機械学習アルゴリズムに基づく杭頂および杭周辺地盤面の変位予測

地下のわずかな変動が重要な理由

新しい地下鉄路線や高架橋が建設される際、構造物を支えるために何千本もの深いコンクリート杭が地中に挿入されます。周辺土が押されることで近接する杭や道路、建物、埋設管が数ミリ程度ずれることがありますが、こうした小さな動きでもコンクリートにひびが入ったり、配管が曲がったりする原因になります。本記事の基となった研究は、従来の公式よりも現代の機械学習手法がこれらの地下変位をより正確に予測できることを示し、人口密集した都市でのより安全な基礎設計に役立つ可能性を探っています。

杭打ちがどのように地盤を変えるか

施工中は、長い中空のコンクリート杭を打撃ではなく圧入して軟弱地盤に挿入することが多く、コロンビアのボゴタ地下鉄1号線のような都市プロジェクトで一般的な方法です。各杭がジャッキで押し込まれると、土はどこかに移動しなければならず、横方向や上方に押し出されて近接杭や地表面を押します。深刻な場合、杭の破損、道路の隆起、数十センチしか離れていない近接配管の損傷につながることがあります。技術者は長年、各杭を土中で拡張する円筒として扱う簡略理論を使ってこれらの影響を推定してきましたが、層状土や複雑な杭配置、施工順序といった実際の複雑さを十分に捉えるのは難しいのです。

地盤の応答をコンピュータに読み取らせる

研究者らは機械学習に着目しました。機械学習は手書きの方程式だけに頼らず、データからパターンを学習する人工知能の一分野です。彼らはボゴタのプロジェクトから、杭頂や周辺の監視点での水平方向変位の実測を数百件収集しました。各測定に対して、土の含水量や相対密度、剛性、観測点が杭群の中心からどれだけ離れているか、その周囲の角度、杭施工終了後からどれだけ時間が経過したか、といった影響因子も記録しました。

さまざまな学習機を比較検証する

複数のアルゴリズムが比較されました。古典的なニューラルネットワークである逆伝播（BP）ネットワークが基準として用いられました。研究チームはこれをAdaBoostという手法で強化し、多くの弱い予測器を組み合わせて精度を高める「委員会」を作ることでAdaBoost-BPモデルを構築しました。また、多層の深層ニューラルネット、複数の決定木からなるランダムフォレスト、人気のあるブースト型木モデルであるXGBoostも試験しました。すべてのモデルは過剰適合を避けるために交差検証で調整・検証されました。小規模・大規模のデータセットのいずれでも、ブーストおよび深層学習モデルは基本的なBPネットワークを明確に上回り、特に深層ニューラルネットワークは現場の測定値とより高い一致を示しました。

地盤変動を左右する本当の要因

高精度のモデルを得た上で、著者らはどの因子が重要かを解析しました。SHAP解析という、複雑なモデルを説明する手法を用いて各入力が予測にどれだけ寄与しているかを算出した結果、単純な幾何学的要素が支配的であることがわかりました：杭群中心からの水平距離とその周囲の方位が変位の主要因です。中心に近い点ほど変位が大きくなる傾向があり、杭列が完全に対称でないため方位によって変位パターンが変わります。杭施工終了後の経過時間も重要な役割を果たし、土のゆっくりした再調整やクリープを反映しています。土質特性の中では含水比、相対密度、内部摩擦角（粒子どうしの噛み合わせの度合いに関連）が最も影響力が大きく、凝着力や単位体積重量などの他のパラメータは影響が小さいことが示されました。

地下工事を安全にするための新しい道具

著者らはデータ駆動の予測と従来の円筒拡張理論を比較することで、特に深層ニューラルネットワークを用いた機械学習モデルが杭頂や地表点の水平方向変位をはるかに高精度で予測できることを示しました。将来のプロジェクト、たとえば追加の地下鉄路線では、設計段階で異なる杭配置、間隔、施工順序をコンピュータ上で試験し、土を乱す前に近隣建物や配管へのリスクを低減するためにこの手法を活用できる可能性があります。要するに、詳細な現場測定から直接学習させることで、地盤の応答をより鮮明に把握でき、重要な都市インフラを安定して保つことが容易になるのです。

引用: Li, P., Guo, S., Liang, M. et al. Prediction of the displacements of the pile tops and ground surface around piles based on machine learning algorithms. Sci Rep 16, 6057 (2026). https://doi.org/10.1038/s41598-026-36502-5

キーワード: 杭基礎, 土壌変位, 機械学習, 地下インフラ, 地下鉄建設