計的手法により予測モデルを作成し、将来時刻の水位
を予測すると共に、新たな水位・降雨変化パターンに対
して予測モデルを更新する河川水位予測装置において、
水位予測対象河川の水位とその領域の降雨量を計測する
水位・降雨計測手段と、この計測手段により新たに得ら
れた水位・降雨データが、これまでの予測モデルにおい
て学習済みのパターンか否かを判定するパターン判定手
段と、このパターン判定手段により未学習と判定された
水位・降雨データについて、過去の学習データと併せた
形で新たな学習データとし、このデータを用いてモデル
作成を行なうモデル作成手段と、現在時刻から運転員の
指定した将来時刻までの時間をｎステップに分割したう
ちの１ステップ分の水位予測を上記予測モデルにより行
なう予測演算手段と、この予測演算手段による演算結果
を次のステップの予測演算の入力値の１つとするために
保存する中間予測値格納手段と、上記予測演算手段をｎ
回繰り返して指定将来時刻の予測水位を算出する水位予
測手段とを具備したことを特徴とする。
【００１３】（作用）パターン判定手段により、新たに
入手した降雨・水位データのパターン分類を実施するこ
とにより、更新の必要な未学習パターンか、あるいは既
にモデル作成に使用済みのデータと同じパターンかを一
定の基準で判定することができ、かつ必要な場合のみ効
率良くモデル更新を行なうことができる。
入手した降雨・水位データのパターン分類を実施するこ
とにより、更新の必要な未学習パターンか、あるいは既
にモデル作成に使用済みのデータと同じパターンかを一
定の基準で判定することができ、かつ必要な場合のみ効
率良くモデル更新を行なうことができる。
【００１４】また、水位予測手段により、数ステップ先
の水位を直接予測するモデルの代わりに、１ステップ先
の水位を高精度で予測するモデルで次ステップの予測水
位を行ない、その予測結果を入力の１つとして更に次の
ステップの予測を行なうという操作を繰り返し、数ステ
ップ先の水位を予測することで、予測精度を向上させる
ことができる。
の水位を直接予測するモデルの代わりに、１ステップ先
の水位を高精度で予測するモデルで次ステップの予測水
位を行ない、その予測結果を入力の１つとして更に次の
ステップの予測を行なうという操作を繰り返し、数ステ
ップ先の水位を予測することで、予測精度を向上させる
ことができる。
【００１５】
【発明の実施の形態】以下、図面を参照して本発明の一
実施形態を説明する。図１は本発明の一実施形態に係る
河川水位予測装置の構成を示すブロック図である。同図
において、１は水位予測対象河川の複数地点の水位を計
測する水位計測装置、２は対象河川流域の複数地点の降
雨を計測する降雨計測装置で、これらの計測結果は河川
水位を予測する河川水位予測装置１０Ａに入力される。
上記河川水位予測装置１０Ａは、水位・降雨データ格納
部１１、データ処理部１２、パターン判定部１８、モデ
ル作成部１３、モデル格納部１４、水位予測部１５Ａ、
入力部１６、表示部１７により構成される。
実施形態を説明する。図１は本発明の一実施形態に係る
河川水位予測装置の構成を示すブロック図である。同図
において、１は水位予測対象河川の複数地点の水位を計
測する水位計測装置、２は対象河川流域の複数地点の降
雨を計測する降雨計測装置で、これらの計測結果は河川
水位を予測する河川水位予測装置１０Ａに入力される。
上記河川水位予測装置１０Ａは、水位・降雨データ格納
部１１、データ処理部１２、パターン判定部１８、モデ
ル作成部１３、モデル格納部１４、水位予測部１５Ａ、
入力部１６、表示部１７により構成される。
【００１６】上記水位・降雨データ格納部１１は、水位
計測装置１及び降雨計測装置２で計測された水位・降雨
データを格納し、データ処理部１２に出力する。このデ
ータ処理部１２は、水位予測モデルの入力データとして
採用する水位・降雨データを選ぶために、各データ間の
相関関係を算出し、パターン判定部１８及び水位予測部
１５Ａに入力する。パターン判定部１８は、新たに入手
した降雨・水位データのパターン分類を実施することに
より、更新の必要な未学習パターンか、あるいは既にモ
デル作成に使用済みのデータと同じパターンかを一定の
基準で判定し、モデル作成部１３に入力する。モデル作
成部１３は、パターン判定部１８の判定結果に基づいて
