JP7471924B2 - 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 - Google Patents
地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 Download PDFInfo
- Publication number
- JP7471924B2 JP7471924B2 JP2020097845A JP2020097845A JP7471924B2 JP 7471924 B2 JP7471924 B2 JP 7471924B2 JP 2020097845 A JP2020097845 A JP 2020097845A JP 2020097845 A JP2020097845 A JP 2020097845A JP 7471924 B2 JP7471924 B2 JP 7471924B2
- Authority
- JP
- Japan
- Prior art keywords
- earthquake motion
- earthquake
- seismic
- motion evaluation
- motion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims description 628
- 238000013210 evaluation model Methods 0.000 title claims description 189
- 238000011156 evaluation Methods 0.000 title claims description 89
- 238000000034 method Methods 0.000 title claims description 69
- 238000010801 machine learning Methods 0.000 claims description 37
- 238000001228 spectrum Methods 0.000 description 60
- 230000004044 response Effects 0.000 description 58
- 238000004088 simulation Methods 0.000 description 38
- 238000010586 diagram Methods 0.000 description 37
- 230000001133 acceleration Effects 0.000 description 29
- 230000008569 process Effects 0.000 description 16
- 238000012549 training Methods 0.000 description 16
- 239000010410 layer Substances 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 238000000547 structure data Methods 0.000 description 12
- 239000002344 surface layer Substances 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 238000006073 displacement reaction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000002265 prevention Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000036962 time dependent Effects 0.000 description 6
- 238000013016 damping Methods 0.000 description 5
- 230000002950 deficient Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 101100009648 Schizosaccharomyces pombe (strain 972 / ATCC 24843) dip1 gene Proteins 0.000 description 3
- 230000003466 anti-cipated effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Description
コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
複数の地震と当該複数の地震による地震動が観測された少なくとも1つの観測点との各組み合わせについて、前記地震動が観測されたときの地震動諸特性パラメータ及び地震動観測記録を関連付けて記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動観測記録から得られる地震動指標を目的変数として、前記特徴量及び前記目的変数で構成される学習用データを複数取得する取得工程と、
前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記観測点毎に又は複数の前記観測点が所定の分類基準に従って分類されグループ化された観測点グループ毎に前記地震動評価モデルを生成する生成工程と、を含む。
コンピュータであって、上記地震動評価モデル生成方法に含まれる各工程を実行する制御部を備える。
コンピュータを用いて、上記地震動評価モデル生成方法により生成された前記地震動評価モデルに基づいて前記地震動の特性を評価する地震動評価方法であって、
予測対象の前記地震動諸特性パラメータを受け付ける受付工程と、
