JP2019039866A - 振動モード予測装置及び振動モード予測モデル学習装置 - Google Patents

Abstract

【課題】周辺のイベントに応じた建物の振動モードを精度よく予測する。【解決手段】センサデータ取得部２４によって、予測対象の建物に設置されたセンサが出力するセンサデータを取得する。イベント情報取得部２２によって、予測対象の建物の周辺のイベントに関するイベント情報を受け付ける。学習データ作成部２６が、センサデータに基づいて、予測対象の建物の振動モードを決定し、振動モードと、イベント情報との組を学習データとして作成し、モデル学習部３０が、モデルを学習する。予測対象イベント情報取得部３４が、予測対象の建物の周辺の将来のイベント情報を受け付ける。振動モード予測部３６が、学習済みモデルを用いて、イベント情報が示すイベント時の予測対象の建物の振動モードを予測する。【選択図】図４

Description

本発明は、振動モード予測装置及び振動モード予測モデル学習装置に関する。

従来、建物の振動を予測する技術が知られている（例えば、特許文献１〜３を参照）。特許文献１に記載の技術では、建物の外部に位置された加振源に加えられた加振力に応じて当該加振源において発生する振動の振動数毎の加速度を示す加速度情報、加振源と建物との間の地盤による振動の振動数毎の減衰率を示す減衰率情報、地盤を介して建物に入力する際の振動の振動数毎の損失率を示す損失率情報、及び建物における振動の振動数毎の共振増幅率を示す共振増幅率情報を取得し、加振力に応じて建物の内部において発生する振動の状態を示す物理量を導出している。

また、特許文献２に記載の技術では、建物内の振動レベル予測を、該建物と同一構造システムの建物における、地盤振動と建物との共振の有無により分類される二段階の平均的振動レベル増幅量の何れか一方と、振動測定により測定される地盤の振動レベルとを加算して行っている。

また、特許文献３に記載の技術では、建物を建設する地盤の振動レベルを測定して周波数毎の振動レベル解析を行うと共に、建物の固有振動数として予想される振動数の範囲を想定し、その想定した範囲の建物の固有振動数すべての値に対する建物の振動レベルを算出することにより建物として想定される固有振動数毎の振動レベルを予測している。

特開2008-117089号公報 特開2001-215167号公報 特開2001-349776号公報

しかし、上記特許文献１〜３に記載の技術は、建物の周辺のイベントによる振動を考慮していない。

本発明は上記事実を考慮して、周辺のイベントに応じた建物の振動モードを精度よく予測することを目的とする。

本発明に係る振動モード予測装置は、予測対象の建物の周辺の将来のイベント情報を受け付けるイベント情報受付部と、前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するための学習済みモデルを用いて、前記イベント情報受付部によって受け付けた前記イベント情報が示すイベント時の前記予測対象の建物の振動モードを予測する予測部と、を含んで構成されている。

本発明に係る振動モード予測装置によれば、イベント情報受付部によって、予測対象の建物の周辺の将来のイベント情報を受け付ける。そして、予測部によって、前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するための学習済みモデルを用いて、前記イベント情報受付部によって受け付けた前記イベント情報が示すイベント時の前記予測対象の建物の振動モードを予測する。

このように、イベント情報からイベント時の振動モードを予測するための学習済みモデルを用いて、イベント時の建物の振動モードを予測することにより、周辺のイベントに応じた建物の振動モードを精度よく予測することができる。

本発明に係る前記予測対象の建物は、振動制御装置が設置された建物であり、前記振動モードは、前記振動制御装置が制御対象とする複数の振動モードの何れかである。これによって、前もって振動制御装置がイベント時に制御対象とする振動モードを調整することができる。

本発明に係る振動モード予測モデル学習装置は、予測対象の建物に設置されたセンサが出力するセンサデータを取得するセンサデータ取得部と、前記センサデータ取得部によって取得したセンサデータに基づいて、予測対象の建物の振動モードを決定する振動モード決定部と、前記センサデータ取得部によって取得したセンサデータを前記センサが出力したときの、前記予測対象の建物の周辺のイベントに関するイベント情報を受け付けるイベント情報受付部と、前記振動モード決定部によって決定された前記振動モードと、前記イベント情報受付部によって受け付けたイベント情報との組を学習データとして用いて、前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するためのモデルを学習するモデル学習部と、を含んで構成されている。

