多目的ダムの流入水量の予測、運用効率化

DeNAは、日本工営株式会社、長岡技術科学大学、長岡工業高等専門学校とともに、多目的ダム※1における利水運用の効率化のための研究を行いました。
本研究においてDeNAは、画像解析技術を活用し、広範囲かつ高頻度で降雨量を予測して、現在活用している降雨量予測の精度を高めることでダム運用の効率化に貢献します。

なお本研究は、国の「IoTを活用した新産業モデル創出基盤整備事業」のプロジェクトの1つとして、国立研究開発法人 新エネルギー・産業技術総合開発機構(NEDO)より委託されました。

ー 現状の多目的ダムにおける降雨量の予測方法
これまで多目的ダムでは、地上雨量※2とレーダ雨量※3を用いて解析雨量※4を算出し、ダム流入水量を予測していました。地上雨量は高頻度で正確な降雨量を測ることができる一方、観測範囲が狭いことが難点です。対してレーダ雨量は、範囲が広く遠方まで観測可能ですが、局地的・速報的な降雨量を測るには不向きです。

そのため地上雨量とレーダ雨量のデータを合わせて、広範囲かつ正確な雨量を解析雨量として算出しています。しかし解析雨量は、30分おきに過去1時間の雨量から算出されるため、速報性に欠け、ダム流入水量に誤差がでることがありました。

ー 画像解析技術を活用した予測方法
今回、解析雨量を補正の目標値と見立て、レーダ雨量を画像解析技術で補正することで、広範囲かつ正確な降雨量データを従来の30分単位ではなく5分単位で求めることができました。

今回の補正モデルには深層学習モデルの一つであるCNN(Convolutional Neural Network)を用いています。教師あり学習の枠組みで、直近の複数時点のレーダ雨量をインプットデータ、解析雨量を教師データとしモデルを学習し、より正確な降雨量データを算出しました。レーダー雨量データよりも本モデルが出力した推論結果の方が解析雨量データに近く、補正がうまくいっていることが確認できました。

これにより、ダム流入水量をより正確に予測し、ダム運用の効率化に貢献することが期待されます。

※1 多目的ダム: 流水量を調整する治水、農業利用や発電に活用する利水など、複数の機能を兼備したダム
※2 地上雨量: アメダスなど地上に設置した観測機器を用い、ある地点において行われる降水観測の測定値
※3 レーダ雨量: アンテナを回転させながら電波を発射する気象レーダを用いて観測した広範囲の雨量
※4 解析雨量: 地上雨量とレーダ雨量を組み合わせて、降水量分布を解析したデータ

プロジェクトメンバー

小林 銀兵

GIMPEI
KOBAYASHI

AI本部AIシステム部
データサイエンティスト

機械学習を応用するプロダクトが得意で誰もが発想しない方法で、案件を達成する事ができる。前職では広告の配信システムや、レコメンド、ビッグデータの分析などを行った。DSチームの属性もありつつエンジニアリングも得意であり、これらを利用して各種サービスの展開に努めている。

永田 健太郎

KENTARO
NAGATA

AI戦略推進室
シニアマネージャー

宇宙物理学で博士号取得後、業務コンサルティング会社にてコンサルタントとして従事。その後2009年にDeNA入社。データマイニング、ゲーム事業、海外事業とオートモーティブ事業の立ち上げ等の業務に携わり、現在はAI戦略推進室にてAI技術の社内外での実用推進と新規事業の立案を行っている。

松井 健一

KENICHI MATSUI

AI本部AIシステム部
データサイエンスグループ第二グループ
グループマネジャー

SIer、大手通信キャリア、外資系コンサルティングファームを経て2018年11月DeNAに入社。前職ではクライアント企業に対して、データアナリティクスを用いた課題抽出・解決などを行っていた。DeNAではオートモーティブ事業に関する分析業務や、パートナー企業との共同分析プロジェクトに従事。データ分析に関する共著や、ブログ執筆など対外活動も積極的に行っている。産業技術総合研究所 衛星画像分析コンテスト2位入賞。