Ocena modeli Lasso i Ridge do przewidywania potencjału pęcznienia gleby

Dlaczego grunt pod budynkami ma znaczenie

Wiele budynków i dróg może wyglądać na solidne, jednak gleba pod nimi może potajemnie pęcznieć i kurczyć się w miarę przyjmowania lub utraty wilgoci. Ukryte ruchy mogą powodować pęknięcia ścian, przechylenia fundamentów i uszkodzenia rurociągów, generując na całym świecie miliardowe koszty napraw. Streszczony tutaj artykuł bada, jak nowoczesne narzędzia danych mogą pomóc inżynierom przewidzieć, kiedy i gdzie gleba prawdopodobnie pęcznieje, dzięki czemu domy, autostrady i inne konstrukcje można projektować tak, aby pozostały bezpieczne i stabilne.

Gleby, które „oddychają" wodą

Nie wszystkie gleby zachowują się tak samo po zmoczeniu. Gleby drobnoziarniste, bogate w iły, mogą wchłaniać wodę i rozszerzać się jak gąbka, a następnie kurczyć w miarę wysychania. Ten cykliczny proces jest szczególnie nasilony w regionach suchych i półsuchych, gdzie występują silne okresy mokro‑suche. Tradycyjnie inżynierowie polegali na czasochłonnych badaniach laboratoryjnych w celu zmierzenia właściwości takich jak zawartość iłu, gęstość gleby czy plastyczność. Testy te ujawniają, czy gleba ma skłonność do wypiętrzania i pękania, lecz są kosztowne do przeprowadzenia dla każdego terenu i projektu.

Przekształcanie pomiarów gleby w inteligentne prognozy

Aby ograniczyć potrzebę ciągłych badań laboratoryjnych, badacze zgromadzili cztery obszerne zbiory danych glebowych pochodzące z wcześniejszych badań w Azji, Afryce i Europie. W sumie zestawy zawierały 273 próbki gleby i 16 różnych opisów dla każdej próbki, w tym zawartość iłu i mułu, poziom wilgotności, gęstość oraz standardowe miary konsystencji. Dla każdej próbki zespół dysponował również zmierzonym „potencjałem pęcznienia”, wskazującym, o ile gleba powiększyła objętość w kontrolowanym teście. Dane zostały starannie oczyszczone i znormalizowane, usunięto informacje redundantne i podzielono próbki na zbiory treningowe i testowe, tak aby każda metoda prognozowania była oceniana na danych, których nie widziała wcześniej.

Stare kontra nowe sposoby czytania gruntu

Rdzeń badania stanowi porównanie „twarzą w twarz” znanego narzędzia statystycznego i dwóch nowocześniejszych podejść. Tradycyjne narzędzie, zwane wieloraką regresją liniową, szacuje potencjał pęcznienia jako kombinację liniową wszystkich pomiarów gleby. Nowsze metody, znane jako regresja Lasso i Ridge, również wykorzystują ważoną kombinację tych samych pomiarów, ale dodają rodzaj „kary”, która zniechęca model do nadmiernego polegania na pojedynczym parametrze lub do używania zbyt wielu parametrów jednocześnie. W praktyce Lasso może automatycznie wyzerować mniej istotne cechy, wyeksponowując garstkę parametrów rzeczywiście warunkujących pęcznienie, podczas gdy Ridge zachowuje wszystkie cechy, lecz łagodzi ich wpływ, gdy są silnie powiązane.

Czego modele nauczyły się o glebach pęczniejących

W czterech zestawach danych modele z regularizacją — Lasso i Ridge — konsekwentnie dawały bardziej wiarygodne prognozy niż metoda tradycyjna. W najlepiej zachowujących się zestawach Lasso w szczególności bardzo ściśle odwzorowywało zmierzony potencjał pęcznienia, z niewielkimi średnimi błędami i dużym udziałem wyjaśnionej naturalnej zmienności. Obie nowoczesne metody lepiej radziły sobie z hałaśliwymi, nakładającymi się właściwościami gleby niż starsze podejście liniowe, które często zawyżało lub zaniżało pęcznienie, zwłaszcza przy wyższych wartościach. Analiza potwierdziła także, że pewne cechy, takie jak granica płynności, plastyczność i zawartość iłu, są głównymi wskaźnikami ryzyka pęcznienia, natomiast czynniki związane z gęstszą, mniej porowatą glebą zwykle zmniejszają to ryzyko.

Od danych do bezpieczniejszych fundamentów

Dla osób niebędących specjalistami kluczowe przesłanie jest takie, że istniejące testy gruntowe można teraz łączyć z modelami opartymi na danych, aby szybko wskazywać obszary, gdzie grunt prawdopodobnie podniesie i spowoduje pęknięcia konstrukcji. Dzięki regresjom Lasso i Ridge inżynierowie mogą skupić się na mniejszym zbiorze rzeczywiście istotnych właściwości gleby i uzyskać dokładniejsze szacunki pęcznienia bez konieczności wykonywania wszystkich możliwych testów na każdym miejscu. To pozwala projektować fundamenty, nawierzchnie i roboty ziemne w rejonach podatnych na pęcznienie z odpowiednimi zabezpieczeniami od samego początku, zmniejszając ryzyko kosztownych uszkodzeń w późniejszym okresie użytkowania konstrukcji.

Cytowanie: 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

Słowa kluczowe: gleba ekspansywna, pęcznienie gleby, uczenie maszynowe, regresja Lasso, inżynieria geotechniczna