(Special session) Interdisciplinary research on rock mechanics

[2101-06-03] ESTIMATION OF GROUND HYDRAULIC CONDUCTIVITY USING DEEP LEARNING WITH NATIONWIDE SOIL DATA IN JAPAN

○Satori Teruya^{1[Master’s course]}, Kei Ishida¹, Akira Sato¹, Sunao Uragoe¹ (1. Kumsmoto University)

Chairperson：才ノ木 敦士（熊本大学）

Keywords:XGBoost, Deep Learning, Hydraulic Conductivity, Kunijiban

地下水は年間を通じて安定した水供給を行う重要な水資源である．しかしながら，過剰な取水による水位低下や地盤沈下などの問題も発生している．これらの問題を解決するために，地下水資源の適切な維持管理が必要不可欠である．この地下水の流れの決定には地盤の透水係数が大きく影響を与える．そのため，透水係数の推定は地下水予測における重要な要素となる．また近年，様々な分野に深層学習は利用されており，これは地盤分野においても例外ではない．本研究では，国土交通省が公開している国土地盤情報検索サイト「Kunijiban」に掲載された日本全国の土質試験データを用いて，深層学習手法の一種であるXGBoostにより地盤の透水係数の推定手法の確立を目指した．この際，グリッドサーチによるハイパーパラメータの最適化及びFeature importanceに基づく変数選択を行った結果，RMSE 1.070 log₁₀cm/sの結果を得ることができた．今後の研究ではデータ処理による精度の向上とボーリングデータを用いた推定方法の確立を目指す．