著者
玉森 祐矢 藤生 慎 高山 純一 西野 辰哉 寒河江 雅彦 柳原 清子 平子 紘平
出版者
公益社団法人 土木学会
雑誌
AI・データサイエンス論文集 (ISSN:24359262)
巻号頁・発行日
vol.2, no.J2, pp.841-847, 2021 (Released:2021-11-17)
参考文献数
18

日本の少子高齢化は世界に類を見ない速度で進展しており,我が国の医療費は増加の一途をたどっている.このような状況が続けば,日本の医療保険制度の維持ができなくなる.また,日本では生活習慣病の急増を受け,「第4次国民健康づくり対策」が策定されている.現在,高血圧症や糖尿病といった生活習慣病が増加しており,そのような生活習慣病を早期発見する機会である特定健康診査受診率が伸び悩んでいることが課題となっている.そこで,本研究では,国保データベース(KDB)を用いて,まず,生活習慣病と健診回数の関係を示し,健診の効果を示唆する.また,生活環境との関連を調べるため,地域の現況や特性を考慮した分析を行い,健康課題・健診率の地域差を明らかにし,地域別の健康課題や健康な地域の特性について把握する.
著者
宮本 崇 浅川 匡 久保 久彦 野村 泰稔 宮森 保紀
出版者
公益社団法人 土木学会
雑誌
AI・データサイエンス論文集 (ISSN:24359262)
巻号頁・発行日
vol.1, no.J1, pp.242-251, 2020-11-11 (Released:2020-11-18)
参考文献数
69

深層学習に代表される機械学習の手法は近年に大きな性能の発展を遂げており,防災上の各種タスクへの応用も期待されている.一方で,データ数の本質的な不足やタスク処理過程の説明性・解釈性など,防災上の意思決定に用いる上で計算モデルに対処が求められる課題は多い.本稿では,機械学習モデルにおける研究動向からこの2点へ個別に対処するための方法論,およびそれら2点の課題に同時に対処する数理モデルとデータ駆動モデルを統合したアプローチについて,それぞれの考え方や具体的な手法,応用事例を調査する.
著者
湧田 雄基 山下 明美 吉田 啓佑 龍田 斉 関 和彦 有井 賢次 熊谷 兼太郎 中畑 和之 長沼 諭
出版者
公益社団法人 土木学会
雑誌
AI・データサイエンス論文集 (ISSN:24359262)
巻号頁・発行日
vol.2, no.J2, pp.437-446, 2021 (Released:2021-11-17)
参考文献数
18

本論文では,インフラマネジメント分野における AI(Artificial Intelligence)の活用を目的として,分析性能とモデルの解釈性に着目し,AI活用の可能性についての考察を行う.特に,近年,機械学習のコンペティション等で好成績を上げているアンサンブル型学習手法を中心に, XGBoost,LightGBM,CatBoost, Random Forest,決定木分析について,その数理的背景の概要を述べる.これらの手法により橋梁の劣化の推定を試行した結果について報告する.また,この結果について,個々の手法の特性をふまえ, AIのインフラマネジメント業務における活用の視点より考察を行った結果について報告する.
著者
浅本 晋吾 岡﨑 百合子 岡﨑 慎一郎 全 邦釘
出版者
公益社団法人 土木学会
雑誌
AI・データサイエンス論文集 (ISSN:24359262)
巻号頁・発行日
vol.1, no.J1, pp.122-131, 2020-11-11 (Released:2020-11-18)
参考文献数
15

本研究では,コンクリートの収縮,クリープ実験のデータベースを用いて,機械学習,重回帰,設計の予測式で,実験の終局値について回帰分析を行った.収縮に関しては,ランダムフォレストが最も精度よく実験データを予測できたが,クリープでは,ニューラルネットワークの予測精度が高かった.機械学習は,設計予測の適用範囲外の条件でも実験の傾向を概ね再現できたが,100%に近い相対湿度や0.8を超える水セメント比など極端な条件に対する予測精度は低かった.ランダムフォレストによる入力パラメータの重要度は,材料・環境条件に関する実験及び設計上の影響認識と概ね一致した.機械学習による回帰モデルで長期の収縮,クリープ予測の試計算を行ったところ,学習した範囲外の外挿やデータが少ない範囲での予測は難しいことが確認された.
著者
天方 匡純 藤井 純一郎 吉田 龍人
出版者
公益社団法人 土木学会
雑誌
AI・データサイエンス論文集 (ISSN:24359262)
巻号頁・発行日
vol.1, no.J1, pp.35-40, 2020-11-11 (Released:2020-11-18)
参考文献数
10

土木技術者の真骨頂は,限られた部分集合の情報から技術体系を作り上げ,十分な機能の施設等を社会に提供することである.ところが,それらの選択的情報は暗黙知になりやすく,社会全体での汎用化や次世代継承を目指す際の障害となる.一方,様々な分野で活用が進むAI(artificial intelligence)の一種である深層学習技術は,従来考えられなかった大量の現場情報を抜き出すことができ,形式知化による作業の効率化・生産性向上に繋がると考えられる.しかし,情報取得精度のみで比較すると深層学習技術が人に及ばないこともある.人主体の従来フローに AIを直接代替させる試みだと,人の成果との違いが問題となりAI導入を遅らせる原因になりそうである.本稿では円滑にAIを導入するための留意点を述べる.