前記受付工程にて受け付けられた前記予測対象の前記地震動諸特性パラメータを前記特徴量として当該地震動諸特性パラメータに対応する前記観測点毎又は前記観測点グループ毎の前記地震動評価モデルに入力することにより当該地震動評価モデルから出力される前記目的変数に基づいて、前記予測対象の前記地震動諸特性パラメータに対応する前記地震動指標を予測する予測工程と、を含む。
コンピュータであって、上記地震動評価方法に含まれる各工程を実行する制御部を備える。
図1は、本発明の第1の実施形態に係る地震動評価システム1の一例を示す概略構成図である。図2は、本発明の第1の実施形態に係る地震動評価システム1の一例を示すブロック図である。
地震動評価モデル生成装置3は、データ提供装置2A~2Cにより提供された提供データ(観測データ、解析データ、地下構造データ)に基づいて、例えば、勾配ブースティング木、ランダムフォレスト、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)等の機械学習アルゴリズムを実行することにより、機械学習の学習済みモデルとして、地震動評価モデル13を生成する。
DB管理部310は、データ提供装置2A~2Cにより提供された提供データ(観測データ、解析データ、地下構造データ)に基づいて、データベース10を管理する。具体的には、DB管理部310は、地震が発生し、当該地震による地震動が少なくとも1つの観測点で観測され、データ提供装置2A~2Cにより当該地震に関する提供データが提供される度に、当該地震と当該地震による地震動が観測された少なくとも1つの観測点との各組み合わせについて、当該地震動が観測されたときの地震動諸特性パラメータ及び地震動観測記録を関連付けて、データベース10に登録する。
取得部311は、図3に示すように、データベース10に登録された複数の地震動データ11から、地震動諸特性パラメータを特徴量とし、地震動観測記録から得られる地震動指標を目的変数として、特徴量及び目的変数で構成される学習用データ12を複数取得する。なお、学習用データ12は、教師あり学習における学習データ(トレーニングデータ)、検証データ及びテストデータとして用いられるデータである。また、複数の学習用データ12からなる学習用データ12の集合は、学習用データセットという。
生成部312は、図3に示すように、取得部311にて取得された複数の学習用データ12に基づいて、特徴量及び目的変数の相関関係を機械学習により学習することにより、学習済みモデルとして地震動評価モデル13を生成し、記憶部30に記憶する。本実施形態では、機械学習における機械学習アルゴリズムとして、勾配ブースティング木(Gradient Boosting Decision Tree)を用いる場合について説明する。
地震動評価装置4は、地震動評価モデル生成装置3により生成された地震動評価モデル13に基づいて、地震動を評価・予測し、その結果を、例えば、表示媒体や紙媒体等の出力媒体に出力する。
受付部410は、予測対象の地震動諸特性パラメータを受け付ける。具体的には、受付部410は、例えば、地震動評価装置4のユーザが予測対象として想定している地震(以下、「想定地震」という)のモーメントマグニチュードMw、震央位置、及び、震源深さHについて入力部33を介して受け付けるとともに、当該想定地震による地震動がどの程度発生するのかを予測したい予測点の位置を示す予測点位置についても入力部33を介して受け受ける。なお、予測点位置は、任意の位置でもよいし、観測点位置と同じでもよい。また、予測点位置は、複数でもよく、例えば、所定の格子間隔(例えば、5km間隔)における各格子点等でもよい。
予測部411は、受付部410にて受け付けられた予測対象の地震動諸特性パラメータを特徴量として、地震動評価モデル13(6種類の地震動諸特性パラメータを特徴量とし、11種類の地震動指標を目的変数として、両者の相関関係を学習した学習済みモデル)に入力することにより当該地震動評価モデル13から出力される目的変数に基づいて、予測対象の地震動諸特性パラメータに対応する地震動指標を予測する。その際、受付部410が、想定地震を複数受け付けたり、予測点位置を複数受け付けたりすることで、予測対象として複数の地震動諸特性パラメータを受け付けた場合には、予測部411は、複数の地震動諸特性パラメータの各々を地震動評価モデル13に入力することで、複数の地震動諸特性パラメータの各々に対応する地震動指標をそれぞれ予測する。
出力処理部412は、予測部411にて予測された地震動指標を視認可能な出力媒体に出力する。例えば、出力媒体が、表示部44のような表示媒体である場合には、出力処理部412は、表示媒体に表示するための表示データ(出力データ)を生成し、表示媒体に表示出力する。また、出力媒体が、紙媒体である場合には、出力処理部412は、紙媒体に印刷するための印刷データ(出力データ)を生成し、紙媒体に印刷出力する。なお、出力処理部412は、出力データを、例えば、地震動予測マップ作成システムやハザードマップ作成システム等に通信出力するようにしてもよいし、公共施設、建物、工場等の防災システムに通信出力するようにしてもよい。
次に、地震動評価モデル13の特性について、地震動評価モデル生成装置3により異なる学習用データ12を用いてそれぞれ生成された複数の地震動評価モデル13を比較しながら説明する。その際、地震動諸特性パラメータ及び地震動観測記録が関連付けられた複数の地震動データ11について、地震動観測記録から得られる地震動指標を「観測値」とし、地震動諸特性パラメータを地震動評価モデル13に入力することにより得られる地震動指標を「評価値」として、「観測値」及び「評価値」を用いて地震動評価モデル13の特性を説明する。
図9は、目的変数(地震動指標)に対する各特徴量(地震動諸特性パラメータ)の影響度を示し、(a)は関東モデルA5、(b)は関東モデルA6、(c)は関東モデルB5、(d)は関東モデルB6をそれぞれ示す図である。
