【講演概要】

近年,機械学習は土木分野で積極的に適用されているが代表的なベンチマーク・データセットは十分に整備されていない.土木分野の特徴を有する機械学習用データセットを構築することは,機械学習のアルゴリズム評価やさらなる活用促進のために必要不可欠である.今回,橋梁モデルに対する有限要素解析を通じて橋梁の損傷推定に対するデータセットを4段階の難易度に分けて提案する. 19の機械学習アルゴリズムに生成したデータセットを入力し,各アルゴリズムから得られた決定係数を基にデータセットを評価した.
 

【キーワード】　

機械学習,ベンチマーク,データセット,FEM, 橋梁,損傷同定
 

【使用製品】

COMSOL Multiphysics,構造力学モジュール
 

【共同著作者】　

ー
 

【English title】　

Generating machine learning datasets on damage identification using finite element bridge model
 

【Abstract】

Recently, machine learning (ML) has been actively applied to various problems in the civil engineering field. To further facilitate the use of machine learning in the civil engineering field, it is essential to have appropriate benchmark problems and training datasets with the characteristics of the civil engineering field. Nevertheless, such datasets have not yet been proposed sufficiently. In this study, using the finite element analysis, we propose fundamental datasets (no noise and no missing data) as benchmark problems for damage identification of bridge model, with four levels of difficulty. Then, we input the dataset into a total of 19 machine learning algorithms to assess the quality of the dataset using the coefficient of determination obtained from those algorithms. As a result of numerical experiments, the following points were found: For cases with a single damaged member, most of the algorithms have the coefficient of determination higher than 0.9, resulting in unsuitable benchmarks due to its simplicity. For cases with two damaged members, the coefficient of determination is distributed from 0.5 to 0.9, resulting in suitable benchmarks with appropriate difficulty.
 

【Keyword】

Machine Learning, Benchmark, Dataset, FEM, Bridge, Damage Identification
 

【講師紹介】

産業技術総合研究所　活断層・火山研究部門 地震災害予測研究グループ　主任研究員　竿本 英貴 様