苅米 和樹 Kazuki Karimai
PORTRAIT

苅米 和樹 Kazuki Karimai

博士後期課程 / 修士（工学） Ph.D. Student / M.Eng.
千葉大学 大学院融合理工学府
地球環境科学専攻（丸山研究室）
全方位・挑戦的融合イノベーター 博士人材養成プロジェクト Graduate School of Science and Engineering, Chiba University
Department of Earth and Environmental Sciences (Maruyama Lab)
SPRING Doctoral Fellow
researchmap · ORCID · J-GLOBAL

概要 — About About

千葉大学 大学院融合理工学府 地球環境科学専攻の博士後期課程に在籍しています。 丸山喜久教授の研究室にて、地盤防災・液状化・地震工学を主な対象に、 機械学習や干渉SAR解析を用いた研究を行っています。

2024年度より、JST「次世代研究者挑戦的研究プログラム（SPRING）」に採択され、 千葉大学 全方位・挑戦的融合イノベーター 博士人材養成プロジェクトの一員として、 「機械学習に基づく液状化を起因とする水道管路被害を予測するための研究」に取り組んでいます。

これまでに、機械学習に基づく液状化地盤沈下量の予測、説明可能AI（XAI）を用いた要因分析、 転移学習による予測精度向上、干渉SARによる2024年能登半島地震時の水道管路被害分析などに関する 論文・国際会議発表を行っています。

受賞
  • 2026年1月2025年度 日本地震工学会年次大会 優秀発表賞
  • 2025年10月令和7年度 土木学会全国大会 第80回年次学術講演会 優秀講演者
  • 2024年4月Excellent Young Researcher Award, The 5th ACUDR (Asian Conference on Urban Disaster Reduction)
  • 2024年3月修士論文奨励賞, 千葉大学大学院融合理工学府 都市環境システムコース
  • 2022年3月ベストプレゼンテーション賞, 木更津工業高等専門学校
学歴
  • 2024年4月 – 現在千葉大学 大学院融合理工学府 地球環境科学専攻 博士後期課程
  • 2022年4月 – 2024年3月千葉大学 大学院融合理工学府 地球環境科学専攻 博士前期課程
  • 2020年4月 – 2022年3月木更津工業高等専門学校 環境建設工学専攻
所属学会
  • 2024年 – 現在日本地震工学会
  • 2024年 – 現在地域安全学会
  • 2021年 – 現在地盤工学会
  • 2019年 – 現在土木学会

I am a doctoral student in the Department of Earth and Environmental Sciences, Graduate School of Science and Engineering, Chiba University, working in the Maruyama Laboratory. My research focuses on ground disaster prevention, liquefaction, and earthquake engineering, using machine learning and interferometric SAR (InSAR) analysis.

Since 2024, I have been a doctoral fellow under JST's SPRING program (Support for Pioneering Research Initiated by the Next Generation) at Chiba University, working on a project titled "Machine-Learning-Based Prediction of Water Pipeline Damage Caused by Liquefaction."

My work has covered machine-learning prediction of liquefaction-induced ground subsidence, factor analysis using explainable AI (XAI), transfer learning for improved prediction accuracy, and InSAR-based damage assessment of water pipelines after the 2024 Noto Peninsula Earthquake.

Awards
  • Jan 2026Excellent Presentation Award, JAEE Annual Meeting 2025 (Japan Association for Earthquake Engineering)
  • Oct 2025Excellent Presenter Award, 80th JSCE Annual Meeting (Japan Society of Civil Engineers)
  • Apr 2024Excellent Young Researcher Award, 5th ACUDR (Asian Conference on Urban Disaster Reduction)
  • Mar 2024Master's Thesis Award, Urban Environment Systems Course, Chiba University
  • Mar 2022Best Presentation Award, National Institute of Technology, Kisarazu College
Education
  • Apr 2024 – PresentPh.D. Program, Dept. of Earth and Environmental Sciences, Chiba University
  • Apr 2022 – Mar 2024M.Eng., Dept. of Earth and Environmental Sciences, Chiba University
  • Apr 2020 – Mar 2022Advanced Course in Environmental and Civil Engineering, NIT Kisarazu College
Academic Societies
  • 2024 – PresentJapan Association for Earthquake Engineering (JAEE)
  • 2024 – PresentInstitute of Social Safety Science
  • 2021 – PresentJapanese Geotechnical Society (JGS)
  • 2019 – PresentJapan Society of Civil Engineers (JSCE)

