論文の概要: A Comparative Evaluation of Machine Learning Algorithms for the
Prediction of R/C Buildings' Seismic Damage
- arxiv url: http://arxiv.org/abs/2203.13449v1
- Date: Fri, 25 Mar 2022 05:10:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-28 12:16:49.146758
- Title: A Comparative Evaluation of Machine Learning Algorithms for the
Prediction of R/C Buildings' Seismic Damage
- Title（参考訳）: r/c建築物の地震被害予測のための機械学習アルゴリズムの比較評価
- Authors: Konstantinos Demertzis, Konstantinos Kostinakis, Konstantinos Morfidis
and Lazaros Iliadis
- Abstract要約: 本稿では,R/C建築物の耐震性を予測するため,各種機械学習アルゴリズムの有効性を広範囲に評価する。
大規模な比較研究は、最も効率的な機械学習アルゴリズムによって利用される。
実験の結果,LightGBMアプローチはトレーニングの安定性,総合性能,決定係数を著しく向上させることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Seismic assessment of buildings and determination of their structural damage
is at the forefront of modern scientific research. Since now, several
researchers have proposed a number of procedures, in an attempt to estimate the
damage response of the buildings subjected to strong ground motions, without
conducting time-consuming analyses. These procedures, e.g. construction of
fragility curves, usually utilize methods based on the application of
statistical theory. In the last decades, the increase of the computers' power
has led to the development of modern soft computing methods based on the
adoption of Machine Learning algorithms. The present paper attempts an
extensive comparative evaluation of the capability of various Machine Learning
methods to adequately predict the seismic response of R/C buildings. The
training dataset is created by means of Nonlinear Time History Analyses of 90
3D R/C buildings with three different masonry infills' distributions, which are
subjected to 65 earthquakes. The seismic damage is expressed in terms of the
Maximum Interstory Drift Ratio. A large-scale comparison study is utilized by
the most efficient Machine Learning algorithms. The experimentation shows that
the LightGBM approach produces training stability, high overall performance and
a remarkable coefficient of determination to estimate the ability to predict
the buildings' damage response. Due to the extremely urgent issue, civil
protection mechanisms need to incorporate in their technological systems
scientific methodologies and appropriate technical or modeling tools such as
the proposed one, which can offer valuable assistance in making optimal
decisions.
- Abstract（参考訳）: 建築物の耐震性評価と構造的損傷の判定は, 近代科学的研究の最前線にある。
それ以来、いくつかの研究者が、時間を要する解析を行わずに強震動を受ける建物の損傷応答を推定するために、いくつかの手順を提案している。
これらの手順、例えば、フレジティ曲線の構成は、通常、統計理論の適用に基づく方法を利用する。
過去数十年間、コンピュータのパワーは増加し、機械学習アルゴリズムの採用に基づく現代のソフトコンピューティング手法の開発につながった。
本稿では,r/c建築物の地震応答を適切に予測するために,各種機械学習手法の能力比較を行った。
トレーニングデータセットは、3つの異なる石造りの埋蔵物分布を持つ90の3次元R/C建築物の非線形時間履歴解析により作成され、65の地震にさらされる。
地震被害は最大層間ドリフト比で表される。
