Neural Network Console

今回も SONY さん。

Neural Network Console
https://dl.sony.com/

Prediction One が全自動だとすると、コチラは半自動。プログラミング不要ですが、層構成を D&D で作る必要があります。逆に言うと、GUI でネットワークを構成できるので、各層の意味を理解していたら非常に簡単。LSTM、CNN も、GUIで組めます。

ハイパーパラメータ探索のみならず、層構成もベイズ最適化等を用いて自動最適化し、パレート最適解を示してくれます。
残念ながら、手持ちのデータで3日以上回しましたが、期待したほど広範囲を探索してくれませんでした。が、有用な機能なので、もう少し触る必要ありでしょう。

GPU も使えます。複雑な設定は必要ありません。
結果の PowerPoint への書き出しも可能。かゆいところに手が届いています。

このように設計は素晴らしいのですが、まだまだバグを潰せていないようです。1週間ほど使用しただけなのですが、training 段階で走ったデータが evaluation で走らない、PowerPoint 書き出しで学習曲線の一部しか載らない、混同行列が表示されない、等。エラーには再現性あり、なしがあり、クセを掴みにくいところが悩ましいですね。ま、バグ取りがてらの無償公開なのでしょう。有償になるかもしれませんが、次のVer.に期待しましょう。

今のところ、手持ちのデータでは最後まで走らないので、自動最適化で把握した構成を Keras 等で再現・調整するといった使い方になるでしょうか。ま、使い勝手の良い探索ツールが一つ増えたという認識で良いでしょう。

現場作業の基本

週末に観測機器を設置。

既存のネットワークに追加するだけなのですが、単管や電気配線を新たに配置するため、後輩君の練習がてらお手伝いとして参加。

設計主体の後輩君だったため、現場作業は不慣れ。
インパクト、電工ペンチの使い方や番線の締め方まで、ほぼ最初からでした。

番線の締め方やモノレールの使い方などは現場作業の基本です。が、現場主体の地質屋さんでも、御存知ない場合があります。おそらく、先輩から受け継がなかったのでしょう（動画でも確認できる時代ですが）。

ま、今回は「次はできる」と言わしめたので、目的は達成。
若い方も活躍できるように、基本的なことは学べる環境ができると良いと思います。

Prediction One

SONY さんの Automatic ML「Prediction One」
https://predictionone.sony.biz/

H2O の Driverless AI （最近、国内販売の代理店ができたようです）とコンセプトは同じです。

まずはKaggle の Credit Card Fraud Detection でテスト。
このデータは不均衡で、陽性0.2％です。ダメだろうなあと思いつつ前処理なしで喰わせてみました。
結果は上々。AUCが0.981。驚き。
残念なのは速度。GPUを使いませんし、CPUのコアも1つしか使用していません。メモリもかなり余っていました。

次に、手持ちのデータでテスト。同様に0.1%の Imbalanced data です。
結果はエラー。「予測ターゲットのユニーク数が少なすぎます。」と出ます。交差検証必須を外しても、学習・予測データを最初から分けてもダメ。わずか0.1％の差か？データの並びか？

前処理済みのデータではどうか？と思い over sampling 済みのデータでテスト。
が、これもダメ。60万行×40列なので仕様上は問題ないはずですが、学習を始めると1時間程度で停止します。

残念ながら前処理で python を使いますし、大きなデータを扱わないわけにはいかないので、実務には向かないようです。が、そこそこ精度は出そうな点、評価に資するための十分なレポートを作成してくれる点、ドキュメントに基礎知識等の解説が丁寧に解説されている点、日本語を扱える点から、入門者には良いツールでしょう。

国産 Automatic ML。Driverless AI レベルまで進化すれば  great machine learning expert の不在は重要でなくなるかも（前処理に強い方は必須です）。
https://phreeqc.blogspot.com/2019/09/rules-of-machine-learning.html

SONY さん、応援します。

全国の地下水流動経路

近年、GETFLOWS の利用例をよく見かけます。

昨年、地下水学会誌でも「水循環基本計画の下での地下水に関する取り組み」が特集として組まれていました。こうなると地表水、地下水の連成が必須になります。できないだけは避けたいのですが、まだまだ実務で自由に使えるほど実装できていません。

