土壌膨張性予測のためのLassoおよびRidgeモデルの評価

建物下の地盤が重要な理由

多くの建物や道路は堅固に見えますが、その下の土壌は湿気の増減に伴って静かに膨張・収縮することがあります。この隠れた動きは壁にひびを入れ、基礎を傾け、配管を損傷させるなどして、世界中で修繕費用を膨らませます。ここで要約する論文は、現代のデータ手法が土壌の膨張がいつどこで起こりやすいかを予測するのにどう役立つかを探り、住宅や道路などの構造物を安全かつ安定に設計するための支援を目指しています。

水で呼吸する土壌

土壌は濡れたときに必ずしも同じ振る舞いをするわけではありません。細粒で粘土を多く含む土壌はスポンジのように水を吸って膨張し、乾くと収縮します。この繰り返しは、強い乾湿の変動が起こりやすい乾燥および半乾燥地域で特に顕著です。従来、技術者は粘土含有量、土の密度、水と混ぜたときの付着性や可塑性などの性質を測るために時間のかかる実験室試験に依存してきました。これらの試験は土壌が持ち上がって亀裂を生じるかどうかを明らかにしますが、すべての現場やプロジェクトで実行するには費用がかかります。

土壌測定を賢い予測に変える

継続的な実験室試験の必要性を減らすため、研究者たちはアジア、アフリカ、ヨーロッパの既往研究から集めた4つの大規模な土壌データセットをまとめました。これらのデータセットには合計で273の土壌サンプルと、粘土・シルト含有率、水分量、密度、標準的一貫性指標など16種類の記述子が含まれていました。各サンプルについて、統制した試験で測定された「膨張ポテンシャル」も取得してありました。研究チームはデータを注意深くクリーニング・正規化し、冗長な情報を取り除き、サンプルを訓練用と試験用に分割して、予測手法が未見のデータ上で評価されるようにしました。

従来法と新手法の対決

研究の中心は、馴染みのある統計手法と2つのより新しいアプローチとの比較です。従来の手法である重回帰分析は、全ての土壌測定値を直線的に組み合わせて膨張ポテンシャルを推定します。新しい手法であるLassoとRidge回帰は同じ測定値の加重和を使いますが、「ペナルティ」を加えて特定の入力に過度に依存したり、多くの変数を同時に使い過ぎたりすることを抑制します。実務では、Lassoは重要性の低い変数の重みを自動的にゼロにし、膨張に本当に影響する少数の土壌特性を浮かび上がらせる一方、Ridgeは全ての特徴を残しつつ、互いに強く相関する場合にその影響を和らげます。

モデルが明らかにした膨張土壌の特徴

4つのデータセット全体で、正則化モデル（LassoとRidge）は従来法よりも一貫して信頼性の高い予測を示しました。最も扱いやすいデータセットでは、特にLassoが測定された膨張ポテンシャルを非常に近く追跡し、平均誤差が小さく、自然変動の大きな割合を説明しました。両方の現代的手法は、ノイズや重なりのある土壌特性を従来の直線的手法よりもうまく扱い、後者は特に高い膨張値で過大・過小評価することがありました。解析はまた、液性限界、可塑性、粘土含有量などの特性が膨張リスクの主要な信号である一方、より緻密で非多孔な土壌に関連する要因はそのリスクを減らす傾向にあることを確認しました。

データから安全な基礎設計へ

専門外の方への要点は、既存の土壌試験をデータ駆動型モデルと組み合わせれば、地面が持ち上がって構造物に亀裂を生じやすい場所を迅速に検出できるということです。LassoやRidge回帰を用いることで、技術者は本当に重要な土壌特性の小さなセットに注力し、すべての現場であらゆる試験を実施せずとも膨張のより正確な推定を得られます。これにより、膨張の起こりやすい地域では基礎、舗装、盛土などを初めから適切な対策を踏まえて設計でき、構造物の寿命中に高額な損害が生じる可能性を低減できます。

引用: 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

キーワード: 膨張性土壌, 土壌膨張, 機械学習, Lasso回帰, 地盤工学