画像生成AIが米河川の洪水予測を高精度化

瞬時に住民を脅かす土砂災害や急激な増水は、米国では全氾濫被害の約85％を占め、年間数千人の死者を出している。こうした予測困難な水害対策として、ペンシルベニア州立大学を筆頭とする研究チームが、画像生成AIと同等の拡散モデルを用いた時間単位の水害予測システムを実証した。研究成果は学術誌Water Resources Researchに掲載された。 チームを率いるシャオポン・シェン准教授は、従来の日次予測では増水ピークの捉えきれない課題を指摘。気象データの不確実性を排除するため、拡散学習の原理を水文予測に転用した。この手法は完全データにノイズを加えモデルがそれを除去する過程でパターンを学習し、気象の急変に強く適合する。米国大陸の516流域における1990～2003年の降雨・流出データで訓練し、2009～2014年の未知期間で検証した結果、既存の深層学習モデルを上回る精度で高流量域の予測に成功している。 本モデルの特徴は、水文観測計の最新データを再学習なしで即時反映できるインプレーンティング機能にある。過去の日次流出量や当日の降雨量を入力し、水位ピークをリアルタイム推計可能となる。さらに観測流量から推定降雨量を逆算する応用も可能だ。チームは今後の物理変数の統合を経て、より堅牢な予測基盤の構築を目指す。技術の究極目的はモデル自体の優劣ではなく、予測精度向上による防災力強化と人命救助の実現にある。カリフォルニア大学サンディエゴ校スクリープス海洋研究所のミン・パン氏らも参加した共同研究は、AI技術の環境分野への本格展開を示す転機となった。