と、見ないふりをしている間に、このようなサイトが公開されていました。
https://www.getc.co.jp/webmap/

trial ということは、有償版があるのでしょう。
うーん。素晴らしいと思う反面、コード非公開のため盲信してよいのかわかりません。相変わらず微妙なのですが、一部ではネームバリュー含め利用価値はあるでしょう。
うーん。

Rules of Machine Learning

Rules of Machine Learning
http://martin.zinkevich.org/rules_of_ml/rules_of_ml.pdf

To make great products:
 do machine learning like the great engineer you are, not like the great machine learning expert you aren’t.Most of the problems you will face are, in fact, engineering problems. Even with all the resources of a great machine learning expert, most of the gains come from great features, not great machine learning algorithms.

ないものねだりでしょうか。
機械学習のプロも傍に欲しいと常々思っています。より良いモデルができるのでは？時間を短縮できるのでは？云々。
そのようなときに目にした文章です。有名なのか、全訳されている方もいらっしゃいました。ありがたい。

不飽和地盤を対象とした現場透水試験

2年前に不飽和地盤を対象とした現場透水試験法が、地盤工学会で基準化されました。

それまで、現場透水試験といえば、飽和帯を対象としたものが主体でした。
過年度の報告書を借りてくると、不飽和帯に対し飽和帯の試験を適用して、透水係数を求めている例を見かけることも屡々。「長時間注入しているから飽和したと見なす」、「流量が一定になったから飽和帯とみなす」、などという期待のもとに実施されていたり、何も記載せず淡々と飽和帯の式を流用している例も多く見ました。背景には、不飽和の式が基準にないから飽和の式を使うといったマニュアル依存が強くあったようです（基準外の論文ベースの不飽和試験を実施している例は見ませんでした）。

「長時間注入しているから飽和したと見なす」等の期待について、論ずるに値しないことを示すデータは、以下の報告にあります。

西垣ほか「不飽和地盤を対象とした現場透水試験法に関する課題の抽出と改良に関する考察」

https://www.jstage.jst.go.jp/article/jagh/60/3/60_289/_article/-char/ja

• 初期飽和度により求められる透水係数が異なる。これは、不飽和帯に注入することで間隙空気が封入されるため。
• CO2ガスの事前注入が有効。

大きくは上記2点の成果が中心の報告です。他にも、示唆に富む報告が数多く含まれており、個人的には「当たり」の資料でした。

過去の研究をもとに、普遍化・共有化できる部分のみがマニュアル化・基準化されているとも言えます。その観点ではマニュアルや基準の適用範囲に多様な自然をすべて合わせることはできません。適用外の自然をどのように調べるか？が地質屋の力量と言われたこともあります（素晴らしい施主でした！）。

今まで力量を問われ対応できなかった方々も、せっかく基準化されたのですから、使えばよいと思います。不飽和地盤を対象とした試験、今後は広く使われるようになることに期待しましょう。

土石流と水温

土石流発生のタイミングを水温で予測しようとする研究です。

【研究成果】土石流発生リスクを地下水の温度で予測

https://www.hiroshima-u.ac.jp/news/53312

降雨がある程度強くなると、地下水位が上昇するために、地盤内でも下から上に水分が広がっていきますが、通常は地表から地下に降りていく雨水によって地表面の熱が伝わっているために、地下水の温度は上昇します。

ところが、平成30年7月豪雨では地下水位上昇時に水温が急激に低下することが観測されました(図)。

これは、地下深いところにある岩盤内の水圧が高まって、岩盤から表層の風化層に冷たい水が供給されて地下水位が上昇したことを示しており、豪雨時に基盤から表層斜面に水が供給されることを裏付ける貴重なデータとなりました。

この研究、ビジネスに展開するには次の3点をクリアしなければならないでしょう。
・非発生斜面との比較（非発生斜面では温度低下が認められない？鈍い？）。
・流域の全斜面はもちろん、全国に温度計を設置するのは不可能。代替案が必要。
・短期雨量に起因する土石流発生。

