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。

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。

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。

图1．AI河流水位预测概要图

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

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。