弱い岩盤におけるトンネルコンクリート覆工のためのAI支援確率設計フレームワーク

不確かな地盤でより安全なトンネルを

トンネルは列車や自動車、流水、電力を山や都市の中を通して運ぶが、掘削される岩盤は決して完全に把握されているわけではない。弱いまたは破砕した岩盤では、設計者は地盤の実際の強さやトンネルの変形を防ぐために必要なコンクリート覆工量を推定しなければならない。本研究は、古典的な岩盤力学、確率論、現代の人工知能を組み合わせることで、その推測を明確なリスクベース設計へと変え、困難な地盤でもより安全で経済的なトンネル設計を可能にする方法を示す。

なぜトンネル設計は難しいのか

設計者はコンクリート覆工の厚さやコンクリート品質を決めなければならない。従来の「決定論的」設計は、岩盤強度、地中応力、材料特性に単一の代表値を仮定して安全率で検討する。しかし実際の岩盤は変動する：強度や剛性、構造はメートル単位で変わり得る。その変動を無視すると、設計は過度に楽観的（安全でない）になったり、過剰仕様で高コストになったりする。これに対して確率設計は、各主要特性を確率分布として扱い、覆工が破壊する確率を推定する。本稿は、そうしたリスクベースの考え方を弱い岩盤におけるトンネル覆工に特に適用している。

岩盤、覆工、地盤変位の連結

本フレームワークの要は、収束–拘束（convergence–confinement）法と呼ばれる手法で、円形トンネル周囲の岩盤がどのように変形するか（収束）と覆工がどの程度それに対抗するか（拘束）を結び付ける。岩盤は破砕岩塊に広く用いられる破壊則で記述し、コンクリート覆工は圧壊強度までは弾性として扱う。トンネル開放と緩和に対する岩盤の応答を示す曲線と、荷重に対する覆工の抵抗を示す曲線の二つを作成し、その交点が覆工にかかる圧力と圧力に基づく安全率を与える。本研究では、現場応力、岩盤強度、岩質指数、トンネル半径、覆工剛性、覆工強度、覆工厚さといった支配的な量をすべて確率変数としてモデル化している。数千のモンテカルロサンプルと確立した信頼度解析法（FORM）を用いて、著者らは各設計について安全率と明示的な破壊確率の両方を算出する。

トンネルの安全性を予測するAIの学習

多くの設計案に対し完全な確率シミュレーションを繰り返すのは時間がかかる。これを克服するため、著者らは遺伝子表現プログラミングという記号回帰の一種を用いて人工知能の代理モデルを訓練し、ブラックボックスではなく閉形式の方程式を生成した。スプレッドシートベースの信頼性エンジンから大量のデータセットを生成し、トンネルサイズ、岩盤特性、覆工特性を含む8つの主要入力から圧力に基づく安全率を予測するコンパクトな式を進化させた。最終的な方程式は確率的結果を極めて良く追跡し、相関は0.99を超える。やや保守的で、完全シミュレーションの平均よりもやや低い安全率を予測する傾向があるが、このバイアスは安全重視の設計において有用であり、過信を避けつつ多くの組合せを迅速に評価する手段を提供する。

厚さとコンクリート品質の実際の影響

この統合フレームワークを使い、本研究は覆工厚さと材料品質の変化が弱い岩盤におけるトンネル安全性に与える影響を検討する。扱うコンクリートは二種類で、通常のコンクリート（約20 MPa）と、より高強度な繊維補強反応粉末コンクリート（FRPC、約65 MPa）である。低強度コンクリートかつ薄い覆工では破壊確率が60％を超えることがあり、厚さが200 mm付近以上に増すとその確率はほぼゼロに近づく。高強度のFRPCでは比較的薄い覆工でも非常に低い破壊確率が得られ、適度な厚さで高い信頼度水準に達する。結果は厚さと強度を信頼度指数や破壊確率に直接結び付ける図表やヒートマップとして示され、設計者に単一の固定安全率に頼る代わりの明瞭な視覚的指針を提供する。

安全率をリスクベースの意思決定へ変える

専門外の人にとっての主なメッセージは、安全率だけではトンネルの安全性を完全には表せないという点だ。本研究は従来の安全率と明示的な破壊確率の相互変換方法、そして一般的な経験則ではなく選んだリスク目標を達成するための覆工厚さや材料品質の選定方法を示す。解釈可能なAIモデルを透明な信頼性エンジンに組み込むことで、著者らは特に弱く予測困難な岩盤において、より安全で経済的なトンネル覆工設計を実現する実用的な手段を示している。推測して過剰設計する代わりに、設計者は厚さや高強度コンクリート（FRPC）の採用によってどれだけリスクが低減するかを定量化でき、トンネル設計をより現代的でデータに基づくリスク管理に近づけることができる。

引用: Khani, J., Nejati, H.R., Goshtasbi, K. et al. AI-assisted reliability-based design framework for tunnel concrete linings in weak rocks. Sci Rep 16, 14270 (2026). https://doi.org/10.1038/s41598-026-44903-9

キーワード: トンネル覆工, 弱い岩盤, 確率設計（信頼度設計）, コンクリート厚さ, 人工知能