文献

J-GLOBAL ID：202102233872379364   整理番号：21A0009864

深層学習モデルを用いた地震誘発地滑りの予測【JST・京大機械翻訳】

Prediction of Earthquake Induced Landslide Using Deep Learning Models

著者 (2件)： Ansar.A Shameem (National Institute of Technology,Electrical and Electronics Engineering Department,Tiruchirapalli,India) ,  Sudha S. (National Institute of Technology,Electrical and Electronics Engineering Department,Tiruchirapalli,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCCS  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 地震は地滑りの主要因子の1つである。過去10年にわたって,人間沈下における地震による被害は,増加することがわかった。最近,91.2%の精度を有するサポートベクトルマシンの動径基底関数を用いた地滑り予測を報告した。地滑り予測確率によって,地滑り発生または非起伏の2つの可能性があった。いずれの場合も,予測は正しいか,または偽であった。最初のケースでは,誤った予測は人間の生命と特性の損失をもたらすが,正しい予測は貴重である。しかし,後者の事例では,誤った予測は,人間のストレスと歪,高価な災害防止対策などを導くことができ,一方,正しい予測はかなりである。したがって,損失を最小化するために,正確に地滑りを予測することが重要である。この意図により,高精度の予測アルゴリズムを開発した。Naive Bayes,ロジスティック回帰,サポートベクトル法,およびランダムフォレストのような機械学習技術を用いた地滑り予測を提案した。これらの手法によって報告された精度は低く,畳み込みニューラルネットワークやリカレントニューラルネットワークのような深層学習法を用いた予測が試みられている。これらの方法の性能測度を,二値分類の3つの柱,すなわち,精度および再現を用いて評価する。深層学習モデルの結果は,ロジスティック回帰,サポートVector-Machine,およびNaive-Bayes分類器の順序で機械学習モデルより優れている。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *地震 ,  *地滑り ,  災害対策 ,  機械学習 ,  動径基底関数 ,  サポートベクトルマシン
準シソーラス用語： ロジスティック回帰分析 ,  リカレントニューラルネットワーク ,  高精度 ,  ランダムフォレスト ,  機械学習技術 ,  *深層学習 ,  二値分類 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 深層学習 ,  モデル ,  地震 ,  誘発 ,  地滑り ,  予測