ペンシルベニア州立大学など、画像生成AIの手法で鉄砲水のリスクを1時間ごとに予測するモデルを開発。米国の516流域で検証

米ペンシルベニア州立大学の研究者が率いるチームは、画像生成で最もよく使われる「拡散」という学習方法を取り入れ、1時間ごとの鉄砲水のリスクを予測するモデルをつくった。米国の516の河川流域の記録で試し、1時間単位の予測で既存の最良の深層学習モデルをおおむね上回ったという。論文は7月21日に学術誌「Water Resources Research」のオンライン版に載り、同大学が10月6日に発表した。

責任著者で同大学の土木・環境工学のチャオペン・シェン教授によると、鉄砲水の水位のピークは1時間単位で現れる。水位は数時間で急に上がって下がりうるため、日単位のデータでは高めでも災害を招く水準には見えないことがある。

拡散は、学習用のデータにノイズを加え、モデルにそのノイズを取り除いて元のデータを再現させる方法だ。研究チームのモデルは、観測した、または水文モデルで計算した日ごとの流量をもとに、1時間ごとの流量の推移を生成する。

学習には516流域の1990〜2003年の1時間ごとの流量の記録を使い、学習に使っていない2009〜2014年のデータで性能を確かめた。論文の要旨によると、これまで1時間単位の予測で最高の成績を出していた2つの深層学習モデルと比べ、全体の成績と極端な値を見る指標の両方で上回った。シェン教授は、予測が難しい高水の時期の流量の捉え方でも上回ったと述べた。

このモデルは予測の不確かさを数値で示せるほか、河川の観測所の直近の観測値を、学習し直さずに取り込める。論文の要旨によると、この取り込みで洪水予測の性能が大きく上がる。観測所で記録した流量から、それをもたらした可能性が最も高い1時間ごとの雨量を逆に推定することもできる。

研究チームは今後、AIモデルの学習で複数の手法を組み合わせる利点を調べ、より多くの物理的な変数を使うモデルもつくる計画だ。シェン教授は、頑健で信頼でき、人命を救う助けになる仕組みを届けることが最終目標で、その方向に進んでいるとの見方を示した。

【プレスリリース】ペンシルベニア州立大学「The techniques AI uses to create images can help predict floods, researchers say」
【参照サイト】Water Resources Research「Diffusion-Based Probabilistic Modeling for Hourly Streamflow Prediction and Assimilation」

画像：Editorial credit: Ian Dewar Photography / Shutterstock.com