津波脆弱性関数を超えて: 建物被害推定のための実験的評価
Scientific Reports volume 13、記事番号: 14337 (2023) この記事を引用
メトリクスの詳細
津波脆弱性関数 (TFF) は、津波強度の測定値を特定の建物の損傷状態に関連付け、累積確率として表現される統計モデルです。 計算速度とデータ検索速度の進歩と、災害科学への新しいディープラーニングの応用により、研究の焦点は統計的推定から離れています。 TFF は比較価値のある「災害の兆候」を提供しますが、これらのモデルが被害推定値の生成に適用されることはほとんどありません。 適用可能性を念頭に置いて、私たちはこの概念に挑戦し、TFF 文献の一部を調査し、建物被害推定ベースラインを生成するために 3 つの TFF と 2 つの適用方法を選択しました。 さらに、TFF 強度測定に触発され、それを超えて拡張された物理パラメータでトレーニングされた、単純な機械学習方法を提案します。 これら 3 つの手法を、東日本大震災と津波後の 2011 年の石巻データセットに対して、バイナリ ケースとマルチクラス ケースの両方でテストしました。 (1) TFF 適用手法を使用した建物被害推定の品質。 (2) TFF がドメイン外の建物被害データセットに一般化できるかどうか。 (3) 同じタスクを実行するための新しい機械学習アプローチ。 私たちの調査結果は次のことを示唆しています: TFF 手法とモデルの両方が良好なバイナリ結果を達成する可能性を持っています。 TFF メソッドは複数のクラスやドメイン外のタスクに対処するのに苦労しますが、私たちが提案したメソッドはより一般化できるようです。
統計手法と、遠隔で感知した情報による機械学習は、災害による被害、その検出、推定を理解しようとする最近の研究の中心的な役割を果たしています。 津波脆弱性関数は、津波後の建物の損傷をモデル化するために災害研究 1 で使用される手法の 1 つです。 基本的に、これらの回帰モデルは、津波強度の測定値 (浸水深などの需要パラメーターの形式) を、個別の被害状態を超える確率にマッピングします。 強度の尺度は、多くの場合、観測可能な災害の尺度によってパラメータ化されます。 選択されたパラメータは、災害後すぐに測定できるため、典型的には最大浸水深でした。 通常は流体力学モデリングによって得られる導出量を代わりに使用することもでき、研究の対象となっています1、2、3。
視覚的には重要ですが、脆弱性関数を実際にどのように適用できるかは不明のままです。つまり、脆弱性関数を予測的に新しいデータに適用できるのでしょうか。 したがって、建物規模での将来の損傷の推論は、既存の脆弱性関数を使用して行うことができるでしょうか?
最近では、建物被害推定の分野での取り組みは、災害強度の尺度に応じて被害をモデル化することから離れています。 最近の研究では、イベント前とイベント後の画像の間の変化検出を実行するコンピューター ビジョンの分野でのイノベーションが支持されています 4,5。 ただし、重要なことは、これらの新しい方法では被害推定を省略し、代わりにイベント後の衛星画像をより迅速に利用して被害検出を実行することです。 損傷の物理的記述からの逸脱により、モデルがコンテキストから学習することができなくなります。
この記事では、津波脆弱性関数の被害推定値としての応用を検討します。 私たちの実験の枠組みでは、文献に記載されているように個々の建物の推定を実行します。 TFF の制限と文献を参照して学んだ教訓に注目し、同じタスクを実行するために機械学習を使用した追加のフレームワークを提案します。 TFF 研究からインスピレーションを得た強度測定に基づいてモデルをトレーニングしますが、次元が拡張されています。 私たちは次の能力で貢献することを目指しています: (1) TFF 適用方法間の違いを調査する。 (2) これまでテストされていなかった TFF アプリケーションがどのような機能で移転可能な建物被害推定値となるかを検証する。 最後に (3) 機械学習分類器を使用して建物被害推定を実行する新しいフレームワークを提案します。