データが不足しているダムにおける総溶解ガス過飽和の予測と緩和のための一般化されたアプローチ

科学分野:

• 環境科学
• 水力発電工学
• 計算生態学

背景:

• ダム下流の総溶解ガス（TDG）の過飽和は、特に魚類にとって、ガス気泡病のために生態学的なリスクをもたらします。
• 既存のTDG予測モデルは、サイト固有性、高いデータ要件、および解釈可能性の欠如によって制限されることがよくあります。

研究 の 目的:

• データが不足しているダム環境におけるTDG予測と緩和のための、一般化可能で解釈可能で転移可能なフレームワークであるTransTDGを開発すること。
• TDG管理のための、サイト固有のブラックボックスモデルと複雑な物理ベースシミュレーションとのギャップを埋めること。

主な方法:

• 転移学習（TL）とシンボリック回帰を組み合わせて、適応可能で明示的なTDGモデリングフレームワークを作成しました。
• 多様なダム条件に対応するために、モデルの適応性を高めるための2つのTL戦略を導入しました。
• コロンビア川とスネーク川下流の12のデータが限られているダムでモデルを検証しました。

主要な成果:

• ローカルデータがわずか1%で、平均R²が0.93、RMSEが1.74%を達成しました。
• 上流のTDG測定値がない場合でも、高い精度（R² = 0.80、RMSE = 2.98%）を維持し、平均相対誤差は1.0%でした。
• 流量最適化を通じて運用上の関連性を示し、TDGを4.7%削減し、発電出力を8.5%増加させました。

結論:

• TransTDGは、データが制約された設定でのTDGモデリングのための転移可能で透明なソリューションを提供し、生態学的管理を進歩させます。
• このフレームワークは、追加のテストダムで予測の95%以上が相対誤差5%未満であることを示し、さまざまな河川システムで効果的であることが証明されています。
• このアプローチは、効果的なTDG緩和と発電量の改善を可能にすることで、持続可能な水力発電運用をサポートします。