プラント運転支援のための決定木アンサンブル学習手法の予測根拠提示手法の検討

カテゴリ: 部門大会

論文No: OS1-2-6

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Investigation of Prediction Rationale Presentation Methods in Plant Applications of Decision Tree Ensemble Learning

著者名: 増井 哲史（三菱電機）,今井 健（三菱電機）,上野 洋平（三菱電機）

著者名(英語): Akifumi Masui (Mitsubishi Electric Corp.),Ken Imai (Mitsubishi Electric Corp.),Yohei Ueno (Mitsubishi Electric Corp.)

キーワード: プラント運用|プラント運転支援|説明可能なAI|決定木アンサンブル学習|機械学習上下水道|plant operation|plant operation support|explainable AI|tree ensemble learning|machine learningwater and sewage services

要約(日本語): プラント運転支援において機械学習の活用が増えているが、信頼性の観点から予測の説明性が求められることが多い。既存研究では、予測に重要な特徴量を提示する手法が主流であるが、プラント運転においてはデータが時系列性を持ち、運転操作に時期的・状況的な背景が含まれることも多く、特徴量のみでは説明が不十分な場合がある。本研究では、機械学習を用いたプラント運転支援を対象とし、決定木アンサンブル学習手法をベースとした新たな予測根拠の提示手法を提案する。提案手法は、予測・訓練データ間で、推論する木構造のマッチングを行い、どの時期のデータと何を参考に予測しているのかを提示できる。水処理システムのデータセットを用いた実験において、提案手法により得られた根拠の重要性を検証した結果、根拠を削除し学習したモデルと、ランダムにデータを削除し学習したモデルで、予測誤差率に34%の大きな差が見られたことが確認できた。