研究者詳細

顔写真

ナカムラ トモカ
中村 朋佳
Tomoka Nakamura
所属
大学院工学研究科 土木工学専攻 地域システム学講座(先端社会基盤学分野)
職名
助教
学位
  • 博士(工学)(東北大学)

  • 修士(工学)(東京都市大学)

e-Rad 研究者番号
01043885

論文 8

  1. Perceived maturity of AI and machine learning in geotechnical engineering: Insights from an international survey based on the gartner hype cycle

    Yu Otake, Tomoka Nakamura, Stephen Wu, Kok-Kwang Phoon

    Geodata and AI 2026年6月

    DOI: 10.1016/j.geoai.2026.100096  

  2. Pavement performance prediction via a tabular foundation model

    Mizutani, D., Kurabe, A., Saito, T., Nakazato, Y., Nakamura, T., Otake, Y.

    Computer Aided Civil and Infrastructure Engineering 49 2026年

    DOI: 10.1016/j.cacaie.2026.100097  

    ISSN:1093-9687 1467-8667

  3. Practical enhancement of failure-probability estimation using probability density-driven active learning

    Tomoka Nakamura, Ikumasa Yoshida, Masahiro Takenobu, Daijiro Mizutani, Yu Otake

    Probabilistic Engineering Mechanics 83 2026年1月

    DOI: 10.1016/j.probengmech.2025.103871  

    ISSN:0266-8920 1878-4275

  4. Perspectives: LLM agents reshaping the foundation of geotechnical problem-solving

    Stephen Wu, Chao Shi, Yat Fai Leung, Yu Otake, Chisato Konishi, Mingliang Zhou, Yuanqin Tao, Zijun Cao, Tomoka Nakamura

    Geodata and AI 2025年9月

    DOI: 10.1016/j.geoai.2025.100036  

    ISSN:3050-483X

  5. Future-proofing geotechnics workflows: accelerating problem-solving with large language models

    Wu, S., Otake, Y., Mizutani, D., Liu, C., Asano, K., Sato, N., Saito, T., Baba, H., Fukunaga, Y., Higo, Y., Kamura, A., Kodama, S., Metoki, M., Nakamura, T., Nakazato, Y., Shioi, A., Takenobu, M., Tsukioka, K., Yoshikawa, R.

    Georisk 19 (2) 2025年

    DOI: 10.1080/17499518.2024.2381026  

    ISSN:1749-9518 1749-9526

  6. Development and use of databases of pile foundation load tests in Japan

    Otake, Y., Nakamura, T., Fujita, T., Nishida, H.

    Databases for Data Centric Geotechnics Geotechnical Structures 2024年

    DOI: 10.1201/9781003441960-9  

  7. Bayesian updating of model parameters using adaptive Gaussian process regression and particle filter

    Ikumasa Yoshida, Tomoka Nakamura, Siu-Kui Au

    Structural Safety 102 102328-102328 2023年5月

    出版者・発行元: Elsevier {BV}

    DOI: 10.1016/j.strusafe.2023.102328  

    ISSN:0167-4730

  8. Estimation of Limit State Probabilities of Consolidation Settlement by Adaptive Gaussian Process Regression and Importance Sampling

