制御付き動的モード分解に基づくリカレントニューラルネットワークによる時系列解析：小振幅地震動観測記録からの作用素分析
キーワード:
Recurrent Neural Networks,
Neural Networks,
Dynamic Mode Decomposition,
Seismic Response Analysis,
Machine Learning
2025 年 6 巻 2 号 p. 212-220
詳細
2025 年 6 巻 2 号 p. 212-220
近年急速に発達している機械学習技術は土木工学分野においても高い成果を挙げている．中でも，リカレントニューラルネットワーク (RNN) は履歴を記憶することで時系列データに対し高い効果を発揮するモデルで，地盤地震応答への適用が期待できる．一方で，こうした深層学習モデルは解釈性に乏しく，信頼性評価において課題がある．本研究では，制御付き動的モード分解(DMDc) に基づいた作用素解釈をRNNに適用し，RNNモデルを展開し得られる作用素をモードに分解し，可視化するとともに，DMDcにより生成した作用素を学習に用い，RNNがより性質の良いモードを獲得することを目指す．研究の結果，DMDcを考慮しない場合と比較して同程度の予測性能を維持しながら解釈性の向上が達成できることが示された．
