JP2022045664A - 判定装置、判定プログラムおよび学習装置 - Google Patents
判定装置、判定プログラムおよび学習装置 Download PDFInfo
- Publication number
- JP2022045664A JP2022045664A JP2020151368A JP2020151368A JP2022045664A JP 2022045664 A JP2022045664 A JP 2022045664A JP 2020151368 A JP2020151368 A JP 2020151368A JP 2020151368 A JP2020151368 A JP 2020151368A JP 2022045664 A JP2022045664 A JP 2022045664A
- Authority
- JP
- Japan
- Prior art keywords
- information
- excavation
- data
- current value
- geological
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 claims abstract description 116
- 238000009412 basement excavation Methods 0.000 claims abstract description 109
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
Description
また、例えば特許文献2では、掘削ヘッドが支持層に到達したか否かは、掘削機のオーガ―モータの電流値の変化等に基づいて判定される。
また、特許文献2では、電流値とN値とは必ずしも比例関係ではないため、掘削作業の担当者が電流値のグラフを目視すると共に掘削状況全体を確認することにより、掘削ヘッドが支持層に到達したか否かを判定する必要がある。よって、掘削ヘッドが支持層に到達したか否かを的確に判定できるまでに相当程度の経験が必要である。このため、経験値や個人差によるばらつきが生じる可能性がある。
そこで、本発明は、支持層到達の判定を支援することを目的とする。
上記構成(1)によれば、施工終了場所に関する地質情報および掘削情報を入力データとし、当該入力データに対応して支持層に到達したか否かを示す到達情報を正解データとして学習させるため、精度の高い学習済みモデルを生成できる。
そして、学習済みモデルの精度が高いので、施工予定場所に関する到達情報を精度良く算出することができる。
さらに、到達情報の精度が高いので、掘削作業の担当者や管理者は到達情報に基づいて支持層到達の判定を正確に行うことができる。
前記取得部は、前記施工予定場所の試験掘削におけるデータを前記掘削情報として取得する。
上記構成(2)によれば、施工予定場所を実際に試験掘削した際の掘削情報を用いて学習した学習済みモデルを用いることができる。これにより、施工予定場所の地質に適した到達情報を出力することができる。
前記取得部が取得する掘削情報は、掘削用モータの瞬時電流値を積分した積分電流値と、前記地質情報および前記積分電流値から生成される想定積分電流値とを含む。判定装置は、判定部をさらに含む。判定部は、前記モデル実行部から前記支持層に到達したことを示す到達情報が出力された場合、前記積分電流値と前記想定積分電流値との差分が閾値以下であるか否かを判定する。
上記構成(3)によれば、積分電流値と想定積分電流値との差分が閾値以下であれば到達情報の精度が高いといえる。そして、閾値以下の場合に、この学習済みモデルをこのまま本施工で用いることにより支持層到達を正確に判断することができる。
前記入力データは、前記施工予定場所の地質と類似度が閾値以上である地質を有する施工終了場所に関するデータである。
上記構成(4)によれば、地質の傾向毎の学習済みモデルを作成できる。これにより、施工予定場所の地質に適した到達情報を得ることができる。
前記入力データは、前記施工予定場所からの距離が閾値以内の施工終了場所に関するデータである。
上記構成(5)によれば、エリア毎の学習済みモデルを作成できる。これにより、施工予定場所の地質に適した到達情報を得ることができる。
前記施工予定場所に関する前記地質情報は、深さ方向に沿った地質の状態を表す柱状図と、地盤の硬軟の程度を表す地盤強度情報とのうちの少なくとも1つを含み、
前記施工予定場所に関する前記掘削情報は、掘削用モータの瞬時電流値と、当該瞬時電流値を積分した積分電流値と、前記地質情報および前記積分電流値から生成される想定積分電流値とのうちの少なくとも1つを含む。
上記構成(6)によれば、施工予定場所に関する様々な情報を含むため、施工予定場所の到達情報を精度良く取得できる。すなわち、掘削作業の担当者や管理者の判定を高精度で支援することができる。
施工終了場所に関する地質情報および当該施工終了場所を掘削した際に取得された掘削情報を入力データとし、前記入力データが示す掘削状況で支持層に到達したか否かを示す到達情報を正解データとして学習させた学習済みモデルに対して、前記施工予定場所に関する前記地質情報および前記掘削情報を入力することで、前記到達情報を出力するモデル実行手段として機能させる。
