【芝浦工業大学】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～

■今後の展望
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。


■語句解説
※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）
複数のモデルからの予測結果を組み合わせて、より精度の高い結果を得る「アンサンブル学習法」のうちの１つ。モデルを並列に組み合わせて、多数決をとる手法。
※3 支持層
　構造物が不均一に沈下する（不同沈下）などの有害な変形が起きず、構造物を支えることに適した地盤。
※4 標準貫入試験
地盤を打撃することで、その強度を調べる試験。ボーリング調査の一種で、地盤の硬さ・軟らかさのほか、試料の採取、地盤の締まり具合などが判断できる。所定の試験深度まで試験孔を掘削し、63.5kgのハンマー（打撃装置）を760ｍｍの高さから自由落下させ、サンプラーを試験孔底から150ｍｍ貫入させる。予備打ち後、再度、ハンマーを760ｍｍの高さから自由落下させ、サンプラーを貫入させ、300ｍｍの貫入に必要な打撃回数から地盤の強さを表す値（N値）を求める。
※5 ミニラムサウンディング試験
土中に金属棒を差し込み、その抵抗力を測定する動的貫入試験。重さ30kgのハンマーを35cmの高さから自動落下させ、直径36.6mmのコーンを地中に打ち込み、20cm貫入した時の打撃回数（Ｎmd値）とロッドを回転させるために必要なトルク（Mv）からN値を求める。


■論文情報
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
論文名：Building Safer Cities With AI: Machine Learning Model Enhances Urban Resilience Against Liquefaction
掲載誌：Smart Cities
DOI　 ： 10.3390/smartcities7050113


▼本件に関する問い合わせ先
芝浦工業大学　入試・広報連携推進部企画広報課　担当：原田
〒135-8548　東京都江東区豊洲3-7-5
TEL　：　[phone]
E-mail：　[e-mail]


【リリース発信元】 大学プレスセンター https://www.u-presscenter.jp/