数値解析および深層学習によるため池災害の評価

• 資料種別: 博士論文
• タイトル: 数値解析および深層学習によるため池災害の評価
• 著者・編者: 和田, 光真
• 著者標目: 和田, 光真
• 出版年月日等: 2021-03-24
• 出版年（W3CDTF）: 2021-03-24
• 並列タイトル等: Evaluation of reservoir disaster by numerical analysis and deep learning
• 授与機関名: 香川大学
• 授与年月日: 2021-03-24
• 授与年月日（W3CDTF）: 2021-03-24
• 報告番号: 甲第142号
• 学位: 博士（工学）
• 博論授与番号: 甲第142号
• 本文の言語コード: jpn
• 著者別名: Wada, Mitsumasa
• 対象利用者: 一般
• 一般注記: 古来より我が国の農業発展に貢献してきた農業用ため池は，管理者の世代交代や管理組織の弱体化により適切な維持管理が難しくなりつつあることに加え，近年の想定を超える自然災害の頻発ならびに巨大地震発生の確率が高まる状況下において，ため池災害の評価を適切に実施し，防災および減災から復旧に至るまでの総合的な強靭化が求められている．現在，我が国における農業用ため池の数は約16万箇所存在し，多くが西日本に偏在している．特に香川県では，県土の総面積に対するため池の密度が全国一であり，農業用水としての依存度も全国平均を大きく上回る．さらに南海トラフによる巨大地震のリスクが高まっている地域一帯に香川県も含まれており，ため池災害に対する強靭化は喫緊の課題として位置付けられている．強靭化には堤体の補強工事等のハード対策を実施することは有効な手段であることは明白であるが，ため池が民間所有であるということもあって必ずしも容易ではなく時間もかかる．これに対して短期間で効果が期待できるソフト対策として，大地震時にため池が崩壊することを想定し，流出水の到達時間や浸水深および避難所等を地図上で示したハザードマップが整備されてきた．しかしながら，堤体の決壊箇所および規模が不明瞭のため，ハザードマップで表現される流出水の到達時間は適切に評価されているとは限らない．加えて，ため池崩壊による流出水の勢いがあることから，避難所へ辿り着く前に流出水に呑み込まれる危険性があるため，水平方向への移動は極めて困難である．このため，家屋の2階等への垂直避難を余儀なくされるが，家屋自体の倒壊リスクはため池ハザードマップでは示されていない．; これを受け，本論文では，大地震により発生するため池堤体の損傷，洪水，家屋倒壊といった一連の災害を三次元数値解析によって統合的に評価し，評価結果が現行のため池ハザードマップに付加情報を提供し得ることを示す．多面的な評価は，より効果的かつ実践的な防災および減災政策へと繋がることが期待される．堤体の損傷に関しては，高松市内に実在するため池について，有限要素法に基づく三次元地震応答解析を実施した．解析の結果，堤体頂部における加速度応答は震度換算で6強に相当し，最大せん断ひずみは堤体が崩壊するレベルに達することが明らかとなった．さらに，現行のハザードマップでは表現されていなかった堤体の損壊箇所および損壊規模を示した．洪水に関しては，地震によるため池崩壊に伴う洪水の記録は極めて少なく，研究に有効な計測データも存在しないため，豪雨災害においてため池堤体が損壊した記録を用いて解析の妥当性を検証した．解析の結果，実際の被害状況と概ね一致する結果を得られたため，同手法によって，ため池堤体の地震による損壊箇所および損壊規模を反映させた洪水解析を実施した．さらに，建物が解析に含まれる場合と含まれない場合とを比較するため，建物を存在の有無を解析に反映させた．解析の結果，浸水領域に関しては，建物の有無にかかわらず，現行のハザードマップと概ね一致していることを示した．浸水深および流速に関しては，建物の有無による違いが現れ，建物の配置によって現行のハザードマップよりも浸水リスクが高くなる地域が発生することを明らかにした．次に，洪水解析結果から得た浸水深および流速を利用して，木造家屋を対象とした倒壊リスクを評価した結果，現行のハザードマップにおいて想定しない市街地においても木造家屋が損傷するリスクがあることを示した，また，ため池崩壊による流出水は，ため池から十分離れた地域においても到達する可能性があり，垂直避難をも困難な地域が存在することが判明した．; また，復旧・復興に関する災害の評価についても検討した．本論文では，人工知能の一つである深層学習を援用することにより，災害後の空中写真から被害情報を迅速かつ低コストで検知する基礎的なモデルを構築した．人工知能のモデルは，山腹崩壊および懸濁ため池を自動判定するモデル，災害前の家屋の状態を自動判定するモデル，災害後の家屋倒壊を自動判定するモデルを構築し，いずれも高い検知精度を得られ，画像収集のコストを大幅に低減できることを示した．災害を深層学習によって評価する場合，人による作業を介さないことから判定処理が早く，かつ，ばらつきのない評価が期待できる．; 以上より，防災・減災および復旧・復興について，三次元数値解析および人工知能を用いた統合的な評価を示し，将来的には社会実装も期待できる有益な情報となり得ると結論付けた．; Reservoir, which has contributed to the development of Japanese agriculture for a long time, has become difficult to maintain properly due to the change of generations of managers and the weakening of management organizations. In recent years, the possibility of natural disasters and major earthquakes exceeding expectations has increased. It is necessary to comprehensively evaluate from disaster prevention to restoration for reservoirs that are not well managed. Currently, there are about 160,000 reservoirs in Japan, most of them are unevenly distributed in western Japan. In Kagawa prefecture, the density of reservoirs throughout the prefecture is the highest in Japan, the dependence on agricultural water is far above the national average, and there is a high possibility of a major earthquake caused by the Nankai Trough. Therefore, resilience of reservoirs to disasters is an urgent issue. It is an effective means to achieve resilience by strict measures such as reinforcement construction on the embankment of the reservoir. However, reservoirs are not easy because of the private owners. On the other hand, as the reservoir collapses during a large earthquake, hazard maps have been developed to show the arrival time of runoff, flood depth, evacuation shelters, etc. Hazard maps are software measures that can be expected to be effective in a short period of time. However, the arrival time of the runoff expressed in the hazard map is not always properly evaluated because the location and scale of the embankment breach are unclear. Besides, due to the momentum of the runoff due to the collapse of the reservoir, there is a risk of being caught in the runoff before reaching the evacuation center. Therefore, it is extremely difficult to move in the horizontal direction. As a countermeasure, vertical evacuation to the second floor of the house is unavoidable, however, the risk of collapse of the house is not shown in the reservoir hazard map.; In response to the above, in this paper, a series of disasters such as damage