2017 Fiscal Year Annual Research Report
Synthesis of representative design input motion reflecting possible ground motions based on data scientific scheme
| Project/Area Number |
15K18106
|
|---|
| Research Institution | University of Yamanashi |
|---|
Principal Investigator |
宮本 崇 山梨大学, 大学院総合研究部, 助教 (30637989)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 入力地震動 / 時系列信号 / 特徴抽出 / 深層学習 / 畳み込みニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
1次元時系列信号としての入力地震動の局所的な特徴を抽出する，フィルタを自動設計するAI手法の開発を行った．
入力信号の特徴を自動抽出する深層学習モデルの1種である，畳み込みニューラルネットワークを1次元時系列信号に適用するために定式化を行った．畳み込みニューラルネットワークは従来は主に2次元画像に対して適用されるニューラルネットワークの1種である．本研究では，ニューラルネットワークを構成する全結合層，畳み込み層，プーリング層の各層における信号処理操作を，1次元時系列信号に対するものとして数学的に定式化を行った．また，定式化した計算モデルを，プログラミング言語の1種であるPython言語上のフレームワークであるTensorflowを用いて実装した．
同手法を，入力地震動と同様のデータ形式や物理的意味を有する常時微動波形に適用することにより，ノイズとみなされる信号部分と地盤の定常震動とみなされる信号部分に自動的に分類する機械学習モデルを設計し，その手法の有効性を検証した．従来のニューラルネットワークでは60%程度の分類精度に留まっていたことに比較して，層構造を深層化した多層パーセプトロンでは90%程度の精度が達成された．更に，時系列信号の局所的な特徴の抽出を行う畳み込みニューラルネットワークを用いた提案手法では，95%という高い分類精度が達成され，時系列信号に対する特徴抽出手法としての提案手法の有効性を検証することができた．
|