大規模な比較研究は、最も効率的な機械学習アルゴリズムによって利用される。
実験の結果,LightGBM手法はトレーニングの安定性,全体的な性能,建物損傷の予測能力を推定する決定係数を著しく向上させることがわかった。
極めて緊急な問題のため、民間の保護機構は、彼らの技術システムにおいて科学的方法論と、提案されたもののような適切な技術やモデリングツールを取り入れる必要がある。
関連論文リスト
- Learning Long-Horizon Predictions for Quadrotor Dynamics [48.08477275522024]
四元数に対する長軸予測力学を効率的に学習するための鍵となる設計選択について検討する。
逐次モデリング手法は,他のタイプの手法と比較して,合成誤差を最小限に抑える上での優位性を示す。
本稿では,モジュール性の向上を図りながら,学習プロセスをさらに単純化する,疎結合な動的学習手法を提案する。
論文 参考訳（メタデータ） (2024-07-17T19:06:47Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳（メタデータ） (2023-06-13T12:43:59Z) - Predicting Hurricane Evacuation Decisions with Interpretable Machine
Learning Models [0.0]
本研究では,容易にアクセス可能な人口動態と資源関連予測器によって構築された世帯の避難決定を予測するための新しい手法を提案する。
提案手法は,避難交通需要の推計を改善するため,緊急管理当局に新たなツールと枠組みを提供する可能性がある。
論文 参考訳（メタデータ） (2023-03-12T03:45:44Z) - A Comprehensive Study on Robustness of Image Classification Models:
Benchmarking and Rethinking [54.89987482509155]
ディープニューラルネットワークのロバスト性は、通常、敵の例、共通の腐敗、分散シフトに欠けている。
画像分類タスクにおいてtextbfARES-Bench と呼ばれる総合的なベンチマークロバスト性を確立する。
それに応じてトレーニング設定を設計することにより、新しい最先端の対人ロバスト性を実現する。
論文 参考訳（メタデータ） (2023-02-28T04:26:20Z) - Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。
本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文 参考訳（メタデータ） (2022-09-05T16:48:34Z) - Classification of Buildings' Potential for Seismic Damage by Means of
Artificial Intelligence Techniques [0.0]
分類アルゴリズムの実装には、大規模なトレーニングデータセットが使用される。
地震被害のレベルは最大層間ドリフト比で表される。
抽出された最も重要な結論は、機械学習の手法が、最も洗練された現実世界の問題を解くのに使えることである。
論文 参考訳（メタデータ） (2022-04-06T15:32:15Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T19:57:19Z) - Interpretability in Convolutional Neural Networks for Building Damage
Classification in Satellite Imagery [0.0]
我々は、プレサスタ衛星画像とポストサスタ衛星画像とをラベル付けしたデータセットを使用して、建物ごとの損傷を評価する。
複数の畳み込みニューラルネットワーク(CNN)をトレーニングし、建物ごとの損傷を評価する。
我々の研究は、人為的気候変動による人道的危機の進行に、計算的に貢献することを目指している。
論文 参考訳（メタデータ） (2022-01-24T16:55:56Z) - Adaptive importance sampling for seismic fragility curve estimation [0.0]
地震荷重を受ける際には, 機械・土木構造物の脆性について検討する必要がある。
フラジティ曲線の推定は、時間のかかる数値シミュレーションに依存する。
適応的重要度サンプリングに基づく能動的学習手法の提案と実装を行う。
論文 参考訳（メタデータ） (2021-09-09T14:56:33Z) - Nonparametric Estimation of Heterogeneous Treatment Effects: From Theory
to Learning Algorithms [91.3755431537592]
プラグイン推定と擬似出力回帰に依存する4つの幅広いメタ学習戦略を解析する。
この理論的推論を用いて、アルゴリズム設計の原則を導出し、分析を実践に翻訳する方法について強調する。
論文 参考訳（メタデータ） (2021-01-26T17:11:40Z) - A Review of Vibration-Based Damage Detection in Civil Structures: From
Traditional Methods to Machine Learning and Deep Learning Applications [20.47375627883094]
構造物の寿命維持と維持には, 構造物の損傷モニタリングが極めて重要である。
機械学習(ML)や、特にディープラーニング(DL)アルゴリズムは、過去10年間のコンピューティングパワーとセンサー技術の発展に伴い、振動に基づく構造的損傷検出において、より実現可能で広範囲に使用されている。
本稿では,従来の手法のハイライトと,振動による土木構造物の損傷検出に利用したMLおよびDLアルゴリズムの最近の応用を概観する。
論文 参考訳（メタデータ） (2020-04-09T05:39:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。