Utvärdering av Lasso- och Ridge-modeller för prognoser av markens svällpotential

Varför marken under byggnader spelar roll

Många byggnader och vägar kan se stabila ut, men marken under dem kan tyst svälla och krympa när den tar upp eller tappar fukt. Denna dolda rörelse kan orsaka sprickor i väggar, luta grundkonstruktioner och skada ledningar, vilket globalt kostar miljarder i reparationer. Artikeln som sammanfattas här undersöker hur moderna dataverktyg kan hjälpa ingenjörer att förutsäga när och var marken sannolikt kommer att svälla, så att bostäder, motorvägar och andra konstruktioner kan utformas för att förbli säkra och stabila.

Marker som andas med vatten

Alla jordarter beter sig inte på samma sätt när de blir blöta. Finkorniga, lerkärniga jordar kan absorbera vatten och expandera som en svamp, för att sedan krympa när de torkar. Denna upprepade cykel är särskilt allvarlig i torra och halvtorra regioner, där starka våt‑torr‑svängningar är vanliga. Traditionellt har ingenjörer förlitat sig på tidskrävande laboratorietester för att mäta egenskaper som hur mycket lera som finns, hur tät jorden är och hur plastisk eller klibbig den blir när den blandas med vatten. Dessa tester visar om en jord är benägen att skjuta upp och spricka, men de är dyra att utföra för varje plats och varje projekt.

Att omvandla markmätningar till smarta prognoser

För att minska behovet av ständiga laboratorietester samlade forskarna fyra omfattande dataset med jorddata från tidigare studier i Asien, Afrika och Europa. Tillsammans innehöll dessa set 273 jordprover och 16 olika beskrivande variabler för varje prov, inklusive innehåll av lera och silt, fuktnivåer, densitet och standardmått för konsistens. För varje prov fanns också en uppmätt "svällpotential" som visade hur mycket jorden expanderade i ett kontrollerat test. De rengjorde och normaliserade noggrant data, tog bort redundanta uppgifter och delade upp proverna i tränings‑ och testgrupper så att varje prediktionsmetod kunde bedömas på data den inte tidigare sett.

Gamla kontra nya sätt att tolka marken

Studiens kärna är en direkt jämförelse mellan ett välkänt statistiskt verktyg och två mer moderna metoder. Det traditionella verktyget, kallat multipel linjär regression, uppskattar svällpotentialen som en rätlinjig kombination av alla markmätningar. De nyare metoderna, kända som Lasso och Ridge‑regression, använder fortfarande en viktad kombination av samma mätningar men lägger till en slags "straff" som motverkar att modellen förlitar sig alltför mycket på en enskild indata eller använder för många samtidigt. I praktiken innebär detta att Lasso kan nollställa mindre viktiga variabler automatiskt och lyfta fram de handfull markegenskaper som verkligen driver svällningen, medan Ridge behåller alla variabler men dämpar deras inverkan när de är starkt korrelerade.

Vad modellerna lärde sig om svällande jordar

Över de fyra datasetten gav de regulariserade modellerna — Lasso och Ridge — konsekvent mer tillförlitliga prognoser än den traditionella metoden. På de mest välordnade datasetten följde Lasso särskilt nära den uppmätta svällpotentialen, med endast små genomsnittliga fel och en hög andel av den naturliga variationen förklarad. Båda moderna metoder hanterade brusiga, överlappande jordegenskaper mycket bättre än den äldre rätlinjiga ansatsen, som ofta överskattade eller underskattade svällningen, särskilt vid högre värden. Analysen bekräftade också att vissa egenskaper, såsom vätskeförsörjningsgräns (liquid limit), plasticitet och lerinnehåll, är huvudsignaler för svällrisk, medan faktorer kopplade till tätare, mindre porös jord tenderar att minska den risken.

Från data till säkrare grundkonstruktioner

För en icke‑specialist är huvudbudskapet att befintliga jordtester nu kan kombineras med datadrivna modeller för att snabbt flagga områden där marken sannolikt kommer att lyfta och spräcka konstruktioner. Genom att använda Lasso‑ och Ridge‑regression kan ingenjörer fokusera på ett mindre antal verkligt viktiga jordegenskaper och få mer exakta uppskattningar av svällning utan att utföra alla tänkbara tester på varje plats. Det gör det möjligt att från början utforma grunder, beläggningar och jordarbeten i svällningsbenägna områden med lämpliga skyddsåtgärder, vilket minskar risken för kostsamma skador senare i en byggnads livstid.

Citering: 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

Nyckelord: expansiv mark, marksvëllning, maskininlärning, Lasso-regression, geoteknisk ingenjörskonst