図10は、関東モデルA6における各目的変数(地震動指標)について、地震動観測記録から得られる観測値と、地震動評価モデル13により得られる評価値との相関を示す散布図である。
図12は、関東モデルA5、A6、B5、B6について、各目的変数(地震動指標)の「評価値/観測値」比の平均μとばらつきσを示す図である。
第1の実施形態に係る地震動評価システム1では、地震動評価モデル生成装置3が、関東地方一都六県に設置された観測点138地点の観測データを用いて1つの地震動評価モデル13(例えば、関東モデルA5、A6、B5、B6)を生成し、地震動評価装置4が、1つの地震動評価モデル13を用いて関東地方における地震動を評価・予測するものである。これに対し、第2の実施形態に係る地震動評価システム1では、地震動評価モデル生成装置3が、観測点毎に地震動評価モデル13を生成し、地震動評価装置4が、観測点毎の地震動評価モデル13を用いて各観測点における地震動を評価・予測する点で相違する。その他の基本的な構成及び動作は、第1の実施形態と同様のため、以下では両者の相違点を中心に説明する。
本実施形態では、地震動評価モデル生成装置3が、防災科研の強震観測網K-NETの観測点の中から、基盤が浅く表層地盤が硬い地点の例である「SIT006(秩父)」(図1参照)と、基盤が深く表層地盤が軟らかな地点の例である「TKY028(越中島)」(図1参照)とについて、地震動評価モデル13をそれぞれ生成するものとして説明する。ここでは、SIT006(秩父)における地震動評価モデル13を「地点モデルS」、TKY028(越中島)における地震動評価モデル13を「地点モデルT」とし、それらの機械学習に必要な学習用データ12の集合をそれぞれ「学習用データセットS」、「学習用データセットT」とする。
図15は、本発明の第2の実施形態に係る地震動評価装置4及び地震動評価方法の一例を示す機能説明図である。
次に、地点毎の地震動評価モデル13の特性について、学習用データセットSを用いた機械学習により生成された地点モデルS4と、学習用データセットTを用いた機械学習により生成された地点モデルT4とを比較しながら説明する。
第2の実施形態に係る地震動評価システム1では、地震動評価モデル生成装置3が、観測点毎に地震動評価モデル13(例えば、地点モデルS4、T4)を生成し、地震動評価装置4が、観測点毎の地震動評価モデル13を用いて各観測点における地震動を評価・予測するものである。これに対し、第3の実施形態に係る地震動評価システム1では、地震動評価モデル生成装置3が、複数の観測点が所定の分類基準に従ってグループ化された観測点グループ毎に地震動評価モデル13を生成し、地震動評価装置4が、観測点グループ毎の地震動評価モデル13を用いて各観測点グループにおける地震動を評価・予測する点で相違する。その他の基本的な構成及び動作は、第1及び第2の実施形態と同様のため、以下では両者の相違点を中心に説明する。
第1の実施形態に係る地震動評価システム1では、地震動評価モデル生成装置3が、過去に発生した地震に基づくデータベース10から学習用データ12を取得し、地震動評価モデル13を生成するものである。これに対し、第4の実施形態に係る地震動評価システム1では、地震動評価モデル生成装置3が、過去に発生した実地震に基づく第1のデータベース10Aと、シミュレーションにより算出された仮想地震に基づく第2のデータベース10Bとから学習用データ12をそれぞれ取得し、地震動評価モデル13を生成する点で相違する。その他の基本的な構成及び動作は、第1の実施形態と同様のため、以下では両者の相違点を中心に説明する。
以上、本発明の実施形態について説明したが、本発明は上記各実施形態に限定されるものではなく、本発明の技術的思想を逸脱しない範囲で適宜変更可能である。
上記各実施形態では、学習用データ12を構成する特徴量は、図4に示す25種類の地震動諸特性パラメータのうち、6種類又は4種類の地震動諸特性パラメータが選定されたものとして説明したが、25種類の地震動諸特性パラメータから任意の地震動諸特性パラメータを特徴量として選定して組み合わせてもよいし、25種類の地震動諸特性パラメータ以外の他の地震動諸特性パラメータを特徴量としてさらに組み合わせてもよい。その際、各特徴量のクラスター分析(後述する図28参照)を行い、その分析結果に基づいて、特徴量とする地震動諸特性パラメータを選定してもよい。例えば、複数のクラスターに分類された場合には、各クラスターを代表するような地震動諸特性パラメータを特徴量として選定してもよいし、相互依存性が高い複数の地震動諸特性パラメータが存在する場合には、その中から代表の地震動諸特性パラメータを特徴量として選定してもよい。
上記各実施形態では、特徴量の1つである震央方位Λに、sinΛとcosΛのペア(以下、「ケースC10」という)を適用したものとして説明したが、震央方位Λとして、他のデータ形式を適用してもよい。
上記実施形態では、地震動評価モデル生成プログラム300及び地震動評価プログラム400は、記憶部30、40にそれぞれ記憶されたものとして説明したが、インストール可能な形式又は実行可能な形式のファイルでCD-ROM、DVD、USBメモリ等のコンピュータで読み取り可能な記録媒体に記録されて提供されてもよい。また、地震動評価モデル生成プログラム300及び地震動評価プログラム400は、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供されてもよい。
2A…観測データ提供装置、2B…解析データ提供装置、
2C…地下構造データ提供装置、
3…地震動評価モデル生成装置、4…地震動評価装置、
5…ネットワーク、6…地震動シミュレーション装置、
10…データベース、10A…第1のデータベース、10B…第2のデータベース、
11…地震動データ、
12…学習用データ、12A…第1の学習用データ、12B…第2の学習用データ、
13、13A~13K…地震動評価モデル、
