JP2022148889A - 建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラム - Google Patents
建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラム Download PDFInfo
- Publication number
- JP2022148889A JP2022148889A JP2021050741A JP2021050741A JP2022148889A JP 2022148889 A JP2022148889 A JP 2022148889A JP 2021050741 A JP2021050741 A JP 2021050741A JP 2021050741 A JP2021050741 A JP 2021050741A JP 2022148889 A JP2022148889 A JP 2022148889A
- Authority
- JP
- Japan
- Prior art keywords
- building
- damage
- information
- degree
- learning
- 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.)
- Granted
Links
- 230000006378 damage Effects 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000033001 locomotion Effects 0.000 claims abstract description 115
- 230000001133 acceleration Effects 0.000 claims abstract description 68
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 30
- 238000001228 spectrum Methods 0.000 claims abstract description 25
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims description 50
- 239000010410 layer Substances 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 230000003595 spectral effect Effects 0.000 claims description 10
- 239000011229 interlayer Substances 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 38
- 238000010586 diagram Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 21
- 238000010276 construction Methods 0.000 description 18
- 238000007781 pre-processing Methods 0.000 description 17
- 238000012360 testing method Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000009467 reduction Effects 0.000 description 7
- 238000006073 displacement reaction Methods 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 5
- 238000013016 damping Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
Description
本開示は、建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラムについてであって、地震が発生した際に、迅速に建物の被災度を推定することを第一の目的としている。また、本開示は、迅速な建物の被災度の推定を低コストで実現することを第二の目的としている。
以下、本開示の一実施形態に係る建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラムについて、図11Bを参照して詳細に説明する。本実施形態の建物の被災度推定方法は、図1に示す建物の被災度推定システム1により実行され得る。被災度推定システム1は、通信ネットワーク8を介して地震動波形サーバ9と接続可能である。
被災度推定システム1は、上述したように、本実施形態の建物の被災度推定方法を実行するためのシステムである。被災度推定システム1は、通信部11と、記憶部12と、処理部13とを備える。被災度推定システム1は、1以上のサーバにより実現され得る。
前処理部131は、被災度推定システム1が実行する被災度推定方法において必要となる入力情報を取得するため、地震動発生時の地表における変位の時系列データ、速度の時系列データ又は加速度の時系列データ(これらを総称して地震動の時系列波形というものとする)を基に、入力情報を求める処理を実行する。
取得部132は、被災度推定システム1が実行する被災度推定方法において必要となる入力情報を取得する。入力情報は、上述したPGA、所定加速度継続時間および地震動の時系列波形の加速度応答スペクトル解析におけるスペクトル値である。
推定部133は、予め構築された学習済みモデルを用いて、取得部132で取得した入力情報を基に、建物の地震動による被災度に関する出力情報を推定する。本実施形態においては、推定部133は出力情報として、建物の最大変形量の情報を出力する。
提示部134は、推定部133により推定された出力情報を提示する。本実施形態では、推定部133により推定された出力情報を、通信ネットワーク8を通じて端末装置7に送ることで、端末装置7の入出力部71にて出力情報を提示可能である。
通信ネットワーク8は、インターネットを含み得る。通信ネットワーク8は、単一の通信プロトコルに準拠したネットワークだけではなく、異なる通信プロトコルに準拠した複数のネットワークで構成され得る。通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。通信ネットワーク8は、リピータハブ、スイッチングハブ、ブリッジ、ゲートウェイ、ルータ等のデータ通信機器を含み得る。
端末装置7は、建物の被災度推定システム1からの情報の表示や、例えば被災度推定システム1への安否情報の送信に利用可能である。端末装置7は、入出力部71と、通信部72と、処理部73とを備える。端末装置7は、デスクトップコンピュータ、ラップトップコンピュータ、又は、携帯端末(スマートフォン、タブレット端末、ウェアラブル端末等)により実現され得る。
被災度学習システム2は、通信部21と、記憶部22と、処理部23とを備える。被災度学習システム2は、1以上のサーバにより実現され得る。