水位予測モデルの作成、モデル更新処理等を実施し、作
成モデルをモデル格納部１４に格納する。このモデル格
納部１４に格納された水位予測モデルは、水位予測部１
５Ａに入力される。また、この水位予測部１５Ａには、
運転員３からの指示が入力部１６を介して入力される。
運転員３は、河川の水位を予測するための将来時刻等を
入力部１６より入力する。この入力部１６は、運転員３
が水位予測値を得る等、河川水位予測装置１０を利用す
るためのインタフェースとなる。
計測装置１及び降雨計測装置２で計測された水位・降雨
データを格納し、データ処理部１２に出力する。このデ
ータ処理部１２は、水位予測モデルの入力データとして
採用する水位・降雨データを選ぶために、各データ間の
相関関係を算出し、パターン判定部１８及び水位予測部
１５Ａに入力する。パターン判定部１８は、新たに入手
した降雨・水位データのパターン分類を実施することに
より、更新の必要な未学習パターンか、あるいは既にモ
デル作成に使用済みのデータと同じパターンかを一定の
基準で判定し、モデル作成部１３に入力する。モデル作
成部１３は、パターン判定部１８の判定結果に基づいて
水位予測モデルの作成、モデル更新処理等を実施し、作
成モデルをモデル格納部１４に格納する。このモデル格
納部１４に格納された水位予測モデルは、水位予測部１
５Ａに入力される。また、この水位予測部１５Ａには、
運転員３からの指示が入力部１６を介して入力される。
運転員３は、河川の水位を予測するための将来時刻等を
入力部１６より入力する。この入力部１６は、運転員３
が水位予測値を得る等、河川水位予測装置１０を利用す
るためのインタフェースとなる。
【００１７】上記水位予測部１５Ａは、モデル予測演算
部１５１及び中間予測値格納部１５２からなり、運転員
３の指定した将来時刻の水位予測値を算出する。モデル
予測演算部１５１は、モデル格納部１４に格納された水
位予測モデルを取込み、同水位予測モデルに、水位・降
雨データ格納部１１に格納された最新及び過去の時系列
データを入力することで、現在時刻から運転員３の指定
した将来時刻までの時間をｎステップに分割したうち
の、１ステップ分の予測を行なう。この予測結果は、中
間予測値格納部１５２に格納され、次ステップの予測演
算の入力値の１つとして使用される。
部１５１及び中間予測値格納部１５２からなり、運転員
３の指定した将来時刻の水位予測値を算出する。モデル
予測演算部１５１は、モデル格納部１４に格納された水
位予測モデルを取込み、同水位予測モデルに、水位・降
雨データ格納部１１に格納された最新及び過去の時系列
データを入力することで、現在時刻から運転員３の指定
した将来時刻までの時間をｎステップに分割したうち
の、１ステップ分の予測を行なう。この予測結果は、中
間予測値格納部１５２に格納され、次ステップの予測演
算の入力値の１つとして使用される。
【００１８】次に上記実施形態の動作を図２のフローチ
ャートを参照して説明する。図３に示すモデルの構造例
（流域図）について河川水位予測を行なう場合について
説明する。図３では、水位予測対象河川５に近いＡ，
Ｂ，Ｃの地点に排水機場がり、また、河川５から少し離
れたＫの地点に工事事務所がある場合の例を示してい
る。
ャートを参照して説明する。図３に示すモデルの構造例
（流域図）について河川水位予測を行なう場合について
説明する。図３では、水位予測対象河川５に近いＡ，
Ｂ，Ｃの地点に排水機場がり、また、河川５から少し離
れたＫの地点に工事事務所がある場合の例を示してい
る。
【００１９】水位計測装置１により水位予測対象河川５
の複数地点の水位を計測すると共に、降雨計測装置２に
より河川流域の複数地点の降雨量を計測し、その計測結
果を水位・降雨データ格納部１１に格納する（ステップ
Ａ１）。上記の計測処理は、一定時間毎に実施する。
の複数地点の水位を計測すると共に、降雨計測装置２に
より河川流域の複数地点の降雨量を計測し、その計測結
果を水位・降雨データ格納部１１に格納する（ステップ
Ａ１）。上記の計測処理は、一定時間毎に実施する。
【００２０】図４は、水位・降雨データ格納部１１に格
納した水位・降雨データの例を示したもので、この例で
は３０分毎に計測動作を行なっている。データ処理部１
２は、水位・降雨データ格納部１１に格納されたデータ