論文 — Publications Publications

最新情報は researchmap をご覧ください。

For the latest list, please see researchmap.

学術論文（査読付き）Peer-Reviewed Journal & Conference Papers
  1. Kazuki Karimai, Wen Liu, Yoshihisa Maruyama. Consideration of Ground Subsidence Because of Liquefaction Based on Explainable AI. Peer-reviewed Lecture Notes in Civil Engineering, pp. 466–473, Sep 2025. researchmap
  2. 苅米 和樹, 劉 ウェン, 丸山 喜久. 転移学習を適用した液状化による地盤沈下量の予測. Prediction of Liquefaction-Induced Ground Subsidence Using Transfer Learning. Peer-reviewed 土木学会論文集 81(13), 2025年. Journal of JSCE, vol. 81, no. 13, 2025. researchmap
  3. 苅米 和樹, 劉 ウェン, 丸山 喜久. 機械学習に基づく液状化による千葉県全域の地盤沈下量予測. Machine-Learning-Based Prediction of Liquefaction-Induced Ground Subsidence across Chiba Prefecture. Peer-reviewed 日本地震工学会論文集, 25(1), 1_295–1_304, 2025年1月. Journal of Japan Association for Earthquake Engineering, vol. 25, no. 1, pp. 1_295–1_304, Jan 2025. researchmap
  4. Kazuki Karimai, Wen Liu, Yoshihisa Maruyama. Prediction and Factor Analysis of Liquefaction Ground Subsidence Based on Machine-Learning Techniques. Peer-reviewed Applied Sciences, Mar 2024. researchmap
  5. 苅米 和樹, 鬼塚 信弘. 摩擦杭を有する構造物の地盤に人工材ドレーンを埋設することによる周面摩擦力の保持. Retention of Skin Friction by Installing Artificial Drains in the Ground around Friction-Pile Structures. Peer-reviewed 地盤工学会 第14回環境地盤工学シンポジウム論文集, pp. 439–444, 2021年9月. Proc. 14th Symposium on Environmental Geotechnics, JGS, pp. 439–444, Sep 2021. researchmap
主な国際会議・口頭発表Selected Presentations
  1. 苅米 和樹, 劉 ウェン, 丸山 喜久. ピクセルオフセット解析による2024年能登半島地震時の石川県内灘町における水道管路被害の分析. Pixel-Offset-Based Analysis of Water Pipeline Damage in Uchinada, Ishikawa during the 2024 Noto Peninsula Earthquake. 2025年度 日本地震工学会年次大会, 2025年12月. JAEE Annual Meeting 2025, Dec 2025.
  2. Kazuki Karimai, Wen Liu, Yoshihisa Maruyama. An Approach to Water Pipeline Damage Estimation Using Interferometric SAR: A Case Study from the 2024 Noto Peninsula Earthquake. 9th Asia-Pacific Conference on Synthetic Aperture Radar (APSAR 2025), Oct 2025.
  3. 苅米 和樹, 劉 ウェン, 丸山 喜久. 干渉SAR解析を用いた2024年能登半島地震における水道管路被害の分析. InSAR-Based Analysis of Water Pipeline Damage during the 2024 Noto Peninsula Earthquake. 令和7年度 土木学会全国大会, 2025年9月. 80th JSCE Annual Meeting, Sep 2025.
  4. Kazuki Karimai, Wen Liu, Yoshihisa Maruyama. Consideration of Ground Subsidence Because of Liquefaction Based on Explainable AI. 18th East Asia-Pacific Conference on Structural Engineering & Construction (EASEC-18), Nov 2024.
  5. Kazuki Karimai, Wen Liu, Yoshihisa Maruyama. Basic Study on Prediction of Liquefaction Ground Subsidence Using Seismic Waveforms Based on Machine Learning. 5th Asian Conference on Urban Disaster Reduction (ACUDR), Apr 2024.
  6. Kazuki Karimai, Wen Liu, Yoshihisa Maruyama. Prediction of Ground Subsidence in Chiba Prefecture due to Liquefaction Based on Machine Learning. 44th Asian Conference on Remote Sensing (ACRS 2023), Oct 2023.

