勾配ブースティング決定木と畳み込みニューラルネットワークを組み合わせた橋梁の劣化進展推定

抄録

機械学習技術の1種である勾配ブースティング決定木（Gradient Boosting Decision Tree，以下 GBDT）は 性能・計算速度ともに優れているため，実務・研究ともに広く利用されている．本研究では，橋梁長寿命化修繕計画の高度化を目的として，栃木県が管理する橋梁の諸元および過年度点検データと，気候や地形等のGISデータである国土数値情報とを，畳み込みニューラルネットワーク（Covolutional Neural Networks，以下CNN）とGISを用いて教師データとして結合し，損傷劣化が進展する橋梁を判定するモデルをGBDT にて構築することを検討した．検証の結果，高性能に損傷進展の有無を推定するGBDTを構築することができた．また，構築したGBDTを用いて損傷進展の有無等により橋梁データをグルーピングし，グループごとに劣化曲線を導出することにより，従来法よりも誤差が小さくなることが確認できた．