地上NMRデータに基づく含水断層帯の含水量と緩和時間のディープラーニング逆問題

岩盤の裂け目に隠れた水が重要な理由

足元のずっと下では、水が岩の細かい割れ目を通って流れていることがよくあります。これらの隠れた導管は、生活用水の重要な供給源である一方で、坑道の浸水、トンネルの弱体化、地すべりの引き金といった深刻な危険にもなり得ます。本研究の要旨は、特殊な磁気法と現代のディープラーニングを組み合わせて、地表からこうした含水断裂帯を検出する新しい方法を示すことにあります。目標は地下水の有無だけでなく、その貯留様式や移動のしやすさを明らかにすることであり、安全な工事や持続可能な水利用に不可欠な情報を提供します。

微かな磁気信号で水の存在を聴く

この研究は地表核磁気共鳴（surface nuclear magnetic resonance）と呼ばれる手法に基づいています。これは地球物理学的手法の中でも珍しく、液体の水に含まれる水素に直接反応する点が特徴です。地上ではコイル状の導線で調整されたパルスを地下に送り、地下水からのかすかな反響のような信号を受信します。これらの信号は時間とともに減衰しますが、その減衰率は水が岩中でどのように保持されているかに依存します。広くスポンジ状の空隙に含まれる水はある種の減衰を示し、狭い断裂内の水は別の減衰特性を示します。理論的には、この時間挙動から含水量だけでなく、浸透の起こりやすい多孔質層にあるのか、流れを導き突発的な漏水や浸水を引き起こす可能性のある割れ目ネットワークにあるのかを判別できます。

従来の地下画像化の限界

これらの信号を地下像に変換する従来手法は、測定データに数学モデルを反復的に当てはめる方法に依存します。この確立された「QT逆解析」アプローチは、広く水を含む帯水層には有効ですが、薄く深い断裂帯には苦戦します。断裂由来の信号は弱く、上位の水量の多い層に覆い隠されがちであり、数値安定化のための正則化により平滑化されてしまうこともあります。また過程が計算集約的であり、信頼できる像を得るにはペナルティ項や制約を何度も手動で調整する必要があり、鉱山やトンネル工事の現場でリアルタイムに意思決定するには適していません。

断裂を見抜くニューラルネットワークの教育

こうした限界を克服するために、著者らは問題をパターン認識として再定式化しました。層状の多孔質帯と、長さ・角度・密度が異なるランダム生成の断裂ネットワークを組み合わせた数千の現実的な合成地質モデルを構築しました。各モデルについて、期待される核磁気共鳴信号をシミュレーションし、現実的なノイズを付加し、真の地下分布を4つの主要量（多孔質層と断裂帯それぞれの含水量と緩和時間）としてラベル付けしました。これらのデータで、画像処理に適した畳み込みニューラルネットワーク（CNN）を訓練し、完全な信号記録からこれら4つの地下マップへの直接写像を学習させました。実質的にネットワークは、従来の細かな調整を迂回する高速な学習済み「逆解」を獲得します。

より鮮明な像、より速い応答

未知の合成例でのテストでは、訓練されたネットワークが二次元断面で多孔質帯と含水断裂を明確に区別できることが示されました。傾斜したり集合したりした断裂帯の形状や位置を再現し、断裂に特徴的な長い緩和時間も捉えました。小さく深い特徴の端では信号が弱いために若干のぼやけや過小評価が見られましたが、全体的な誤差は抑えられていました。標準的な正則化逆解析と直接比較すると、深層学習法は境界がより鮮明で、深部のアーチファクトが少なく、平均誤差も著しく低くなりました。しかも、訓練が完了すれば逆解析の実行時間は約30分から数秒に短縮されます。ノイズレベルを上げた堅牢性試験でも、細部は劣化するものの主要な断裂帯や帯水層はかなり悪条件の信号下でも識別可能でした。

数値試験から現場の岩盤へ

著者らは、若い堆積物の下に風化した基盤岩があり、断裂が優勢な帯水層が坑内安全を脅かす中国北部の石炭採掘地の現地データにこの訓練済みネットワークを適用しました。標準的な逆解析は予想どおり浅い多孔質帯水層を示したものの、明瞭な深部断裂帯は示しませんでした。対照的に、深層学習逆解析は、調査ラインの一部において約18〜30メートルの深さにある断裂基盤岩内の明確な帯状含水帯を浮かび上がらせました。独立したボーリング観測はその間隔が高度に破砕され含水性であることを確認しました。あるボーリング孔での揚水試験から得られた透水性の推定値は、新しい逆解析から推定された値と約10パーセント以内で良く一致し、実地での方法の妥当性を支持しました。

地下の水と安全に対する意味

要するに、本研究は水に特異的なセンシング法と深層学習を組み合わせることで、これまで見えにくかった含水断裂を地表からより容易に可視化できることを示しています。このアプローチは遅い移動をする間隙水と危険性のある断裂水を分離し、含水量や水の移動しやすさの推定を提供します。手法は適切な訓練データに依存し、非常に小さなあるいは深い特徴はぼやけることがあるものの、複雑な岩盤地形における危険な断裂帯の迅速かつ非侵襲的な地図化を可能にし、より安全な鉱山計画やトンネル設計、地下水管理を支援します。

引用: Li, K., Li, H., Qiu, H. et al. Deep learning inversion of water content and relaxation time in water-bearing fracture zones based on surface NMR data. Sci Rep 16, 9292 (2026). https://doi.org/10.1038/s41598-026-40506-6

キーワード: 地下水, 岩盤の断裂, 核磁気共鳴, 深層学習, 地盤災害