文献

J-GLOBAL ID：201802214480317654   整理番号：18A1734478

大データに基づく地震多発地域破壊程度推定モデル設計【JST・京大機械翻訳】

Design of a Damage Degree Estimation Model in Earthquake-prone Areas Based on Big Data

著者 (1件)： Cheng Guilan (烟台職業学院信息工程系,山東 烟台,264670)
資料名： Xibei Dizhen Xuebao  (Xibei Dizhen Xuebao)
巻： 40  号： 3  ページ： 604-611  発行年： 2018年 
JST資料番号： C2197A  ISSN： 1000-0844  CODEN： XDIXEF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のGISに基づく地震破壊程度の推定モデルは、大データの分析と処理性能の差に対して、評価効果が理想的ではないため、大データに基づく地震多発区域の破壊程度の推定モデルを設計する。モデルアーキテクチャは,データサービス層,ビジネスモデル層,アプリケーション展開層から成る。モデルは,基礎データ制御モジュール,地震危険モジュール,構造破壊モジュール,損失評価モジュール,決定制御モジュール,および文書制御モジュールの5つの機能構造から構成され,直接経済損失モジュールの論理的流れとページ表示結果を設計する。大規模データ環境下の地震災害の破壊程度を,ランダム重みづけニューラルネットワークを用いて迅速に評価した。実験結果は,設計モデルが大規模データ環境での地震多発区域の破壊程度の有効な評価を実現し,高い評価効率と精度を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  *モデル ,  重みづけ ,  応用プログラム ,  震災 ,  計算機アーキテクチャ ,  *地震
準シソーラス用語： 設計モデル ,  大規模データ ,  経済損失 ,  構造破壊 ,  ビジネスモデル ,  処理性能 ,  地震破壊 ,  *推定モデル , 【Automatic Indexing@JST】

分類 (2件)： 地震活動  (DC03030L) ,  地震学一般  (DC03020A)

タイトルに関連する用語 (5件)： 地震 ,  地域 ,  破壊 ,  推定モデル ,  設計