画像生成AIの仕組みで鉄砲水を1時間単位予測、米516流域で従来モデルを上回る

画像生成AIの仕組みで鉄砲水を1時間単位予測、米516流域で従来モデルを上回る
Image: Chaopeng Shen / Penn State

猫の画像などを作る生成AIの技術が、急激な洪水の予測にも使われました。米国516流域のデータで、河川流量を1時間単位に予測する拡散モデルです。

日平均では隠れてしまう数時間のピークを捉え、既存の時間別深層学習モデルを全体性能と極端な流量の両方で上回りました。

米国の各流域におけるAI河川流量モデルの予測精度
Image: Chaopeng Shen / Penn State

ノイズを消す技術で雨の不確実さを扱う

画像生成の拡散モデルは、データへ加えたノイズを少しずつ取り除き、元の形を復元するよう学びます。新モデルはこの方法を降雨と河川流量へ応用し、複数の可能性を含む時間別の流量曲線を作ります。

1990〜2003年の時間別記録で学習し、訓練に使っていない2009〜2014年で検証しました。直近の水位計データを「インペインティング」で途中から加えられ、モデル全体を再学習せず予測を更新できます。

逆方向に使えば、観測した流量から原因となった時間別降雨を推定することもできます。

日本の避難情報へすぐ使えるシステムではない

研究は米国の観測データがある流域での性能比較です。日本の急峻な河川、都市排水、ダム操作へそのまま適用できるとは限りません。

実運用では気象予報の誤差、観測機器の欠測、計算時間、警報の判断基準も関わります。今回の成果は時間別流量を生成する研究モデルで、洪水警報サービスの完成を意味しません。

世間の反応

生成AIの価値を画像や文章だけでなく、防災の不確実性へ転用した点が注目されます。「毎日」ではなく「毎時」で見ることが、鉄砲水には重要です。

おもせかの一言

AIが消すノイズは画像のざらつきから、洪水予測の不確かさへ広がっています。

出典