上記構成(7)によれば、施工終了場所に関する地質情報および掘削情報を入力データとし、当該入力データに対応して支持層に到達したか否かを示す到達情報を正解データとして学習させるため、精度の高い学習済みモデルを生成できる。
そして、学習済みモデルの精度が高いので、施工予定場所に関する到達情報を精度良く算出することができる。
さらに、到達情報の精度が高いので、掘削作業の担当者や管理者は到達情報に基づいて支持層到達の判定を短時間で正確に行うことができる。
上記構成(8)によれば、施工終了場所に関する地質情報および掘削情報を入力データとし、当該入力データに対応して支持層に到達したか否かを示す到達情報を正解データとして学習させるため、精度の高い学習済みモデルを生成できる。
そして、学習済みモデルの精度が高いので、施工予定場所に関する到達情報を精度良く算出することができる。
学習装置は、取得部と、選択部を含む。取得部は、施工予定場所に関する地質情報を取得する。選択部は、前記格納部から、前記施工予定場所に類似する施工終了場所に関する掘削情報を選択する。前記学習部は、前記取得部にて取得した前記地質情報に類似する地質を有する前記施工終了場所の前記掘削情報を前記格納部から選択する。
上記構成(9)によれば、施工予定場所にあわせて学習済みモデルを生成でき、当該現場に適した到達情報を出力することができる。
前記選択部は、前記施工予定場所の地質と類似度が閾値以上である地質を有する施工終了場所の掘削情報を選択する。
上記構成(9)によれば、地質が似た学習済みモデルを生成でき、施工予定現場に適した到達情報を出力することができる。
前記選択部は、前記施工予定場所からの距離が閾値以内の施工終了場所の掘削情報を選択する。
上記構成(11)によれば、地質が似た学習済みモデルを生成でき、施工予定現場に適した到達情報を出力することができる。
本実施形態に係る判定装置1は、処理回路11、格納部12、通信インタフェース13を含み、それぞれバスを介して接続される。本実施形態に係る判定装置1は、管理者端末として、サーバ、PC、タブレット型情報端末、専用のコンピュータなどに実装されてもよいし、杭打ち機に搭載される管理装置に実装されてもよいし、判定装置1単独のデバイスとして構成されてもよい。判定装置1が単独のデバイスとして構成される場合は、例えば、キーボード、マウス、タッチパネルなどの入力部、およびディスプレイなどの表示部を備えてもよい。
掘削情報は、掘削開始時から計測される、瞬時電流値と、積分電流値と、想定積分電流値とのうちの少なくとも1つを含む。積分電流値は、掘削機のオーガモータに供給される電流値を所定深度間隔で積分した積分値であり、深さ方向に沿って所定の深度間隔で算出される。想定積分電流値は、地質情報および積分電流値から生成される深さ方向に沿った積分電流値の想定値である。
また、掘削情報には、掘削日時、掘削機の機種情報、掘削速度、供給水量などのデータがさらに含まれてもよい。
判定部116は、モデル実行部113により支持層に到達したことを示す到達情報が、支持層に到達したことを示すか否かを判定する。具体的には、支持層に到達したことを示す到達情報が出力された場合、積分電流値と想定積分電流値との差分が閾値以下であるか否かを判定する。
また、格納部12は、施工予定場所に関する位置情報および地質情報を対応付けて格納する。さらに、格納部12は、学習用データ、学習済みモデルなどを格納する。
学習用データは、管理者により支持層に到達したと判定されたときの掘削情報を入力データ21とし、支持層に到達したことを示す到達情報(例えば、フラグ情報「1」)を正解データ22とすることを想定する。これにより、支持層に到達した場合は、どのような時系列の掘削情報が得られるかを学習できる一方、支持層に到達した状況以外の掘削情報の状態では、支持層に到達していないことも併せて学習できる。
なお、入力データ21として、掘削を開始してから所定の深度または所定の時間ごとに施工開始からの時系列に沿った掘削情報を複数用意してもよい。この場合、対応する正解データ22として、支持層に到達したと判定された時の掘削情報には支持層に到達したことを示す到達情報(例えば、フラグ情報「1」)を、これ以外の掘削情報には支持層に到達していないことを示す到達情報(例えば、フラグ情報「0」)を用意すればよい。
なお、入力データ21として、施工終了場所に関する位置情報をさらに用いてもよい。
学習方法としては、一般的な手法を用いて機械学習させればよい。例えば、ネットワークモデルは、ニューラルネットワーク、線形回帰、ランダムフォレストなどを用いればよい。さらに、ニューラルネットワークとしては、畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)、多層畳み込みニューラルネットワーク(DCNN:Deep CNN)、ResNet(Residual Network)、DenseNetなどに代表される多層ネットワークを用いればよい。
これにより、施工予定場所にあわせて、場所が似た学習済みモデルが生成されるため、適した到達情報を出力できる。
利用時において判定装置1のモデル実行部113は、施工予定場所の地質情報および掘削中の掘削情報(以下、処理対象データという)を入力データ31として学習済みモデル23に入力することで、入力された処理対象データの掘削状況で支持層に到達したか否かを示す到達情報が出力データ32として生成される。
