スラブ−柱接合部の地震応答予測における機械学習と深層学習アプローチの比較

地震時に床の安全性が重要な理由

多くの都市の建物は、深い梁を介さずに柱の上に直接乗る平らなコンクリート床（フラットスラブ）を採用しています。地震時、スラブと柱が接する接合部は突然破壊することがあり、床の落下や建物の一部崩壊を引き起こす可能性があります。本研究は、こうした重要な接合部が強い揺れのもとでどのように振る舞うかを、現代のデータ駆動ツールを用いてより正確に予測できるかを探り、設計や点検に際してより高い信頼性を提供する方法を検討します。

接合部が突然破壊する仕組み

平板スラブ建物では、柱は鉛直荷重だけでなく地震による横方向の力もスラブに伝達しなければなりません。柱周辺に応力が過度に集中すると、スラブが紙に穴を開けるように柱の周りで突き抜け（パンチング）を起こすことがあります。この脆性的な破壊はほとんど予兆がなく、連鎖的な崩壊を招くことがあります。同時に建物全体は揺れ、建物の高さに対する傾きの割合を示すドリフト比で表されます。局所的な接合部のパンチングモーメントと全体のドリフトは、スラブの厚さ、柱の寸法、鉄筋量、コンクリート強度、地震荷重のパターンなど多くの因子によって左右されます。

過去の試験と計算機を学習手段として使う

著者らは、地震荷重を模擬したスラブ−柱接合部に関する217件の詳細に記録された実験データベースをまとめました。各試験には幾何寸法、材料強度、配筋の詳細、作用する重力荷重、荷重タイプ、破壊時のパンチングモーメントおよびドリフト比の測定値が含まれていました。これらのデータを学習用と検証用に分割し、モデルが未見の結果をどれだけ正確に予測できるかで評価しました。モデリング前にデータのクリーニング、欠損値の処理、数値範囲のスケーリングを行い、箱ひげ図や散布図などの可視化ツールで各変数と破壊との関係を検討しました。

コンピュータに学習させる多様な手法の比較

どの手法が有効かを明らかにするため、本研究では幅広い機械学習手法といくつかの深層学習アプローチを比較しました。機械学習群には単純な線形モデル、過学習を抑える正則化モデル、ランダムフォレスト、勾配ブースティング、XGBoostといった木構造に基づくアンサンブルが含まれます。深層学習群は、畳み込みネットワーク（CNN）、再帰型ネットワーク（RNN）、長短期記憶（LSTM）、畳み込みと再帰を組み合わせたハイブリッドモデルなど、画像や系列解析でよく使われるネットワークを用いました。ただし本研究では、これらの深層ネットワークには画像ではなく、一次元に整形した構造化された工学的数値テーブルが入力されました。

モデルが明らかにした強度とドリフトについて

スラブ−柱接合部のパンチングモーメントを予測する task では、多数の決定木から構成される機械学習モデルが最も良好な成績を示しました。勾配ブースティングが未知データに対して最高の精度を達成し、XGBoostとランダムフォレストが続きました。これらのモデルは、局所的な接合部強度を支配する幾何、材料、荷重の複雑で非線形な組合せを捉えていました。建物全体の揺れを反映するドリフト比の予測では、ランダムフォレストが他手法より優れましたが、いずれのモデルもこの課題をより難しく感じており、予測には散らばりが大きくなりました。深層学習モデル、特にハイブリッド型は、この比較的小さく表形式のデータセットでは木構造ベースの手法を上回らず、計算負荷も大きくなりました。

より安全な建物設計への含意

専門外の読者にとっての要点は、適切に選択された機械学習ツールが、特に局所的なパンチング強度について、スラブ−柱接合部が地震でいつどのように破壊するかについてエンジニアにより正確な推定をすでに提供できるということです。全体のドリフトについてもある程度の情報を与えられますが、精度はやや劣ります。本研究では、利用可能なデータに対して従来の木構造に基づく機械学習が、より流行している深層学習ネットワークよりも優れ、複雑さが少ない分だけ扱いやすい結果を示しました。著者らは、これらのモデルを既存の設計規則に代わるものとしてではなく、意思決定支援として併用することを推奨しています。より大規模なデータセットと特徴量の改善が進めば、これらのデータ駆動手法は平板スラブ建物の定常的な耐震評価の実務に組み込まれる可能性があります。

引用: El-Mandouh, M.A., Youssef, H., Elborlsy, M.S. et al. Comparing machine learning and deep learning approaches to predicting the seismic response of slab-column connections. Sci Rep 16, 14718 (2026). https://doi.org/10.1038/s41598-026-50962-9

キーワード: 耐震設計, 平板スラブ建物, 機械学習, せん断突き抜け（パンチング）, ドリフト比