Development of a methodology for discovering knowledge from a large amount of sensor monitoring data

点击翻译按钮获取中文摘要

戦後, 我が国で建造された膨大な数の社会基盤施設の健全度を評価していくために, 今後センサや無線センサネットワークが大量に設置させるようになると予想される. 膨大な量のセンサデータから有意な結論を導くために, 本研究では, センサのデータモデル, 構造物のプロダクトモデルおよび知識表現モデルを融合させたデータモデルを構築し, これに基づいた大量のデータから有意な知識が発見できるようなデータマイニングの方法論を開発した. センサデータモデルとプロダクトモデルを統合化したデータモデルを用いて, 簡単な振動台実験データをデータベースに格納した. 格納されたデータを用いて, 決定木, ニューラルネットワーク, 自己組織化マップなどのデータマイニングを実施した. 振動台実験の模型は, 2層のフレームモデルで, ブレイシング(筋交い)の有無による振動の違いをデータマイニングによって学習し, 判定可能かどうか試験した. 実験の結果, 振動データをある一定間隔で区切り, 各間隔内の最大値, 最小値, 平均値などをデータに加えることにより, 判定することが可能であることがわかった. また, 各種の手法を比較検討した結果, 自己組織化マップを用いた手法が適当であることが判明した