文献

J-GLOBAL ID：202202214348970001   整理番号：22A0431919

機械学習を用いた鋼製モーメントフレームの高速地震損傷状態評価【JST・京大機械翻訳】

Rapid seismic damage-state assessment of steel moment frames using machine learning

著者 (4件)： Nguyen Hoang D. (Department of Urban and Environmental Engineering, Ulsan National Institute of Science and Technology (UNIST), 50 UNIST-gil, Ulsan, Republic of Korea) ,  LaFave James M. (Department of Civil and Environmental Engineering, University of Illinois at Urbana-Champaign (UIUC), Urbana, IL 61801, USA) ,  Lee Young-Joo (Department of Urban and Environmental Engineering, Ulsan National Institute of Science and Technology (UNIST), 50 UNIST-gil, Ulsan, Republic of Korea) ,  Shin Myoungsu (Department of Urban and Environmental Engineering, Ulsan National Institute of Science and Technology (UNIST), 50 UNIST-gil, Ulsan, Republic of Korea)
資料名： Engineering Structures  (Engineering Structures)
巻： 252  ページ： Null  発行年： 2022年 
JST資料番号： C0709B  ISSN： 0141-0296  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 地震後の建築物の損傷状態評価は,通常,都市規模の社会のレジリエンスのために,重要な人力と時間を必要とする,不可欠で緊急の作業である。本研究は,著者の知る限りでは試みられていない鋼モーメントフレームの急速地震損傷状態評価のための機械学習(ML)モデルの開発を目的とする。K-最近傍,ナイーブBayes,ディシジョンツリー,ランダムフォレスト(RF),適応ブースティング(AdaBoost),極端勾配ブースティング(XGBoost),光勾配ブースティング,およびカテゴリーブースティングを含む8つのMLモデルを,この目的のために調査した。468の鋼モーメントフレームのデータベースから,DesignSafeサイバー構造におけるデータベースと240の地上運動の組合せは,合計112,320のデータポイントをもたらした。鋼モーメントフレームは,広範囲の幾何学的形状(例えば,1から19までの階数,1から5までの湾の数,6.1から12.19mの湾幅),および負荷荷重(すなわち,死荷重の3ケースおよび生荷重の2つのケース)を有する。MLモデルの訓練と試験のための包括的データセットを生成するために,OpenSeesを用いて非線形時刻歴解析を行った。鋼モーメントフレームの損傷状態を定義する信頼できる手順を,プッシュオーバー解析に基づいて提案した。鋼モーメントフレームの損傷状態を,ATC-20におけるタグ定義(すなわち,グリーン,黄色,および赤)に従って分類した。与えられた地震動に対する5つの選択した期間(1,2,3,4および5s)でのスペクトル加速度および鋼骨組の最初の3つの自然周期を,MLモデルの入力変数として使用した。その結果から,RFモデルを,鋼モーメントフレームの地震損傷状態の予測に対して示唆した。RFモデルは,試験データセットにおいて割り当てられたタグの98%を正確に予測することができた。対照的に,AdaBoost(88%)とナイーブBayes(90%)モデルは最も低い性能を示した。考察した4つのブースティング方法の中で,XGBoostモデル(97%)は最高の性能を示した。さらに,Shapley付加的説明(SHAP)法を用いて,予測に関する入力変数の重要性を検査した。1および2sでのスペクトル加速度は,おそらく,考慮した鋼骨組の最初の自然周期が1~2sの範囲に入るので,予測に強く影響することが分かった。最後に,技術者への便利なアクセスを提供するために,開発したRFモデルに基づくグラフィカルユーザインタフェイスを作成した。本研究は,建築構造の迅速な損傷評価への機械学習の適用のための先駆的段階を配置する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  *鋼 ,  静荷重 ,  *地震 ,  都市 ,  地震動 ,  建築構造 ,  ディシジョンツリー ,  *震災 ,  GUI【計算機】 ,  *機械学習
準シソーラス用語： プッシュオーバー解析 ,  ブースティング ,  損傷評価 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 機械学習 ,  ランダムフォレスト ,  極端な勾配ブースティング ,  Shapley加法的説明 ,  鋼モーメントフレーム ,  地震損傷状態

分類 (2件)： 建築物の耐震,免震,制震,防振  (RB01035P) ,  金属構造  (RA04050W)

タイトルに関連する用語 (5件)： 機械学習 ,  鋼 ,  モーメント ,  地震損傷 ,  状態評価