JP4595094B2 - 防災総合計画支援システムとそのプログラム - Google Patents
防災総合計画支援システムとそのプログラム Download PDFInfo
- Publication number
- JP4595094B2 JP4595094B2 JP2008305768A JP2008305768A JP4595094B2 JP 4595094 B2 JP4595094 B2 JP 4595094B2 JP 2008305768 A JP2008305768 A JP 2008305768A JP 2008305768 A JP2008305768 A JP 2008305768A JP 4595094 B2 JP4595094 B2 JP 4595094B2
- Authority
- JP
- Japan
- Prior art keywords
- occurrence
- disaster
- repair
- accident
- data
- 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.)
- Expired - Fee Related
Links
- 230000002265 prevention Effects 0.000 title claims description 49
- 230000008439 repair process Effects 0.000 claims description 184
- 238000007689 inspection Methods 0.000 claims description 115
- 238000000926 separation method Methods 0.000 claims description 71
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000013075 data extraction Methods 0.000 claims description 11
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 description 92
- 230000006870 function Effects 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000011160 research Methods 0.000 description 8
- 239000013049 sediment Substances 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 229930091051 Arenine Natural products 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
また、道路や上下水道、ダム、港湾などの施設や設備、あるいは橋梁や鉄塔、発電所、ビルなどの建造物における老朽化や上記の自然災害に伴う事故や補修についても同様である。
かかる状況に対し、これだけ多くの危険箇所や施設・設備・建造物の全てにハード面の対策や補修・更新工事を実施するには、予算的、時間的な制約もあることから、ソフト面における対策によりハ−ド面の対策の遅れをカバーする必要性が認識されてきており、地域に広く散在する危険渓流等自然災害が発生する可能性のある地点・箇所や、老朽化や自然災害に伴う事故により被害を受ける可能性のある構造物の中から特に危険な箇所や比較的安全な箇所の分布を把握し、災害・事故・補修の発生に対する予防強化を行うことの重要性は高まっている。
そこで、従来から、例えば、防災・補修事業計画の立案支援などのために実際の災害・事故・補修の発生あるいは非発生に関するデータをコンピュータ処理することで精度の高い情報を得る研究を実施して、本発明者らは既に、がけ崩れの発生予測に用いられる発生降雨、非発生降雨の判別境界線であるがけ崩れの発生限界線や、避難基準線、警戒基準線を設定する方法について非特許文献1に示されるように発表している。
非特許文献1では、複雑な自然現象を直線近似せず、高精度の発生限界線等を設定することを目的として、非線形判別に優れた放射状基底関数ネットワーク(以後、RBFNと略す場合がある。)を用い、地域毎の非線形がけ崩れ発生限界雨量線を設定する方法を提案している。本非特許文献1に開示される技術では、RBFNを用いて、その学習機能を利用して最適な中間層と出力層の重みを決定することによって非線形がけ崩れ発生限界雨量線を設定している。
また、特許文献1においては、「災害対策支援システム」として、災害発生時に実行すべき災害対策を自動的に選択して表示し、その進捗状況を併せて示す手段を備えたシステムが開示されている。
本特許文献1に開示される災害対策支援システムは、基本的にはif−then形式で、予め発生する事象とそれに対応する対策を関連付けて格納された対策リストを読みだして、対応するものである。災害時に精神的、時間的、人的に余裕のない状況で、的確な判断を可能とすべくなされたものである。また、標準的な作業時間と実働時に要した作業時間及び対策可能な残り時間を表示することで、対策進捗状況をリアルタイムに把握することが可能であると同時に、重要度の高い対策と低い対策を取捨選択するためにも用いることができる。
さらに、特許文献2においては、非特許文献1に開示される技術を警戒避難システムに応用した発明が開示されている。本特許文献2に開示された発明では、災害に影響を及ぼす地形要因、地質・土質要因、環境要因及び地震要因を踏まえた上で、短期降雨指標として、例えば発生時刻から3時間以内の最大時間雨量を、また、長期降雨指標として、例えばその時刻における半減期を72時間とした実効雨量を用いて、CLを演算するものである。
このようにして得られたCLを用いることで、信頼性の高い警戒避難支援システムを提供することが可能である。
さらに、非特許文献2には、地形・地質要因(以下、地形要因という。)と降雨要因を用いて、ラフ集合により土石流の発生・非発生ルールの作成を行い,災害発生の起因となった要因の追求を行う研究が開示されている。この研究は、数理的な手法を導入することにより客観的な災害発生条件を探求するものである。
倉本和正 他5名:RBFネットワークを用いた非線形がけ崩れ発生限界雨量線の設定に関する研究、土木学会論文集のNo.672/VI−50,pp.117−132,2001.3 岡本正男 他4名:ラフ集合を用いたデータマイニングによる土砂移動現象の重要要因及びルール抽出に関する研究、砂防学会誌 Vol.54,No.6,p.4−15,2002
これでは、客観的、定量的な評価であっても、地域毎あるいはグループ毎に個別具体的な評価を行なうことはできるものの、特定の地域ではなく、地域全般に共通の一般的、普遍的な評価を行なうことが困難であるという課題があった。