30…記憶部、31…制御部、32…通信部、33…入力部、34…表示部、
40…記憶部、41…制御部、42…通信部、43…入力部、44…表示部、
300…地震動評価モデル生成プログラム、
310…DB管理部、310A…第1のDB管理部、310B…第2のDB管理部、
311…取得部、311A…第1の取得部、311B…第2の取得部、312…生成部、
400…地震動評価プログラム、
410…受付部、411…予測部、412…出力処理部
Claims (6)
- コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
複数の地震と当該複数の地震による地震動が観測された複数の観測点との各組み合わせについて、前記地震動が観測されたときの地震動諸特性パラメータ及び地震動観測記録を関連付けて記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動観測記録から得られる地震動指標を目的変数として、前記特徴量及び前記目的変数で構成される学習用データを複数取得する取得工程と、
前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして、複数の前記観測点が所定の分類基準に従って分類されグループ化された観測点グループ毎に前記地震動評価モデルを生成する生成工程と、を含み、
前記分類基準は、
複数の前記観測点の間の距離が所定の基準値よりも小さいときに、当該複数の観測点を同一の前記観測点グループに分類するものである、
地震動評価モデル生成方法。 - コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
複数の地震と当該複数の地震による地震動が観測された複数の観測点との各組み合わせについて、前記地震動が観測されたときの地震動諸特性パラメータ及び地震動観測記録を関連付けて記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動観測記録から得られる地震動指標を目的変数として、前記特徴量及び前記目的変数で構成される学習用データを複数取得する取得工程と、
前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして、複数の前記観測点が所定の分類基準に従って分類されグループ化された観測点グループ毎に前記地震動評価モデルを生成する生成工程と、を含み、
前記分類基準は、
複数の前記観測点にてそれぞれ観測された前記地震動観測記録の各々又は前記地震動観測記録の各々から得られる前記地震動指標の各々が所定の基準値よりも類似するときに、当該複数の観測点を同一の前記観測点グループに分類するものである、
地震動評価モデル生成方法。 - コンピュータを用いて、請求項1又は請求項2に記載の地震動評価モデル生成方法により生成された前記観測点グループ毎の前記地震動評価モデルに基づいて前記地震動の特性を評価する地震動評価方法であって、
予測対象の前記地震動諸特性パラメータを受け付ける受付工程と、
前記受付工程にて受け付けられた前記予測対象の前記地震動諸特性パラメータを前記特徴量として当該地震動諸特性パラメータに対応する前記観測点グループ毎の前記地震動評価モデルに入力することにより当該地震動評価モデルから出力される前記目的変数に基づいて、前記予測対象の前記地震動諸特性パラメータに対応する前記地震動指標を予測する予測工程と、を含む、
ことを特徴とする地震動評価方法。 - 前記予測工程は、
前記受付工程にて受け付けられた前記予測対象の前記地震動諸特性パラメータが予測点を含むものであるとき、前記観測点グループ毎の前記地震動評価モデルの中から前記予測点に対応する前記地震動評価モデルを選択し、前記地震動諸特性パラメータを当該地震動評価モデルに入力し、前記地震動指標を予測する、
請求項3に記載の地震動評価方法。 - コンピュータであって、
請求項1又は請求項2に記載の地震動評価モデル生成方法に含まれる各工程を実行する制御部を備える、
地震動評価モデル生成装置。 - コンピュータであって、
請求項3又は請求項4に記載の地震動評価方法に含まれる各工程を実行する制御部を備える、
地震動評価装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020097845A JP7471924B2 (ja) | 2020-06-04 | 2020-06-04 | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020097845A JP7471924B2 (ja) | 2020-06-04 | 2020-06-04 | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021189137A JP2021189137A (ja) | 2021-12-13 |
JP7471924B2 true JP7471924B2 (ja) | 2024-04-22 |
Family
ID=78849660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020097845A Active JP7471924B2 (ja) | 2020-06-04 | 2020-06-04 | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7471924B2 (ja) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001344590A (ja) | 2000-05-31 | 2001-12-14 | Fuji Electric Co Ltd | ニューラルネットワーク及びその学習方法、解析方法並びに異常判定方法 |