1点目。研究の根源でありビジネス以前の問題です。今後、他の谷での観測結果を待ちたいところです。
2点目。文献では1つの谷に対し5箇所で観測を行っていました。5箇所でも少ないのに、他の斜面、全国展開となるとお手上げでしょう。が、契約民家裏の谷のみをビジネスの対象とする、土砂災害警戒情報にあわせてメッシュ対応にする、数値実験や SWI を利用するなど、代替え案は考えられます。
3点目への対応は厳しいでしょう。先日の岡山県北部で発生した土石流は拾えないでしょう。

いずれにしても、まだこれからの研究。
今後のデータ蓄積・分析に期待しましょう。

土石流と降雨パターン

学主導の岡山県での土石流調査に同行しました。

継続3時間程度の短期雨量が効いた災害です。土石流は長期雨量で発生しやすい≠短期雨量は効かない、です。

現場を見ると、今まで見たことのある土石流現場とは感覚的に異なっていました。発生土砂量や分布範囲はやや少なく思える程度なのですが、粒径が小さい。渓流の洗い流しも少なかったと思われます。地質や傾斜の違いがあるのかもしれませんが、降雨パターンの違いの方が大きいように感じました。

帰路の途中、先生が「GRIBデータの入手が遅れる」と話されていました。購入されてはいないようです。学なら京大の整理したデータが使えると思いますが、欲しいデータは含まれていないのかもしれません。
http://database.rish.kyoto-u.ac.jp/arch/jmadata/
ArcGIS ならそれをアニメーション表示できます。
https://blog.esrij.com/arcgisblog/wp-content/uploads/2016/08/ArcGISforMeteorology.pdf
Arc を購入されていないようでしたら、Git で公開されているコードを利用する方法もあります。便利な時代になりました。
https://github.com/catdance124/synthetic_radar_GPV


今回、発生土砂量、流動範囲、粒径についても予測モデルに入れるべき特徴量だと実感しました。今後、検討する機会があれば意識して入れてみましょう。

大規模・長期停電

千葉県の停電が4日目に。

近年、災害発生時の情報伝達にスマホは必須となっています。しかし、今回のような大規模かつ長期の停電、通信障害では全く役に立ちません。スマホへの過度の期待が浮き彫りとなりました。

キャッシュレスは以前より災害時の虚弱性を指摘されていました。停電が1週間続けば、現金でも危ういかもしれません。

電線を地中に埋設すればここまで大規模になっていなかったと思われます。が、復旧は長引くでしょう。

今後も多くの課題が浮かび上がりそうです。

しかし、今はそれどころではありません。
現場の方々のプレッシャーや負担は計り知れません。今は作業員を含めた現地の方々の安全衛生環境の維持と早期復旧を願わざるを得ません。

建設産業と消費税増税

9月に変更契約になる仕事。

あれ？消費税はどうなるの？
ということで、営業部門に確認。以下を紹介してくれました。

建設産業における消費税の転嫁対策について
http://www.mlit.go.jp/totikensangyo/const/totikensangyo_const_tk1_000063.html

ポイント①どの時点で課税されるのか？契約日ではなく、「引渡し日」時点の税率が適用されます
ポイント②経過措置とは？ 消費税率引上げの半年より前に締結した契約は、旧税率が適用されます
○消費税率１０％適用に係る指定日・・・平成３１年４月１日

なるほど。引渡しが10月を超える場合、
・4月以降の契約は10%
・3月以前契約の繰り越しは、変更分のみ10%
ですね。
各自治体もこれに倣い、工事・コンサルタント業務の両方に適用されているようです。

これ、下請契約にも触れられています。
元請が4月契約10月納期であったとしても、下請契約の工期が9月末であった場合、8%対象になるのでしょうか？その理屈だと、9月末で一旦契約を完了する元請が多く出てきそうですが。また、減額変更の場合はどうなるの？
ま、そのあたりはきちんと整理されているのでしょう。

物品購入で10月納期でも、8%の会社があったり10%の会社があったり。
適正な処理ができているのか不安になりますね。営業・経理さんに頼りっきりになりそうです。

地下水の年代測定を省力化する採水法

先月末、農研機構さんが以下の手法を公開されました。

「省力的な採水法による六フッ化硫黄を指標とした地下水の年代測定」
http://www.naro.affrc.go.jp/publicity_report/press/laboratory/nire/131962.html
http://www.naro.affrc.go.jp/publicity_report/publication/pamphlet/tech-pamph/131331.html