ルールが多様過ぎては、精度は高くなっても、効率的に評価を実施することが難しくなってしまう。すなわち、そのルールでカバーできる地点や箇所が少なくなってしまい、結局災害の発生・非発生に関する評価を行うことが難しくなるのである。すなわち、災害の発生・非発生に対する高精度かつ効率的な評価を実施することができないという課題があった。このことは、非特許文献1、特許文献1及び特許文献2においても同様であった。
なお、本願において、「ルール」とは、ラフ集合において要因毎のカテゴリー区間の組合せを意味し、「ラフ集合」とは、災害・事故・補修発生要因に対し、この要因に関する属性値に対するカテゴリー区間を設け、この要因毎のカテゴリー区間を組み合わせてモデルを形成し、このモデルに観測・点検データを代入して得られる集合であって、カテゴリー区間の組合せによって形成される部分集合によって完全に分離されない集合を意味する。また、本願において、「カテゴリー区間」とは、災害・事故・補修発生の要因における属性値、例えば、降雨量、流域平均勾配、流域長、老朽度、損傷程度などの観測値あるいは点検値に対して、区間として区切ったその区間を言う。例えば、要因が流域平均勾配の場合には、10°〜20°、20°〜30°、30°〜40°とする3つの範囲が、カテゴリー区間の例として考えられる。また、渓流方位などのようにもともと物理的な順位を持たない東、西、南、北等もこれに該当する。
なお、本願において、分離面を解析するための学習データとしての,災害・事故・補修の発生要因毎に観測・点検されたn次元の観測・点検データと、分離面までの距離を演算するための要因毎のn次元の観測・点検データは同一であっても、異なるデータであってもよい。異なる場合には、同一地点・箇所で異なる時期に観測・点検された場合と、異なる地点・箇所で観測・点検された場合とがある。また、本願においては、「しきい値」と「条件」と分けて記載しているが、これは「しきい値」は特に数値による限定のみの条件を概念し、「条件」は、例えばしきい値を含めて論理式を含むような場合をも概念しているためである。
しかも、生成されるルールは少ない要因数で構成されるものでありながら、多くの観測・点検データを説明することが可能な汎用性の高いものであるという利点を持つ。
SVMとは1995年にVapnikらによって提案された手法で、現在、最も強力なパターン分類手法として注目されているものである。SVMでは、線形分離不可能なデータ群を、非線形関数を用いることにより高次元特徴空間にマッピングし、線形分離可能な状態とすることで明確に分離する機能を持つ。この時、高次元特徴空間でデータを分離する面を分離超平面と呼ぶ。この分離超平面の概念を図1に示す。なお、本願では、この分離超平面を単に分離面という。
この機能を利用し、災害・事故・補修の発生・非発生を判別する分離超平面と各データとの距離を算出することで危険度を評価することができる。この分離超平面と各データとの距離を算出して危険度を評価する概念を図2に示す。本願ではこの危険度評価手法を応用し、災害・事故・補修のルールを求める上で元の観測・点検データの代表となり得る代表データ(災害・事故・補修発生データとしてはより危険度の高いもの、非発生データとしてはより安全度の高いもの)を抽出する作業を行った。
なお、データ点と分離超平面との距離についてはあらためて説明する必要もないと思われるが、データ点の座標から分離超平面に対して垂線を下ろし、その長さを距離するものである。但し、図2では、座標として危険側を正方向とし、分離超平面からデータ点に向かって距離(f(x))を計算しているため、すなわちベクトルとして考えているため、データ点が分離超平面から正方向へ離れるほど距離は負値として大きくなり、逆にデータ点が分離超平面から負方向へ離れるほど(座標原点に近くなるほど)正値として大きくなっている。本実施の形態においては、このような座標の採り方をしているものの、逆に座標として安全側を正方向としている場合には、距離が負値の方が安全となり、正値の方が危険となることは言うまでもない。
図3に示されるラフ集合では、前述のとおり9個の領域に区分しても部分集合は完全に分離されていない。このように完全に分離されない集合をラフ集合と呼んでいる。これらの要因によって集合が区分された時、同じ領域内のデータがすべて同種であるデータを整合データ(図3においてハッチングされている部分内のデータ)といい、混在するデータを矛盾データという。なお要因の組合せを評価する指標としては、次式(1)に定義される整合度を用いている。
また、作成したルール(Rule)の精度と汎用性を表す尺度として、式(2)、(3)にそれぞれ示す確信度とサポートを用いている。
土砂災害の解析にラフ集合を用いる場合、作成されたルールの1つ1つが説明できる範囲は少なく、データベースの一部しか説明できないことから、有用なルールとは言い難い場合がしばしば生じる。そのような場合、ルール領域の拡張を行うことが効果的である。
ルール領域の拡張の概念としては、例えば図4(a)に示すハッチング領域が発生ルールである場合、図4(b)に示すように、より危険と考えられる部分集合を含む領域を発生ルールとすることで(カテゴリー区分に「以上」の概念を与える)、ルールに含まれる発生箇所数が増加し、汎用性のあるルールとなる。非発生ルールにおいても同様であるが、この場合には、カテゴリー区分に「以下」の概念を与えるように実施する。本願においてもSVMによって抽出された代表データに対しルール領域の拡張を用いることで、より汎用性の高いルールの作成を行うことも可能である。
以上、本願発明の実施の形態に係る防災総合計画支援システムを説明する上で重要な概念であるSVMとラフ集合について説明した。
図5は防災総合計画支援システムの構成図であり、図6は防災総合計画支援システムにおいて実行される演算の工程を示すフローチャートである。
図5において、防災総合計画支援システム1は、大きくいうと、入力部2、SVM解析部3、ラフ集合解析部6、解析データベース4、データベース5及び出力部7から構成されている。
入力部2は、解析データベース4やデータベース5に格納される観測・点検データ8や解析条件データ9をはじめとして、解析データベース4及びデータベース5内に示される各データを予め入力して読み出し可能に格納しておくために用いられる。また、SVM解析部3に対して、観測・点検データ8や解析条件データ9を直接入力するためにも用いられる。入力部1としての具体例には、キーボード、マウス、ペンタブレット、光学式の読み取り装置あるいは、コンピュータ等の解析装置や計測機器等から通信回線を介してデータを受信する受信装置など複数種類の装置からなり目的に応じた使い分け可能な装置が考えられる。
また、出力部7としては、具体的にはCRT、液晶、プラズマあるいは有機ELなどによるディスプレイ装置、あるいはプリンタ装置などの表示装置、さらには外部装置への伝送を行うためのトランスミッタなどの発信装置などが考えられる。
SVM解析部3は、解析条件設定部10、分離面演算部11、危険度演算部12及び代表データ抽出部13から構成されるものである。