ステップS401では、試験掘削時において取得部111が、施工予定場所の地質情報および掘削情報を処理対象データとして取得する。
ステップS403では、到達情報が支持層に到達したことを示すか否かを判定部116が判定する。到達情報が支持層に到達したことを示す場合、ステップS404に進み、支持層に到達していないことを示す場合、ステップS401に戻り、同様の処理を繰り返す。
ステップS404では、判定部116が、処理対象データの掘削情報に含まれる積分電流値と想定積分電流値との差分が閾値以下であるか否かを判定する。差分が閾値以下であれば、ステップS405に進み、差分が閾値よりも大きい場合、ステップS406に進む。
ステップS405では、試験掘削でも本施工の掘削情報と同様のデータを取得できていると判定できるため、当該試験掘削で設定された施工に関するパラメータを本施工時のパラメータとして採用する。パラメータとしては、拡大掘削部、根固め部の長さ、体積などが挙げられる。これにより、効率的に施工管理できる。
ステップS406では、学習部112が、学習済みモデルの学習用データとして、当該処理対象データを学習用データとして用い、学習済みモデルを更新(または再学習)、または新たなモデルの学習時に適用する。
Claims (11)
- 施工予定場所に関する地質情報と、当該施工予定場所の掘削状況に関する掘削情報とを取得する取得部と、
施工終了場所に関する地質情報および当該施工終了場所を掘削した際に取得された掘削情報を入力データとし、前記入力データが示す掘削状況で支持層に到達したか否かを示す到達情報を正解データとして学習させた学習済みモデルに対して、前記施工予定場所に関する前記地質情報および前記掘削情報を入力することで、前記到達情報を出力するモデル実行部と、
を具備する判定装置。 - 前記取得部は、前記施工予定場所の試験掘削時におけるデータを前記掘削情報として取得する、請求項1に記載の判定装置。
- 前記取得部が取得する掘削情報は、掘削用モータの瞬時電流値を積分した積分電流値と、前記地質情報および前記積分電流値から生成される想定積分電流値とを含み、
前記モデル実行部から前記支持層に到達したことを示す到達情報が出力された場合、前記積分電流値と前記想定積分電流値との差分が閾値以下であるか否かを判定する判定部をさらに具備する、請求項1または請求項2に記載の判定装置。 - 前記入力データは、前記施工予定場所の地質と類似度が閾値以上である地質を有する施工終了場所に関するデータである、請求項1から請求項3のいずれか1項に記載の判定装置。
- 前記入力データは、前記施工予定場所からの距離が閾値以内の施工終了場所に関するデータである、請求項1から請求項3のいずれか1項に記載の判定装置。
- 前記施工予定場所に関する前記地質情報は、深さ方向に沿った地質の状態を表す柱状図と、地盤の硬軟の程度を表す地盤強度情報とのうちの少なくとも1つを含み、
前記施工予定場所に関する前記掘削情報は、掘削用モータの瞬時電流値と、当該瞬時電流値を積分した積分電流値と、前記地質情報および前記積分電流値から生成される想定積分電流値とのうちの少なくとも1つを含む、請求項1から請求項5のいずれか1項に記載の判定装置。 - コンピュータを、
施工予定場所に関する地質情報と、当該施工予定場所の掘削状況に関する掘削情報とを取得する取得手段と、
施工終了場所に関する地質情報および当該施工終了場所を掘削した際に取得された掘削情報を入力データとし、前記入力データが示す掘削状況で支持層に到達したか否かを示す到達情報を正解データとして学習させた学習済みモデルに対して、前記施工予定場所に関する前記地質情報および前記掘削情報を入力することで、前記到達情報を出力するモデル実行手段として機能させるための判定プログラム。 - 施工終了場所に関する地質情報と、前記施工終了場所を掘削した際に取得された施工開始から支持層に到達するまでの掘削情報とを格納する格納部と、
前記地質情報および前記掘削情報を入力データとし、前記入力データが示す掘削状況で支持層に到達したか否かを示す到達情報を正解データとした学習用データを用いてモデルを学習させ、学習済みモデルを生成する学習部と、を具備する学習装置。 - 施工予定場所に関する地質情報を取得する取得部と、
前記取得部にて取得した前記地質情報に類似する地質を有する前記施工終了場所の前記掘削情報を前記格納部から選択する選択部と、をさらに具備し、
前記学習部は、前記選択部により選択された前記掘削情報を前記入力データとして前記モデルを学習させ、前記学習済みモデルを生成する、請求項8に記載の学習装置。 - 前記選択部は、前記施工予定場所の地質と類似度が閾値以上である地質を有する前記施工終了場所の前記掘削情報を選択する、請求項9に記載の学習装置。
- 前記選択部は、前記施工予定場所からの距離が閾値以内の前記施工終了場所の前記掘削情報を選択する、請求項9または請求項10に記載の学習装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020151368A JP2022045664A (ja) | 2020-09-09 | 2020-09-09 | 判定装置、判定プログラムおよび学習装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020151368A JP2022045664A (ja) | 2020-09-09 | 2020-09-09 | 判定装置、判定プログラムおよび学習装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022045664A true JP2022045664A (ja) | 2022-03-22 |
