丰桥工业大学地震灾害工程实验室开发了一种方法，可以使用机器学习技术从建筑物中安装的地震仪记录中立即高精度地确定建筑物的损坏状态。预计可用于地震后立即疏散和确定建筑物的继续使用。
在 2016 年熊本地震中，多个市政厅遭到破坏，成为疏散和恢复的主要障碍。在作为防震防灾基地的市政厅和消防部门，需要在地震发生后立即分析建筑物的损坏情况，并迅速确定是否可以继续使用。迄今为止，由于余震有造成建筑物倒塌的危险，诊断原则上仅限于目视检查，建筑物内部的损坏情况尚不清楚。
因此，研究团队开发了一种技术，可以在建筑物中安装地震仪，并根据地震时的观测记录远程评估建筑物的健全性。在这种方法中，通过使用存储在互联网云中的观测记录分析建筑物结构模型的地震反应来诊断损坏程度，但分析需要时间。
因此，我们开发了一种方法，通过使用称为 CNN（卷积神经网络）的机器学习方法，无需使用建筑物的结构模型，即可立即确定建筑物的损坏状态。从安装在建筑物内的地震仪观测波形的小波谱图像来看，损坏程度（无损坏、轻微损坏、中损坏、严重损坏、倒塌）和继续使用的可能性（安全、小心、危险） ) 可以确定。远程立即诊断。可以比以前更快地进行诊断，即使建筑物的层数和结构不同也可以应用。
开发的实时地震诊断系统已经在爱知县东三河地区的市政厅运行。这将实现快速和高度准确的诊断，并有望提高该地区的防灾能力。