により、正規化処理及び相関演算処理を行なう（ステッ
プＡ２）。
納した水位・降雨データの例を示したもので、この例で
は３０分毎に計測動作を行なっている。データ処理部１
２は、水位・降雨データ格納部１１に格納されたデータ
により、正規化処理及び相関演算処理を行なう（ステッ
プＡ２）。
【００２１】正規化処理では、水位、降雨毎に最小・最
大値を求め、０〜１の範囲の値に換算する。相関演算処
理では、出力データと入力データとの間の相関値を求
め、相関値の高い変数を入力データとして採用する。図
５は、水位データの相関演算処理結果を示したもので、
図中「ｔ−ｎ」は「ｎ×１０分」前のデータを表してい
る。
大値を求め、０〜１の範囲の値に換算する。相関演算処
理では、出力データと入力データとの間の相関値を求
め、相関値の高い変数を入力データとして採用する。図
５は、水位データの相関演算処理結果を示したもので、
図中「ｔ−ｎ」は「ｎ×１０分」前のデータを表してい
る。
【００２２】パターン判定部１８は、データ処理部１２
の正規化処理結果から、過去にモデル作成用として用い
たデータとのパターン認識を統計的手法（クラスター分
析手法）により行ない、同一パターンの有無、つまり、
未学習パターンであるか否かを判定する（ステップＡ
３）。未学習パターンであった場合には、追加データと
して過去のモデル作成用データと結合してモデル作成部
１３に出力し、更新処理を実行する（ステップＡ４）。
の正規化処理結果から、過去にモデル作成用として用い
たデータとのパターン認識を統計的手法（クラスター分
析手法）により行ない、同一パターンの有無、つまり、
未学習パターンであるか否かを判定する（ステップＡ
３）。未学習パターンであった場合には、追加データと
して過去のモデル作成用データと結合してモデル作成部
１３に出力し、更新処理を実行する（ステップＡ４）。
【００２３】モデル作成部１３は、図５に示したデー
タ、つまり、上記相関演算結果を反映して選択された変
数を入力データとして重回帰分析手法による演算を行な
い、図６に示す予測モデルの重回帰係数を出力し、モデ
ル格納部１４に格納する。この係数は、予測用データが
入力され、パターン判定部１８で過去のパターンと一致
しないものであると判断されたときは、モデル作成部１
３で再計算され、その後の予測に使用される。
タ、つまり、上記相関演算結果を反映して選択された変
数を入力データとして重回帰分析手法による演算を行な
い、図６に示す予測モデルの重回帰係数を出力し、モデ
ル格納部１４に格納する。この係数は、予測用データが
入力され、パターン判定部１８で過去のパターンと一致
しないものであると判断されたときは、モデル作成部１
３で再計算され、その後の予測に使用される。
【００２４】上記重回帰分析手法は、ｎ入力１出力の入
出力データ間の関係を同定する統計的手法であり、出力
データの変化に対する入力データの影響の大きさによ
り、入力データの係数を決定する。
出力データ間の関係を同定する統計的手法であり、出力
データの変化に対する入力データの影響の大きさによ
り、入力データの係数を決定する。
【００２５】上記ステップＡで未学習パターンであると
判定された場合、あるいはステップＡ４のモデル更新処
理を終了すると、水位予測部１５Ａにより水位予測処理
を実行する。すなわち、モデル予測演算部１５１は、モ
デル格納部１４に格納されている係数データにより定義
される水位予測モデルを取込み、同水位予測モデルにデ
ータ処理部１２で正規化されたデータを入力して（ｔ＝
ｋ）における予測値を求める（ステップＡ５）。この予
測結果は、中間予測値格納部１５２に格納し、次ステッ
プの予測入力データとする（ステップＡ６）。
判定された場合、あるいはステップＡ４のモデル更新処
理を終了すると、水位予測部１５Ａにより水位予測処理
を実行する。すなわち、モデル予測演算部１５１は、モ
デル格納部１４に格納されている係数データにより定義
される水位予測モデルを取込み、同水位予測モデルにデ
ータ処理部１２で正規化されたデータを入力して（ｔ＝
ｋ）における予測値を求める（ステップＡ５）。この予
測結果は、中間予測値格納部１５２に格納し、次ステッ
プの予測入力データとする（ステップＡ６）。
【００２６】その後、「ｋ−ｋ＋１」の処理を行ない