Family
ID=80774461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020151368A Pending JP2022045664A (ja) | 2020-09-09 | 2020-09-09 | 判定装置、判定プログラムおよび学習装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022045664A (ja) |
-
2020
- 2020-09-09 JP JP2020151368A patent/JP2022045664A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104141483B (zh) | 用于露天深孔爆破的数字化钻孔控制方法和系统 | |
CN103906892B (zh) | 用于钻孔信息管理和资源规划的方法和系统 | |
CN105308480B (zh) | 在可伸缩格式中呈现数据 | |
CN104271882A (zh) | 钻井系统故障风险分析方法 | |
RU2648782C2 (ru) | Комплексный прибор для управления геофизическими исследованиями скважины и планирования бурения | |
EP3455654A1 (en) | Three-dimensional fracture abundance evaluation of subsurface formation based on geomechanical simulation of mechanical properties thereof | |
US10393904B2 (en) | Predicting stress-induced anisotropy effect on acoustic tool response | |
CN116193076A (zh) | 一种桩基施工过程的监测方法及监测装置 | |
CN110646862A (zh) | 工程勘察数据的处理方法、装置、设备及存储介质 | |
US10190406B2 (en) | Formation fracturing potential using surrounding pore pressures | |
JP5516211B2 (ja) | 地盤推定方法および地盤推定システム | |
JP2022045664A (ja) | 判定装置、判定プログラムおよび学習装置 | |
US20160260180A1 (en) | Parameter measurement refinement in oil exploration operations | |
JP2022045659A (ja) | 情報処理装置、情報処理プログラムおよび学習装置 | |
AU2013402484B2 (en) | Integrated well survey management and planning tool | |
CN118202277A (zh) | 用于评估底部钻具组合的系统和方法 | |
JP2023003193A (ja) | 施工管理システムおよび方法 | |
JP2020148055A (ja) | 施工管理装置 | |
JP7512176B2 (ja) | 地下水環境自動予測システム、地下水環境自動予測方法 | |
Ziaei et al. | Validation and modification of extensometer results in Karun-4 double-curvature arch concrete dam | |
JP2022080756A (ja) | 地下水環境自動予測システム、地下水環境自動予測方法 | |
WO2024064077A1 (en) | Training of machine learning models for well target recommendation | |
JP2022098905A (ja) | 管理装置、管理プログラムおよび管理システム | |
JP2024089479A (ja) | 解析装置、学習装置、及びプログラム | |
Schönhardt et al. | Adaptive Ground Modelling in geotechnical engineering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230116 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230721 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240426 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240604 |