畳み込み時間注意ネットワークを用いた洪水水深予測

堅牢で正確な洪水危険マップは、早期警報システムや洪水リスク管理に不可欠です。物理モデルは降雨洪水の推定に効果的ですが、計算負担が大きく、リアルタイム洪水予測に利用することが難しくなります。それに対して、データ駆動型モデルはオフラインで訓練された場合、より迅速な洪水予測を提供できます。ほとんどの研究が最大水深の予測に焦点を当てている中、本研究では、リードタイム2時間で全域のピクセルごとの水深マップを予測します。そのために、時間的自己注意を用いたシーケンスエンコーディングネットワークを用いた深層学習アプローチを提案します。また、人気のある水文学的性能指標であるナッシュ–サットクリフ効率（NSE）を損失関数として適応します。スイスの実観測から抽出された100の流域と1500の降雨イベントから成る新しいデータセットSwissFloodを使用して、我々の方法の有効性と一般化可能性をテストします。我々の方法は、1メートルを超える水深に対して絶対誤差が27センチメートルまで低い、2メートルの空間解像度を持つ洪水マップを生成します。