豐橋工業大學地震災害工程實驗室開發了一種方法,該方法使用機器學習技術從建築物中安裝的地震儀記錄中立即且高精度地確定建築物的損壞狀態。預計它將有助於地震後立即撤離和確定建築物的繼續使用。
在 2016 年熊本地震中,數座市政廳受損,成為疏散和恢復的主要障礙。在作為防震防災基地的市政廳和消防部門,需要立即分析震後建築物的受損情況,快速判斷是否可以繼續使用。迄今為止,由於餘震可能導致建築物倒塌,因此診斷原則上僅限於目視檢查,建築物內部的損壞情況尚不清楚。
因此,研究小組在建築物中安裝了地震儀,並開發了一種技術,可以根據地震時的觀測記錄遠程評估建築物的穩固性。在該方法中,通過使用存儲在互聯網雲中的觀測記錄分析建築物結構模型的地震響應來診斷損壞程度,但分析需要時間。
因此,我們開發了一種方法,通過使用稱為 CNN(卷積神經網絡)的機器學習方法,無需使用建築物的結構模型,即可立即確定建築物的損壞狀態。從安裝在建築物內的地震儀觀測波形的小波譜圖像來看,損壞程度(無損壞、輕微損壞、中損壞、嚴重損壞、倒塌)和繼續使用的可能性(安全、小心、危險) ) 可以確定。遠程立即診斷。可以比以前更快地做出診斷,即使建築物的層數和結構不同也可以應用。
開發的實時地震診斷系統已經在愛知縣東三河地區的市政廳投入使用。這將實現快速和高精度的診斷,並有望提高該地區的防災能力。