JPWO2020162098A1 - 金属材料の腐食量予測モデルの生成方法、金属材料の腐食量予測方法、金属材料の選定方法、金属材料の腐食量予測プログラムおよび金属材料の腐食量予測装置 - Google Patents
金属材料の腐食量予測モデルの生成方法、金属材料の腐食量予測方法、金属材料の選定方法、金属材料の腐食量予測プログラムおよび金属材料の腐食量予測装置 Download PDFInfo
- Publication number
- JPWO2020162098A1 JPWO2020162098A1 JP2020522089A JP2020522089A JPWO2020162098A1 JP WO2020162098 A1 JPWO2020162098 A1 JP WO2020162098A1 JP 2020522089 A JP2020522089 A JP 2020522089A JP 2020522089 A JP2020522089 A JP 2020522089A JP WO2020162098 A1 JPWO2020162098 A1 JP WO2020162098A1
- Authority
- JP
- Japan
- Prior art keywords
- metal material
- corrosion
- amount
- period
- predicting
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
Description
(腐食量予測装置)
本発明の実施形態1に係る金属材料の腐食量予測装置の構成について、図1を参照しながら説明する。腐食量予測装置1は、入力部10と、実績データベース(実績DB)20と、演算部30と、表示部40と、を備えている。
本発明の実施形態1に係る金属材料の腐食量予測モデルの生成方法について、図2を参照しながら説明する。腐食量予測モデルの生成方法は、演算部30の学習部31が主体となって実施される。なお、腐食量予測モデルの生成は、後記する腐食量予測を実施する前に事前に実施しておく。
本発明の実施形態1に係る金属材料の腐食量予測方法について、図3を参照しながら説明する。腐食量予測方法は、演算部30の腐食量予測部32が主体となって実施される。また、腐食量予測方法では、前記した腐食量予測モデルの生成方法によって生成された腐食量予測モデルを用いて任意の使用期間における金属材料の腐食量を予測する。
本発明の実施形態1に係る金属材料の腐食量予測方法の実施例について、図4を参照しながら説明する。同図は、橋梁に使用されている腐食量予測モデルを用いて得た、金属材料の腐食量の予測値と実績値との間の誤差を示すグラフである。同図の(a)は比較例であり、前記した学習ステップにおいて重回帰分析を用いて腐食量予測モデルを生成し、この腐食量予測モデルによって腐食量を予測した結果を示している。また、同図の(b)〜(d)は本発明例であり、前記した学習ステップにおいて、決定木回帰、サポートベクター回帰、ランダムフォレストを用いて腐食量予測モデルを生成し、これらの腐食量予測モデルによって腐食量を予測した結果を示している。
(腐食量予測装置)
本発明の実施形態2に係る金属材料の腐食量予測装置の構成について説明する。本実施形態に係る腐食量予測装置1Aは、図1に示すように、前記した腐食量予測装置1とハードウェア構成が同じであり、演算部30で行われる処理のみが異なる。従って、演算部30における処理以外の説明は省略する。
本発明の実施形態2に係る金属材料の腐食量予測モデルの生成方法について、図5および図6を参照しながら説明する。腐食量予測モデルの生成方法は、演算部30の学習部31が主体となって実施される。
まず、温度(気温)、相対湿度、絶対湿度、濡れ時間、降雨量、飛来塩分量、SOX濃度およびNOX濃度の中から、腐食量予測モデルの生成の際の説明変数として用いる環境パラメータを選択する(ステップS31)。本ステップにおける環境パラメータの選択方法は、前記したステップS11(図2参照)と同様であるため、説明を省略する。
まず、学習部31は、予め定めた所定期間の金属材料の腐食量およびその環境パラメータと、所定期間を超える期間の金属材料の腐食量およびその環境パラメータと、を実績データベースから取得する(ステップS41)。
本発明の実施形態2に係る金属材料の腐食量予測方法について、図7を参照しながら説明する。腐食量予測方法は、腐食量予測部32が主体となって実施される。また、以下では、予め定める所定期間を「一年間」として説明を行う。
本発明の実施形態2に係る金属材料の腐食量予測方法の実施例について、図8を参照しながら説明する。同図は、橋梁に使用されている腐食量予測モデルを用いて得た、金属材料の腐食量の予測値と実績値との間の誤差を示すグラフである。同図の(a)は比較例であり、前記した学習ステップにおいて重回帰分析を用いて腐食量予測モデルを生成し、この腐食量予測モデルによって腐食量を予測した結果を示している。また、同図の(b)〜(d)は本発明例であり、前記した学習ステップにおいて、決定木回帰、サポートベクター回帰、ランダムフォレストを用いて腐食量予測モデルを生成し、これらの腐食量予測モデルによって腐食量を予測した結果を示している。
10 入力部
20 実績データベース
30 演算部
31 学習部
32 腐食量予測部
40 表示部
Claims (11)
- 金属材料の使用環境を示す複数の環境パラメータと、前記金属材料の腐食量と、前記金属材料の使用期間と、を含むデータを用い、機械学習により、前記使用期間に応じた前記金属材料の腐食量を予測する予測モデルを生成する学習ステップを含む金属材料の腐食量予測モデルの生成方法。
- 前記学習ステップは、
予め定めた所定期間の前記金属材料の腐食量を予測する第一の予測モデルを生成する第一の学習ステップと、
前記所定期間を超える期間の前記金属材料の腐食速度の減衰を示す減衰パラメータを予測する第二の予測モデルを生成する第二の学習ステップと、
を含む請求項1に記載の金属材料の腐食量予測モデルの生成方法。 - 前記機械学習の手法として、決定木回帰、ランダムフォレスト、ニューラルネットワーク、サポートベクター回帰を含む学習方法を用いる請求項1または請求項2に記載の金属材料の腐食量予測モデルの生成方法。
- 請求項1に記載の方法により生成された予測モデルにより、腐食量を予測したい金属材料の使用環境を示す複数の環境パラメータと、前記金属材料の使用期間とを入力として、前記金属材料の腐食量を予測する予測ステップを含む金属材料の腐食量予測方法。
- 請求項2に記載の方法により生成された第一の予測モデルにより、腐食量を予測したい金属材料の使用環境を示す複数の環境パラメータと、予め定めた所定期間とを入力として、前記所定期間の前記金属材料の腐食量を予測する第一の予測ステップと、
請求項2に記載の方法により生成された第二の予測モデルにより、腐食量を予測したい前記金属材料の使用環境を示す複数の環境パラメータと、前記所定期間を超える期間とを入力として、前記所定期間を超える期間の前記金属材料の腐食速度の減衰を示す減衰パラメータを予測する第二の予測ステップと、
前記所定期間の前記金属材料の腐食量と、前記減衰パラメータとに基づいて、前記所定期間を超える期間の前記金属材料の腐食量を予測する第三の予測ステップと、
を含む金属材料の腐食量予測方法。 - 前記複数の環境パラメータは、温度、相対湿度、絶対湿度、濡れ時間および降雨量のうちの少なくとも一つと、飛来塩分量、SOX濃度およびNOX濃度のうちの少なくとも一つと、を含む請求項4または請求項5に記載の金属材料の腐食量予測方法。
- 請求項4または請求項5に記載の金属材料の腐食量予測方法を用いて、使用環境に応じた金属材料を選定する金属材料の選定方法。
- コンピュータを、請求項1に記載の方法により生成された予測モデルにより、腐食量を予測したい金属材料の使用環境を示す複数の環境パラメータと、前記金属材料の使用期間とを入力として、前記金属材料の腐食量を予測する予測手段として機能させるための金属材料の腐食量予測プログラム。
- コンピュータを、
請求項2に記載の方法により生成された第一の予測モデルにより、腐食量を予測したい金属材料の使用環境を示す複数の環境パラメータと、予め定めた所定期間とを入力として、前記所定期間の前記金属材料の腐食量を予測する第一の予測手段、
請求項2に記載の方法により生成された第二の予測モデルにより、腐食量を予測したい前記金属材料の使用環境を示す複数の環境パラメータと、前記所定期間を超える期間とを入力として、前記所定期間を超える期間の前記金属材料の腐食速度の減衰を示す減衰パラメータを予測する第二の予測手段と、
前記所定期間の前記金属材料の腐食量と、前記減衰パラメータとに基づいて、前記所定期間を超える期間の前記金属材料の腐食量を予測する第三の予測手段、
として機能させるための金属材料の腐食量予測プログラム。 - 金属材料の使用環境を示す複数の複数の環境パラメータと、前記金属材料の腐食量と、前記金属材料の使用期間と、を含むデータを用い、機械学習により、前記使用期間に応じた前記金属材料の腐食量を予測する予測モデルを生成する学習手段と、
前記予測モデルにより、腐食量を予測したい前記金属材料の使用環境を示す複数の環境パラメータと、前記金属材料の使用期間とを入力として、前記金属材料の腐食量を予測する予測手段と、
を備える金属材料の腐食量予測装置。 - 前記学習手段は、
予め定めた所定期間の前記金属材料の腐食量を予測する第一の予測モデルを生成する第一の学習手段と、
前記所定期間を超える期間の前記金属材料の腐食速度の減衰を示す減衰パラメータを予測する第二の予測モデルを生成する第二の学習手段と、
を備え、
前記予測手段は、
前記第一の予測モデルにより、腐食量を予測したい前記金属材料の使用環境を示す複数の環境パラメータと、予め定めた所定期間とを入力として、前記所定期間の前記金属材料の腐食量を予測する第一の予測手段と、
前記第二の予測モデルにより、腐食量を予測したい前記金属材料の使用環境を示す複数の環境パラメータと、前記所定期間を超える期間とを入力として、前記所定期間を超える期間の前記金属材料の腐食速度の減衰を示す減衰パラメータを予測する第二の予測手段と、
前記所定期間の前記金属材料の腐食量と、前記減衰パラメータとに基づいて、前記所定期間を超える期間の前記金属材料の腐食量を予測する第三の予測手段と、
を備える請求項10に記載の金属材料の腐食量予測装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019021602 | 2019-02-08 | ||
JP2019021602 | 2019-02-08 | ||
PCT/JP2020/000519 WO2020162098A1 (ja) | 2019-02-08 | 2020-01-09 | 金属材料の腐食量予測モデルの生成方法、金属材料の腐食量予測方法、金属材料の選定方法、金属材料の腐食量予測プログラムおよび金属材料の腐食量予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020162098A1 true JPWO2020162098A1 (ja) | 2021-02-18 |
JP6939995B2 JP6939995B2 (ja) | 2021-09-22 |
Family
ID=71947820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020522089A Active JP6939995B2 (ja) | 2019-02-08 | 2020-01-09 | 金属材料の腐食量予測モデルの生成方法、金属材料の腐食量予測方法、金属材料の選定方法、金属材料の腐食量予測プログラムおよび金属材料の腐食量予測装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6939995B2 (ja) |
