权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Development of real-time seismic intensity prediction method using IoT sensors and machine learning

使用物联网传感器和机器学习开发实时地震烈度预测方法

基本信息

批准号：
22K04635
负责人：
金亜伊
金额：
$ 2.5万
依托单位：
Yokohama City University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04635/
关键词：
リアルタイム震度震度予測機械学習 LSTM IoT 防災加速度センサー

项目摘要

今年度は防災科学技術研究所で展開するK-netの既存観測点データと深層学習の一種であるLong-short term memory(LSTM)を用いてリアルタイム震度（Ir）の予測モデルの構築を試みた.具体的にはある時刻から現在までの時系列データを用いてターゲット観測点の現在のIrを予測するモデル（0秒先モデル）と, ターゲット観測点のIrの将来予測の可能性の検証のために8秒先を予測するモデル（8秒先モデル）を構築した. 8秒先モデルの予測結果を入力観測点の距離で重み付けした時間ごとの加重平均値, PLUM法を模した入力観測点の最大値と比較したところ, MAE, RMSEともに本研究で構築したモデルの予測の精度が高いという結果が得られた. しかしながらIrのおおまかな形状は再現できているものの詳細を見てみると大きな外れ値も散見された. 上記の予測誤差の大きな原因の一つは訓練データ不足と考えられるので, その検証のために模擬データを作成してデータ拡張を試みた. ここでは上記期間のデータのうち欠損しているものを久保, 功刀（2022）によるIrの立ち上がりから最大震度に達するまでの形状の予測式と司, 翠川(1999)及び翠川他(1999)の強震動予測式を組み合わせて合成し, 訓練データとした.　その結果、さらに予測誤差が小さくなり、データ拡張による予測精度の向上が認められた. また, 上記訓練データのすべてを模擬データで置き換えたところ, 観測データと混ぜ合わせた時よりもやや予測精度が向上するという結果になった. この結果は訓練に大量の模擬データがあれば観測データの少ない地域でもIrの予測が可能であると言うことを示唆している.

This year, the Institute of Science and Technology for Disaster Prevention launched a trial for the construction of long-term memory(LSTM) for the prediction of earthquake intensity (Ir) in K-net. The specific time series of the time series from the moment to the present time series is used to construct the time series from the moment to the present time series (0 seconds first) and the time series from the future time series (8 seconds first). 8 seconds before the test results, the distance between the test points of the input force, the weight, the time, the weight, the average value, the PLUM method, the maximum value of the test points of the input force, the comparison, the MAE, the RMSE, the results of this study, the construction, the accuracy of the test points, the accuracy of the test points, the weight, the average value, the PLUM method, the MAE, the RMSE method, the results of this study, the construction, the accuracy of this study, the results of this study. The shape of the picture is reproduced in detail. The reason for the large error of prediction is that the training data is insufficient, the test data is insufficient, and the simulation data is insufficient. The prediction formula of the shape of the strong vibration in the period of the above record is composed of the combination of the prediction formulas of the strong vibration in the period of the above record and the maximum earthquake intensity in the period of the above record. The prediction error is small and the prediction accuracy is high. For example, if you want to improve your performance, you can improve your performance. The result is a large number of simulation data, which can be used to predict the future of the system.