| 研究課題/領域番号 |
23KJ0219
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分25020:安全工学関連
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
中村 朋佳 東北大学, 工学研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2023-04-25 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
3,000千円 (直接経費: 3,000千円)
2025年度: 1,000千円 (直接経費: 1,000千円)
2024年度: 1,000千円 (直接経費: 1,000千円)
2023年度: 1,000千円 (直接経費: 1,000千円)
|
|---|
| キーワード | 適応型代理モデル / 学習関数 / 停止側 / 信頼性解析 |
|---|
| 研究開始時の研究の概要 |
臨海地域などに建設された構造物では，長期間にわたり沈下が生じる圧密沈下による被害が問題となる．それらの被害を最小限に抑えるためには広域を対象とした高精度の圧密沈下予測が求められている．本研究の将来的な目的は圧密沈下に対する予知保全であり，本研究計画では広域と狭域を組み合わせた階層的な沈下予測システムの構築を行う．具体的には，広域を対象とした将来の沈下予測を行うことで注目する地点を摘出し，狭域を対象とした詳細モデルによる予測を行い対策などの決定を実施する．広域を対象とした予測では次元圧縮技術の一つである動的モード分解を用いる．狭域では効率的なデータ同化手法として適応型ガウス過程回帰の開発を行う．
|
| 研究実績の概要 |
臨海地域などに建設された構造物では，長期間にわたり沈下が生じる圧密沈下による被害が問題となる．それらの被害を最小限に抑えるためには広域を対象とした高精度の圧密沈下予測が求められている．また近年，計算機の演算処理能力の向上に伴い，様々な分野で複雑な現象の再現・予測に大規模な数値解析が用いられるようになってきた．数値解析を用いて予測を行う際，用いるモデルパラメータの不確定性に応じた，予測の不確定性の定量化も重要な課題となっているが，有限要素法などによる大規模な数値解析では1回の試行に時間を要する場合が多く，信頼性解析を行う際にはこの試行回数を減らすことが重要となる．複雑な数値解析による計算結果を簡易な関数で近似，補間するモデルは代理モデルと呼ばれる．また，最初に少数の計算点に基づいて代理モデルを構築し，その精度を高めるための計算点を効率的に追加していくモデルは適応型代理モデルと呼ばれている．
本研究は将来的には圧密沈下に対する予知保全を行うことを目標とし，本研究計画では広域と狭域を組み合わせた階層的な沈下予測システムの構築を行うことを目的としている．具体的には，広域を対象とした将来の沈下予測を行うことで注目すべき地点を抽出した後，狭域を対象として詳細モデルによる予測を行うことで対策などの決定を実施する．広域を対象とした予測では次元圧縮技術の一つである動的モード分解を用いて，大規模なデータを使用した予測を行うことができる手法を開発する．狭域では，効率的なデータ同化手法として，適応型ガウス過程回帰の開発を行う．当該年度では適応型代理モデルの開発を中心に研究を進めてきた．具体的には，適応型代理モデルの学習関数，代理モデルの改良，停止条件の違いによる効率性や推定精度の比較などの検討を進めた．来年度も引き続き適応型代理モデルの改良の研究を継続し，実問題へ適用する予定である．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当該年度では狭域を対象とした検討として，適応型ガウス過程回帰の開発を進めてきた．具体的には，適応型代理モデルの学習関数，代理モデルの改良，停止条件の違いによる効率性や推定精度の比較などの検討を進めた．学習関数の部分の改良では，より効率的な関数の検討を行った．従来の学習関数の問題点として，あまり重要ではない箇所を中心に探索してしまう問題，関数の構造上，大域的探索解の1つである粒子群最適化を適用することができず，多くの計算コストがかかってしまう問題などが生じていた．そのため，新たな関数の提案，粒子群最適化を導入することより効率的に探索を行うことが可能な学習関数の検討を進めた．来年度も引き続き適応型代理モデルの改良の研究を継続し，実問題へ適用することでその手法の有用性を確認した後，海外ジャーナルへ論文を投稿する予定である．また，停止側についても検討を行ったが，こちらについても当該年度中に結論をまとめることができなかったため，来年度中に国際誌に投稿することを予定している．
また，当初の研究計画では圧密沈下問題のみを対象に広域と狭域を対象とした予測手法の開発を目指していたが，圧密沈下だけでなく，防波堤や河川堤防などの実例題を対象とした検討を今後行っていく．広域の予測手法に関しても，研究計画時の動的モード分解だけでなく，ニューラルネットワーク等の他の機械学習の手法についても検討していきたいと考えている．
|
| 今後の研究の推進方策 |
令和6年度では，まず初年度から進めてきた適応型代理モデルの積み残しの研究を進めていく．具体的には，新たに提案する学習関数について，簡易例題や実問題に適用し，他の学習関数と性能を比較することでその有用性を示す．また，これらの成果は遅くても令和6年度の前半までには国際誌に論文を投稿する．また，学習関数だけでなく停止側についても簡易例題だけでなく，実例題にも適用することで最終的な結論を出し，同様に国際誌に論文を投稿したいと考えている．また，適用する実例題についても圧密沈下問題だけでなく，防波堤や河川堤防なども対象とした検討を行う．また，広域を対象とした予測手法に関しては，動的モード分解だけでなく，他の手法についても検討を行う．たとえば，ニューラルネットワークなどの導入を考えている．
最終年度である令和7年度では，衛星写真やレーザープロファイラなどのマクロデータを対象に，動的モード分解を用いて大規模データを使用した広域を対象とした圧密沈下予測を実施する．クロスバリデーション，ある時刻までのデータを使用した検証などを行う予定である．また，対象とする実例題は圧密沈下だけではなく，共同研究先から提供していただく予定である防波堤や河川堤防などのデータを対象とした広域・狭域を対象とした検討を行う．
|