（ステップＡ７）、ｋの値が指定将来時刻に相当するｎ
（演算繰返し回数）の値より大きくなったか否かを判断
し（ステップＡ８）、未だｎより大きくなっていなけれ
ば再度ステップＡ５に戻ってモデルにより予測演算を行
なう。そして、ステップＡ８でｋの値がｎより大きくな
ったことが検出されると、その時の水位予測値を指定将
来時刻における予測結果として表示部１７に表示する
（ステップＡ９）。
（ステップＡ７）、ｋの値が指定将来時刻に相当するｎ
（演算繰返し回数）の値より大きくなったか否かを判断
し（ステップＡ８）、未だｎより大きくなっていなけれ
ば再度ステップＡ５に戻ってモデルにより予測演算を行
なう。そして、ステップＡ８でｋの値がｎより大きくな
ったことが検出されると、その時の水位予測値を指定将
来時刻における予測結果として表示部１７に表示する
（ステップＡ９）。
【００２７】上記のようにモデル予測演算部１５１の出
力を次ステップ予測の入力とする予測演算をｎ回繰返す
ことで、指定将来時刻（ｎステップ後）の予測水位を算
出する。例えば６ステップ（１ステップは例えば１０分
間）後の水位を予測する場合であれは、入力データに対
し、「ｋ＋１」（１０分後）のデータを出力とする短期
型のより精度の高い水位予測モデルを作成し、この予測
値を入力の１つとして次ステップの「ｋ＋２」の予測を
行ない、これを６回繰返すことで最終的に「ｋ＋６」の
予測値を得る。
力を次ステップ予測の入力とする予測演算をｎ回繰返す
ことで、指定将来時刻（ｎステップ後）の予測水位を算
出する。例えば６ステップ（１ステップは例えば１０分
間）後の水位を予測する場合であれは、入力データに対
し、「ｋ＋１」（１０分後）のデータを出力とする短期
型のより精度の高い水位予測モデルを作成し、この予測
値を入力の１つとして次ステップの「ｋ＋２」の予測を
行ない、これを６回繰返すことで最終的に「ｋ＋６」の
予測値を得る。
【００２８】上記図３の予測地点Ａにおける１０分後の
内水位Ｌ10min は、次式により求めることができる。 Ｌ10min ＝［Ｋ地点の降雨量の時間変化］＋［Ａ地点の
内水位の時間変化］＋［上流Ｂ地点の水位の時間変化］
＋［定数項ａ0 ］ 上式における各項は、次式により求められる。
内水位Ｌ10min は、次式により求めることができる。 Ｌ10min ＝［Ｋ地点の降雨量の時間変化］＋［Ａ地点の
内水位の時間変化］＋［上流Ｂ地点の水位の時間変化］
＋［定数項ａ0 ］ 上式における各項は、次式により求められる。
【００２９】［Ｋ地点の降雨量の時間変化］＝Ｋ1 ｒ0H
＋Ｋ2 ｒ-0.5H ＋Ｋ3 ｒ-1H＋…＋Ｋ11ｒ-5H ［Ａ地点の内水位の時間変化］＝ａ1 Ｌａ0H＋ａ2 Ｌａ
-0.5H ＋ａ3 Ｌａ−１Ｈ ［上流Ｂ地点の水位の時間変化］＝ｂ１ Ｌｂ0H＋ｂ2
Ｌｂ-0.5H＋ｂ3 Ｌｂ-1H ＋ｂ4 Ｌｂ-1.5H ［定数項］＝ａ0 但し、ａ0 〜ａ3 、ｂ1 〜ｂ4 、Ｋ1 〜Ｋ11：重回帰分
析による係数 ｒ-xH ：ｘ時間前のＫ地点の降雨量（ｒ0H：現在の降
雨量） Ｌａ-xH ：ｘ時間前のＡ地点の内水位（Ｌａ0H：現在の
Ａ内水位） Ｌｂ-xH ：ｘ時間前のＢ地点の内水位（Ｌｂ0H：現在の
Ｂ内水位） なお、図７は、上記水位予測モデル及び従来例における
変数を示したものである。
＋Ｋ2 ｒ-0.5H ＋Ｋ3 ｒ-1H＋…＋Ｋ11ｒ-5H ［Ａ地点の内水位の時間変化］＝ａ1 Ｌａ0H＋ａ2 Ｌａ
-0.5H ＋ａ3 Ｌａ−１Ｈ ［上流Ｂ地点の水位の時間変化］＝ｂ１ Ｌｂ0H＋ｂ2
Ｌｂ-0.5H＋ｂ3 Ｌｂ-1H ＋ｂ4 Ｌｂ-1.5H ［定数項］＝ａ0 但し、ａ0 〜ａ3 、ｂ1 〜ｂ4 、Ｋ1 〜Ｋ11：重回帰分
析による係数 ｒ-xH ：ｘ時間前のＫ地点の降雨量（ｒ0H：現在の降
雨量） Ｌａ-xH ：ｘ時間前のＡ地点の内水位（Ｌａ0H：現在の
Ａ内水位） Ｌｂ-xH ：ｘ時間前のＢ地点の内水位（Ｌｂ0H：現在の
Ｂ内水位） なお、図７は、上記水位予測モデル及び従来例における
変数を示したものである。
【００３０】そして、上記ステップＡ９で水位予測値を
表示部１７に表示した後、降雨終了の予測かつ水位予測
値変化が安定しているか否かを判断し（ステップＡ１
０）、その判断結果がＮＯであればステップＡ１に戻っ
てデータの計測処理、水位予測処理を再実行する。上記