本発明に係る振動モード予測モデル学習装置によれば、センサデータ取得部によって、予測対象の建物に設置されたセンサが出力するセンサデータを取得する。振動モード決定部によって、前記センサデータ取得部によって取得したセンサデータに基づいて、予測対象の建物の振動モードを決定する。イベント情報受付部によって、前記センサデータ取得部によって取得したセンサデータを前記センサが出力したときの、前記予測対象の建物の周辺のイベントに関するイベント情報を受け付ける。そして、モデル学習部によって、前記振動モード決定部によって決定された前記振動モードと、前記イベント情報受付部によって受け付けたイベント情報との組を学習データとして用いて、前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するためのモデルを学習する。

このように、センサデータから決定される、予測対象の建物の振動モードと、受け付けた、前記予測対象の建物の周辺のイベントに関するイベント情報とに基づいて、前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するためのモデルを学習することにより、周辺のイベントに応じた建物の振動モードを精度よく予測するためのモデルを学習することができる。

本発明に係る前記予測対象の建物は、振動制御装置が設置された建物であり、前記振動モードは、前記振動制御装置が制御対象とする複数の振動モードの何れかである。これによって、前もって振動制御装置がイベント時に制御対象とする振動モードを調整するために振動モードを予測するモデルを学習することができる。

以上説明したように、本発明の振動モード予測装置によれば、イベント情報からイベント時の振動モードを予測するための学習済みモデルを用いて、イベント時の建物の振動モードを予測することにより、周辺のイベントに応じた建物の振動モードを精度よく予測することができる、という効果が得られる。

また、本発明の振動モード予測モデル学習装置によれば、センサデータから決定される、予測対象の建物の振動モードと、受け付けた、前記予測対象の建物の周辺のイベントに関するイベント情報とに基づいて、前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するためのモデルを学習することにより、周辺のイベントに応じた建物の振動モードを精度よく予測するためのモデルを学習することができる、という効果が得られる。

本発明の第１の実施の形態に係る振動モード予測システムの構成を示す概略図である。 センサの配置の例を示す図である。 本発明の第１の実施の形態に係るサーバを示すブロック図である。 本発明の第１の実施の形態に係るサーバを示す機能ブロック図である。 主要な振動モードを決定する方法を説明するための図である。 イベント毎に決定された制御モードの例を示す図である。 本発明の第１の実施の形態に係るサーバの学習データ作成処理ルーチンの内容を示すフローチャートである。 本発明の第１の実施の形態に係るサーバの学習処理ルーチンの内容を示すフローチャートである。 本発明の第１の実施の形態に係るサーバの振動モード予測処理ルーチンの内容を示すフローチャートである。 本発明の第２の実施の形態に係るサーバの学習データ作成処理ルーチンの内容を示すフローチャートである。 交通イベントにより建物が振動する様子を示す図である。 振動モード予測時にセンサを配置しない例を示す図である。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

＜本発明の実施の形態の概要＞
同調型マスダンパー（以後、ＴＭＤ（チューンド・マス・ダンパー）とも称する）は屋上階など建物上部にばねとダンパーを備えた錘を設置し、その錘を共振させることによって建物の振動エネルギーを吸収する。ＴＭＤを効率的に動かして振動エネルギーを吸収するためには、錘が揺れやすいように建物の振動モード（一般には１次振動モード）に共振させる必要がある。よってＴＭＤに代表されるパッシブ型の振動制御装置（電力など外部供給エネルギーを必要とせずに振動制御装置を駆動させる形式）では、あらかじめ制御対象とする振動モードに対して最適な制御を行うよう装置を調整する必要がある。

しかし必ずしも制御対象とした振動モードが励起するような外乱（以後、イベント）が発生するとは限らず、特に超高層建物などの大規模な建築物では高次モード（２次、３次の振動モード）による振動により、居住性を損ない不快感を与える可能性が考えられる。パッシブ型の振動制御装置で複数の振動モードを制御するには複数の制御装置が必要となるが、設置場所やコスト面が懸念される。

そこで、本発明の実施の形態では、パッシブ型の振動制御装置を設置した建物を対象に、イベントの情報（外乱の入力情報）と制御対象建物の振動（出力情報）をセンサを用いて観測し、データを蓄積する。イベント情報に関しては、センサなどによって計測される数値情報だけでなく、例えばイベントをコンサートによる人の動き（飛び跳ね、タテノリなど）とした場合は、観客の収容人数、席の配置、音楽のジャンルなどイベントにより生じる振動の特徴を決定づける情報を併せて蓄積する。