前処理部231は、被災度学習システム2が実行する被災度学習方法において必要となる教師データとなる入力情報を取得するため、地震動の時系列波形を基に、入力情報を求める処理を実行する。教師データの基となる地震動の時系列波形は、被災度推定システム1と同様に、通信ネットワーク8を介して地震動波形サーバ9より取得可能である。
取得部232は、被災度学習システム2が実行する被災度学習方法において必要となる入力情報を取得する。入力情報は、上述したPGA、所定加速度継続時間およびスペクトル値の情報である。
学習部233は、入力情報を入力データとする学習済みモデルであって、建物の地震動による被災度に関する出力情報を教師データとする学習済みモデルを機械学習により構築する。学習済みモデルは、図2に示すニューラルネットワーク4を用いたものである。本実施形態では、入力データとして、入力層41のノード41000に計測震度のデータを入力し、ノード41001にPGAのデータを入力し、ノード41002に所定加速度継続時間のデータ(正数値は0.8)を入力する。また、入力層41のノード41003~ノード41102に、地震動の加速度応答スペクトル値を入力する。スペクトル値は、ノード41003には周期帯0.0(sec)以上かつ0.1(sec)未満の最大値、ノード41004には周期帯0.1(sec)以上かつ0.2(sec)未満の最大値、・・・ノード41102には周期帯9.9(sec)以上かつ10.0(sec)未満の最大値をそれぞれ入力する。入力層41は、ノード41000~ノード41102の103個のノードを有している。
図1に示すように、提示部234は、処理部23からの各種の出力結果を提示する。本実施形態では、処理部23からの各種の出力結果を、通信ネットワーク8を通じて端末装置7に送ることで、端末装置7の入出力部71にて出力情報を提示可能である。
図3に示すように、本実施形態では、建物3の解析モデルは、非線形せん断剛性と線形粘性減衰を有するn質点系せん断モデルとする。建物3への外乱入力は地盤30の振動のみとし、地盤30のロッキングバネの影響はないものとする。
(5-1)建物の被災度学習方法
図4に示すように、被災度学習システム2において、まず、前処理ステップが実行される(S1)。ステップS1において、前処理部231により、入力情報を求める処理が実行される。具体的には、ステップS1において、計測震度のデータが取得される。更に、前処理ステップにおいて、地震動の時系列波形が取得されて、PGAのデータ及び所定加速度継続時間のデータが抽出される。更に、ステップS1において、地震動の時系列波形が加速度応答スペクトル解析されて、各周期帯におけるスペクトル値が取得される。
図7に示すように、被災度推定システム1において、まず、前処理ステップが実行される(S11)。ステップS11において、前処理部131により、入力情報を求める処理が実行される。具体的には、ステップS11において、計測震度のデータが取得される。更に、ステップS11において、地震動の時系列波形が取得されて、PGAのデータ及び所定加速度継続時間のデータが抽出される。更に、ステップS11において、地震動の時系列波形が加速度応答スペクトル解析されて、各周期帯におけるスペクトル値と各周期帯におけるスペクトル値の最大値が取得される。
上述した被災度推定システム1、被災度推定方法、被災度学習システム2、被災度学習方法にあっては、入力情報として、地震動の時系列波形の情報を不要とし、学習済みモデルを用いることにより、地震動の最大加速度および地震動の時系列波形の加速度応答スペクトル解析におけるスペクトル値の情報を要するだけですむようにしている。これにより、従来のような時刻歴応答解析を行う必要がなくなり、被災度の推定に要する時間を短縮しやすい。具体的には、時刻歴応答解析を行う場合、解析に要する時間が膨大となっていたところ、推定部133における推定に要する時間は数分ですむ。なお、加速度応答スペクトル解析を行う前処理部131における処理に幾分かの時間を要するが、これを合わせても被災度推定方法に要する時間は時刻歴応答解析を行う場合と比較して10分の1以下ですみ、従来よりも大幅な時間短縮が可能である。
図10Aに、同上の実施形態のB工法のテストデータを用いた被災度の推定値-正解値の関係図(図9Bと同)を示し、図10Bに、例1のB工法のテストデータを用いた被災度の推定値-正解値の関係図を示す。
図11Aに、同上の実施形態のB工法のテストデータを用いた被災度の推定値-正解値の関係図(図9Bと同)を示し、図11Bに、例2のB工法のテストデータを用いた被災度の推定値-正解値の関係図を示す。
本開示の実施形態は、上記実施形態に限定されない。上記実施形態は、本開示の課題を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施形態の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。
上記実施形態及び変形例から明らかなように、本開示は、下記の態様を含む。
132 取得部
133 推定部
2 被災度学習システム
232 取得部
233 学習部
3 建物
4 ニューラルネットワーク
Claims (13)
- 地震動の最大加速度および前記地震動の時系列波形の応答スペクトル解析におけるスペクトル値の情報を含む入力情報を取得する取得ステップと、
前記入力情報を入力データとする学習済みモデルであって、建物の前記地震動による被災度に関する出力情報を教師データとして機械学習により予め構築された前記学習済みモデルを用いて、前記入力情報を基に前記出力情報を推定する推定ステップと、を備える、
建物の被災度推定方法。 - 前記入力情報は、所定加速度継続時間の情報を含み、
前記所定加速度継続時間は、前記地震動の所定の継続時間に占める、前記地震動の最大加速度に1未満の正数値を乗じてなる所定加速度を超える前記地震動の加速度が継続する時間である、
請求項1記載の建物の被災度推定方法。 - 前記入力情報は、計測震度の情報を含む、
請求項1又は2記載の建物の被災度推定方法。 - 前記出力情報は、前記建物の最大変形量の情報を含む、
請求項1~3のいずれか一項に記載の建物の被災度推定方法。 - 前記建物は、複数の層を備え、
前記出力情報は、複数の前記層についての前記最大変形量の情報を含む、
請求項4に記載の建物の被災度推定方法。 - 前記建物は、複数の層を備え、
前記出力情報は、最大層間変形量の情報を含む、
請求項1~5のいずれか一項に記載の建物の被災度推定方法。 - 前記出力情報は、前記建物の累積塑性変形量の情報を含む、
請求項1~6のいずれか一項に記載の建物の被災度推定方法。 - 前記出力情報は、被災ランクの情報を含む、
請求項1~7のいずれか一項に記載の建物の被災度推定方法。 - 前記学習済みモデルは、ニューラルネットワークを用いたものである、
請求項1~8のいずれか一項に記載の建物の被災度推定方法。 - 地震動の最大加速度および前記地震動の時系列波形の応答スペクトル解析におけるスペクトル値の情報を含む入力情報を取得する取得部と、
前記入力情報を入力データとする学習済みモデルであって、建物の前記地震動による被災度に関する出力情報を教師データとして機械学習により予め構築された前記学習済みモデルを用いて、前記入力情報を基に前記出力情報を推定する推定部と、を備える、
建物の被災度推定システム。 - 地震動の最大加速度および前記地震動の時系列波形の応答スペクトル解析におけるスペクトル値の情報を含む入力情報を取得する取得ステップと、
