文献

J-GLOBAL ID：201902220883400292   整理番号：19A2840340

人工知能技術とボーリング削孔時の計測データを活用した土質および強度推定手法に関する研究

PREDICTION METHOD OF SOIL CONDITIONS BY USE OF ARTIFICIAL INTELLIGENCE TO ANALYZE BORING-OPERATION DATA

著者 (2件)： 熊谷隆宏 (五洋建設(株)技術研究所) ,  秋本哲平 (五洋建設(株)技術研究所)
資料名： 土木学会論文集 B3(海洋開発)(Web)  (Journal of Japan Society of Civil Engineers, Ser. B3 (Ocean Engineering) (Web))
巻： 75  号： 2  ページ： I_163-I_168(J-STAGE)  発行年： 2019年 
JST資料番号： U0288A  ISSN： 2185-4688  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 液状化対策工として薬液注入工法を実施する際,あるいは地震時における地盤の液状化の可能性を判定する際に,細粒分含有率やN値といった性状を綿密かつ正確に把握できていることが望ましい.埋立地盤のような複雑な土層構成においても,細粒分含有率やN値を精度良く推定するため,2011~2017年における東京国際空港の地盤改良工事で取得したボーリング削孔時の計測データを活用するとともに,非線形の回帰が可能なランダムフォレスト法,サポートベクターマシン,ニューラルネットワークの3タイプの機械学習モデルを構築し,それぞれの適用性を検討した.特に,ニューラルネットワークで細粒分含有率やN値を同時に学習するマルチタスクモデルにより,精度良く推定できることが分かった.(著者抄録)

シソーラス用語： *機械学習 ,  計算機アルゴリズム ,  サポートベクトルマシン ,  ニューラルネットワーク ,  *N値 ,  *比率 ,  人工知能 ,  データ ,  さく孔 ,  測定データ ,  土壌特性 ,  推定 ,  強度
準シソーラス用語： ボーリングデータ ,  *マルチタスク学習 ,  ランダムフォレスト ,  強度推定 ,  計測データ ,  *細粒分含有率 ,  地盤強度 ,  土質

著者キーワード (5件)： neural Network ,  deep learning ,  machine learning ,  soil property ,  permeable grouting method

分類 (1件)： 土圧,土の動的性質,地盤の応力と変形  (RA03060A)

引用文献 (12件)：

• 1) (社)日本グラウト協会:新訂 正しい薬液注入工法-この一冊ですべてがわかる-,pp. 231-233,日刊建設工業新聞社,2007.
• 2) 海野寿康,東山文雄,久保知久,車田佳範:薬液注入工法における先行掘削時の諸データを用いた地盤構成の推定,第7回地盤工学会関東支部発表会,pp. 308-310,2010.
• 3) 澤田俊一,塚本良道,石原研而:間隙水圧測定を伴う動的貫入試験法-その4 土質分類-,第40回地盤工学研究発表会,pp. 1120-1121,2005.
• 4) Hastie, T., Tibshirani, R., Friedman, J. : The Elements of Statistical Learning: Data Mining, Inference, and Prediction, pp. 305-604, Springer, 2008.
• 5) 元田浩,津本周作,山口高平,沼尾正行:データマイニングの基礎,pp. 96-109,オーム社,2005.

タイトルに関連する用語 (9件)： 人工知能技術 ,  ボーリング ,  削孔 ,  計測データ ,  活用 ,  土質 ,  強度推定 ,  手法 ,  研究