これらの情報を基に、将来発生が予測されるイベントに対して建物の振動モードを予測し、予め最適な制御となるよう振動制御装置を調整することで、建物の振動を抑制する。

［第１の実施の形態］
＜本発明の第１の実施の形態の振動モード予測システムの構成＞
図１に示すように、本発明の実施の形態に係る振動モード予測システム１００は、サーバ１０、センサ６０、及び建物側端末７０を備えており、サーバ１０、センサ６０、及び建物側端末７０は、インターネットなどのネットワーク７８を介して互いに接続されている。なお、サーバ１０は、振動モード予測装置の一例である。

センサ６０は、図２に示すように、パッシブ型の振動制御装置８０が設置された建物９０に取り付けられており、建物９０の振動加速度を検出し、センサデータとしてサーバ１０へ逐次送信する。ここで、振動制御装置８０は、例えば、ＴＭＤであり、制御対象とする複数の振動モードを有し、複数の振動モードの何れかの振動を制御する制御モードとなるように、手動により切り替えられる。

建物側端末７０は、建物９０側に設置された端末であり、例えば、コンピュータ端末、携帯電話、ＰＤＡ（Personal Digital Assistants）端末等である。建物側端末７０は、オペレータにより入力された、建物９０周辺のイベントに関するイベント情報を受け付けて、サーバ１０へ送信する。イベント情報は、例えば、イベントの種類、観客数、座席配置などを含む。

サーバ１０は、図３に示すように、ＣＰＵ６２、ＲＯＭ６４、ＲＡＭ６６、ＨＤＤ６８、通信インタフェース７１、及びこれらを相互に接続するためのバス７３を備えている。

ＣＰＵ６２は、各種プログラムを実行する。ＲＡＭ６６は、ＣＰＵ６２による各種プログラムの実行時におけるワークエリア等として用いられる。記録媒体としてのＨＤＤ６８には、後述する学習データ作成処理ルーチン、学習処理ルーチン、振動モード予測処理ルーチンを実行するためのプログラムを含む各種プログラムや各種データが記憶されている。

本実施の形態におけるサーバ１０を、学習データ作成処理ルーチン、学習処理ルーチン、振動モード予測処理ルーチンを実行するためのプログラムに沿って、機能ブロックで表すと、図４に示すようになる。サーバ１０は、入力部１２、演算部２０、及び出力部５０を備えている。

入力部１２は、センサ６０から受信したセンサデータと、建物側端末７０から受信したイベント情報とを受け付ける。また、入力部１２は、建物側端末７０から受信した、予測対象イベントのイベント情報を受け付ける。

演算部２０は、イベント情報取得部２２、センサデータ取得部２４、学習データ作成部２６、学習データ記憶部２８、モデル学習部３０、モデル記憶部３２、予測対象イベント情報取得部３４、振動モード予測部３６、及び制御モード決定部３８を備えている。なお、イベント情報取得部２２が、イベント情報受付部の一例であり、学習データ作成部２６が、振動モード決定部の一例である。

イベント情報取得部２２は、建物側端末７０から受信したイベント情報を取得する。

センサデータ取得部２４は、センサ６０から受信したセンサデータを逐次取得する。

学習データ作成部２６は、センサ６０から受信したセンサデータの時系列に対して、周波数解析を行い、周波数解析の結果に基づいて、振動制御装置８０が制御対象とする複数の振動モードのうち、主要な振動モードを決定する。例えば、図５に示すように、センサ６０から受信したセンサデータの時系列から得られる振動波形に対して、周波数解析を行うと共に各振動モード（１次モード〜３次モード）の周波数領域の波形を抜き出すフィルター処理を行い、主要な振動モード（図５の例では、２次モード）を決定する。

また、学習データ作成部２６は、決定した主要な振動モードと、対応するイベント情報とのペアを、学習データとして作成し、学習データ記憶部２８に格納する。

学習データ記憶部２８には、作成された複数の学習データが記憶されている。

モデル学習部３０は、学習データ記憶部２８に記憶されている複数の学習データを用いて、イベント情報から予測対象の建物のイベント時の振動モードを予測するためのモデルを学習する。モデルは、例えば、イベント情報（イベントの種類、観客数、座席配置、音楽のジャンル）を表すベクトルを入力とし、各振動モードの確率を表すベクトルを出力するニューラルネットワークであり、誤差逆伝播法により、モデルを学習する。