解析条件設定部10は、SVMの解析を実行するための解析条件を設定するものであり、入力部2から直接入力される解析条件データ9を読み込み、これを解析条件として設定したり、あるいは予め解析データベース4に入力部2から格納された解析条件データ9を読み出して設定することも可能である。SVM解析における解析条件としては、例えばソフトマージン法の場合では、誤判別を許容する程度を示すCとガウシアンカーネルの半径(データの影響度)であるrの2つのパラメータの設定が必要であり、これが解析条件として含まれる。あるいは、後述する危険度の演算において、代表データを抽出するためのしきい値又は条件なども解析条件として含まれるものである。すなわち、解析条件とは、SVM解析を実行する場合に、観測・点検データ8や分離面を構成する分離面関数データ14あるいは危険度の演算を実行するための危険度関数データ15以外に必要となる定数やパラメータあるいはしきい値又は条件などの条件に関する広く一般的なデータを意味しており、これらがSVM解析に際して設定されるようにするための要素を解析条件設定部10としているのである。
前述のとおり、学習データ16と観測・点検データ8は、同一のデータを用いてもよいし、異なるデータ、すなわち観測・点検した地点・箇所が同一で異なる時期に得られたデータあるいは異なる地点・箇所で観測・点検して得られたデータのいずれでもよい。
また、本実施の形態においては、分離面関数データ14は解析データベース4に、学習データ16はデータベース5にそれぞれ予め格納されており、分離面演算部11は、それぞれ読み出して用いるが、これらは解析データベース4やデータベース5に格納されていなくとも、分離面演算部11が解析を実行する際に入力部2を介して入力されるようにしてもよい。以下、本実施の形態において解析データベース4やデータベース5に格納されているデータを用いる場合においても同様に、これらのデータベースから読み出して用いてもよいし、別途必要に応じて外部から入力部2を介して入力するようにしてもよい。
危険度演算部12では、図6にステップS2として示すように、分離面演算部11によって演算された結果得られたあるいは予めデータベース5に格納された分離面データ17によって構成される分離面に基づいて、観測・点検データ8からの距離を演算する。具体的には、距離を演算するための関数である危険度関数データ15に、分離面データ17と観測・点検データ8を入力して、n次元の座標空間において分離面と観測・点検データ8のプロット点との距離を演算している。この距離を危険度データ18として読み出し可能にデータベース5に格納する。
この距離の概念については前述のとおりである。そして、この距離を危険度として、観測・点検データ8に対する危険度を判断するものである。本願では、便宜上危険度として危険性に対する指標としているが、逆に安全性に対する指標として安全度としてもよいことは言うまでもない。
この代表データ19を抽出するための危険度に対するしきい値又は条件については、実施例の説明時にさらに詳細に説明する。
抽出された代表データ19は、読み出し可能にデータベース5に格納される。
この時点で、図3に示されるようなラフ集合が生成されている。
具体的には、災害・事故・補修のルール生成部23は、ラフ集合データ20に対して、モデルに含まれるそれぞれの要因のカテゴリー区間毎の組合せである個々のルールにおける確信度とサポートを演算する。そして、確信度に対して所望に設定されたしきい値又は条件及び/又はサポートに対して所望に設定されたしきい値又は条件と比較しながら、いずれか、あるいはいずれをも満足する要因とカテゴリー区間の組合せ(ルール)を検索して抽出する。従って、個々のルールとして、1つのルールであるか、あるいは複数のルールとなるかは、確信度及び/又はサポートのしきい値又は条件にもよることになる。
その際に、さらに、前述のルールの拡張を実行してもよい。その際にも、ルールの拡張を許容するための確信度及び/又はサポートに関するしきい値又は条件を予め定めておき、これを解析条件データ9として格納しておき、解析時に読み出すようにしてもよい。
あるいは、確信度、サポート及びこの拡張のためのしきい値又は条件をその解析の際に入力部2を介して入力するようにしてもよい。
確信度及び/又はサポートに対するしきい値又は条件を満足する要因とカテゴリー区間の組合せ(ルール)が求まると、災害・事故・補修のルール生成部23は、これをルールデータ21としてデータベース5に読み出し可能に格納する。
また、本実施の形態においては、システム発明として説明したが、図5に示されるシステムを汎用のコンピュータと捉え、これを動作させるプログラムとして、図6に示すフローチャートを実行させることを考えると、上述の説明はコンピュータが各工程を実行しながら観測・点検データ8から代表データ19を抽出し、その代表データ19を基に災害・事故・補修のルールを生成するプログラムについての実施の形態の説明として成立するものであり、このプログラムについての実施の形態に係る作用、効果については先に説明した防災総合計画支援システムに係る実施の形態に係る作用、効果と同様である。
本実施例では、土石流災害が面的に集中発生した1999年6月29日に広島県で発生した災害の発生形態について、防災総合計画支援システム1を用いて特に災害が多発した広島地区(安佐北区、安佐南区、佐伯区)の1,235箇所で取得したデータにより汎用性の高いルールを生成することを試みた。その検討対象地域については、図7に示す。
1,235箇所で取得したデータの内訳は、土石流発生流域は213箇所、非発生流域は1,022箇所となっている。なお、本実施例における土石流とは、山腹崩壊等を含めた渓流での土砂移動現象の総称として用いている。
また、本実施例の説明に使用した地形データは、渓流の流域特性を説明するため、土石流危険渓流を1次谷に分割し1/10,000地形図から計測される要因と土石流危険渓流調査結果により現地計測された要因(ここでは、渓床堆積厚さ、渓流幅の2要因)を用い、表1に示す合計17要因を地形要因として使用した。ここで、ラフ集合は連続値データを扱うことができないため、連続値データはカテゴリーに離散化して取り扱った。
降雨データは広島地区の29観測所(アメダス、広島県及び国土交通省管轄)の時間雨量を用いた。
SVMの分析を行う際には、最適な解析を行うためのパラメータスタディが必要である。ソフトマージン法のSVMでは、誤判別を許容する程度を示すCとガウシアンカーネルの半径(データの影響度)であるrの2つのパラメータを設定しなくてはならない。本実施例では、C=5,10,50,100,200,300,400,500の8ケース、r=0.1,0.5,1.0,2.0,3.0,4.0,5.0の7ケースの計56ケースでパラメータスタディを行った。パラメータスタディでは、各ケースにおいて構築される分離面の精度(いかに正確にデータ分類が行われるか)を検証した。ここでは以下の式(4)に定義する的中率により分離面の精度を評価した。
過去の研究では、分離面の汎用性を確保するために、的中率100%(完全分離)とならないパラメータをあえて使用していたが、本実施例では明確に災害発生・非発生に分離される代表データを抽出することを目的としているため、的中率100%のパラメータセットを採用することとした。
