論文の概要: Developing an Explainable Artificial Intelligent (XAI) Model for Predicting Pile Driving Vibrations in Bangkok's Subsoil
- arxiv url: http://arxiv.org/abs/2409.05918v1
- Date: Sun, 8 Sep 2024 10:13:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 22:10:02.838793
- Title: Developing an Explainable Artificial Intelligent (XAI) Model for Predicting Pile Driving Vibrations in Bangkok's Subsoil
- Title（参考訳）: バンコク郊外における杭駆動振動予測のための説明可能な人工知能(XAI)モデルの開発
- Authors: Sompote Youwai, Anuwat Pamungmoon,
- Abstract要約: 本研究では,バンコク軟質土質土中における杭の振動を予測するための説明可能な人工知能(XAI)モデルを提案する。
深層ニューラルネットワークは1018個の実世界の杭駆動のデータセットを用いて開発された。
このモデルは0.276の平均絶対誤差(MAE)を達成し、従来の経験的手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents an explainable artificial intelligent (XAI) model for predicting pile driving vibrations in Bangkok's soft clay subsoil. A deep neural network was developed using a dataset of 1,018 real-world pile driving measurements, encompassing variations in pile dimensions, hammer characteristics, sensor locations, and vibration measurement axes. The model achieved a mean absolute error (MAE) of 0.276, outperforming traditional empirical methods and other machine learning approaches such as XGBoost and CatBoost. SHapley Additive exPlanations (SHAP) analysis was employed to interpret the model's predictions, revealing complex relationships between input features and peak particle velocity (PPV). Distance from the pile driving location emerged as the most influential factor, followed by hammer weight and pile size. Non-linear relationships and threshold effects were observed, providing new insights into vibration propagation in soft clay. A web-based application was developed to facilitate adoption by practicing engineers, bridging the gap between advanced machine learning techniques and practical engineering applications. This research contributes to the field of geotechnical engineering by offering a more accurate and nuanced approach to predicting pile driving vibrations, with implications for optimizing construction practices and mitigating environmental impacts in urban areas. The model and its source code are publicly available, promoting transparency and reproducibility in geotechnical research.
- Abstract（参考訳）: 本研究では,バンコク軟質土質土中における杭の振動を予測するための説明可能な人工知能(XAI)モデルを提案する。
深層ニューラルネットワークは, 杭寸法, ハンマー特性, センサ位置, 振動測定軸の変動を含む, 1018個の実世界の杭駆動測定データを用いて開発された。
このモデルは0.276の平均絶対誤差(MAE)を達成し、従来の経験的手法やXGBoostやCatBoostといった機械学習アプローチよりも優れていた。
shapley Additive exPlanations (SHAP) 解析を用いてモデルの予測を解釈し、入力特徴とピーク粒子速度(PPV)の複雑な関係を明らかにする。
杭の走行位置からの距離が最も大きな要因として現れ、その後ハンマーの重量と杭の大きさが続いた。
非線型関係としきい値の影響が観察され, 軟粘土の振動伝搬に関する新たな知見が得られた。
先進的な機械学習技術と実践的なエンジニアリングアプリケーションとのギャップを埋めて、エンジニアの実践による採用を促進するために、Webベースのアプリケーションが開発された。
本研究は, 杭振動の予測方法として, 地盤工学の分野に寄与し, 都市部における工事の最適化と環境影響軽減に寄与する。
このモデルとそのソースコードは公開されており、地理技術研究における透明性と再現性を促進する。
関連論文リスト
- Robustness of Explainable Artificial Intelligence in Industrial Process Modelling [43.388607981317016]
我々は,地中真実シミュレーションと感度解析に基づいて,現在のXAI手法を評価する。
モデル化された産業プロセスの真の感度を正確に予測する能力において,XAI法とXAI法の違いを示す。
論文 参考訳（メタデータ） (2024-07-12T09:46:26Z) - Explainable AI models for predicting liquefaction-induced lateral spreading [1.6221957454728797]
機械学習は横方向の拡散予測モデルを改善することができる。
機械学習モデルの“ブラックボックス”の性質は、重要な意思決定における採用を妨げる可能性がある。
この研究は、信頼性と情報的意思決定のための説明可能な機械学習の価値を強調している。
論文 参考訳（メタデータ） (2024-04-24T16:25:52Z) - A Physics-guided Generative AI Toolkit for Geophysical Monitoring [13.986582633154226]
フルウェーブフォーム・インバージョン(FWI)は地下探査において重要な役割を担っている。
物理原理で導かれる拡散モデルを用いて高忠実度速度マップを生成するEdGeoツールキットを提案する。
論文 参考訳（メタデータ） (2024-01-06T06:09:05Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Predictive World Models from Real-World Partial Observations [66.80340484148931]
本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。
従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
論文 参考訳（メタデータ） (2023-01-12T02:07:26Z) - Reconstruction and analysis of negatively buoyant jets with
interpretable machine learning [0.0]
脱塩などのプロセスから排水が排出される際には、負に傾斜した浮力ジェットが観測される。
有害な影響を最小限に抑え、環境への影響を評価するためには、詳細な数値調査が必要である。
機械学習モデルの応用が提案されている。
論文 参考訳（メタデータ） (2022-11-10T11:14:45Z) - Machine learning based surrogate modeling with SVD enabled training for
nonlinear civil structures subject to dynamic loading [0.0]
本稿では,地震を予測するための機械学習に基づく代理モデルフレームワークを提案する。
1階建てと3階建ての建物のピーク応答をうまく予測するために、このフレームワークを用いて検証する。
論文 参考訳（メタデータ） (2022-06-12T11:57:58Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Hybrid and Automated Machine Learning Approaches for Oil Fields
Development: the Case Study of Volve Field, North Sea [58.720142291102135]
本稿では,意思決定プロセスを支援する分野開発タスクにおけるインテリジェントなアプローチの利用について述べる。
我々は,油田立地最適化の問題と,その中の2つの課題に注目し,石油生産量推定の品質向上と貯水池特性の評価を行う。
実装されたアプローチは、異なる油田を解析したり、同様の物理問題に適応することができる。
論文 参考訳（メタデータ） (2021-03-03T18:51:46Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z)
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。