モデル記憶部３２は、モデル学習部３０により学習されたモデルのパラメータを記憶する。

予測対象イベント情報取得部３４は、建物側端末７０から受信した、予測対象のイベントのイベント情報を取得する。

振動モード予測部３６は、予測対象のイベントのイベント情報と、モデル学習部３０により学習されたモデルとに基づいて、予測対象のイベント時の振動モードを予測する。例えば、予測対象のイベントのイベント情報を表すベクトルを、モデルに入力し、出力された、各振動モードの確率から、最も確率が高い振動モードを、予測対象のイベント時の振動モードとして予測する。

制御モード決定部３８は、振動制御装置８０について予め定められた、振動モードと制御モードとの対応関係に基づいて、予測された振動モードに対応する、振動制御装置８０の制御モードを決定する。

出力部５０は、決定された、振動制御装置８０の制御モードを、建物側端末７０へ送信する。

建物側端末７０では、サーバ１０により決定された、振動制御装置８０の制御モードが表示される。オペレータは、表示された制御モードとなるように、振動制御装置８０の制御モードを手動により切り替えて、予測対象イベント発生時に備える。これにより、図６に示すように、予測対象イベント毎に、振動制御装置８０の制御モードが決定されると、各予測対象イベントの発生前に、振動制御装置８０の制御モードが手動により切り替えられる。

＜振動モード予測システムの動作＞
次に、本発明の第１の実施の形態に係る振動モード予測システム１００の動作について説明する。

まず、オペレータにより、振動制御装置８０の制御モードが特定の制御モードとなるように手動で設定され、センサ６０によりセンサデータがサーバ１０へ逐次送信されているときに、サーバ１０によって、図７に示す学習データ作成処理ルーチンが実行される。

まず、ステップＳ１０２において、センサ６０から受信したセンサデータに基づいて、建物９０に振動が発生しているか否かを判定する。例えば、センサデータが表す建物９０の振動加速度が閾値以上である場合に、建物９０に振動が発生していると判定する。

建物９０に振動が発生していないと判定された場合には、上記ステップＳ１０２を繰り返し、建物９０に振動が発生していると判定された場合には、ステップＳ１０４へ進む。

ステップＳ１０４では、センサ６０から受信したセンサデータを取得して、メモリ（図示省略）に格納する。

ステップＳ１０６では、センサ６０から受信したセンサデータに基づいて、建物９０に発生している振動が終了したか否かを判定する。例えば、センサデータが表す建物９０の振動加速度が閾値未満である場合に、建物９０に発生している振動が終了していると判定する。

建物９０に発生している振動が終了していないと判定された場合には、ステップＳ１０４へ戻る。一方、建物９０に発生している振動が終了していると判定された場合には、ステップＳ１０８へ進む。

ステップＳ１０８では、上記ステップＳ１０４で取得したセンサデータの時系列に対して周波数解析を行う。ステップＳ１１０では、上記ステップＳ１０８における周波数解析の結果に基づいて、振動制御装置８０が制御対象とする複数の振動モードのうち、主要な振動モードを決定する。

ステップＳ１１２では、建物側端末７０に対して、建物９０の周辺で直前まで発生していたイベントに関するイベント情報を要求するメッセージを送信すると共に、イベント情報を入力するための画面データを送信する。そして、建物側端末７０において当該画面データが示す入力画面が表示され、オペレータによりイベント情報が入力されると、入力されたイベント情報が、サーバ１０へ送信され、サーバ１０が、イベント情報を取得する。

ステップＳ１１４では、上記ステップＳ１０８で決定された主要な振動モードと、上記ステップＳ１１２で取得したイベント情報とのペアを、学習データとして作成し、学習データ記憶部２８に格納する。そして、上記ステップＳ１０２へ戻る。

上記の学習データ作成処理ルーチンにより、建物９０周辺のイベントにより建物９０に振動が発生する毎に、サーバ１０により学習データが作成されるため、学習データが蓄積される。