以前、プロに教えて頂いた手法とほぼ同じですので、農研機構さん独自の手法というわけではありません。空気に触れさせない簡単な方法を考えると、同じところに落ち着くのでしょう。

資料の中で、定量的に評価されている点がポイントでしょう。2地点のみですが、SF6を使うにしてはやや古い時代ですので、一般化できているものと期待したいところです。

即時残余耐震性能判定システム

ニュースを見ていますと、住宅に安価な地震計をつけて損傷を評価するシステムが紹介されました。

住宅の１階と２階に各1台（計2台）の地震計を付けています。振動が閾値を超えると地震と判定し、同時にTVに損傷度が出るようです。通常の波形も出るので、欲しくなりました。
ただ、どのように評価するのかまでは紹介がありませんでした。損傷があると固有振動数に変化が出るのでしょうが、どこまで変化すれば「危険」と判断するのでしょう？

気になって調べたところ、引っ掛かりました。
東京大学地震研究所  楠 浩一「即時残余耐震性能判定システム」
http://www.eri.u-tokyo.ac.jp/wp-content/uploads/2018/10/ERI-nl-plus_No29-web-A4.pdf

「ウェーブレット変換を用いることで、安価な加速度計の測定値でも2階積分してノイズを除去し、安定して変形量を算出できるようになり、判定システムが現実味を帯びてきました」

なるほど。すばらしい。
加速度計なんですね。2台の差分を積分して2階の相対変位にまでもっていく。F=maで力を出して、その勾配を変形係数とみなし、降伏・破壊を判定する。というところでしょうか。いえ、単純な力の出し方だと勾配は折れないですね。力は１階の加速度のみで出せば良いか。ずれるかな？
地震検知や2階積分のアルゴリズムは既にあるので、この程度なら電子工作でもつくれそうです。

理屈だと固有振動数の変化やスマホアプリでも判定可能です。が、住宅メーカーの協力がないと難しいでしょう。というか、メーカーさんが付加価値として作られるかもしれませんね。

高いハードがなくても、アイデア次第で、既存の技術で新しいビジネスに挑戦できる。すばらしい例だと思います。
私に足りない想像力です。脱帽。

OpenACC 成功？

寝かせていたコードを、起こしてみました。これの続きです。
https://phreeqc.blogspot.com/2018/04/openacc.html

・PGI Community Edition 19.4

あっさり、計算が進みました（もう慣れました）。

結果を見ると、精度は許容範囲。
ただし、計算時間は全く短縮していません。GPUは使っていますが、計算に使ってくれているのでしょうか？

Intel のコンパイラーはよくできているとあらためて関心。
また寝かせましょう。

******************************************
20190925追記
プロと話をしていると、NVIDIA さんは数値解析分野で思ったほど力を発揮できなかったため、機械学習分野にシフトしていった、とのこと。そういえば、以前、GPGPU用にチューニングされたライブラリを使わないと速くならないとアドバイスを受けていました。
そうなのかなあ？

現場管理

昔、他社さんと一緒に働いていた頃の話。

「いかに現場に行かないで仕事を済ませるかが、利益向上につながってしまいます」

「どこの会社も同じですよ」

私が勤めている会社では、現場に行く頻度・時間は個人の裁量です。現場稼働中、私は基本、毎日現場にいますが、他の方はそうでもないようです。

昨日、下請けさんからの話

「○○会社さんが言ってましたよ。○○さんが現場にこなさすぎると。」

「・・・そうだと思います。」

「○○会社さんは初めてだし若い方が多いので、もっと大事にしないと。」

「・・・ありがとうございます。」

今年度から私の所属が変更され、今後、現場に出ることはほぼなくなりました。が、最後となろう現場にて、ありがたい助言をいただきました。

ただ、それを社内で伝えたとしても彼らなりに言い分があり、改善はなされないでしょう。経験上、これまで問題が発生していないことも大きな判断材料になっているのだと思われます。将来は別として。

コンプライアンス、バイアス、リスク管理。最低限の知識があれば、すぐに気づく内容です。該当部署のリーダーは総監取得にも苦労されているようなので、まだ先でしょうか？

危ういですねえ。