しかしながら、本実施例の最終的な目標が汎用的ルールの作成であることを考慮すると、完全分離を確保しながらも出来るだけ汎用的な分離面での分類結果を採用するのが望ましい。SVMにおいては|f(x)|≦1となるデータはサポートベクターと呼ばれ、分離面に近接したデータ群と考えることができる。汎用的な分離面とは、なるべくこのサポートベクターの数が少なくなる分析によって構築されたものと考えられることから、本実施例のパラメータスタディ結果の中ではこれに該当するC=300、r=3の組み合わせを解析用パラメータとして採用した。このCとrの組合せも解析条件データ9として解析データベース4に格納され、解析時に解析データベース4から読み出されるものである。あるいは、解析時に入力部2を介して入力されてもよい。
ケース1は、 |f(x)|>1のデータのすべてを代表データとして用いるケースである。本ケースでは代表データとして発生データ:30箇所、非発生データ:710箇所が抽出される。ケース1では、抽出の条件がそのまま|f(x)|>1というしきい値でもある。
ケース2は、発生データと非発生データの危険度の高いもの、安全度の高いものそれぞれの上位から同数をそろえるケースである。本ケースでは発生の元データのf(x)値が−1より小さくなる30箇所のデータと、f(x)値が最も大きいものからこれと同数の非発生データ30箇所を代表データとする条件を設定し、それぞれから抽出した。
また、ケース3はケース2同様発生データと非発生データの危険度の高いもの、安全度の高いものそれぞれの上位からデータの抽出を行うものであるが、抽出するデータ数は元データにおける発生・非発生データ数の比率に合わせるという条件に従うケースである。ここではf(x)値が−1より小さくなる発生データが30個であったことから、元データにおける発生・非発生データの量比(213箇所:1022箇所)の関係が保持できるよう、非発生データからはf(x)が1より大きくなるデータのうち最も大きいものから144箇所を抽出して代表データを構成した。
以下、これら3つのケースに対してラフ集合解析部6を用いて、ラフ集合によるルール生成を実行した。
なお、本実施例においては、ケース1乃至3という3つのケースを考え、それぞれの代表データ19の抽出に際して条件あるいはしきい値を設定したが、代表データ19の抽出における条件やしきい値はこのような条件に限定するものではなく、観測・点検データ8の内容によっては適宜妥当性を検討しながら条件やしきい値を設定してもよい。
整合度100%のもとに同じ要因数で構成されるルールが多数存在する場合、最適な組合せを選定することが困難である。そこで、整合度100%となる組合せの中で個々の要因の出現回数の多いものを多数含むものを最適な組み合わせとする条件を追加して演算を実行することとした。さらに、出現回数が同数の組合せが多く重要要因を絞りきれない場合には、既往研究で災害の発生・非発生の分離に大きく寄与することが示された「最急渓床勾配、渓流幅、時間雨量」をより多く含む組合せを優先する条件を設定した。
なお、本実施の形態においては、ラフ集合において要因毎のカテゴリー区間の組合せをルールとしており、この確信度とサポートについて演算し、このしきい値又は条件を解析条件データ9として用いることを説明したが、先の説明における整合度についてもルールの構成要因数を絞り込むためのしきい値あるいは条件として用いることができる。この場合は、この整合度に関するしきい値又は条件は、予め解析条件データ9として解析データベース4に格納しておき、災害・事故・補修のルール生成部23が読み出して用いるか、あるいは災害・事故・補修のルール生成部23が入力部2を介して入力されるものをしきい値あるいは条件として読み込んで用いてもよい。
このルールを元データ(観測・点検データ8、1,235箇所)に適用した場合の結果を表5右側に示す。ここに示されるのは丸1から丸3については個々のルールで算出したデータ数を足し合わせた結果であり、丸4は全渓流1,235箇所から各ルールに含まれるデータ数(丸1)をさし引いたものである。また、丸5と丸6は各ルールの累計の確信度・サポートである。
本ケースでの結果としては、1個の非発生ルールのみで広島地区1,235渓流を説明できることが判明した。しかしながら、渓床堆積厚のカテゴリー値5とは表1からわかるように「4.0≦GG(渓床堆積厚4.0m以上)」と最大カテゴリー値になっており、「5以下」とはどのような値でもよいことと同意になり、ルール全体としても6要因すべてがどのような値でもよいことになる。また、発生ルールが全く特定できていないことからも有効なルール作成が行えなかったと判断される。この原因としては発生データ数30箇所に対して、非発生データ数710箇所と非発生のデータ数が多すぎることから、非発生に依存するルール作成が行われたと推測される。
表6においての最小要因数は最急渓床勾配、時間雨量、累積雨量の3要因となり、非発生ルールが2個と発生ルールが2個の合計4個のルールが作成された。
このルールを元データに適用した場合の結果を表6の右側に記す。ここではルールが4個作成されているが、丸1から丸3は各ルールを累加したときのデータ数を示している。例えば、ルール4における丸1のデータ数185にはルール3のデータ107も含まれている。つまりルール4だけのデータを考えると185−107=78箇所となる。作成された4個のルールの全体の確信度やサポートが最終行であるルール9に示されており、この場合、4個のルールでの確信度は31.0%、サポートは97.1%となる。
ケース1とは異なり非発生ルール、発生ルールがともに作成されたが、元データ(観測・点検データ8)に適用した場合の非発生のサポートが15.0%と低い(丸6参照)。これは「非発生ルールに該当するデータ185箇所のうち、96.2%は安全だと考えられるが、該当するデータが全体の1,235箇所の中でわずか15.0%(185箇所)しかない」という結果であり、多くのデータを説明できるルールが作成されたものの、累計確信度が31.9%と低く信頼性に欠け、「確信度もサポートも高いルールの作成」という目標を達成できていない結果となった。
よって、このケース2からは代表的なルール作成が行えなかったと判断された。その原因としては30箇所の発生データに対して、非発生データを30箇所と同数にしたことにより非発生の代表データが少なくなりすぎたためであると考えられる。
ただし、水系模様に関してはどのルールにおいても「*」となっており、実質の最小要因数は4要因といえる。
このルールを元データ(観測・点検データ8)に適用した場合の結果を表7の右側に記す。ここに示されるように、サポートについては非発生のサポートは71.4%%と、実際に数の多い非発生データをよく捉えている。また、非発生と発生の累計のサポートは84.8%とケース2の97.1%に比べてやや落ちるものの、ケース3の確信度は81.9となっており、ケース2の31.9%よりも格段に質の高いルールが作成されている。
以上のことより、SVMの結果においてf(x)値が-1以下となるデータ割合を算出し、これを非発生に適用して代表データを抽出し、ルールの作成を行うことで、より精度が高くバランスの良いルール作成が行えたと考えられる。