JP2002168964A (ja) | 2000-11-30 | 2002-06-14 | Tokyo Electric Power Co Inc:The | 地震動の強さ推定方法、その装置及びそのプログラムを記録した記録媒体 |
JP2003287574A (ja) | 2002-03-28 | 2003-10-10 | System Soft Corp | 地震被害予測システム、方法、およびプログラム |
JP2006112999A (ja) | 2004-10-18 | 2006-04-27 | Meisei Electric Co Ltd | 地震警報装置 |
JP2006170739A (ja) | 2004-12-15 | 2006-06-29 | Kajima Corp | 緊急地震速報を用いた地震防災システム |
JP2006337191A (ja) | 2005-06-02 | 2006-12-14 | Tokyo Electric Power Co Inc:The | 層構造の推定方法、及び層構造の解析を行う解析装置 |
JP2008039446A (ja) | 2006-08-02 | 2008-02-21 | Kajima Corp | 地震被災状況評価プログラム |
JP2009115650A (ja) | 2007-11-07 | 2009-05-28 | Sumitomo Mitsui Construction Co Ltd | 構造物の地震被害推定方法および地震被害推定システム |
WO2018008708A1 (ja) | 2016-07-08 | 2018-01-11 | 日本電気株式会社 | 震央距離推定装置、震央距離推定方法、及びコンピュータ読み取り可能な記録媒体 |
US20180106696A1 (en) | 2015-03-23 | 2018-04-19 | Ghyslaine MCCLURE | Seismic response assessment of man-made structures |
JP2018205176A (ja) | 2017-06-06 | 2018-12-27 | 株式会社Aiz | 地震観測・出力システム |
-
2020
- 2020-06-04 JP JP2020097845A patent/JP7471924B2/ja active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001344590A (ja) | 2000-05-31 | 2001-12-14 | Fuji Electric Co Ltd | ニューラルネットワーク及びその学習方法、解析方法並びに異常判定方法 |
JP2002168964A (ja) | 2000-11-30 | 2002-06-14 | Tokyo Electric Power Co Inc:The | 地震動の強さ推定方法、その装置及びそのプログラムを記録した記録媒体 |
JP2003287574A (ja) | 2002-03-28 | 2003-10-10 | System Soft Corp | 地震被害予測システム、方法、およびプログラム |
JP2006112999A (ja) | 2004-10-18 | 2006-04-27 | Meisei Electric Co Ltd | 地震警報装置 |
JP2006170739A (ja) | 2004-12-15 | 2006-06-29 | Kajima Corp | 緊急地震速報を用いた地震防災システム |
JP2006337191A (ja) | 2005-06-02 | 2006-12-14 | Tokyo Electric Power Co Inc:The | 層構造の推定方法、及び層構造の解析を行う解析装置 |
JP2008039446A (ja) | 2006-08-02 | 2008-02-21 | Kajima Corp | 地震被災状況評価プログラム |
JP2009115650A (ja) | 2007-11-07 | 2009-05-28 | Sumitomo Mitsui Construction Co Ltd | 構造物の地震被害推定方法および地震被害推定システム |
US20180106696A1 (en) | 2015-03-23 | 2018-04-19 | Ghyslaine MCCLURE | Seismic response assessment of man-made structures |
WO2018008708A1 (ja) | 2016-07-08 | 2018-01-11 | 日本電気株式会社 | 震央距離推定装置、震央距離推定方法、及びコンピュータ読み取り可能な記録媒体 |
JP2018205176A (ja) | 2017-06-06 | 2018-12-27 | 株式会社Aiz | 地震観測・出力システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021189137A (ja) | 2021-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pavel et al. | An updated probabilistic seismic hazard assessment for Romania and comparison with the approach and outcomes of the SHARE project | |
Bourne et al. | A Monte Carlo method for probabilistic hazard assessment of induced seismicity due to conventional natural gas production | |
Alimoradi et al. | Machine-learning methods for earthquake ground motion analysis and simulation | |
