株式会社エイゾスのAI解析プラットフォームMulti-Sigma®を用いて、津波シミュレータのサロゲートモデルを構築し、波形データの予測を行った事例をご紹介します。
1. Multi-Sigma®によるサロゲートモデルの構築
Multi-Sigma®を用いて波形データのサロゲートモデルを構築するためには工夫が必要です。第一歩として、サロゲートモデル構築のためには、事前にシミュレーションを複数回実行し、その入力データと出力データをAIに学習させます。
AIモデルを学習させるアプローチの1つは、時系列予測を多出力回帰問題に変換することです（図a→図b）。
逐次予測ではなく、各時刻t_iのそれぞれの津波の値を、AIモデルの出力データとして学習させるアプローチです。
2.Multi-Sigma®による波形データの予測
このようにしてMulti-Sigma®で波形データを学習させたAIモデルを用い、学習データに含まれない津波高さおよび発生位置（緯度・経度）に対して、ある観測点における水位の時系列を予測しました（右図）。観測値（青実線）と比較したところ、当該モデルの予測波形（赤点線）は全体形状や主要ピークの時刻・振幅を良好に再現し、高い適合性を示しました。
3. 波形データ解析のさらなる工夫
Multi-Sigma®ではAIモデルの出力変数を100種類まで取り扱うことができます。そのため、上記の図bで離散かした点は100点までの取り扱いが可能です。しかしながら、観測時間Tが長くなるほど、取り扱える上限である100点という制約を考えると刻み幅ΔTが大きくならざるを得ません。また、上記の事例では津波高さと位置（緯度・経度）をある程度限定的な範囲で実行しましたが、さらにパラメータ値が広範にばらつく場合やパラメータ数が増える場合は予測が困難になります。その場合は、波形データを基底関数展開してその係数をAIモデルで予測させるというアプローチもあります。詳しくは弊社にお問い合わせいただければと思います。
（注）津波データに関しては、実際のデータを模した人工データを用いています。