要因について考察すると、渓床勾配が20度以下では、土砂の生産源となる崩壊斜面が上流域に少ないことから非発生の要因として妥当であり、逆に30度以上では土砂の生産源である発生領域が多くなり、土石流の危険性は非常に高くなる。これは図8に示す実際の最急渓床勾配を見ても30度以上において発生率が増加していることと整合している。また、主渓流長については、延長が長ければ長いほど渓床の不安定土砂量が増加し、土石流の発生の危険性が高くなる。とくに主渓流長0.60km以下では図9に示すように、発生率が15%程度であるが、0.60km以上では発生率が30%近くに上昇していることからも数値として妥当であると考える。渓流幅についても図10から、2.0m以下では発生率が低くなり、非発生ルールの項目として妥当である。降雨についても同様であり、図11に示すように雨量が大きくなればなるほど発生の危険性は高まるというもので発生や非発生のルールの項目としては妥当であった。
既往研究で広島地区を対象として、ラフ集合を用いて土石流の発生・非発生に関しての重要要因の抽出、ならびにルール生成を行ったものと本実施例を比較して表8に示す。表8に示されるように水系模様、最急渓床勾配、流域幅、流域長、谷深比、0次谷の数、最大時間雨量の7要因が重要要因として挙げられているが、本実施例で抽出した重要要因5要因と共通していたのは水系模様、最急渓床勾配、流域幅、最大時間雨量の4要因であり、災害に起因する重要要因の結果が類似した結果となった。このことからもSVM解析部3とラフ集合解析部6を兼ね備えたシステムにより抽出した重要要因は妥当であると考えられる。
1つのルールに対するサポートの最大値を比較すると、既往研究では非発生4.0%,発生0.5%であったものが、本実施例のケース3では非発生65.3%、発生4.8%となっており、汎用性が大きく向上しているのが認められる。また、非発生ルールで非発生データを、発生ルールで発生データを適合できた数の最大値を比べると、既往研究では、非発生49個、発生6個であったものが、検討ケース3では非発生717個、発生31個となっており、ルール適合の質が高いことが確認できた。
次に、本実施例2では、道路や上下水道、ダム、港湾、砂防などの施設や設備、橋梁や鉄塔、発電所、ビルなどの建造物を代表して、大阪環状線の路下点検データを防災総合計画支援システム1に用いて、補修の要否(発生・非発生)に関する汎用性の高いルールを生成することを試みた。
使用した観測・点検データの取得年度は1985,1987,1990,1992,1995,1999,2004年である.この中で学習データとして1985〜1999年までのデータを使用した。本実施例における補修の発生に関係する要因としては9要因(ボルトの緩み,ボルトの欠損,異常音,排水管のつまり,排水管の損傷,漏水,止水工,伸縮本体の損傷,さび・腐食)を用いている。また、教師値については補修履歴(補修の発生・非発生)を用いている。
ここで、全く同じ要因の点検結果にも関わらず教師値が異なるデータが多く存在し、明らかな矛盾を含んでいることから、これらの発生・非発生データすべての削除を行った。学習データが1152箇所(発生292,非発生860)存在したが、明らかな矛盾データを処理することで、削除後の学習データは327箇所(発生132,非発生195)となった。
まず、予め解析条件データ9として用いるためのSVMに関するCとrのパラメータスタディを実施した。このパラメータスタディの結果を表9に示す。
このパラメータの組合せの中で、補修の要否についての分離性が最も高い93.0%を維持しながらも、代表データ19を多く抽出できる組合せとして、C=400、r=2を使用した。
よって、本実施例における代表データ抽出部13が抽出した代表データ19は発生24箇所、非発生35箇所となり、これらのデータとラフ集合解析部6を用いてルールの作成を行った。
ラフ集合解析部6によって生成されたルールを行い、2004年の観測・点検データについて予測が可能であるかの検証を行った。結果を表10に示す。
ここで、データについては観測・点検箇所によって点検項目が異なるものが存在していたため、欠測値が見られた。そのため、表中の0は欠測項目を指し、データが補完されればルールが完成するといったものとなっている。
ここで,代表データ19を抽出することなくラフ集合のみのルール作成を行う従来技術を用いた場合にどの程度の差(ルール数、要因数、確信度、サポート等)が生じるのかを比較した結果を表11に示す。
ラフ集合のみを用いてルールを作成した場合、表11左側に示すように9要因をすべて使って確信度が100%、サポートが14.6%となっており、5つのルールを用いても汎用性に問題があることが明らかとなった。それに対し、SVMによる代表ルールを用いた場合は、表11右側に示すように確信度が95.5%とラフ集合のみの解析結果と比べて同程度の質を保ちながら、サポートが100%と大きく向上させることができた。このことからも本実施例に係る防災総合計画支援システム1におけるSVM解析部3による代表データ19の抽出とラフ集合解析部6におけるルール生成の組合せが、要因やルール数を減少させながらもルールの質(精度)や汎用性を高めるために効果的であることが確認できた。
なお、今回は、実施例1で土石流の発生・非発生に関するルール、実施例2で大阪環状線の補修の要否に関するルールの生成に防災総合計画支援システムを使用したが、この他にも降雨を誘因として斜面あるいは渓流で発生する土砂災害、あるいは地震や火山活動によって発生する災害や河川災害など自然災害、さらには道路や上下水道、ダム、港湾、砂防などの施設や設備、橋梁や鉄塔、発電所、ビルなどの建造物における老朽化や上記の自然災害に伴う事故や補修を対象として、災害や事故の発生要因あるいは補修の要否判断に関する要因について観測・点検データが存在すれば、SVM解析部とラフ集合解析部を組み合わせて実行することで、精度と汎用性に優れたルールを生成することが可能である。従って、これらはそれぞれ災害の防止、事故の防止あるいは補修選定などの計画評価やその支援に単独でも用いられてもよいし、それぞれを組み合わせることで総合的なシステムとして用いることも可能である。
自然災害や施設、構造物、設備などの老朽化などに伴う事故や補修の発生は、必ずしも理論的に導かれることが困難であり、定期的な観測や点検が必須であるが、その観測や点検の項目は数多く、また、その精度は点検者の経験や知識、さらにはその観測・点検箇所の状態に左右されることも否めない。従って、必ずしもすべてのデータの信憑性が常に一定の水準にあるという訳ではなく、ノイズが含まれることも多い。
そこで、特に自然災害や前述の施設、構造物、設備などの観測・点検によるデータを取得してそれらの発生・非発生を評価するためには、すべての観測・点検データを用いるのではなく、取捨選択を行うことが重要となっている。
本発明の実施の形態に係る防災総合計画支援システムやそのプログラムでは、すべての観測・点検データを平等に採用するのではなく、2段階に分けて解析を行う、すなわち、データの選別を、SVM解析部3を用いて実施し、その後にラフ集合解析部6を用いてルールの生成を行うことで、精度を向上させ、しかも、高い汎用性をも発揮させようとしているのである。
