文献

J-GLOBAL ID：202202273919414968   整理番号：22A1175820

人工知能変形予測に基づくトンネル崩壊災害のためのマルチソース情報融合評価手法【JST・京大機械翻訳】

A Multi-Source Information Fusion Evaluation Method for the Tunneling Collapse Disaster Based on the Artificial Intelligence Deformation Prediction

著者 (8件)： Wu Bo (College of Civil Engineering and Architecture, Guangxi University, Nanning, Guangxi, China) ,  Wu Bo (School of Civil and Architectural Engineering, East China University of Technology, Nanchang, Jiangxi, China) ,  Wu Bo (School of Architectural Engineering, Guangzhou City Construction College, Guangzhou, Guangdong, China) ,  Qiu Weixing (College of Civil Engineering and Architecture, Guangxi University, Nanning, Guangxi, China) ,  Huang Wei (College of Civil Engineering and Architecture, Guangxi University, Nanning, Guangxi, China) ,  Meng Guowang (College of Civil Engineering and Architecture, Guangxi University, Nanning, Guangxi, China) ,  Nong Yu (College of Civil Engineering and Architecture, Guangxi University, Nanning, Guangxi, China) ,  Huang Jingsong (College of Civil Engineering and Architecture, Guangxi University, Nanning, Guangxi, China)
資料名： Arabian Journal for Science and Engineering  (Arabian Journal for Science and Engineering)
巻： 47  号： 4  ページ： 5053-5071  発行年： 2022年 
JST資料番号： W4051A  ISSN： 2193-567X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： トンネル崩壊は,掘削と発破方法によるトンネル建設の間の主要部工学災害であった。トンネル崩壊リスクを正確に評価する重要課題になった。トンネル崩壊リスクを評価し,基本的なリスク制御戦略を提供するため,本研究では,クラウドモデル(CM),サポートベクトルマシン(SVM),および証拠ベース推論(ER)を組み合わせた新しいマルチソース情報融合手法を提案した。データ処理段階において,種々の情報源を,崩壊リスク値を分析するために,異なるモデルによって訓練した。次に,各モデルからの判断を,信頼性と重要性重みによって特徴付けられるモデルの性能に従って評価した。異なるモデルからの判断は,全体的崩壊リスクレベルを与えるために,明白な推論を通して融合した。新しい方法は,Pu-Yanハイウェイ(福建省,中国)のJinzhupaトンネルの事例において,首尾よく適用した。結果は,提案したマルチソース情報融合法が87.5%の評価精度を持ち,一方,単一ソース情報法が70%未満の精度を有することを示した。さらに,人工知能を用いた周辺岩石の予測変形を,先進リスク評価を導くための情報源として利用した。その結果,意思決定者は災害が発生する前に長い応答時間を持つ。さらに,異なるモデルのリスク結果が高い衝突を持つとしても,融合モデルは優れた性能を有する。Copyright King Fahd University of Petroleum & Minerals 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *崩壊 ,  情報源 ,  信頼性 ,  予測 ,  リスク ,  *トンネル ,  岩石 ,  *人工知能 ,  モデル ,  データ処理 ,  災害 ,  *融合 ,  意思決定者 ,  リスク評価 ,  サポートベクトルマシン

著者キーワード (5件)： 雲モデル ,  サポートベクトルマシン ,  証拠推論 ,  トンネル崩壊 ,  リスク評価

分類 (2件)： 斜面安定,掘削変形  (RA03070L) ,  自然災害  (RA02030M)

タイトルに関連する用語 (9件)： 人工知能 ,  予測 ,  トンネル ,  崩壊 ,  災害 ,  マルチ ,  ソース ,  情報融合 ,  評価手法