AIと数値シミュレーションを統合した塩害環境予測技術の開発

人工智能与数值模拟相结合的盐害环境预测技术开发

基本信息

批准号：
21K04335
负责人：
崎原康平
金额：
$ 2.58万
依托单位：
University of the Ryukyus
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本年度では，観測された飛来塩分データと各種環境情報（風況や波浪等）から機械学習を用いて2ケースの飛来塩分予測を行った。1つは沖縄県国頭村辺野喜暴露場で長期観測された飛来塩分データを使用した予測（以後，辺野喜試験と称す），もう1つは全国で観測された飛来塩分データを使用した予測（以後，全国試験と称す）である。また，Web上で公開されている環境情報データの中で，気象観測所より観測点の密度が高いメソ数値予報モデルを使用した環境データ（以後，MSMデータと称す）による予測を行い，本提案手法の有効性について検討を行った。その結果，ベイズ最適化によるハイパーパラメータチューニングを行ったRandom Forestを飛来塩分予測に適用することで，辺野喜試験，全国試験ともに計算時間が短くかつ汎化性能の良い結果を得ることができた。また，MSMデータを使用することにより，飛来塩分を観測したい地点から最寄りの気象観測所が遠い場合においても，観測地点の風況データを取得することができる。またそのデータを機械学習の学習データとして用いることで，飛来塩分の予測精度向上を図ることができた。さらに，特徴量の重要度を検討することにより，本研究において最も予測に影響を与えている環境データは，有義波高であることが明らかとなった。上記の研究成果は，コンクリート工学年次論文集やコンクリート構造物の補修，補強，アップグレード論文報告集等の査読付論文として掲載された。また，国際会議である15th World Congress on Computational Mechanics (WCCM) や，国内では日本建築学会全国大会および九州支部研究発表会等で研究発表を行っている。

今年，我们利用机器学习，利用观测到的空气盐分数据和各种环境信息（风况、波浪等）来预测空气盐分的两种情况。一种是利用冲绳县国头村边野木暴露点长期观测到的空气盐度数据进行预测（以下简称边野试验），另一种是利用全国范围内观测到的空气盐度数据进行预测（以下简称边野试验）。称为边木考试（简称国试）。此外，在网络上发布的环境信息数据中，利用中观数值预报模型（以下简称MSM数据）的环境数据进行预测，其观测点密度高于气象观测站的有效性。方法进行了检查。因此，通过使用贝叶斯优化进行超参数调整的随机森林应用于空气盐度预测，我们在边越测试和国家测试中都获得了计算时间短、泛化性能好的结果。此外，通过使用MSM数据，即使最近的气象观测站距离要观测空气盐度的地点较远，也可以获得观测点的风况数据。此外，通过使用这些数据作为机器学习的训练数据，我们能够提高预测空气盐度的准确性。此外，通过检查特征的重要性，很明显，在本研究中对预测影响最大的环境数据是显着波高。上述研究成果作为同行评审论文发表在Annual Concrete Engineering Proceedings、The Repair, Reinforcement, and Upgrade Papers on Concrete Structures等期刊上。我们还在第 15 届世界计算力学大会（WCCM）国际会议上以及日本建筑学会全国会议和九州分会研究报告会上发表了研究报告。