ステップＡ１０の判断結果がＹＥＳであれば、水位予測
処理を終了する。
表示部１７に表示した後、降雨終了の予測かつ水位予測
値変化が安定しているか否かを判断し（ステップＡ１
０）、その判断結果がＮＯであればステップＡ１に戻っ
てデータの計測処理、水位予測処理を再実行する。上記
ステップＡ１０の判断結果がＹＥＳであれば、水位予測
処理を終了する。
【００３１】図８は、本願発明における水位予測モデル
による予測結果と入力データである降雨データと、入力
データかつ予測対象データである河川水位データの計測
実績曲線を示すグラフである。このグラフは、縦軸に内
水位（目盛値０〜１．０が０〜２ｍに相当）及び降雨量
（目盛値０〜１．０が０〜５０ｍｍ／ｈｒに相当）を示
し、横軸に時間（１目盛が１０分に相当）を示した。ま
た、同グラフにおいて、細線（実線）は観測値、太線
（実線）は理論値、破線は降雨量を示している。上記グ
ラフから明らかなように本発明による水位予測値は、実
際の観測値に非常に近い値となっていることが分かる。
による予測結果と入力データである降雨データと、入力
データかつ予測対象データである河川水位データの計測
実績曲線を示すグラフである。このグラフは、縦軸に内
水位（目盛値０〜１．０が０〜２ｍに相当）及び降雨量
（目盛値０〜１．０が０〜５０ｍｍ／ｈｒに相当）を示
し、横軸に時間（１目盛が１０分に相当）を示した。ま
た、同グラフにおいて、細線（実線）は観測値、太線
（実線）は理論値、破線は降雨量を示している。上記グ
ラフから明らかなように本発明による水位予測値は、実
際の観測値に非常に近い値となっていることが分かる。
【００３２】
【発明の効果】以上詳記したように本発明によれば、河
川流域内設備の監視制御に適用される河川プラント監視
制御装置において、予測精度を向上し得ると共に、新た
に入手したデータに対する適切なモデル更新による予測
精度を維持して常に適切な予測時を運転員に提供するこ
とができる。
川流域内設備の監視制御に適用される河川プラント監視
制御装置において、予測精度を向上し得ると共に、新た
に入手したデータに対する適切なモデル更新による予測
精度を維持して常に適切な予測時を運転員に提供するこ
とができる。
【図１】本発明の一実施形態に係る河川水位予測装置の
構成を示すブロック図。
構成を示すブロック図。
【図２】同実施形態における処理動作を示すフローチャ
ート。
ート。
【図３】同実施形態における水位予測対象河川の流域説
明図。
明図。
【図４】同実施形態における水位・降雨格納データ例を
示す図。
示す図。
【図５】同実施形態における水位データの相関演算処理
結果を示す図。
結果を示す図。
【図６】同実施形態における予測モデル重回帰係数を示
す図。
す図。
【図７】従来及び本願実施形態における水位予測モデル
の変数を示す図。
の変数を示す図。
【図８】本願実施形態における水位予測モデルによる予
測結果と、入力データである降雨データ及び入力かつ予
測対象となる水位データの例を示すトレンドグラフ図。
測結果と、入力データである降雨データ及び入力かつ予
測対象となる水位データの例を示すトレンドグラフ図。
【図９】従来の河川水位予測装置の構成を示すブロック
図。
図。
１ 水位計測装置 ２ 降雨計測装置 ３ 運転員 １０Ａ 河川水位予測装置 １１ 水位・降雨データ格納部 １２ データ処理部 １３ モデル作成部 １４ モデル格納部 １５Ａ 水位予測部 １５１ モデル予測演算部 １５２ 中間予測値格納部 １６ 入力部 １７ 表示部 １８ パターン判定部
Claims (1)
- 【請求項１】 水位予測対象河川の水位とその領域の降
雨量の時系列データを用いて統計的手法により予測モデ
ルを作成し、将来時刻の水位を予測すると共に、新たな
水位・降雨変化パターンに対して予測モデルを更新する
河川水位予測装置において、 水位予測対象河川の水位とその領域の降雨量を計測する
水位・降雨計測手段と、 この計測手段により新たに得られた水位・降雨データ
が、これまでの予測モデルにおいて学習済みのパターン
か否かを判定するパターン判定手段と、 このパターン判定手段により未学習と判定された水位・
降雨データについて、過去の学習データと併せた形で新
たな学習データとし、このデータを用いてモデル作成を
