文献

J-GLOBAL ID：202202263627564691   整理番号：22A0330719

積層長期記憶ニューラルネットワークを用いた鉄筋コンクリート構造物の地震損傷状態予測【JST・京大機械翻訳】

Seismic damage state predictions of reinforced concrete structures using stacked long short-term memory neural networks

著者 (3件)： Ahmed Bilal (Department of Civil and Environmental Engineering, Hanyang University, Seoul 04763, Republic of Korea) ,  Mangalathu Sujith (Data Scientist, Mangalathu, Mylamkulam, Puthoor P O, Kollam, Kerala, 691507, India) ,  Jeon Jong-Su (Department of Civil and Environmental Engineering, Hanyang University, Seoul 04763, Republic of Korea)
資料名： Journal of Building Engineering  (Journal of Building Engineering)
巻： 46  ページ： Null  発行年： 2022年 
JST資料番号： W3072A  ISSN： 2352-7102  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 地震後の早期および正確な損傷評価は,効率的でタイムリーな緊急応答の計画に重要である。構造損傷の最先端の迅速評価技術は,脆弱性または脆弱性曲線の使用を含む。しかし,脆弱性ベース損傷関数は,地盤運動特性,土壌条件,および構造幾何学的特性に依存して,著しく変化する可能性がある。重複データを有する新規積層長短期メモリ(LSTM)ネットワークを,この問題を克服するために本研究で開発した。地上運動時間履歴をいくつかのスタックに分割し,LSTMネットワークに供給し,データを各スタックをリンクするために先行スタックと重複した。積層LSTMは,積層により時間次元を低減し,新しい特徴を生成し,訓練に必要な時間を短くする。提案したネットワークは,必要な訓練時間を大幅に削減し(約97%),スタックの数が増加するにつれて試験精度(80%~95%)を高めた。OpenSeesは,延性フレーム(集中塑性モデリング手法)と非延性フレーム(分散塑性モデリング手法を用いる)の数値モデルの作成に利用される。これらの構造は異なる応答メカニズムを持つが,提案したLSTMネットワークは,高い精度(80%~95%)で地震誘起損傷を予測する際に多様性を示す。同じネットワークを有する異なるタイプの構造(非延性および延性建築フレームおよび非延性ブリッジ)に関する提案モデルの性能は,モデルの柔軟性を示した。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： 延性 ,  応答 ,  塑性 ,  記憶装置 ,  *ネットワーク ,  評価 ,  *状態推定 ,  *ニューラルネットワーク ,  *地震 ,  地盤 ,  モデリング ,  *鉄筋コンクリート構造 ,  *震災 ,  *損傷
準シソーラス用語： 数値モデル ,  損傷評価 , 【Automatic Indexing@JST】

著者キーワード (5件)： 積層長期記憶 ,  非線形動的解析 ,  地震被害に基づくタグ付け ,  地上加速時系列データ ,  鉄筋コンクリート構造

分類 (3件)： 建築物の耐震,免震,制震,防振  (RB01035P) ,  自然災害  (RA02030M) ,  構造動力学  (HD02000E)

タイトルに関連する用語 (5件)： 長期記憶 ,  ニューラルネットワーク ,  鉄筋コンクリート構造物 ,  地震損傷 ,  状態予測