2023 Fiscal Year Research-status Report
機械学習による首都圏平野部におけるボーリングデータの地層対比手法の研究
| Project/Area Number |
22K03745
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
野々垣 進 国立研究開発法人産業技術総合研究所, 地質調査総合センター, 主任研究員 (30568613)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | ボーリングデータ / 地層 / 対比 / 特徴量 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では，ボーリングデータにおける地層の対比処理を迅速かつ安定した精度で実施するための技術的基礎を確立し，高精度3次元地質構造解析を実現することを目的とする．本年度は，この目的の達成に向けて，地盤の特徴量の抽出方法の改良と，地層対比のための機械学習アルゴリズムの検討を行った．主な研究成果を次に記す．
（１）地盤の特徴量の抽出方法の改良：機械学習に水平方向の概念を組み込むことを目的としてボーリング交換用データのもつ地盤の特徴量のうち，ボーリング掘削地点の緯度・経度を０.0から1.0の範囲の数値情報として抽出する手法を確立した．また，この手法を前年度検討した特徴量の抽出手法に取り込んだ．
（２）機械学習用データセットの作成：改良した特徴量の抽出手法を，前年度収集した首都圏沿岸部における地層対比済み土木・建築工事ボーリングデータに適用し，地盤の特徴量と地層名ラベルとで構成される機械学習用データセットを作成した．
（３）地層対比のための機械学習アルゴリズムの確立：作成したデータセットを用いて，複数の機械学習アルゴリズムに基づき地盤の特徴量から地層名を予測し，それぞれの結果を比較した．機械学習アルゴリズムには，独自の全結合型ニューラルネットワークおよび畳み込みニューラルネットワーク（CNN）と，XGBoostをはじめとした主要かつ実装用ライブラリが充実しているアルゴリズムを用いた．CNNについては，地層の鉛直方向の連続性を考慮した機械学習を実現するために，鉛直方向に一定間隔で抽出した地盤の特徴量を順次積み重ねることで入力データを2次元に拡張する手法を確立した．各アルゴリズムによる予測を比較した結果，精度という点ではCNNが最も良い結果を示したが，速度や計算量という点では改良の余地が残った．
（４）成果発表：中間成果をまとめて研究成果を国内学会で発表した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度計画していた（１）予測精度の向上を目指した入力情報の拡張，（２）機械学習用データセットの作成，（３）地層対比のための機械学習アルゴリズムの確立をすべて遂行したことから，全体としておおむね順調に進展していると考える．
|
| Strategy for Future Research Activity |
機械学習による地層の対比結果から，各ボーリングデータについて地層境界の位置を割り出す方法を検討する．研究計画に変更はない．具体的な研究内容は次の通りである．
（１）地層対比データセットの作成：初年度に収集した首都圏沿岸部の土木・建築工事ボーリングデータに，これまで確立した地盤の特徴量の抽出方法および地層対比のための機械学習アルゴリズムを適用し，機械学習に基づく地層対比データセットを作成する．
（２）地層境界位置の導出方法の検討：地層の3次元分布推定に必要となる各ボーリングデータにおける地層境界位置を，地層対比データセットから割り出す方法を検討する．これに関連して，人口地層が分布する地域の地下数メートルの領域で散見される層序学的に矛盾する対比結果の取扱い方法についても検討する．
（３）問題点の整理：地盤の特徴量の抽出方法，地層対比のための機械学習アルゴリズム，機械学習による地層の対比結果を用いた地層境界位置の導出方法の問題点を整理する．
（４）成果発表：成果をまとめて研究成果を口頭発表する．
|