to the reservoir embankment, floods, and collapse of houses caused by a large earthquake is comprehensively evaluated by three-dimensional numerical analysis. The evaluation results show that disaster information is provided to the current reservoir hazard map. Multifaceted evaluation is expected to lead to more effective and practical disaster prevention and mitigation policies. Regarding the damage to the embankment, a three-dimensional seismic response analysis based on the finite element method was carried out for the actual reservoir in Takamatsu city. As a result of the analysis, it was clarified that the acceleration response at the top of the embankment corresponds to a little over 6 in terms of seismic intensity, and the maximum shear strain reaches the level at which the embankment collapses. Also, the location and scale of damage to the embankment, which was not represented in the current hazard map, are shown. Regarding floods, there are very few records of floods caused by the collapse of the reservoir due to the earthquake, and there is no useful measurement data for research. Therefore, the validity of the analysis was verified using the records of the damage to the reservoir embankment in the heavy rain disaster. As a result of the analysis, the results were almost the same as the actual damage situation, so the flood analysis was carried out by this method, reflecting the location and scale of the damage caused by the earthquake on the reservoir embankment. Furthermore, in order to compare the case where the building is included in the analysis and the case where the building is not included, the presence or absence of the building is reflected in the analysis. As a result of the analysis, it was shown that the flood area is almost the same as the current hazard map regardless of the presence or absence of buildings. Regarding the flood depth and flow velocity, it was clarified that there are differences depending on the presence or absence of buildings and that the layout of buildings causes areas where the flood risk is higher than the current hazard map. Succeeding, as a result of evaluating the collapse risk for wooden houses using the flood depth and flow velocity obtained from the flood analysis results, there is a risk that the wooden houses will be damaged even in urban areas not assumed in the current hazard map. In addition, it was found that the runoff due to the collapse of the reservoir may reach even in the area far enough from the reservoir, and there are areas where vertical evacuation is difficult.; In addition, the evaluation of disasters related to recovery and reconstruction was also examined. In this paper, deep learning, which is one of artificial intelligence, was used to construct a basic model for detecting damage information quickly and at low cost from aerial photographs after a disaster. As for the artificial intelligence model, a model for automatically determining the hillside collapse and the suspended reservoir, a model for automatically determining the state of the house before the disaster, and a model for automatically determining the collapse of the house after the disaster were constructed. As a result of the examination, it was shown that all of them have high detection accuracy and can significantly reduce the cost of image collection. When evaluating a disaster by deep learning, it is expected that the judgment will be quick and stable because it does not involve human work.; As mentioned above, an integrated evaluation using three-dimensional numerical analysis and artificial intelligence was made for disaster prevention and mitigation, and recovery and reconstruction. We conclude that these evaluation methods are able to be useful information and implemented in society in the future.
• 国立国会図書館永続的識別子: info:ndljp/pid/11679531; https://dl.ndl.go.jp/pid/11679531
• コレクション（共通）: 障害者向け資料
• コレクション（障害者向け資料：レベル1）: テキストデータ
• コレクション（個別）: 国立国会図書館デジタルコレクション > デジタル化資料 > 博士論文; https://dl.ndl.go.jp/collections/A00014
• 収集根拠: 博士論文（自動収集）
• 受理日（W3CDTF）: 2021-06-07T02:06:26+09:00
• 作成日（W3CDTF）: 2021-05-18
• 記録形式（IMT）: PDF
• オンライン閲覧公開範囲: 国立国会図書館内限定公開
• デジタル化資料送信: 図書館・個人送信対象外
• 遠隔複写可否（NDL）: 可
• 掲載誌（URI）: https://kagawa-u.repo.nii.ac.jp/records/7365
• 連携機関・データベース: 国立国会図書館 : 国立国会図書館デジタルコレクション; https://dl.ndl.go.jp