高精度かつ汎用性の高い災害・事故・補修のルールを生成することができることで、防災や事故予防あるいは補修の要否に関する評価の信頼性を向上させることができ、これらの事業の適切化や効率化を推進するための支援が可能となる。従って、広く地域住民の災害・事故に対する安全性を確保・維持することが可能である。
Claims (4)
- 観測・点検対象箇所において災害・事故・補修の発生要因(要因数をnとする。n≧2)を,n次元座標空間を構成する座標軸に対応させ、前記災害・事故・補修の発生要因毎に観測・点検されたn次元の観測・点検データを学習データとし,前記観測・点検対象箇所における災害・事故・補修の発生・非発生を教師値として用い,災害・事故・補修の発生・非発生の可能性をサポートベクターマシンを用いて解析して災害・事故・補修の発生・非発生の境界を形成させる分離面と、前記観測・点検対象箇所において観測・点検された前記災害・事故・補修の発生要因毎のn次元の観測・点検データと、を用い、前記n次元の観測・点検データが示す前記n次元座標空間中での座標点から前記分離面までの距離であって、前記座標点が前記分離面に対して前記n次元座標空間の原点側にある場合を正値あるいは負値のいずれの値としても取りうる距離を前記観測・点検対象箇所の災害・事故・補修発生危険度として演算する危険度演算部と、
前記災害・事故・補修発生危険度に対する所望のしきい値又はしきい値を含む論理式を基準として、該当する前記災害・事故・補修発生危険度を抽出すると共に、この抽出された前記災害・事故・補修発生危険度に対応する前記災害・事故・補修の発生要因毎のn次元の観測・点検データを代表データとして抽出する代表データ抽出部と、
前記n次元の前記災害・事故・補修発生要因毎に予め設定されたカテゴリー区間を組み合わせて,又はn次元の前記災害・事故・補修発生要因毎に入力されるカテゴリー区間を組み合わせて,モデルを形成し、前記代表データをこのモデル内に代入して、ラフ集合を形成するラフ集合生成部と、
前記代表データを含んだ前記ラフ集合の前記災害・事故・補修発生要因毎のカテゴリー区間の組合せをルールとして生成し、このルール毎の災害・事故・補修の確信度と、サポートを演算し、前記確信度に対する所望のしきい値又はしきい値を含む論理式及び/又は前記サポートに対する所望のしきい値又はしきい値を含む論理式を基準として、前記ルールを抽出する災害・事故・補修のルール生成部と、
前記抽出されたルールを出力する出力部と、
を有し、前記抽出されたルールを出力して災害・事故の防止あるいは補修選定などの計画評価やその支援に供することを特徴とする防災総合計画支援システム。 - 観測・点検対象箇所において災害・事故・補修の発生要因(要因数をnとする。n≧2)を,n次元座標空間を構成する座標軸に対応させ、前記災害・事故・補修の発生要因毎に観測・点検されたn次元の観測・点検データを学習データとし,前記観測・点検対象箇所における災害・事故・補修の発生・非発生を教師値として用い,災害・事故・補修の発生・非発生の可能性をサポートベクターマシンを用いて災害・事故・補修の発生・非発生の境界を形成させる分離面を解析する分離面演算部と、
この分離面演算部で解析された分離面と、前記観測・点検対象箇所において観測・点検された前記災害・事故・補修の発生要因毎のn次元の観測・点検データと、を用い、前記n次元の観測・点検データが示す前記n次元座標空間中での座標点から前記分離面までの距離であって、前記座標点が前記分離面に対して前記n次元座標空間の原点側にある場合を正値あるいは負値のいずれの値としても取りうる距離を前記観測・点検対象箇所の災害・事故・補修発生危険度として演算する危険度演算部と、
前記災害・事故・補修発生危険度に対する所望のしきい値又はしきい値を含む論理式を基準として、該当する前記災害・事故・補修発生危険度を抽出すると共に、この抽出された前記災害・事故・補修発生危険度に対応する前記災害・事故・補修の発生要因毎のn次元の観測・点検データを代表データとして抽出する代表データ抽出部と、
前記n次元の前記災害・事故・補修発生要因毎に予め設定されたカテゴリー区間を組み合わせて,又はn次元の前記災害・事故・補修発生要因毎に入力されるカテゴリー区間を組み合わせて,モデルを形成し、前記代表データをこのモデル内に代入して、ラフ集合を形成するラフ集合生成部と、
前記代表データを含んだ前記ラフ集合の前記災害・事故・補修発生要因毎のカテゴリー区間の組合せをルールとして生成し、このルール毎の災害・事故・補修の確信度と、サポートを演算し、前記確信度に対する所望のしきい値又はしきい値を含む論理式及び/又は前記サポートに対する所望のしきい値又はしきい値を含む論理式を基準として、前記ルールを抽出する災害・事故・補修のルール生成部と、
前記抽出されたルールを出力する出力部と、
を有し、前記抽出されたルールを出力して災害・事故の防止あるいは補修選定などの計画評価やその支援に供することを特徴とする防災総合計画支援システム。 - コンピュータによって、災害・事故・補修の発生・非発生のルールを生成するために実行されるプログラムであって、
コンピュータに、観測・点検対象箇所において災害・事故・補修の発生要因(要因数をnとする。n≧2)を,n次元座標空間を構成する座標軸に対応させ、前記災害・事故・補修の発生要因毎に観測・点検されたn次元の観測・点検データを学習データとし,前記観測・点検対象箇所における災害・事故・補修の発生・非発生を教師値として用い,災害・事故・補修の発生・非発生の可能性をサポートベクターマシンを用いて解析して災害・事故・補修の発生・非発生の境界を形成させる分離面と、前記観測・点検対象箇所において観測・点検された前記災害・事故・補修の発生要因毎のn次元の観測・点検データと、を用い、前記n次元の観測・点検データが示す前記n次元座標空間中での座標点から前記分離面までの距離であって、前記座標点が前記分離面に対して前記n次元座標空間の原点側にある場合を正値あるいは負値のいずれの値としても取りうる距離を前記観測・点検対象箇所の災害・事故・補修発生危険度として演算する危険度演算工程と、
前記災害・事故・補修発生危険度に対する所望のしきい値又はしきい値を含む論理式を基準として、該当する前記災害・事故・補修発生危険度を抽出すると共に、この抽出された前記災害・事故・補修発生危険度に対応する前記災害・事故・補修の発生要因毎のn次元の観測・点検データを代表データとして抽出する代表データ抽出工程と、
前記n次元の前記災害・事故・補修発生要因毎に予め設定されたカテゴリー区間を組み合わせて,又はn次元の前記災害・事故・補修発生要因毎に入力されるカテゴリー区間を組み合わせて,モデルを形成し、前記代表データをこのモデル内に代入して、ラフ集合を形成するラフ集合生成工程と、
前記代表データを含んだ前記ラフ集合の前記災害・事故・補修発生要因毎のカテゴリー区間の組合せをルールとして生成し、このルール毎の災害・事故・補修の確信度と、サポートを演算し、前記確信度に対する所望のしきい値又はしきい値を含む論理式及び/又は前記サポートに対する所望のしきい値又はしきい値を含む論理式を基準として、前記ルールを抽出する災害・事故・補修のルール生成工程と、
前記抽出されたルールを出力する工程と、