▸ すべての発表（researchmap） ▸ Full list of presentations (researchmap)

研究 — Research Research

テーマ I Topic I

機械学習による液状化地盤沈下量の予測 Machine-Learning Prediction of Liquefaction-Induced Ground Subsidence

過去の地震データ・地盤情報・ボーリングデータ等を用いて、機械学習モデル（勾配ブースティング・ ニューラルネットワーク等）により液状化に伴う地盤沈下量を推定する研究を行っています。 千葉県全域を対象としたケーススタディや、転移学習による未調査地域への適用についても検討しています。 I develop machine-learning models — including gradient-boosting and neural-network approaches — to estimate liquefaction-induced ground subsidence from past earthquake records, soil properties, and boring data. Case studies cover the entire Chiba Prefecture, with transfer learning extending predictions to regions where survey data is scarce.

テーマ II Topic II

説明可能AI（XAI）による要因分析 Factor Analysis via Explainable AI (XAI)

SHAP値などの説明可能AI手法を用いて、液状化や地盤沈下を引き起こす要因を可視化・定量化し、 ブラックボックスになりがちな機械学習モデルの予測根拠を地盤工学的に解釈可能な形で 示すことを目指しています。 Using techniques such as SHAP values, I quantify and visualize the factors driving liquefaction and ground subsidence, making otherwise black-box machine-learning models interpretable from a geotechnical-engineering perspective.

テーマ III Topic III

干渉SARによる地震時インフラ被害の分析 InSAR-Based Analysis of Earthquake Damage to Infrastructure

干渉SAR（InSAR）およびピクセルオフセット解析を用いて、2024年能登半島地震時の 石川県内灘町における地盤変位・水道管路被害を分析しています。リモートセンシングと 機械学習を組み合わせ、広域での被害把握と被害予測モデルの高度化を目指します。 Combining interferometric SAR (InSAR) and pixel-offset analysis, I assess ground displacement and water-pipeline damage in Uchinada, Ishikawa, following the 2024 Noto Peninsula Earthquake. By integrating remote sensing with machine learning, I aim to improve wide-area damage assessment and predictive modeling.

研究費 Funding

機械学習に基づく液状化を起因とする水道管路被害を予測するための研究 Machine-Learning-Based Prediction of Water Pipeline Damage Caused by Liquefaction

国立研究開発法人科学技術振興機構（JST）次世代研究者挑戦的研究プログラム / 千葉大学 「全方位・挑戦的融合イノベーター 博士人材養成プロジェクト」 (2024年4月 – 2027年3月) JST SPRING Program / Chiba University Doctoral Fellow Project (Apr 2024 – Mar 2027)

連絡先 — Contact Contact

メールEmail
24wd1301(at)student.gs.chiba-u.jp ※ (at) を @ に置き換えてください ※ replace (at) with @
所属Affiliation
千葉大学 大学院融合理工学府 地球環境科学専攻（丸山研究室） Maruyama Lab, Dept. of Earth and Environmental Sciences, Chiba University
研究者IDResearch IDs
researchmap  ·  ORCID: 0009-0003-2579-402X  ·  J-GLOBAL
GitHubGitHub
github.com/karice0314