因果グラフィカルモデルと衛星画像による地震地盤破壊推定のBayes更新【JST・京大機械翻訳】

Xu Susu; Dimasaka Joshua; Wald David J.; Noh Hae Young

プレプリント

J-GLOBAL ID：202202205379709023 整理番号：22P0332941

因果グラフィカルモデルと衛星画像による地震地盤破壊推定のBayes更新【JST・京大機械翻訳】

Bayesian Updating of Seismic Ground Failure Estimates via Causal Graphical Models and Satellite Imagery

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月15日プレプリントサーバーでの情報更新日： 2022年04月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

液状化や地滑りのような地震誘起二次地盤破壊災害は,壊滅的な建物やインフラストラクチャの被害,ならびに人間の死亡をもたらす。緊急応答を促進し,損失を緩和するために,米国地質調査では,地震誘発地滑りと液状化に対する急速なハザード推定システムを,地理空間感受率プロキシとShakeMap地動推定を用いて提供する。本研究では,地理空間特徴,地震地盤破壊,および建物損傷の間の物理的相互依存性をモデル化する一般化因果グラフベースBayesネットワークを開発し,また,DPMsは,地盤破壊発生を推定するための物理的洞察を提供し,一方,DPMはイベント固有表面変化観測を含む。この物理情報化因果グラフは,地理空間モデルとリモートセンシングデータの両方から情報を効果的に融合するために,1つの全体的Bayes更新方式において複雑な物理的関係を有するこれらの変数を組み込んだ。このフレームワークは,高度に複雑なマルチハザード組合せを扱うのに,スケーラブルで柔軟である。次に,確率的変分推論アルゴリズムを開発し,非観測地滑り,液状化,および異なる場所における建物損傷の難治性事後確率を一緒に更新した。さらに,大規模地震地盤破壊推定の計算コストを減らすために,局所グラフィカルモデル剪定アルゴリズムを提示した。著者らは,このフレームワークを,日本(M6.6)地震と2020年1月から2020年の南西Puerto Rico(M6.4)地震に適用して,著者らのアルゴリズムの性能を評価した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

自然災害

, , , , , ,

前のページに戻る