| 研究課題/領域番号 |
19K22002
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分23:建築学およびその関連分野
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
大野 晋 東北大学, 災害科学国際研究所, 准教授 (40361141)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2019年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
|
|---|
| キーワード | 深層学習 / 強震動評価 / 建物応答 / 即時予測 |
|---|
| 研究開始時の研究の概要 |
建築構造物の地震安全性を向上させるためには，建物側に比べて精度が低い地震動の評価精度の向上が不可欠である。ニューラルネットは，豊富なデータがあれば非常に複雑な現象であっても精度よくモデル化できること，その適用が即時かつ容易であることが特徴であり，強震動の高精度予測や地震時の即時評価が可能となれば，防災上の波及効果は大きい。本研究では，深層学習を用いた強震動予測や地震動の即時評価・面的評価に挑戦する。
|
| 研究成果の概要 |
本研究では，主に建物側に比べて精度が低い地震動の評価精度の向上を目指して，東北地方の超巨大地震の大振幅記録を含む多数の強震記録を用いて，深層学習を用いた強震動予測や地震動の即時評価・面的評価，さらには建物応答予測に挑戦した。深層学習は，データ数や分布に大きく依存する点に注意する必要はあるが，複雑な現象をモデル化でき評価精度向上に寄与すること，学習に時間はかかるが即時に適用可能な点は早期警報や発災後対応に有効なことを示した。
|
| 研究成果の学術的意義や社会的意義 |
深層学習による物理シミュレーションの代理モデル作成は，複雑な現象をモデル化できること，学習に時間はかかるが即時に適用可能な点が大きな特徴である。本研究では，単に震度予測にとどまらず，建物では高次モードまで含めた多成分の応答波形予測が可能であること，地震動では事前予測としてスペクトルの高精度評価，早期地震警報としてスペクトルの即時予測，地震直後ではスペクトルの面的評価がそれぞれ可能であることを示した。早期地震警報や発災時対応に有効と思われる。
|