また、サーバ１０によって、図８に示す学習処理ルーチンが定期的に実行される。

まず、ステップＳ１２０において、学習データ記憶部２８に格納されている学習データを読み込む。

そして、ステップＳ１２２において、上記ステップＳ１２０で取得した学習データに基づいて、イベント情報から予測対象の建物のイベント時の振動モードを予測するためのモデルを学習し、モデル記憶部３２に、学習されたモデルのパラメータを格納し、学習処理ルーチンを終了する。

そして、建物側端末７０において、オペレータにより予測対象イベントのイベント情報が入力されると、入力されたイベント情報が、サーバ１０へ送信され、サーバ１０によって、図９に示す振動モード予測処理ルーチンが実行される。

まず、ステップＳ１３０において、建物側端末７０から受信した、予測対象イベントのイベント情報を受け付ける。

ステップＳ１３２では、上記ステップＳ１３０で得られた予測対象のイベントのイベント情報と、上記学習処理ルーチンにより学習されたモデルとに基づいて、予測対象のイベント時の振動モードを予測する。

ステップＳ１３４では、振動制御装置８０について予め定められた、振動モードと制御モードとの対応関係に基づいて、予測された振動モードに対応する、振動制御装置８０の制御モードを、最適な制御モードとして決定し、決定された、振動制御装置８０の制御モードを、建物側端末７０へ送信し、振動モード予測処理ルーチンを終了する。

そして、建物側端末７０では、サーバ１０により決定された、振動制御装置８０の制御モードが表示される。オペレータは、表示された制御モードとなるように、振動制御装置８０の制御モードを手動により切り替えて、予測対象イベント発生時に備える。

以上説明したように、本発明の第１の実施の形態に係る振動モード予測システムによれば、センサデータから決定される、予測対象の建物の振動モードと、受け付けた、予測対象の建物の周辺のイベントに関するイベント情報とに基づいて、イベント情報から予測対象の建物のイベント時の振動モードを予測するためのモデルを学習することにより、周辺のイベントに応じた建物の振動モードを精度よく予測するためのモデルを学習することができる。

また、イベント情報からイベント時の振動モードを予測するための学習済みモデルを用いて、イベント時の建物の振動モードを予測することにより、周辺のイベントに応じた建物の振動モードを精度よく予測することができる。また、イベント発生前に、予測された振動モードに応じて振動制御装置を調整することでイベント発生による振動を適切に抑制することができる。

また、イベントの情報と計測された建物応答とを紐付けて学習データとして作成し蓄積する。長期的な計測によりデータを蓄積することにより、想定外事象の発生確率を低減し、より高精度な制御を行うことができる。

また、イベント発生前にパッシブ型の振動制御装置を調整して疑似的に制御することより、建物の振動に対して最適な振動制御を行うことができる。また、アクティブ型の振動制御装置に比べ、導入及び運用コストを削減することができる。

［第２の実施の形態］
次に、第２の実施の形態に係る振動モード予測システムについて説明する。なお、第２の実施の形態に係る振動モード予測システムは、第１の実施の形態と同様の構成であるため、同一符号を付して説明を省略する。

第２の実施の形態では、学習データを作成する際に、事前にイベント情報を受け付けてから、当該イベント発生時のセンサデータを取得する点が、第１の実施の形態と異なっている。

第２の実施の形態における学習データ作成処理ルーチンについて、図１０を用いて説明する。なお、第１の実施の形態と同様の処理については、詳細な説明を省略する。

建物側端末７０において、オペレータにより、これから発生するイベントのイベント発生期間を含むイベント情報が入力されると、入力されたイベント情報が、サーバ１０へ送信され、サーバ１０が、イベント情報を受信すると、サーバ１０によって、図１０に示す学習データ作成処理ルーチンが実行される。

まず、ステップＳ２００において、建物側端末７０から受信したイベント情報を受け付ける。

そして、ステップＳ２０２において、受信したイベント情報に含まれるイベント発生期間に基づいて、当該イベントが開始されたか否かを判定する。当該イベントが開始されていないと判定された場合には、ステップＳ２０２を繰り返し、当該イベントが開始されたと判定された場合には、ステップＳ２０４へ移行する。

ステップＳ２０４では、センサ６０から受信したセンサデータを取得して、メモリ（図示省略）に格納する。

ステップＳ２０６では、受信したイベント情報に含まれるイベント発生期間に基づいて、イベントが終了したか否かを判定する。イベントが終了していないと判定された場合には、上記ステップＳ２０４へ戻り、イベントが終了したと判定された場合には、ステップＳ１０８へ移行する。

