カリフォルニア大学バークレー校の研究者は、大地震で建物がどのように立ち上がるかを評価する新しい方法を開発しました。この方法では、機械学習を使用して、過去の地震からのデータを分析し、さまざまな種類の建物が将来の地震でどのように機能するかを予測するために使用できるパターンを特定します。
研究者は、彼らの方法は、建物の行動の単純化されたモデルに基づいている従来の地震評価の方法よりも正確であると言います。機械学習モデルは、建物のさまざまな部分とその周辺の複雑な相互作用をキャプチャすることができ、建物が地震でどのように機能するかをより正確に予測できるようになります。
研究者は、過去の地震で損傷した1,000を超える建物のデータセットでその方法をテストしました。このモデルは、トレーニングデータに明示的に含まれていない建物であっても、各建物の損傷レベルを正確に予測することができました。
研究者は、その方法を使用して建物の地震の安全性を改善するのに役立つと言います。損傷のリスクが高い建物を識別することにより、エンジニアはそれらを改装し、地震により耐性を高めるための措置を講じることができます。
この研究は、ジャーナル地震工学と構造的ダイナミクスに掲載されました。
メソッドの仕組み
この研究で使用される機械学習モデルは、人工ニューラルネットワークの一種です。人工ニューラルネットワークは、人間の脳に触発されており、データのパターンを認識することを学ぶことができます。このモデルは、過去の地震で破損した1,000を超える建物のデータセットで訓練されました。モデルは、異なるレベルの損傷に関連付けられているデータのパターンを識別することを学びました。
モデルがトレーニングされると、トレーニングデータに含まれていない建物のセットでテストされました。このモデルは、各建物の損傷レベルを正確に予測することができました。
メソッドの利点
機械学習方法は、地震評価の従来の方法よりもいくつかの利点を提供します。
* 精度： 機械学習モデルは、構築行動の単純化されたモデルに基づいた、地震評価の従来の方法よりも正確です。
* 柔軟性： 機械学習モデルは、複雑な形状や不規則な形状のある建物など、さまざまな建物を評価するために使用できます。
* 速度： 機械学習モデルを使用して、多数の建物を迅速に評価できます。
メソッドのアプリケーション
機械学習方法は、次のようなさまざまなアプリケーションに使用できます。
* 地震安全評価： この方法は、地震で損傷のリスクが高い建物を特定するために使用できます。
* レトロフィッティング： この方法を使用して、エンジニアが損傷のリスクが高い建物の測定を改装するのに役立ちます。
* 緊急対応： この方法は、緊急対応者が地震後の建物の損傷を評価するのを助けるために使用できます。
機械学習方法は、建物の地震の安全性を評価するための有望な新しいツールです。この方法は正確で柔軟で高速であり、さまざまなアプリケーションに使用できます。
