Surrogate Model

Engineering Structures, 2025

This study adopted transfer learning for the seismic response prediction of real structures using deep learning. This approach aims to address the challenge posed by the scarcity of observation data. Specifically, the deep learning model Explanianble …

This study proposes a surrogate model using deep kernel learning (DKL) with a convolutional neural network (CNN) and attention mechanism for efficient seismic fragility assessment of infrastructure. The CNN extracts features from seismic response …

IABSE, 2025

本研究では、有限要素法などの数値解析を用いずに、センサーデータから構造物の地震応答を予測するための説明可能な深層学習モデルであるExSRNet（Explainable Seismic Response Networks）を提案する。ExSRNetは周波数特性に着目し、周波数帯域分割にSincNet、時間的特徴抽出に因果的Dilated Convolution、各周波数帯域の重み付けに周波数アテンション、時間履歴応答予測にLSTMを組み合わせることで構成される。検証では、6層RC建物の観測データを …

Advances in Structural Engineering, 2024

地震による構造物の被災度を確率論的に評価するために、地震動の不確定性を考慮する必要がある。しかし、不確定性を考慮し、数値計算を繰り返すのは計算コストが高い。本研究では、地震応答解析を深層学習器で置き換える代替モデルを用いることで計算コストの低減を図る。代替モデルには、Attention機構と説明性を有する畳み込み演算によって、なぜその予測結果に至ったのかを、周波数領域への寄与度計算を通して説明可能なモデル構築を行った。検証では橋脚の地震応答解析に対する代替モデルを構築し、寄与度の高かった周波数帯 …

Civil structures should keep functionality during earthquake events, necessitating detailed seismic evaluations. However, to account for uncertainties in seismic loading, nonlinear time history analyses must be repeated many times, increasing the …