前記入力情報を入力データとする学習済みモデルであって、建物の前記地震動による被災度に関する出力情報を教師データとする前記学習済みモデルを機械学習により構築する学習ステップと、を備える、
建物の被災度学習方法。 - 地震動の最大加速度および前記地震動の時系列波形の応答スペクトル解析におけるスペクトル値の情報を含む入力情報を取得する取得部と、
前記入力情報を入力データとする学習済みモデルであって、建物の前記地震動による被災度に関する出力情報を教師データとする前記学習済みモデルを機械学習により構築する学習部と、を備える、
建物の被災度学習システム。 - 1以上のプロセッサに、
請求項1~9のいずれか一項に記載の建物の被災度推定方法又は請求項11に記載の建物の被災度学習方法を実行させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021050741A JP7444811B2 (ja) | 2021-03-24 | 2021-03-24 | 建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021050741A JP7444811B2 (ja) | 2021-03-24 | 2021-03-24 | 建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022148889A true JP2022148889A (ja) | 2022-10-06 |
JP7444811B2 JP7444811B2 (ja) | 2024-03-06 |
Family
ID=83462342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021050741A Active JP7444811B2 (ja) | 2021-03-24 | 2021-03-24 | 建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7444811B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433991A (zh) * | 2023-06-14 | 2023-07-14 | 中国地质大学(武汉) | 一种用于应急救援的震后建筑物受损评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008298704A (ja) * | 2007-06-04 | 2008-12-11 | Sekisui Chem Co Ltd | 建物の被災診断システム |
JP2009156743A (ja) * | 2007-12-27 | 2009-07-16 | Osaka Gas Co Ltd | 感震器、緊急遮断システム及び緊急遮断システムの使用方法 |
JP2011057420A (ja) * | 2009-09-14 | 2011-03-24 | Mitsubishi Electric Corp | エレベーター地震被害予測装置 |
JP2013152197A (ja) * | 2012-01-26 | 2013-08-08 | Daiwa House Industry Co Ltd | 建物の地震被害損失の評価装置・評価方法・評価プログラム |
JP2014153191A (ja) * | 2013-02-08 | 2014-08-25 | Ohbayashi Corp | 建物の地震による応答値計算システム及び建物の地震による被害調査表作成方法 |
JP2016197014A (ja) * | 2015-04-02 | 2016-11-24 | アズビル株式会社 | 建物被災推定システムおよび方法 |
US20180336652A1 (en) * | 2017-05-16 | 2018-11-22 | One Concern, Inc. | Estimation of damage prevention with building retrofit |
JP2020101941A (ja) * | 2018-12-20 | 2020-07-02 | 旭化成ホームズ株式会社 | 被災度導出システム、被災度導出装置、被災度導出方法、及びプログラム |
-
2021
- 2021-03-24 JP JP2021050741A patent/JP7444811B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008298704A (ja) * | 2007-06-04 | 2008-12-11 | Sekisui Chem Co Ltd | 建物の被災診断システム |
JP2009156743A (ja) * | 2007-12-27 | 2009-07-16 | Osaka Gas Co Ltd | 感震器、緊急遮断システム及び緊急遮断システムの使用方法 |
JP2011057420A (ja) * | 2009-09-14 | 2011-03-24 | Mitsubishi Electric Corp | エレベーター地震被害予測装置 |
JP2013152197A (ja) * | 2012-01-26 | 2013-08-08 | Daiwa House Industry Co Ltd | 建物の地震被害損失の評価装置・評価方法・評価プログラム |
JP2014153191A (ja) * | 2013-02-08 | 2014-08-25 | Ohbayashi Corp | 建物の地震による応答値計算システム及び建物の地震による被害調査表作成方法 |
JP2016197014A (ja) * | 2015-04-02 | 2016-11-24 | アズビル株式会社 | 建物被災推定システムおよび方法 |
US20180336652A1 (en) * | 2017-05-16 | 2018-11-22 | One Concern, Inc. | Estimation of damage prevention with building retrofit |
JP2020101941A (ja) * | 2018-12-20 | 2020-07-02 | 旭化成ホームズ株式会社 | 被災度導出システム、被災度導出装置、被災度導出方法、及びプログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433991A (zh) * | 2023-06-14 | 2023-07-14 | 中国地质大学(武汉) | 一种用于应急救援的震后建筑物受损评估方法 |
CN116433991B (zh) * | 2023-06-14 | 2023-08-22 | 中国地质大学(武汉) | 一种用于应急救援的震后建筑物受损评估方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7444811B2 (ja) | 2024-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Lost data recovery for structural health monitoring based on convolutional neural networks | |
