適応型マルチハザードモデリングが降雨によるダム破損を予測する：ケーススタディ

ダム周辺に住む人々にとってなぜ重要か

世界各地で、多くの大型ダムがまだ建設中か、貯水量を増やすために嵩上げされ続けています。未完成の段階では、特に激しい降雨シーズンに構造が思いのほか脆弱になることがあります。本研究は、満水になる前に深刻な斜面被害を受けたエチオピアのダムを取り上げ、そうした問題を数週間前に予測する新しい手法を紹介します。このアプローチは、ひび割れや崩落が現れてから対処するのではなく、下流の人命やインフラを脅かす前にそれらを未然に防ぐために技術者が行動を転換する助けとなり得ます。

雨、弱い地盤、そして脆弱な構造

北部エチオピアのメゲチ（Megech）ダムは、コンクリートではなく粘土や岩を層状に積み上げて作られる土工ロックフィルダムです。資金や工事の遅延により数年間部分的に未完成のままで、河川が通る大きな開口が残されていました。この状態では、露出した斜面、未完の排水設備、まだ満水の貯水池に守られていない盛土層が存在していました。2020年と2021年の非常に激しい降雨により構造は上から下から浸水し、粘土コアや基盤が飽和しました。上流の窪地に水たまりができ、ひび割れに沿って浸み込み、ダム内部の一帯を徐々に弱らせ、張裂（テンションクラック）や表層の滑動、さらには深さ24メートルに及ぶ塊の斜面下方への移動を引き起こしました。

ダム内部を三次元で見る

なぜこれらの破損が起きたのかを理解するために、研究者らはまずコンピュータ上でダムを詳細に再構築しました。設計図、測量点、現地調査を組み合わせて谷底、基盤、部分的に完成した盛土の三次元デジタル地形を作成しました。粘土や岩石試料の実験室試験により、各領域の強度、密度、透水性が明らかになりました。これらの特性をダム全体にマッピングすることで、高粘土含有、高透水性ポケット、強い膨潤性が観測された亀裂や滑動と一致する特に脆弱な帯を特定しました。高度な数値モデルは、降雨がダム内部でどのように移動するか、深部で間隙水圧がどのように高まるか、構造が飽和するにつれて内部応力がどのように変化するかをシミュレーションしました。

物理とデータの両方から学ぶモデルを教える

従来のダムのコンピュータシミュレーションは非常に精度が高い一方で、新しいモニタリングデータが毎週入る度に実行するには遅く手間がかかりすぎます。純粋なデータ駆動型のツール（標準的なニューラルネットワークなど）は速い場合があるものの、基礎となる物理を取りこぼしやすく、観測年数が数年しかないような状況では困難を伴います。そこで研究チームは両者の長所を組み合わせたハイブリッドシステムを構築しました。第一の部分は有限要素法に基づき、さまざまな水位条件下でのダムの物理的挙動を捉え、応力・ひずみ・内部水圧の分布図を生成します。第二の部分は時系列の変化を追うためのリカレントニューラルネットワークで、間隙水圧や変位が週ごとにどのように進行するかを学習します。第三の部分はより単純なニューラルネットワークで、土の強度がひずみを受け湿潤状態が続くとどのように徐々に低下するかを学びます。さらに“アテンション”機構が、差し迫った不安定性にとって重要な過去数週間を強調し、予測を技術者にとってより透明にします。

数週間先の危険を見通す

ハイブリッドモデルは、降雨、内部水圧、地盤の動きを含むメゲチダムの週次モニタリングデータ2年分と、ダムの状態に関する物理ベースの記述を用いて訓練・検証されました。サポートベクターマシン、ランダムフォレスト、単独のニューラルネットワークといった一般的な機械学習手法と比較して、新しいフレームワークはダムの安全係数をより正確に、そして重要なことにより早く予測しました。激しい降雨シーズンが進行するにつれて安定性が低下する傾向を検出でき、臨界的な条件に達する約3.5週間前まで信頼できる警報を発することができました。アテンション成分は、後に現地の技術者が最も危険だと認識した同じ期間を自動的に指摘し、モデルがランダムな相関ではなく意味のある前兆を学習していることを裏付けました。

ダムの安全性にとっての意味

簡潔に言えば、この研究は物理的シミュレーションと現代的な学習アルゴリズムを融合させることで、散発的なモニタリングデータを未完成の土ダムにおける降雨駆動の破損に対する早期警報システムへと変え得ることを示しています。水が徐々に浸透する様子、内部圧力が蓄積する過程、土が湿潤状態で徐々に強度を失う過程を捉えることで、まだ見えていない弱点をひび割れや崩落として顕在化する前に技術者が検知できるようになります。単一ダムで実証された手法ではあるものの、この方法は他のプロジェクトにも適用可能なよう設計されており、ダムが最も脆弱な時期におけるより先手を打った、気候を意識した安全管理への道を開きます。

引用: Nasser, M., Assefa, E., Assefa, S.M. et al. Adaptive multihazard modeling predicts rainfall-driven dam failure: a case study. Sci Rep 16, 11012 (2026). https://doi.org/10.1038/s41598-026-36927-y

キーワード: ダムの安全性, 降雨誘発の地すべり, 早期警報システム, 物理に基づくAI, 土工ロックフィルダム