水位予測 using deep learning その4

雨量と水位を使って計算してみました。

今回は関数内で配列を並べ替えたのですが、うまくいきました（雨量は0.01mmを加えています）。

過去48時間から12時間後を予測

過去24時間から12時間後を予測

過去48時間から1時間後を予測

過去24時間から1時間後を予測

つまらないですね。以前と同じ状況です。
https://phreeqc.blogspot.jp/2016/10/using-deep-learning.html

雨量を入れたせいか、特に1時間後の立ち上がりは水位のみからの予測時より改善されたように思われます。が、12時間後はやはり遅れます。直近はそこそこ合いますが、それでは逃げる時間を確保する目的での判断材料に使えません（防災面で利用する場合には、夜間の非難を避けるためにも、ある程度先の正確な予測が欲しいところです）。

過去の参照データを多くすると「なまる」し、少なくする「小賢しい」結果を出します。何か改善点があるはずですが、今の私の頭ですとココまでです。


実効雨量から回帰分析で作った水位と、同じく実効雨量から多層 NN、deep learning で作った水位の比較もしてみましたが、前者の方がよく合っていました。実効雨量自体が過去のデータに時系列で重みをかけて作成されていますので、両者ともに同じような計算をしているはずなのですが。ま、そういう意味では、実効雨量からの水位予測が「よくできている」と、あらためて認識できただけでも良しとしましょう。

deep learning は数値よりも、やはり画像を扱った場合に本領発揮するのでしょうね。