Valutazione dei modelli Lasso e Ridge per la previsione del potenziale di rigonfiamento del suolo

Perché il terreno sotto gli edifici è importante

Molti edifici e strade possono sembrare solidi, ma il terreno sottostante può silenziosamente rigonfiarsi e restringersi al variare dell’umidità. Questo movimento nascosto può causare crepe nei muri, inclinare le fondazioni e danneggiare condotte, con costi di riparazione che raggiungono miliardi nel mondo. L’articolo riassunto qui esplora come gli strumenti dati moderni possano aiutare gli ingegneri a prevedere quando e dove il suolo è suscettibile al rigonfiamento, permettendo di progettare abitazioni, autostrade e altre strutture in modo più sicuro e stabile.

Suoli che «respirano» acqua

Non tutti i suoli si comportano allo stesso modo quando si bagnano. I suoli fini, ricchi di argilla, possono assorbire acqua ed espandersi come una spugna, per poi contrarsi durante l’asciugatura. Questo ciclo ripetuto è particolarmente grave nelle regioni aride e semi‑aride, dove gli sbalzi umidi‑secchi sono frequenti. Tradizionalmente, gli ingegneri si affidano a prove di laboratorio che richiedono tempo per misurare proprietà come la percentuale di argilla, la densità del suolo e la sua plasticità o consistenza. Questi test rivelano se un suolo è soggetto a rigonfiamento e fessurazione, ma sono costosi da eseguire per ogni sito e progetto.

Trasformare le misure del suolo in previsioni intelligenti

Per ridurre la necessità di test di laboratorio continui, i ricercatori hanno assemblato quattro collezioni consistenti di dati sui suoli ricavate da studi precedenti in Asia, Africa ed Europa. Complessivamente, questi set contenevano 273 campioni di suolo e 16 descrittori diversi per ciascun campione, tra cui contenuto di argilla e limo, livelli di umidità, densità e misure standard di consistenza. Per ogni campione il team disponeva inoltre di un «potenziale di rigonfiamento» misurato in un test controllato. Hanno pulito e normalizzato attentamente i dati, rimosso informazioni ridondanti e suddiviso i campioni in gruppi di addestramento e di test in modo che qualsiasi metodo predittivo venisse valutato su dati non visti in fase di addestramento.

Vecchie e nuove modalità di interpretare il terreno

Il cuore dello studio è un confronto diretto tra uno strumento statistico tradizionale e due approcci più moderni. Lo strumento tradizionale, chiamato regressione lineare multipla, stima il potenziale di rigonfiamento come una combinazione lineare delle misure del suolo. I metodi più recenti, noti come regressione Lasso e Ridge, usano ancora una combinazione pesata delle stesse misure ma aggiungono una sorta di «penalità» che scoraggia il modello dall’affidarsi troppo a un singolo input o dall’usare troppi input contemporaneamente. In pratica, ciò significa che Lasso può azzerare automaticamente le proprietà meno importanti, mettendo in evidenza l’esiguo insieme di caratteristiche del suolo che guidano realmente il rigonfiamento, mentre Ridge conserva tutte le caratteristiche ma ne attenua l’influenza quando sono fortemente correlate tra loro.

Cosa hanno imparato i modelli sui suoli rigonfianti

Nei quattro dataset, i modelli regolarizzati—Lasso e Ridge—hanno prodotto costantemente previsioni più affidabili rispetto al metodo tradizionale. Nei dataset meglio comportati, in particolare Lasso ha seguito molto da vicino il potenziale di rigonfiamento misurato, con errori medi ridotti e una elevata frazione della variabilità naturale spiegata. Entrambi i metodi moderni hanno gestito proprietà del suolo rumorose e sovrapposte molto meglio dell’approccio lineare classico, che spesso sovra‑ o sotto‑stimava il rigonfiamento, specialmente per valori più elevati. L’analisi ha anche confermato che alcuni tratti, come il limite liquido, la plasticità e il contenuto di argilla, sono i principali segnali del rischio di rigonfiamento, mentre fattori legati a suoli più densi e meno porosi tendono a ridurre tale rischio.

Dai dati a fondazioni più sicure

Per il non specialista, il messaggio chiave è che i test del suolo esistenti possono ora essere combinati con modelli guidati dai dati per individuare rapidamente le aree dove il terreno potrebbe sollevare e fessurare le strutture. Utilizzando le regressioni Lasso e Ridge, gli ingegneri possono concentrarsi su un sottoinsieme più ristretto di proprietà del suolo veramente importanti e ottenere stime più accurate del rigonfiamento senza dover eseguire ogni possibile test in ogni sito. Questo consente di progettare fondazioni, pavimentazioni e opere di terra nelle regioni soggette a rigonfiamento con adeguate misure di salvaguardia fin dall’inizio, riducendo la probabilità di danni costosi nel corso della vita dell’opera.

Citazione: Bility, M.T., Vora, T., Lakhani, P.N. et al. Assessment of Lasso and Ridge models for soil swelling potential prediction. Sci Rep 16, 11922 (2026). https://doi.org/10.1038/s41598-026-39917-2

Parole chiave: suolo espansivo, rigonfiamento del suolo, apprendimento automatico, regressione Lasso, ingegneria geotecnica