Smerzini et al. | Seismic risk assessment at urban scale from 3D physics-based numerical modeling: the case of Thessaloniki | |
Karaman et al. | Net earthquake hazard and elements at risk (NEaR) map creation for city of Istanbul via spatial multi-criteria decision analysis | |
Weatherill et al. | An alternative approach to probabilistic seismic hazard analysis in the Aegean region using Monte Carlo simulation | |
Bommer et al. | Developing a model for the prediction of ground motions due to earthquakes in the Groningen gas field | |
Valentini et al. | Definition of seismic input from fault‐based PSHA: Remarks after the 2016 central Italy earthquake sequence | |
CN113009553A (zh) | 基于NGBoost和SHAP值的可解释地震动参数概率密度分布预测方法 | |
Riaño et al. | Integration of 3D large‐scale earthquake simulations into the assessment of the seismic risk of Bogota, Colombia | |
JP7512090B2 (ja) | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 | |
Mori et al. | Ground motion prediction maps using seismic-microzonation data and machine learning | |
JP7423427B2 (ja) | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 | |
Martin et al. | Probabilistic seismic hazard assessment for South-Eastern France | |
JP7512151B2 (ja) | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 | |
JP7471924B2 (ja) | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 | |
JP7512091B2 (ja) | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 | |
JP7438852B2 (ja) | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 | |
Zuccolo et al. | haselREC: an automated open-source ground motion record selection and scaling tool | |
Cho | Probabilistic assessment of the seismic performance of earth slopes using computational simulation | |
JP7487054B2 (ja) | 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 | |
Donne et al. | Wave height quantification using land based seismic data with grammatical evolution | |
Keshri et al. | Next generation ground-motion prediction equations for Indo-Gangetic Plains, India | |
JP7512139B2 (ja) | 地震動評価モデル提供方法、及び、地震動評価モデル提供装置 | |
JP7499137B2 (ja) | 地震時諸現象統合評価モデル生成方法、地震時諸現象統合評価モデル生成装置、地震時諸現象統合評価方法、及び、地震時諸現象統合評価装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20200611 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231011 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240325 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240403 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240410 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7471924 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |