[論文レビュー] Prediction of short and long-term droughts using artificial neural networks and hydro-meteorological variables

Yousef Hassanzadeh, Mohammadvaghef Ghazvinian+3 more|arXiv (Cornell University)|Jun 3, 2020

Hydrology and Drought Analysis参考文献 16被引用数 14

ひとこと要約

本研究では、イラン・タブリーズにおける短期および長期の干ばつを予測するために、人工ニューラルネットワーク（ANNs）を用いた機械学習手法を提案する。降水、風速、湿度、日差し時間といった水文気象変数と、3か月、6か月、12か月、24か月、48か月スケールの標準化降水指数（SPI）を統合している。結果として、すべての水文気象変数を組み込むことで、あらゆる時間スケールでSPIの予測精度が著しく向上し、包括的な入力セットを用いた場合に最も優れた性能が得られた。

ABSTRACT

Drought is a natural creeping threat with numerous damaging effects in various aspects of human life. Accurate drought prediction is a promising step in helping policy makers to set drought risk management strategies. To fulfill this purpose, choosing appropriate models plays an important role in predicting approach. In this study, different models of Artificial Neural Network (ANN) are employed to predict short and long-term of droughts by using Standardized Precipitation Index (SPI) at different time scales, including 3, 6, 12, 24 and 48 months in Tabriz city, Iran. To this end, different combination of calculated SPI and time series of various hydro-meteorological variables, such as precipitation, wind velocity, relative humidity and sunshine hours for years 1992 to 2010 are used to train the ANN models. In order to compare the models performances, some well-known measures, namely RMSE, Mean Absolute Error (MAE) and Correlation Coefficient (CC) are utilized in the present study. The results illustrate that the application of all hydro-meteorological variables significantly improves the prediction of SPI at different time scales.

研究の動機と目的

• タブリーズにおける干ばつリスク管理を支援する信頼性の高い干ばつ予測モデルの構築を目的とする。
• 人工ニューラルネットワーク（ANNs）が、複数の時間スケールで干ばつを予測する有効性を評価することを目的とする。
• さまざまな水文気象変数の組み込みが、干ばつ予測精度に与える影響を評価することを目的とする。
• 異なる入力設定におけるモデル性能を、RMSE、MAE、CCといった標準的指標を用いて比較することを目的とする。

提案手法

• 干ばつ予測のターゲット変数として、3か月、6か月、12か月、24か月、48か月スケールの標準化降水指数（SPI）を用いる。
• 1992年から2010年までの水文気象時系列データ（降水量、風速、相対湿度、日差し時間）を入力特徴量として用いる。
• これらの変数の異なる組み合わせを、さまざまなANNアーキテクチャに供給し、各SPI時間スケールごとにモデルを学習させる。
• モデルの性能は、決定的統計指標（平均二乗誤差（RMSE）、平均絶対誤差（MAE）、相関係数（CC））を用いて評価する。
• あらゆる時間スケールで最も低いRMSEとMAE、最も高いCCを示したモデル構成を、最良のパフォーマンスを持つモデルと特定する。
• 異なる入力セットを用いたモデルを比較することで、各水文気象変数が予測精度に与える寄与度を分離して評価する。

実験結果

リサーチクエスチョン

• RQ1 人工ニューラルネットワークは、イラン・タブリーズにおける水文気象変数を用いて、短期および長期の干ばつを効果的に予測できるか？
• RQ2 複数の水文気象変数を組み込むことで、SPIに基づく干ばつ予測の精度はどのように変化するか？
• RQ3 どの入力変数の組み合わせが、さまざまな時間スケール（3〜48か月）で最も正確な干ばつ予報をもたらすか？
• RQ4 標準的性能指標（RMSE、MAE、CC）は、異なる入力設定および時間スケールによってどのように変化するか？

主な発見

• 降水量、風速、相対湿度、日差し時間のすべての水文気象変数を組み込むことで、あらゆる時間スケールでSPIの予測精度が著しく向上した。
• 完全な入力変数セットを用いたモデルが、最小のRMSEとMAE、最大のCCを達成し、優れた予測性能を示した。
• 予測精度は時間スケールによって変動し、長期干ばつ（例：48か月SPI）は短期干ばつよりもより安定的かつ正確な予測が得られた。
• すべての時間スケールで、すべての変数を組み込んだ場合に相関係数（CC）の値が最も高くなり、強い予測の一貫性が示された。
• 本研究は、ANNが水文気象変数と干ばつ指数との間の複雑で非線形な関係を効果的にモデル化できることを確認した。
• 結果から、アラブおよび準アラブ地域のような乾燥・準乾燥地域における信頼性の高い長期干ばつリスク評価には、多変数入力モデルが不可欠であることが示唆された。