|
軟弱地盤における長期的な圧密沈下量の予測を行うにあたっては，力学試験や数値解析を行うことが一般的であるが，地盤の不確定性により構成則は複雑化，パラメータも膨大化しており，土木分野の専門的人材不足も考慮すれば，より簡易かつ計算コストに優れたアプローチが必要である．本研究では，Physics-Informed Neural Networks（PINN）を用いた圧密沈下予測・パラメータ推定モデルを構築することにより，物理情報を考慮したDL手法の圧密現象への有用性を示す．本年度は，構築したPINNを用いて予測された圧密沈下量と，FTCS法によって解析して得られた圧密沈下量，ならびに圧密試験によって得られた沈下量を比較し，精度検証を実施した．その結果，PINNによって予測された沈下量の推移は，FTCS法による解析結果とおおむね同様の値となった．実験結果と比較すると，予測・解析結果は，いずれも沈下量が横ばいになるまでの過程で大きな乖離があったが，これは，供試体における物理特性の不確実性により，理論解と必ずしも一致しないためではないかと考える．しかし，最終沈下量は，PINNによる予測値が，FTCS法による解析結果よりも，実験結果に近い値となったことから，PINNモデルは，実現象をより正確に予測可能であり，その有用性は高いといえる．本年度は，単層かつ一次圧密のみを考慮した単純な問題を対象としたモデルの構築ならびに精度検証を実施したため，今後は，本研究開始時に検討を予定していた，多層地盤や二次圧密といった複雑な地盤条件下におけるPINNモデルの有用性についても検証する予定である．
|
