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

点击翻译按钮获取中文摘要

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。