地下水の使用量が減少した土地の沈落を評価するためのディープラーニングのタイムシリーズモデリング

科学分野:

• 地理科学
• 環境科学
• データサイエンス

背景:

• 台湾のチョシュイ・デルタは 地下水の抽出と干ばつにより 土地の沈殿が悪化しています
• 有効な予測モデリングは,脆弱なデルタ地域における土地沈没の緩和に不可欠です.

研究 の 目的:

• 土地の沈み分析のための機械学習の枠組みを開発し,適用する.
• 電気消費データを用いて,地下水位の低下を沈没の主な要因として特定する.
• 地下水をポンプで汲み取る戦略の効果を評価する.

主な方法:

• ロング・ショート・ターム・メモリー (LSTM) ニューラル・ネットワークを利用して沈没記録を再構築し,傾向を予測した.
• 井戸の電気使用と地下水位変動を関連付けるために,人工ニューラルネットワーク (ANN) を採用した.
• 地下水のポンプの減少が沈殿率に与える影響を評価するために2つの人工シナリオをシミュレートしました.

主要な成果:

• LSTMモデルは過去の沈没データを正確に再現し,将来の予測を確実に行うことができました.
• 抽出による地下水位の低下は,土地の沈殿に寄与する重要な要因として特定されました.
• シミュレートされたポンプの削減により,地下水レベルが回復し,沈殿率が著しく低下しました.例えば,主要な監視井戸では年間2.23cmから1.34cmに減少しました.

結論:

• 地下水の抽出指標を沈殿モデルに組み込むことは不可欠です.
• 地下水の採掘を制限することで 脆弱なデルタ地帯の土壌沈殿を 効果的に軽減できます
• 機械学習は 土地の沈みを理解し管理するための強力なツールです