버클리 캘리포니아 대학교 (University of California)의 연구원들은 건물이 큰 지진으로 어떻게 일어날 지 평가하는 새로운 방법을 개발했습니다. 이 방법은 머신 러닝을 사용하여 과거 지진의 데이터를 분석하고 미래의 지진에서 다양한 유형의 건물이 어떻게 수행되는지 예측하는 데 사용할 수있는 패턴을 식별합니다.
연구원들은 그들의 방법이 건물 행동의 단순화 된 모델을 기반으로하는 전통적인 지진 평가 방법보다 더 정확하다고 말합니다. 머신 러닝 모델은 건물의 여러 부분과 주변 환경 간의 복잡한 상호 작용을 포착하여 건물이 지진에서 어떻게 수행되는지에 대한보다 정확한 예측을 가능하게 할 수 있습니다.
연구원들은 과거 지진으로 손상된 1,000 개가 넘는 건물의 데이터 세트에서 방법을 테스트했습니다. 이 모델은 훈련 데이터에 명시 적으로 포함되지 않은 건물의 경우에도 각 건물의 손상 수준을 정확하게 예측할 수있었습니다.
연구원들은 그들의 방법이 건물의 지진 안전을 향상시키는 데 도움이 될 수 있다고 말합니다. 피해 위험이 높은 건물을 식별함으로써 엔지니어는 건물을 개조하고 지진에 더 강하게 만드는 조치를 취할 수 있습니다.
이 연구는 저널 Earthquake Engineering and Structural Dynamics에 발표되었습니다.
방법의 작동 방식
이 연구에 사용 된 기계 학습 모델은 인공 신경망의 한 유형입니다. 인공 신경 네트워크는 인간의 뇌에서 영감을 얻어 데이터의 패턴을 인식하는 법을 배울 수 있습니다. 이 모델은 과거 지진으로 손상된 1,000 개가 넘는 건물의 데이터 세트에 대해 교육을 받았습니다. 이 모델은 다른 수준의 손상과 관련된 데이터의 패턴을 식별하는 법을 배웠습니다.
모델이 훈련되면 교육 데이터에 포함되지 않은 일련의 건물에서 테스트되었습니다. 이 모델은 각 건물의 손상 수준을 정확하게 예측할 수있었습니다.
방법의 이점
기계 학습 방법은 전통적인 지진 평가 방법에 비해 몇 가지 이점을 제공합니다.
* 정확도 : 기계 학습 모델은 기존의 지진 평가 방법보다 더 정확합니다.이 방법은 단순화 된 건물 행동 모델을 기반으로합니다.
* 유연성 : 머신 러닝 모델은 복잡한 형상과 불규칙한 모양이있는 건물을 포함하여 다양한 건물을 평가하는 데 사용될 수 있습니다.
* 속도 : 머신 러닝 모델은 많은 수의 건물을 신속하게 평가하는 데 사용될 수 있습니다.
방법
기계 학습 방법은 다음을 포함한 다양한 응용 프로그램에 사용될 수 있습니다.
* 지진 안전 평가 : 이 방법은 지진에 손상의 위험이 높은 건물을 식별하는 데 사용될 수 있습니다.
* 개조 : 이 방법은 엔지니어가 손상 위험이 높은 건물에 대한 개조 조치를 설계하는 데 사용될 수 있습니다.
* 비상 대응 : 이 방법은 응급 대응자가 지진 후 건물의 손상을 평가하는 데 도움이 될 수 있습니다.
기계 학습 방법은 건물의 지진 안전을 평가하기위한 유망한 새로운 도구입니다. 이 방법은 정확하고 유연하며 빠르며 다양한 응용 프로그램에 사용할 수 있습니다.
