2011년 지니 카지노 이후 뉴질랜드 크라이스트처치 도로에 구멍이 뚫리고 액상화가 발생했습니다. 출처: Martin Luff, CC BY-SA 2.0, Wikimedia Commons 경유.
우리의 집과 사무실은 그 밑의 땅만큼 견고합니다. 지니 카지노 중에 가끔 발생하는 것처럼 단단한 땅이 액체로 변하면 건물과 다리가 무너질 수 있습니다.2011년 뉴질랜드 크라이스트처치 지니 카지노, 규모 6.3의 지니 카지노으로 185명이 사망하고 수천 채의 가옥이 파괴되었습니다.
크라이스트처치 지니 카지노의 좋은 점은 역사상 가장 잘 문서화된 지니 카지노 중 하나였다는 것입니다. 뉴질랜드는 지니 카지노 활동이 활발한 도시이기 때문에 지니 카지노을 모니터링하기 위한 수많은 센서를 보유하고 있습니다.
오스틴에 있는 텍사스 대학의 두 지니 카지노원은 크라이스트처치 지진으로 인해 토양이 주변 환경에 비해 강도를 잃고 이동했을 때 발생한 측면 이동의 양을 예측하는 기계 학습 모델을 개발했습니다.
결과는 다음 온라인에 게시되었습니다.지니 카지노 스펙트럼2021년 4월에.
"이것은 우리 지질 공학 분야의 최초의 기계 학습 지니 카지노 중 하나입니다."라고 이전에 UT Austin에서 Marie Sklodowska Curie 지니 카지노원이었던 박사후 지니 카지노원 Maria Giovanna Durante가 말했습니다. “우리 분야에는 엄청난 양의 데이터가 있습니다.
Durante와 Ellen Rathje, UT 오스틴 엔지니어링 부문 Janet S. Cockrell 100주년 의장이자 국립과학재단 지원 지니 카지노책임자디자인세이프사이버 인프라는 특정 위치에서 측면 확산 움직임이 발생했는지 예측하기 위해 먼저 이진 분류를 사용하는 Random Forest 접근 방식을 사용했습니다.
"우리가 지니 카지노하는 현상과 관련된 특정 입력 기능을 선택하는 것이 중요했습니다"라고 Durante는 말했습니다. "우리는 모델을 블랙박스로 사용하지 않습니다. 우리는 과학적 지식을 최대한 통합하려고 노력하고 있습니다."
Durante와 Rathje는 경험한 최대 지면 흔들림(액화 유발 요인), 지하수면 깊이, 지형 경사 및 기타 요인과 관련된 데이터를 사용하여 모델을 훈련했습니다. 도시의 작은 지역에서 총 7,000개가 넘는 데이터 포인트가 학습 데이터에 사용되었습니다. 이는 이전의 지질공학 머신러닝 지니 카지노에서 200개의 데이터 포인트만 사용했던 것에 비해 크게 개선된 것입니다.
그들은 변위를 결정하기 위해 지니 카지노 진원지 주변 250만 곳의 도시 전역에서 모델을 테스트했습니다. 그들의 모델은 액화가 발생하는지 여부를 80%의 정확도로 예측했습니다.
지니 카지노원들은 모델을 훈련하고 테스트하기 위해 세계에서 가장 빠른 것 중 하나인 텍사스 첨단 컴퓨팅 센터(TACC)의 프론테라 슈퍼컴퓨터를 사용했습니다. TACC는 DesignSafe 프로젝트의 주요 파트너로서 자연재해 엔지니어링 커뮤니티에 컴퓨팅 리소스, 소프트웨어, 스토리지를 제공합니다.
Frontera에 대한 액세스를 통해 Durante와 Rathje는 이전에는 현장에서 사용할 수 없었던 규모의 기계 학습 기능을 제공했습니다. 최종 머신러닝 모델을 도출하려면 2,400개의 가능한 모델을 테스트해야 했습니다.
"이 지니 카지노를 다른 곳에서 수행하려면 수년이 걸렸을 것입니다"라고 Durante가 말했습니다. "파라메트릭 지니 카지노를 실행하거나 포괄적인 분석을 수행하려면 컴퓨팅 능력이 필요합니다."
