AI技術を活用した地盤強度予測システムの開発～人工ニューラルネットワーク（ANN）を用いた機械学習モデルにより地盤強度の予測精度が20％向上～

液状化現象は地震発生時におけるインフラ被害の要因の一つといえ、2011年の東北地方太平洋沖地震では1,000戸、2024年の能登地震では6,700戸の家屋が被害を受けました。液状化の影響に強い都市を構築するには、土壌の状態を正確に評価することが必須ですが、従来の手動の土質試験法ではすべての土地を均一に評価することは困難でした。そこで、地質データを用いて土層の詳細な3Dマップを作成することで、地震時に土壌がどのように反応するかを予測するシステムを開発しました。そして今回、その予測精度の向上を目指し、AI技術を取り入れた機械学習モデルの開発に着手しました。

標準貫入試験^※4とミニラムサウンディング試験^※5という、土の密度と基礎の必要条件を評価する2つの方法を用いて、東京都世田谷区内の433地点の地盤データを収集。これに緯経度や標高などの地理的データを組み合わせ、支持層の厚さと深度を予測します。集計したデータは、10箇所の支持層深度を予測する人工ニューラルネットワーク（ANN）に学習させ、実際の現場測定値と照らし合わせることで予測精度を評価しました。さらに、上記手法にバギング法を適用することで、予測精度が従来よりも20％向上しました。
この予測値を基に、世田谷区内の4カ所を中心に半径1km以内の支持層の分布を示す3次元マップを作成。このマップは、地盤の安定した土地を特定するための視覚的補助として機能し、液状化のリスクが高い地域をピンポイントで特定できるため、より適切なリスク評価が可能となります。

図2. 支持層の深度分布を示す3次元マップの作成例

本研究のように、高精度の予測手法を確立することは、地盤工学における機械学習の大きな可能性を示すものといえます。このような予測モデルの改善を続け、先進的なAIモデルを地盤解析に組み込むことで、安全かつ効率的なインフラ計画が促進され、災害レジリエンスの高いスマートシティの実現が可能となります。今後は、地下水の影響を考慮して地盤条件を追加するほか、沿岸部と非沿岸部に特化したモデルを開発したりするなど、更なる精度向上を目指します。

※1　人工ニューラルネットワーク（ANN）
人間の脳内にある神経細胞（ニューロン）の動作を模したコンピューティングシステム。機械学習の一種で、多層構造を持ち複雑なパターン認識に優れている。

※2　バギング法（ブートストラップ集計）

著者　：
芝浦工業大学大学院理工学研究科　　博士後期課程　丛 煜昕
芝浦工業大学大学院理工学研究科　　教授　　　       稲積 真哉