ステップＳ１０８では、上記ステップＳ２０４で取得したセンサデータの時系列に対して周波数解析を行う。ステップＳ１１０では、上記ステップＳ１０８における周波数解析の結果に基づいて、振動制御装置８０が制御対象とする複数の振動モードのうち、主要な振動モードを決定する。

ステップＳ１１４では、上記ステップＳ１０８で決定された主要な振動モードと、上記ステップＳ２００で取得したイベント情報とのペアを、学習データとして作成し、学習データ記憶部２８に格納し、学習データ作成処理ルーチンを終了する。

上記の学習データ作成処理ルーチンにより、建物側端末７０において、イベント情報が入力される毎に、サーバ１０により学習データが作成されるため、学習データが蓄積される。

なお、第２の実施の形態に係る振動モード予測システムの構成及び他の作用については、第１の実施の形態と同様であるため、説明を省略する。

なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

例えば、上記の実施の形態では、コンサートなどのイベントにより建物が振動する場合を例に説明したが、これに限定されるものではない。例えば、建物の周辺を電車やトラックが通過する交通イベントにより建物が振動する場合にも適用できる（図１１）。この場合には、イベント情報として、通過する乗り物の種別、乗員数などを入力すればよい。

また、強風などの気象イベントにより建物が振動する場合にも適用できる。この場合には、イベント情報として、風向、風速などを入力すればよい。

また、モデルが学習済みである場合には、図１２に示すように、建物９０にセンサを設置しなくてもよい。これは、サーバが学習機能を有することにより、イベントに対する振動計測を実施したらセンサ無しでも最適制御を実施できるからである。

また、イベント発生前に、管理人や周辺居住者に、予測した振動モードを用いて、揺れの情報提供を行うようにしてもよい。

また、モデルの学習と振動モードの予測を１つの装置で実現する場合を例に説明したが、これに限定されるものではなく、モデルの学習を、サーバとは別の振動モード予測モデル学習装置で実現するように構成してもよい。この場合には、振動モード予測モデル学習装置は、イベント情報取得部２２、センサデータ取得部２４、学習データ作成部２６、学習データ記憶部２８、モデル学習部３０、及びモデル記憶部３２を備えていればよい。

また、本発明のプログラムは、記憶媒体に格納して提供するようにしてもよい。

１０ サーバ
１２ 入力部
２０ 演算部
２２ イベント情報取得部
２４ センサデータ取得部
２６ 学習データ作成部
２８ 学習データ記憶部
３０ モデル学習部
３２ モデル記憶部
３４ 予測対象イベント情報取得部
３６ 振動モード予測部
３８ 制御モード決定部
５０ 出力部
６０ センサ
７０ 建物側端末
７８ ネットワーク
８０ 振動制御装置
９０ 建物
１００ 振動モード予測システム

Claims (4)

1. 予測対象の建物の周辺の将来のイベント情報を受け付けるイベント情報受付部と、
   前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するための学習済みモデルを用いて、前記イベント情報受付部によって受け付けた前記イベント情報が示すイベント時の前記予測対象の建物の振動モードを予測する予測部と、
   を含む振動モード予測装置。
2. 前記予測対象の建物は、振動制御装置が設置された建物であり、
   前記振動モードは、前記振動制御装置が制御対象とする複数の振動モードの何れかである請求項１記載の振動モード予測装置。
3. 予測対象の建物に設置されたセンサが出力するセンサデータを取得するセンサデータ取得部と、
   前記センサデータ取得部によって取得したセンサデータに基づいて、予測対象の建物の振動モードを決定する振動モード決定部と、
   前記センサデータ取得部によって取得したセンサデータを前記センサが出力したときの、前記予測対象の建物の周辺のイベントに関するイベント情報を受け付けるイベント情報受付部と、
   前記振動モード決定部によって決定された前記振動モードと、前記イベント情報受付部によって受け付けたイベント情報との組を学習データとして用いて、前記イベント情報から前記予測対象の建物のイベント時の振動モードを予測するためのモデルを学習するモデル学習部と、
   を含む振動モード予測モデル学習装置。
4. 前記予測対象の建物は、振動制御装置が設置された建物であり、
   前記振動モードは、前記振動制御装置が制御対象とする複数の振動モードの何れかである請求項３記載の振動モード予測モデル学習装置。