浅い基礎の液状化誘発沈下を機械学習と不均衡データで推定する
Sinan Sargin1, Guldem Korkmaz1, Ahmet Kaan Yildirim2
1Department of Civil Engineering, İstanbul University-Cerrahpaşa, 34320, Istanbul, Turkey.
Scientific reports
|February 26, 2026
まとめ
建物の地震誘発液状化沈下の正確な予測は、耐震性のために不可欠です。特徴量選択と閾値調整で最適化された機械学習および深層学習モデルは、地震被害の信頼性の高い分類に有望です。
科学分野:
- 土木工学
- 地震工学
- 機械学習の応用
背景:
- 浅い基礎における地震誘発液状化沈下の正確な推定は、地震リスク評価にとって不可欠です。
- 液状化しやすい土壌における鉛直変形と建物傾斜の信頼性の高い予測方法の開発は、回復力のあるインフラストラクチャにとって重要です。
- 地震保険と被害軽減計画における情報に基づいた意思決定は、効果的な地震被害予測に依存します。
主な方法:
- 建物、地盤工学、地震データを統合した、文書化された事例研究の包括的なデータベースのコンパイル。
- クラスの不均衡に対処するためのさまざまなデータレベルのリサンプリング技術とコストに敏感な学習戦略の適用。
- 主要な予測因子を特定するためのSHAPベースの特徴量選択の実装と、分類を改善するための重み付け投票によるアンサンブル学習。
結論:
- 特徴量選択や閾値調整を含む最適化されたデータ駆動型アプローチは、地震被害を分類するための堅牢な方法論を提供します。
- 開発された方法論は、地盤工学地震工学の応用に計算効率が高く解釈可能なツールを提供します。
- この研究は、耐震性の高い基礎ソリューションの開発と情報に基づいたリスク管理戦略に貢献します。
関連する概念動画
01:19Survival Tree
451
Survival trees are a non-parametric method used in survival analysis to model the relationship between a set of covariates and the time until an event of interest occurs, often referred to as the "time-to-event" or "survival time." This method is particularly useful when dealing with censored data, where the event has not occurred for some individuals by the end of the study period, or when the exact time of the event is unknown.
Building a Survival Tree
Constructing a...
Building a Survival Tree
Constructing a...
451
01:19Design Example: Maintaining Level of an Embankment
482
Constructing a roadway embankment over uneven terrain requires precise leveling to ensure stability and proper drainage. Surveyors use a leveling instrument and staff to calculate ground elevations and determine the required fill material at each point along the embankment alignment.The process begins by positioning a leveling instrument near a benchmark with a known elevation. A backsight reading establishes the instrument height, which serves as a reference for subsequent measurements. A...
482