Lu et al. | A deep learning approach to rapid regional post‐event seismic damage assessment using time‐frequency distributions of ground motions | |
Markhvida et al. | Modeling spatially correlated spectral accelerations at multiple periods using principal component analysis and geostatistics | |
Eads et al. | Spectral shape metrics and structural collapse potential | |
Loth et al. | A spatial cross‐correlation model of spectral accelerations at multiple periods | |
Su et al. | Identification of instantaneous modal parameter of time‐varying systems via a wavelet‐based approach and its application | |
Lai et al. | Semi‐supervised structural linear/nonlinear damage detection and characterization using sparse identification | |
Mackie et al. | Response sensitivity of highway bridges to randomly oriented multi-component earthquake excitation | |
Basu et al. | Extracting rotational components of earthquake ground motion using data recorded at multiple stations | |
Bradley | Correlation of arias intensity with amplitude, duration and cumulative intensity measures | |
Zhang et al. | Substructure identification for shear structures I: Substructure identification method | |
Rupakhety et al. | Can simple pulses adequately represent near-fault ground motions? | |
WO2017136234A1 (en) | Motion sensing wi-fi sensor networks for continuous 3d modeling and prediction of facility responses to disturbances | |
Hu et al. | Conditional simulation of spatially variable seismic ground motions based on evolutionary spectra | |
Kuwabara et al. | A new approach to system identification and damage detection of high‐rise buildings | |
Torbol | Real‐time frequency‐domain decomposition for structural health monitoring using general‐purpose graphic processing unit | |
Kuok et al. | Investigation of modal identification and modal identifiability of a cable-stayed bridge with Bayesian framework | |
Sousa et al. | On the treatment of uncertainty in seismic vulnerability and portfolio risk assessment | |
JP2017044614A (ja) | 構造物の伝達関数の高精度評価・地震応答予測・劣化診断システム及びその方法 | |
Cao et al. | Reconstruction of full-field dynamic responses for large-scale structures using optimal sensor placement | |
Bagheri et al. | Time domain damage localization and quantification in seismically excited structures using a limited number of sensors | |
Lu et al. | Data‐driven two‐level performance evaluation of eddy‐current tuned mass damper for building structures using shaking table and field testing | |
Du | Empirical correlations of frequency-content parameters of ground motions with other intensity measures | |
DeBock et al. | Incorporation of spatial correlations between building response parameters in regional seismic loss assessment | |
JP7444811B2 (ja) | 建物の被災度推定方法、建物の被災度推定システム、建物の被災度学習方法、建物の被災度学習システム及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230515 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230725 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231023 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231109 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240222 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7444811 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |