文献

J-GLOBAL ID：201702254806954360   整理番号：17A1444301

ダム性能における異常の早期発見:ブースト回帰ツリーに基づく方法論【Powered by NICT】

Early detection of anomalies in dam performance: A methodology based on boosted regression trees

著者 (4件)： Salazar Fernando (International Center for Numerical Methods in Engineering (CIMNE), Campus Norte UPC, Gran Capitan S/N, Barcelona, 08034, Spain) ,  Toledo Miguel Angel (Department of Civil Engineering: Hydraulics, Energy and Environment, Technical University of Madrid (UPM), Profesor Aranguren S/N, Madrid, 28040, Spain) ,  Gonzalez Jose Manuel (International Center for Numerical Methods in Engineering (CIMNE), Campus Norte UPC, Gran Capitan S/N, Barcelona, 08034, Spain) ,  Onate Eugenio (International Center for Numerical Methods in Engineering (CIMNE), Campus Norte UPC, Gran Capitan S/N, Barcelona, 08034, Spain)
資料名： Structural Control and Health Monitoring  (Structural Control and Health Monitoring)
巻： 24  号： 11  ページ： ROMBUNNO.2012  発行年： 2017年 
JST資料番号： W2752A  ISSN： 1545-2255  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 情報と通信技術の進歩はダム挙動に関するより詳細な情報の入手可能性に向けた一般的傾向をもたらした。これはその分析,電界への関心の高まりに反映されている高度データに基づくアルゴリズムを適用することができる。しかし,最も関連の文献はモデル予測精度の評価に限定されているが,データ解析の隠された目的はダムの安全性評価である。本研究では,機械学習アルゴリズム(ブースト回帰ツリー)は,異常の早期発見のための方法論の中核である。も予測と観測の間にある種の不一致は正常であるかどうかを決定するための基準,モデル精度の現実的な推定値を計算する方法,および異常な荷重組合せを同定するためのオリジナルなアプローチを含んでいる。因果及び非因果モデルの性能はいろいろなタイプの異常,高さ100mのアーチダムの数値モデルで発生させた参照時系列に人為的に導入したを検出する能力の観点から評価した。最後の方法は,意思決定を支援するための直感的な方法で結果を可視化するためのオンライン応用に実装した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 通信技術 ,  可視化 ,  予測 ,  アベイラビリティ ,  アーチダム ,  データ解析 ,  *ダム ,  *早期診断 ,  機械学習 ,  推定量 ,  意思決定 ,  学習アルゴリズム
準シソーラス用語： 数値モデル ,  因果モデル ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常検出 ,  ブースト回帰ツリー ,  ダムモニタリング ,  ダムの安全性 ,  機械学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ダム ,  早期発見 ,  方法論