文献

J-GLOBAL ID：202202275605524673   整理番号：22A0942484

長期および短期モニタリング下の実物大土木構造物の教師なし学習ベース損傷評価【JST・京大機械翻訳】

Unsupervised learning-based damage assessment of full-scale civil structures under long-term and short-term monitoring

著者 (3件)： Hassan Daneshvar Mohammad (Department of Civil Engineering, Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran) ,  Sarmadi Hassan (Department of Civil Engineering, Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran) ,  Sarmadi Hassan (Head of Research and Development, IPESFP Company, Mashhad, Iran)
資料名： Engineering Structures  (Engineering Structures)
巻： 256  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： 機械学習は,多くの土木工学応用,特に構造健全性監視(SHM)に対する影響力のある有用なツールとなっている。この理由のために,本論文では,長期および短期モニタリングの下でのSHMのための教師なし情報ベース異常検出に関して,新しい機械学習法を提案した。この方式の信用は,局所密度の概念,1クラス最近傍規則による教師なし特徴選択,局所カットオフ距離,および最小距離値を用いて,新しい異常スコアまたは情報コンテンツを定義することである。次に,非パラメトリック手法を提案し,各特徴の適切な最近傍を選択し,その局所カットオフ距離と局所密度を決定した。異常検出の概念を通して損傷を検出するために,警報閾値と異常スコアを比較する必要がある。したがって,半パラメトリック極値(SEV)理論に基づく新しい確率的方法を,いくつかの極端なサンプルから分位数を推定するために提案し,閾値限界としてこの分位値を使用する。適切な極端な試料を選択することの重要性により,このプロセスは2段階反復アプローチによって行われる。本論文の主要な貢献は,含まれている。(i)非パラメトリックファッションにおける新しい教師なし学習法,(ii)SHMアプリケーションの新しい異常スコアの定義,(iii)教師なし最近傍選択の前進,および(iv)モデル選択,モデリング手順,およびパラメータ推定なしのSEV理論に基づく新しい確率的閾値推定の開発。2つの実物大橋の振動データから抽出した動的および統計的特徴を適用して,いくつかの比較研究とともに提案した方法を検証した。結果は,ここで提示した方法が,いくつかのよく知られた技術に対して優位性を有する高次元および低次元特徴による正確なSHMのための効果的で信頼できるツールであることを示した。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： 警報 ,  *教師なし学習 ,  モデリング ,  特徴選択 ,  応用プログラム ,  *土木構造物 ,  土木工学 ,  パラメータ推定 ,  高次元 ,  機械学習
準シソーラス用語： 構造ヘルスモニタリング ,  モデル選択 ,  *損傷評価 ,  確率的方法 ,  低次元 , 【Automatic Indexing@JST】

著者キーワード (8件)： 構造ヘルスモニタリング ,  機械学習 ,  教師なし新規性検出 ,  最近傍 ,  局所密度 ,  異常スコア ,  閾値 ,  セミパラメトリック極値理論

分類 (3件)： コンクリート構造  (RA04030A) ,  構造力学一般  (HD01000X) ,  その他の構造材料による構造  (RA04060H)

タイトルに関連する用語 (6件)： 長期 ,  短期 ,  モニタリング ,  土木構造物 ,  教師なし学習 ,  損傷評価