論文の概要: Evaluating and Explaining Earthquake-Induced Liquefaction Potential through Multi-Modal Transformers

• arxiv url: http://arxiv.org/abs/2502.10446v1
• Date: Tue, 11 Feb 2025 09:18:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:08:50.006573
• Title: Evaluating and Explaining Earthquake-Induced Liquefaction Potential through Multi-Modal Transformers
• Title（参考訳）: 多モード変圧器による地震誘発液状化ポテンシャルの評価と説明
• Authors: Sompote Youwai, Tipok Kitkobsin, Sutat Leelataviwat, Pornkasem Jongpradist,
• Abstract要約: 本研究では, 土壌液状化予測のための並列トランスアーキテクチャを提案する。 この構造は、11大地震の165のケース履歴からデータを処理している。 このモデルは、地域間検証セットで93.75%の精度で予測できる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study presents an explainable parallel transformer architecture for soil liquefaction prediction that integrates three distinct data streams: spectral seismic encoding, soil stratigraphy tokenization, and site-specific features. The architecture processes data from 165 case histories across 11 major earthquakes, employing Fast Fourier Transform for seismic waveform encoding and principles from large language models for soil layer tokenization. Interpretability is achieved through SHapley Additive exPlanations (SHAP), which decompose predictions into individual contributions from seismic characteristics, soil properties, and site conditions. The model achieves 93.75% prediction accuracy on cross-regional validation sets and demonstrates robust performance through sensitivity analysis of ground motion intensity and soil resistance parameters. Notably, validation against previously unseen ground motion data from the 2024 Noto Peninsula earthquake confirms the model's generalization capabilities and practical utility. Implementation as a publicly accessible web application enables rapid assessment of multiple sites simultaneously. This approach establishes a new framework in geotechnical deep learning where sophisticated multi-modal analysis meets practical engineering requirements through quantitative interpretation and accessible deployment.
• Abstract（参考訳）: 本研究では, 土壌液状化予測のための並列トランスフォーマアーキテクチャについて, 分光法地震波符号化, 地層序のトークン化, サイト固有の特徴の3つの異なるデータストリームを統合した。 このアーキテクチャは、11大地震をまたいだ165のケース履歴からデータを処理し、地震波形エンコーディングにFast Fourier Transformを使用し、土壌層トークン化のための大規模言語モデルから原則を導出する。 解釈性はSHAP(SHapley Additive ExPlanations)によって達成され、地震特性、土壌特性、地盤条件から個々の貢献に分解される。 本モデルでは, 地動強度と耐土性パラメータの感度解析により, 断面積検証セットの93.75%の精度を達成し, 頑健な性能を示す。 特に,2024年能登半島地震の既往の地動データに対する検証では,モデルの一般化能力と実用性が確認されている。 公開されているWebアプリケーションとしての実装は、複数のサイトを同時に迅速に評価することを可能にする。 このアプローチは、高度なマルチモーダル分析が定量的解釈とアクセス可能なデプロイメントを通じて実践的なエンジニアリング要件を満たす、ジオテクカルディープラーニングの新たなフレームワークを確立する。

関連論文リスト

• Multiclass Post-Earthquake Building Assessment Integrating Optical and SAR Satellite Imagery, Ground Motion, and Soil Data with Transformers [0.0]
  本研究では,地震後の高分解能衛星画像と構造物の耐震性能に関連する建築固有のメタデータを組み合わせたフレームワークを提案する。 2023年2月6日トルコ・シリア地震の建物群を対象とした多層地震後の被害同定において, 現状の成果が得られた。
  論文  参考訳（メタデータ） (2024-12-05T23:19:51Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• Neural Plasticity-Inspired Multimodal Foundation Model for Earth Observation [48.66623377464203]
  我々の新しいアプローチは、脳科学における神経可塑性の概念を活用する、ダイナミックワンフォーオール(DOFA)モデルを導入している。 このダイナミックなハイパーネットワークは、異なる波長に調整され、5つのセンサーのデータに基づいて1つの多目的トランスフォーマーを共同で訓練し、12の異なる地球観測タスクを遂行することを可能にする。
  論文  参考訳（メタデータ） (2024-03-22T17:11:47Z)
• Controllable seismic velocity synthesis using generative diffusion models [4.2193475197905705]
  本研究では, 地震波速度合成のための条件付き生成拡散モデルを提案する。 このアプローチは、予測された目標分布と密接に一致する地震波速度の生成を可能にする。 OpenFWIデータセット上での拡散モデルのトレーニングにより,本手法の柔軟性と有効性を示す。
  論文  参考訳（メタデータ） (2024-02-09T09:41:26Z)
• Attention with Markov: A Framework for Principled Analysis of Transformers via Markov Chains [48.146073732531605]
  マルコフ連鎖のレンズによる変圧器の逐次モデリング機能について検討する。 自然言語のマルコフ性に触発され、マルコフの情報源としてデータをモデル化する。 我々は,データ特性とトランスフォーマーアーキテクチャに基づいて,グローバルなミニマと悪いローカルなミニマの存在を示す。
  論文  参考訳（メタデータ） (2024-02-06T17:18:59Z)
• IntraSeismic: a coordinate-based learning approach to seismic inversion [14.625250755761662]
  IntraSeismicは、座標に基づく学習とポストスタックモデリング演算子の物理をシームレスに組み合わせた、新しいハイブリッド地震インバージョン手法である。 IntraSeismicの主な特徴は、2Dおよび3D後の地震インバージョン、高速収束率、およびシームレスにハード制約を含む能力である。 提案手法の有効性を検証するために, 震源内データの合成とフィールドデータの適用について述べる。
  論文  参考訳（メタデータ） (2023-12-17T00:29:25Z)
• FaultSeg Swin-UNETR: Transformer-Based Self-Supervised Pretraining Model for Fault Recognition [13.339333273943842]
  本稿では,自己教師付き事前学習による地震断層認識の高度化手法を提案する。 我々は,Swin Transformerモデルをコアネットワークとして採用し,SimMIMプレトレーニングタスクを用いて,地震データにおける不連続性に関連する特徴を抽出した。 実験の結果,提案手法は,OISおよびODS測定値から,Thebeデータセット上での最先端性能を実現することができた。
  論文  参考訳（メタデータ） (2023-10-27T08:38:59Z)
• A deep scalable neural architecture for soil properties estimation from spectral information [20.981200039553144]
  本稿では,高スペクトルシグネチャ解析による土壌特性予測のための適応型深層ニューラルネットワークを提案する。 「成果は、他の最先端の方法と比較して、提案された解決策の有効性を確かめる」
  論文  参考訳（メタデータ） (2022-10-26T16:50:06Z)
• CAFE: Learning to Condense Dataset by Aligning Features [72.99394941348757]
  本稿ではCAFE(Aligning features)によるCondenseデータセットの新しいスキームを提案する。 このアプローチの核心は、さまざまなスケールにわたる実データと合成データから機能を整合させる効果的な戦略です。 提案したCAFEを様々なデータセットで検証し,概ね最先端技術であることを示す。
  論文  参考訳（メタデータ） (2022-03-03T05:58:49Z)
• TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
  時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。 本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。 本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
  論文  参考訳（メタデータ） (2022-02-07T21:37:29Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。