を有して実行させ、前記抽出されたルールを出力して災害・事故の防止あるいは補修選定などの計画評価やその支援に供することを特徴とする防災総合計画支援プログラム。 - コンピュータによって、災害・事故・補修の発生・非発生のルールを生成するために実行されるプログラムであって、
コンピュータに、観測・点検対象箇所において災害・事故・補修の発生要因(要因数をnとする。n≧2)を,n次元座標空間を構成する座標軸に対応させ、前記災害・事故・補修の発生要因毎に観測・点検されたn次元の観測・点検データを学習データとし,前記観測・点検対象箇所における災害・事故・補修の発生・非発生を教師値として用い,災害・事故・補修の発生・非発生の可能性をサポートベクターマシンを用いて災害・事故・補修の発生・非発生の境界を形成させる分離面を解析する分離面演算工程と、
この分離面演算部で解析された分離面と、前記観測・点検対象箇所において観測・点検された前記災害・事故・補修の発生要因毎のn次元の観測・点検データと、を用い、前記n次元の観測・点検データが示す前記n次元座標空間中での座標点から前記分離面までの距離であって、前記座標点が前記分離面に対して前記n次元座標空間の原点側にある場合を正値あるいは負値のいずれの値としても取りうる距離を前記観測・点検対象箇所の災害・事故・補修発生危険度として演算する危険度演算工程と、
前記災害・事故・補修発生危険度に対する所望のしきい値又はしきい値を含む論理式を基準として、該当する前記災害・事故・補修発生危険度を抽出すると共に、この抽出された前記災害・事故・補修発生危険度に対応する前記災害・事故・補修の発生要因毎のn次元の観測・点検データを代表データとして抽出する代表データ抽出工程と、
前記n次元の前記災害・事故・補修発生要因毎に予め設定されたカテゴリー区間を組み合わせて,又はn次元の前記災害・事故・補修発生要因毎に入力されるカテゴリー区間を組み合わせて,モデルを形成し、前記代表データをこのモデル内に代入して、ラフ集合を形成するラフ集合生成工程と、
前記代表データを含んだ前記ラフ集合の前記災害・事故・補修発生要因毎のカテゴリー区間の組合せをルールとして生成し、このルール毎の災害・事故・補修の確信度と、サポートを演算し、前記確信度に対する所望のしきい値又はしきい値を含む論理式及び/又は前記サポートに対する所望のしきい値又はしきい値を含む論理式を基準として、前記ルールを抽出する災害・事故・補修のルール生成工程と、
前記抽出されたルールを出力する工程と、
を有して実行させ、前記抽出されたルールを出力して災害・事故の防止あるいは補修選定などの計画評価やその支援に供することを特徴とする防災総合計画支援プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008305768A JP4595094B2 (ja) | 2008-11-29 | 2008-11-29 | 防災総合計画支援システムとそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008305768A JP4595094B2 (ja) | 2008-11-29 | 2008-11-29 | 防災総合計画支援システムとそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010129003A JP2010129003A (ja) | 2010-06-10 |
JP4595094B2 true JP4595094B2 (ja) | 2010-12-08 |
Family
ID=42329318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008305768A Expired - Fee Related JP4595094B2 (ja) | 2008-11-29 | 2008-11-29 | 防災総合計画支援システムとそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4595094B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
CN111355733A (zh) * | 2020-02-29 | 2020-06-30 | 中国地震局地震研究所 | 一种基于svm算法的震害信息入侵检测系统和检测方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012174125A (ja) * | 2011-02-23 | 2012-09-10 | Yamaguchi Univ | 防災計画支援システムとそのプログラム |
JP5119367B2 (ja) * | 2011-04-20 | 2013-01-16 | 株式会社ナブラ・ゼロ | 災害危険域予測装置 |
KR101894495B1 (ko) * | 2017-08-17 | 2018-09-04 | 서울대학교산학협력단 | 토석류 재해 예보 시스템 및 방법 |
CN111047476A (zh) * | 2019-12-09 | 2020-04-21 | 山东大学 | 基于rbf神经网络的大坝结构安全监控精确预测方法及系统 |
CN111144005B (zh) * | 2019-12-27 | 2023-04-28 | 四川省交通勘察设计研究院有限公司 | 一种崩塌落石粒径计算模型的构建方法 |
CN111458116A (zh) * | 2020-03-10 | 2020-07-28 | 博世华域转向系统有限公司 | 一种汽车转向管柱装配质量检测方法 |
CN112686581B (zh) * | 2021-02-09 | 2024-06-28 | 大连理工大学 | 一种自然灾害次生危险化学品事故风险评估方法及评估系统 |
CN113240357A (zh) * | 2021-07-12 | 2021-08-10 | 成都理工大学 | 一种红层地区公路边坡稳定性快速评价方法 |
CN114103127B (zh) * | 2022-01-24 | 2022-05-03 | 武汉幻城经纬科技有限公司 | 流域地形3d打印方法及装置、电子设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007035017A (ja) * | 2005-02-16 | 2007-02-08 | Yamaguchi Univ | 防災事業計画支援システム |
JP2007249955A (ja) * | 2006-02-15 | 2007-09-27 | Yamaguchi Univ | 点検業務に利用可能な評点式データシートに基づく健全性評価システム |
-
2008
- 2008-11-29 JP JP2008305768A patent/JP4595094B2/ja not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007035017A (ja) * | 2005-02-16 | 2007-02-08 | Yamaguchi Univ | 防災事業計画支援システム |