WO (1) | WO2020162098A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210341381A1 (en) * | 2018-09-27 | 2021-11-04 | Nippon Telegraph And Telephone Corporation | Corrosivity Evaluation Device and Method Thereof |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021055296A1 (en) * | 2019-09-20 | 2021-03-25 | Ams Trace Metals, Inc. | Techniques for forecasting and/or preventing degradation and corrosion |
US11579586B2 (en) * | 2019-09-30 | 2023-02-14 | Saudi Arabian Oil Company | Robot dispatch and remediation of localized metal loss following estimation across piping structures |
CN112348264A (zh) * | 2020-11-10 | 2021-02-09 | 南京钢铁股份有限公司 | 一种基于随机森林算法的碳钢腐蚀速率预测方法 |
US20230065532A1 (en) * | 2021-08-09 | 2023-03-02 | Baker Hughes Holdings Llc | Machine learning based techniques for predicting component corrosion likelihood |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1021211A (ja) * | 1996-06-28 | 1998-01-23 | Taisei Corp | ニューラルネットワークおよびコンクリート構造物中の鉄筋腐食の評価方法および予測方法 |
JP2006053122A (ja) * | 2003-12-26 | 2006-02-23 | Jfe Steel Kk | 鋼材の寿命予測方法、鋼材及び構造物の設計方法 |
JP3909057B2 (ja) * | 2001-07-12 | 2007-04-25 | 新日本製鐵株式会社 | 耐候性鋼の腐食量予測方法 |
JP2012008152A (ja) * | 2011-10-14 | 2012-01-12 | Shikoku Electric Power Co Inc | 鉄筋コンクリート構造物の腐食劣化進行予測方法 |
JP2012251846A (ja) * | 2011-06-02 | 2012-12-20 | Nippon Telegr & Teleph Corp <Ntt> | 腐食解析システムおよび方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019135361A1 (ja) * | 2018-01-05 | 2019-07-11 | Jfeスチール株式会社 | 金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置 |
-
2020
- 2020-01-09 WO PCT/JP2020/000519 patent/WO2020162098A1/ja active Application Filing
- 2020-01-09 JP JP2020522089A patent/JP6939995B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1021211A (ja) * | 1996-06-28 | 1998-01-23 | Taisei Corp | ニューラルネットワークおよびコンクリート構造物中の鉄筋腐食の評価方法および予測方法 |
JP3909057B2 (ja) * | 2001-07-12 | 2007-04-25 | 新日本製鐵株式会社 | 耐候性鋼の腐食量予測方法 |
JP2006053122A (ja) * | 2003-12-26 | 2006-02-23 | Jfe Steel Kk | 鋼材の寿命予測方法、鋼材及び構造物の設計方法 |
JP2012251846A (ja) * | 2011-06-02 | 2012-12-20 | Nippon Telegr & Teleph Corp <Ntt> | 腐食解析システムおよび方法 |
JP2012008152A (ja) * | 2011-10-14 | 2012-01-12 | Shikoku Electric Power Co Inc | 鉄筋コンクリート構造物の腐食劣化進行予測方法 |
Non-Patent Citations (1)
Title |
---|
片山英樹: "機械学習による炭素鋼の大気腐食挙動解析", 材料と環境討論会講演集, vol. 65, JPN6020010901, 12 October 2018 (2018-10-12), JP, pages 347 - 348, ISSN: 0004457385 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210341381A1 (en) * | 2018-09-27 | 2021-11-04 | Nippon Telegraph And Telephone Corporation | Corrosivity Evaluation Device and Method Thereof |
Also Published As
Publication number | Publication date |
---|---|
WO2020162098A1 (ja) | 2020-08-13 |
JP6939995B2 (ja) | 2021-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6939995B2 (ja) | 金属材料の腐食量予測モデルの生成方法、金属材料の腐食量予測方法、金属材料の選定方法、金属材料の腐食量予測プログラムおよび金属材料の腐食量予測装置 | |