    Nakamura Tomoka, Yoshida Ikumasa, Otake Yu

    GEO-RISK 2023: INNOVATION IN DATA AND ANALYSIS METHODS 345 285-294 2023年

    ISSN:0895-0563

︎全件表示 ︎最初の5件までを表示

MISC 18

  1. 河川堤防のパイピングリスクの空間変動性を考慮した最適調査点配置の検討

    中村朋佳, 目時雅隆, 大竹雄, 吉田郁政, 肥後陽介

    土木学会全国大会年次学術講演会(Web) 79th 2024年

  2. 海上空港滑走路を対象としたDMDによる圧密沈下量の将来予測のための基礎検討

    堀田海陽, 中村朋佳, 吉田郁政, 大竹雄, 高野大樹

    土木学会全国大会年次学術講演会(Web) 78th 2023年

  3. 適応型代理モデルによる効率的な限界状態確率の計算法のための停止則の検討

    中村朋佳, 堀田海陽, 吉田郁政, 大竹雄

    土木学会全国大会年次学術講演会(Web) 78th 2023年

  4. Dynamic Mode Decomposition with Controlによる海上空港の不同沈下量予測の基礎検討

    堀田海陽, 中村朋佳, 吉田郁政, 大竹雄, 高野大樹

    AI・データサイエンス論文集(Web) 4 (3) 2023年

    ISSN: 2435-9262

  5. 重要度サンプリングとガウス過程回帰による適応型代理モデルの基礎的検討

    中村朋佳, 堀田海陽, 吉田郁政, 大竹雄

    AI・データサイエンス論文集(Web) 4 (3) 2023年

    ISSN: 2435-9262

  6. 信頼性解析やベイズ更新のための適応型代理モデルに関する基礎研究

    堀田海陽, 中村朋佳, 吉田郁政, 大竹雄

    構造物の安全性および信頼性(Web) 10th 2023年

    ISSN: 2759-0909

  7. ひび割れの点検情報に基づく鋼材質量減少率の空間分布を考慮した限界状態確率の評価

    中村朋佳, 富澤幸久, 鈴木修一, 吉田郁政

    構造工学論文集 A(Web) 69A 2023年

    ISSN: 1881-820X

  8. 適応型ガウス過程回帰を用いた効率的なデータ同化

    中村朋佳, 吉田郁政, 大竹雄

    土木学会全国大会年次学術講演会(Web) 77th 2022年

  9. カーリングストーンの軌道予測を対象としたParticle Filterを用いたデータ同化の高速化

    堀田海陽, 中村朋佳, 吉田郁政, 中瀬仁

    土木学会全国大会年次学術講演会(Web) 77th 2022年

  10. 個別要素法によるカーリングストーンの軌道予測のためのパラメータ同定

    堀田海陽, 中村朋佳, 吉田郁政, 中瀬仁

    雪氷研究大会講演要旨集(Web) 2022 2022年

    ISSN: 1883-0889

  11. 圧密沈下問題を対象とした適応型ガウス過程回帰を用いた効率的な限界状態確率の推定

    中村朋佳, 吉田郁政, 大竹雄

    地盤工学研究発表会(Web) 57th 2022年

  12. 異種特性値の相互相関を考慮したガウス過程回帰による空間分布推定

    中村朋佳, 富澤幸久, 吉田郁政, 鈴木修一

    土木情報学シンポジウム講演集(Web) 47th 2022年

  13. ガウス過程回帰を用いたRC構造物の腐食ひび割れ幅に基づく鋼材質量減少率の空間分布推定

    富澤幸久, 中村朋佳, 吉田郁政, 鈴木修一

    AI・データサイエンス論文集(Web) 3 (J2) 2022年

    ISSN: 2435-9262

  14. Particle Filterによるカーリングストーンの軌道予測を対象としたデータ同化の効率化

    中村朋佳, 堀田海陽, 吉田郁政, 中瀬仁

    AI・データサイエンス論文集(Web) 3 (J2) 2022年

    ISSN: 2435-9262

  15. 圧密沈下を対象としたParticle Filterを用いたデータ同化による沈下量予測

    中村朋佳, 吉田郁政, 珠玖隆行

    土木学会年次学術講演会講演概要集(CD-ROM) 76th 2021年

  16. Particle Filter を用いた圧密沈下予測のためのモデルパラメータと限界状態確率の観測更新

    中村 朋佳, 吉田 郁政, 珠玖 隆行

    土木学会論文集A2(応用力学) 77 (2) I_477-I_484 2021年

    出版者・発行元: 公益社団法人 土木学会

    DOI: 10.2208/jscejam.77.2_i_477   10.2183/pjab.99.023_references_DOI_6m840GkaCP2jRs9c4LryxefBfB  

    eISSN: 2185-4661

    詳細を見る 詳細を閉じる

    本研究では圧密沈下の予測問題を対象とし,時系列の観測量に基づくデータ同化手法と信頼性解析を組み合わせて限界状態確率の更新を行う方法について報告した.沈下予測解析では土/水連成有限要素法を用い,データ同化手法としては Particle Filter を用いることで予測沈下量の観測更新及びその不確定性の推定を行った.土/水連成有限要素法による順解析に基づき大きさが異なる 3 つの沈下量の時系列を観測量として設定した.観測量が存在する地点と存在しない任意の地点を予測対象とし,時間方向の観測量の個数増加に応じた限界状態確率の更新を行う例を示した.観測量の個数増加とともに予測の修正が行われるとともに予測の不確定性の減少を定量的に算定することができ,より合理的な意思決定を行うことができる.

  17. カーリングストーンの軌道予測解析と実測データに基づくデータ同化

    中村朋佳, 上田弥来, 吉田郁政, 中瀬仁

    AI・データサイエンス論文集(Web) 2 (J2) 2021年

    ISSN: 2435-9262

  18. 3次元質点解析を用いた落石の衝突エネルギーに基づく確率論的危険度評価

    中村朋佳, 津田悠人, 吉田郁政

    土木学会年次学術講演会講演概要集(CD-ROM) 75th 2020年

︎全件表示 ︎最初の5件までを表示

共同研究・競争的資金等の研究課題 2

  1. 河川管理の自動化に向けた「言葉」の意味的正則化による空間分布推論手法の開発

    中村 朋佳

    2026年7月31日 ~ 2028年3月31日

  2. 適応型代理モデルによるデータ同化と次元圧縮法を用いた空港全域の圧密沈下予測手法

    中村 朋佳

    2023年4月25日 ~ 2026年3月31日

    詳細を見る 詳細を閉じる

    複雑な数値解析による計算結果を簡易な関数で近似,補間するモデルは代理モデルと呼ばれる.また,最初に少数の計算点に基づいて代理モデルを構築し,その精度を高めるための計算点を効率的に追加していくモデルは適応型代理モデルと呼ばれている.本年度は適応型代理モデル(ガウス過程回帰)の開発を進めてきた.具体的には学習関数に着目し,効率性や推定精度の比較などの検討を進めた.従来の学習関数の問題点として,あまり重要ではない箇所を中心に探索してしまう問題,関数の構造上,大域的探索解の1つである粒子群最適化を適用することができず,多くの計算コストがかかってしまう問題などが生じていた.そのため,今年度では新たな学習関数を検討することを目的とし,次段階では効率的な探索を行うために粒子群最適化の導入を検討することを目標として研究を進めてきた. 今年度の研究業績としては関連する研究も含めて,国内で2件・国外で1件学会発表を行った.また,査読付き論文として1編を投稿し,掲載されている.来年度も引き続き適応型代理モデルの改良の研究を継続し,実問題へ適用することで提案手法の有用性を確認した後,海外ジャーナルへ論文を投稿する予定である.また,停止側についても検討中であるが,こちらについても当該年度中に結論を出すことが困難であったため,来年度中に国際誌に投稿することを予定している. また,当初の研究計画では圧密沈下問題のみを対象に広域と狭域を対象とした予測手法の開発を目指していたが,圧密沈下だけでなく,防波堤や河川堤防などの実例題を対象とした検討を今後行っていく.広域の予測手法に関しても,研究計画時の動的モード分解だけでなく,ニューラルネットワーク等の他の機械学習の手法についても検討していきたいと考えている.