JP2007249955A (ja) * | 2006-02-15 | 2007-09-27 | Yamaguchi Univ | 点検業務に利用可能な評点式データシートに基づく健全性評価システム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
CN111355733A (zh) * | 2020-02-29 | 2020-06-30 | 中国地震局地震研究所 | 一种基于svm算法的震害信息入侵检测系统和检测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2010129003A (ja) | 2010-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4595094B2 (ja) | 防災総合計画支援システムとそのプログラム | |
JP4446035B2 (ja) | 健全性劣化評価システム | |
JP3975407B2 (ja) | 防災事業計画支援システム | |
JP2012174125A (ja) | 防災計画支援システムとそのプログラム | |
JP4701371B2 (ja) | 災害発生確率評価システムとそのプログラム | |
Shahmoradi et al. | Site selection for wastewater treatment plant using integrated fuzzy logic and multicriteria decision model: A case study in Kahak, Iran | |
Mohanty et al. | Fidelity of reanalysis datasets in floodplain mapping: Investigating performance at inundation level over large regions | |
Gogoaşe Nistoran et al. | GIS for Dam-Break Flooding. Study Area: Bicaz-Izvorul Muntelui (Romania) | |
JP2020071138A (ja) | 地盤変位に起因する災害発生危険度定量評価システムとその方法とそのプログラム | |
JP3646726B1 (ja) | 防災事業支援システム | |
JP4817363B2 (ja) | 危険度評価システム | |
Ju et al. | Planning for the change: mapping sea level rise and storm inundation in Sherman Island using 3Di hydrodynamic model and LiDAR | |
Singh et al. | Debris flow simulation and modeling of the 2021 flash flood hazard caused by a rock-ice avalanche in the Rishiganga River valley of Uttarakhand | |
Peyras et al. | Development of an expert‐led GIS‐based approach for assessing the performance of river levees: the D igsure method and tool | |
Greiving et al. | Introduction: the components of risk governance | |
JP4252606B2 (ja) | 優先順位評価システム | |
JP4152423B2 (ja) | 点検業務に利用可能な評点式データシートに基づく健全性評価システム | |
Larruari et al. | Assessing the exposure of critical infrastructure and other assets to the climate induced failure of aging dams in the US | |
JP3656852B1 (ja) | 防災事業計画支援方法とそのシステム | |
JP3380871B1 (ja) | 土砂災害の発生限界線、避難基準線及び警戒基準線の設定方法とそのプログラム及びその発生限界線、避難基準線及び警戒基準線を用いた警戒避難支援システム | |
Balbenta et al. | Generation of flood hazard maps in Marikina City using GIS-MCDA interval rough AHP (IR’AHP) | |
Pradhan et al. | Landslide risk assessment using multi-hazard scenario produced by logistic regression and LiDAR-Based DEM | |
Wang et al. | c-HAND: near real-time coastal flood mapping | |
Duran et al. | Comprehensive Analysis of Riverine Flood Impact on Bridges: Iowa Case Study | |
Popescu et al. | Risk assessment of slope instability related geohazards |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20081222 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100325 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20100325 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20100325 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20100602 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100803 |
|
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: 20100824 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100830 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4595094 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20191001 Year of fee payment: 9 |
|
LAPS | Cancellation because of no payment of annual fees |