Hameed et al. | Prediction of high-strength concrete: high-order response surface methodology modeling approach | |
Raphael et al. | A direct stochastic algorithm for global search | |
Taylor | Smooth transition exponential smoothing | |
RVSPK et al. | Methods and rules-of-thumb in the determination of minimum sample size when applying structural equation modelling: A review | |
JP6566172B1 (ja) | 金属材料の腐食量予測方法、金属材料の選定方法および金属材料の腐食量予測装置 | |
Howarth et al. | Risk mitigation and the social cost of carbon | |
Druzhinin et al. | Ecological and economic models and predictions in the regional management system | |
Singh | Forecasting tourist inflow in Bhutan using seasonal ARIMA | |
Mlybari | Application of soft computing techniques to predict construction labour productivity in Saudi Arabia | |
Wan Ahmad et al. | Arima model and exponential smoothing method: A comparison | |
Kaur et al. | A proposed new model for maintainability index of open source software | |
Rupšys | Stochastic Mixed‐Effects Parameters Bertalanffy Process, with Applications to Tree Crown Width Modeling | |
Coffie et al. | Modelling construction completion cost in Ghana public sector building projects | |
Gradeci et al. | A probabilistic-based approach for predicting mould growth in timber building envelopes: Comparison of three mould models | |
Victoria et al. | Carbon and cost critical elements: a comparative analysis of two office buildings | |
Tuhkuri | Big data: Google searches predict unemployment in Finland | |
WO2013039107A1 (ja) | 物質の放出量推定装置及びその方法並びにプログラム | |
Văidean | On financial performance and capital structure of Romanian companies | |
JP2020128975A (ja) | 予測モデルの生成方法、金属材料の腐食量予測方法、予測モデルの生成プログラムおよび予測モデルの生成装置 | |
Kočí et al. | Determination of moisture-dependent moisture diffusivity using smoothed experimental data | |
Wu et al. | Assessment of allowable sea states for offshore wind turbine blade installation using time-domain numerical models and considering weather forecast uncertainty | |
Ali et al. | Statistical downscaling of precipitation and temperature using gene expression programming | |
Ma et al. | Multi-stage online robust parameter design based on Bayesian GP model | |
Işıkdağ et al. | Modeling the trend of construction materials industry with NARNETs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200417 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210309 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210409 |
|
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: 20210803 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210816 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6939995 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |