Машинное обучение повышает точность карт оценки риска землетрясений для Токио

Токио, один из самых густонаселенных мегаполисов мира, расположен в высокосейсмичной зоне, где угроза сильных землетрясений постоянна. Одним из наиболее разрушительных аспектов сейсмических событий в Токио является геологическое явление, известное как разжижение грунта. Это происходит, когда интенсивная тряска от землетрясения заставляет насыщенные, рыхлые грунты временно терять прочность и жесткость, по сути, заставляя землю вести себя как жидкость.

Новый метод создания высокодетальных 3D-карт риска разжижения представила исследовательская группа под руководством профессора Шинья Инадзуми из Технологического института Сибаура, Япония. Их исследование, опубликованное в журнале Results in Engineering, описывает подход, сочетающий геотехнические данные с искусственными нейронными сетями (ИНС) — типом алгоритма машинного обучения — для создания единой модели геологического моделирования и оценки риска разжижения.

Исследователи использовали обширный набор данных из 13 926 записей бурения, что делает это одной из крупнейших в Японии работ по применению искусственного интеллекта (ИИ) для оценки геотехнических рисков. Обучив свою модель ИНС на этих данных, команда смогла точно предсказать ключевые свойства грунта в непробуренных местах по сетке с шагом 200 метров, включая тип грунта и N-значения (показатели плотности и прочности грунта). Предложенная модель превзошла традиционные методы по точности регрессии и классификации.

На основе предсказанных значений команда рассчитала индексы потенциала разжижения для количественной оценки риска по всему городу. Полученная карта опасностей продемонстрировала значительно более высокий уровень детализации по сравнению с существующими официальными картами, с беспрецедентной четкостью выделяя зоны высокого риска в прибрежных районах, созданных путем намыва, и на поймах рек.

«Наше исследование предлагает надежную, масштабируемую модель, которая не только улучшает управление сейсмическим риском в Токио, но и служит переносимой методологией для других мегаполисов по всему миру, сталкивающихся с аналогичными геоопасностями», — говорит профессор Инадзуми. Эта работа демонстрирует, как машинное обучение может быть эффективно использовано в градостроительстве и гражданском строительстве для более обоснованных решений.