行なうモデル作成手段と、 現在時刻から運転員の指定した将来時刻までの時間をｎ
ステップに分割したうちの１ステップ分の水位予測を上
記予測モデルにより行なう予測演算手段と、 この予測演算手段による演算結果を次のステップの予測
演算の入力値の１つとするために保存する中間予測値格
納手段と、 上記予測演算手段をｎ回繰り返して指定将来時刻の予測
水位を算出する水位予測手段と、 を具備したことを特徴とする河川水位予測装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6647496A JPH09256338A (ja) | 1996-03-22 | 1996-03-22 | 河川水位予測装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6647496A JPH09256338A (ja) | 1996-03-22 | 1996-03-22 | 河川水位予測装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09256338A true JPH09256338A (ja) | 1997-09-30 |
Family
ID=13316826
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6647496A Withdrawn JPH09256338A (ja) | 1996-03-22 | 1996-03-22 | 河川水位予測装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09256338A (ja) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002107462A (ja) * | 2000-09-28 | 2002-04-10 | Foundation Of River & Basin Integrated Communications Japan | 降雨洪水予測システム |
| JP2007205001A (ja) * | 2006-02-01 | 2007-08-16 | Fuji Electric Systems Co Ltd | 流量予測装置 |
| JP2008106477A (ja) * | 2006-10-24 | 2008-05-08 | Yamatake Corp | 雨水流出量推定装置およびプログラム |
| CN101899820A (zh) * | 2010-08-05 | 2010-12-01 | 北京师范大学 | 面向河流生态系统保护的流域地表水可利用量确定方法 |
| JP2012012907A (ja) * | 2010-07-05 | 2012-01-19 | Chubu Electric Power Co Inc | ダム計測データ評価方法、およびダム計測データ評価システム |
| 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 |
| 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 |
| CN109978263A (zh) * | 2019-03-27 | 2019-07-05 | 上海市园林设计研究总院有限公司 | 一种园林水系水位预警方法 |
| JP2020002658A (ja) * | 2018-06-28 | 2020-01-09 | 富士通株式会社 | 情報処理装置、河川水位予測方法及び河川水位予測プログラム |
| JP6837612B1 (ja) * | 2020-05-28 | 2021-03-03 | 三菱電機株式会社 | 機器状態監視装置および機器状態監視方法 |
| JP2021046710A (ja) * | 2019-09-18 | 2021-03-25 | 鹿島建設株式会社 | 水位予測装置、水位予測方法及び水位予測プログラム |
| JP2022014330A (ja) * | 2020-07-06 | 2022-01-19 | 株式会社建設技術研究所 | 浸水シミュレーション装置、浸水シミュレーション方法、及び浸水シミュレーションプログラム |
| JP2022022885A (ja) * | 2020-07-10 | 2022-02-07 | 株式会社新日本コンサルタント | 人工知能による水位予測システム |
| JP2022077704A (ja) * | 2020-11-12 | 2022-05-24 | 西日本旅客鉄道株式会社 | 桁下水位予測装置、桁下水位予測方法、桁下水位予測プログラム、および学習済みモデル |
| CN116150973A (zh) * | 2022-12-29 | 2023-05-23 | 中国长江电力股份有限公司 | 一种基于模型树和集成学习组合算法的河道流量演算方法 |
-
1996
- 1996-03-22 JP JP6647496A patent/JPH09256338A/ja not_active Withdrawn
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002107462A (ja) * | 2000-09-28 | 2002-04-10 | Foundation Of River & Basin Integrated Communications Japan | 降雨洪水予測システム |
| JP2007205001A (ja) * | 2006-02-01 | 2007-08-16 | Fuji Electric Systems Co Ltd | 流量予測装置 |
| JP2008106477A (ja) * | 2006-10-24 | 2008-05-08 | Yamatake Corp | 雨水流出量推定装置およびプログラム |
| JP2012012907A (ja) * | 2010-07-05 | 2012-01-19 | Chubu Electric Power Co Inc | ダム計測データ評価方法、およびダム計測データ評価システム |
| CN101899820A (zh) * | 2010-08-05 | 2010-12-01 | 北京师范大学 | 面向河流生态系统保护的流域地表水可利用量确定方法 |
| 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 |
| 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 |
| JP2020002658A (ja) * | 2018-06-28 | 2020-01-09 | 富士通株式会社 | 情報処理装置、河川水位予測方法及び河川水位予測プログラム |
| CN109978263A (zh) * | 2019-03-27 | 2019-07-05 | 上海市园林设计研究总院有限公司 | 一种园林水系水位预警方法 |
| CN109978263B (zh) * | 2019-03-27 | 2023-06-09 | 上海市园林设计研究总院有限公司 | 一种园林水系水位预警方法 |
| JP2021046710A (ja) * | 2019-09-18 | 2021-03-25 | 鹿島建設株式会社 | 水位予測装置、水位予測方法及び水位予測プログラム |
| WO2021240750A1 (ja) * | 2020-05-28 | 2021-12-02 | 三菱電機株式会社 | 機器状態監視装置および機器状態監視方法 |
| CN115552345A (zh) * | 2020-05-28 | 2022-12-30 | 三菱电机株式会社 | 设备状态监视装置及设备状态监视方法 |
| JP6837612B1 (ja) * | 2020-05-28 | 2021-03-03 | 三菱電機株式会社 | 機器状態監視装置および機器状態監視方法 |
| TWI813921B (zh) * | 2020-05-28 | 2023-09-01 | 日商三菱電機股份有限公司 | 機器狀態監視裝置以及機器狀態監視方法 |
| JP2022014330A (ja) * | 2020-07-06 | 2022-01-19 | 株式会社建設技術研究所 | 浸水シミュレーション装置、浸水シミュレーション方法、及び浸水シミュレーションプログラム |
| JP2022022885A (ja) * | 2020-07-10 | 2022-02-07 | 株式会社新日本コンサルタント | 人工知能による水位予測システム |
| JP2022077704A (ja) * | 2020-11-12 | 2022-05-24 | 西日本旅客鉄道株式会社 | 桁下水位予測装置、桁下水位予測方法、桁下水位予測プログラム、および学習済みモデル |
| CN116150973A (zh) * | 2022-12-29 | 2023-05-23 | 中国长江电力股份有限公司 | 一种基于模型树和集成学习组合算法的河道流量演算方法 |
| CN116150973B (zh) * | 2022-12-29 | 2024-02-13 | 中国长江电力股份有限公司 | 一种基于模型树和集成学习组合算法的河道流量演算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11488074B2 (en) | Method for quantile probabilistic short-term power load ensemble forecasting, electronic device and storage medium | |
| JPH09256338A (ja) | 河川水位予測装置 | |
| CN107644630B (zh) | 基于神经网络的旋律生成方法、装置及存储介质 | |
| CN110245802A (zh) | 基于改进梯度提升决策树的卷烟空头率预测方法及系统 | |
| US10796226B2 (en) | Laser processing apparatus and machine learning device | |
| JP2019527413A (ja) | 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法 | |
| JP3637412B2 (ja) | 時系列データ学習・予測装置 | |
| JP7263020B2 (ja) | 処理水質推定装置、処理水質推定方法及びプログラム | |
| JP2019021186A (ja) | データ処理装置、制御システム、データ処理方法及びプログラム | |
| CN111105050B (zh) | 风机维护计划的生成方法、装置、设备及存储介质 | |
| US11947623B2 (en) | Information processing device, information processing method, and computer program product | |
| JP2021144619A (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| KR102410275B1 (ko) | 이산화탄소 예측 시스템 | |
| JP2021120833A (ja) | モデル更新装置及び方法並びにプロセス制御システム | |
| US20210064941A1 (en) | Method for adaptive context length control for on-line edge learning | |
| CN117709684A (zh) | 基于实时产能预估的生产管理方法、系统、设备及介质 | |
| CN118864130A (zh) | 一种预算超支预警和处理方法及系统 | |
| JP3214876B2 (ja) | ニューラルネットワークの構成方法およびニューラルネットワーク構築支援システム | |
| CN115470936B (zh) | 一种基于nwdaf的机器学习模型更新方法及装置 | |
| JP7335414B1 (ja) | 学習装置、学習方法及び学習プログラム | |
| CN112613632B (zh) | 功率预测模型建立方法、预测方法、装置及电子设备 | |
| JPH06332506A (ja) | 非線形制御装置 | |
| JP2003090888A (ja) | 気象予測システム、気象予測方法及び気象予測プログラム | |
| CN110062458B (zh) | 一种无线信号指纹库优化更新方法和装置 | |
| CN117039855B (zh) | 一种电力系统的负荷智能预测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20030603 |