トンネル(6)

[III-239] Application of machine learning to the support design based on rock quality evaluation of cutting face

〇Taiki Enami¹, Genki Kaneko¹, Yeboon Yun¹, Harushige Kusumi¹, Akinobu nishio² (1.KANSAI University, 2.Construction Survices in KINKI Region)

Keywords:New Austrian Tunneling Method, Rock quality judment, Support Vector Machines

近年，建設業では，人員不足が懸念されており，施工現場は常に危険を伴う環境下にある．そこで，本研究では，NATM工法における山岳トンネルの施工時において，技術者の作業である切羽面の岩盤評価と支保設計に機械学習を導入し，技術者に代わるシステムを提案する．具体的には，機械学習の1手法であるSVMを用いて，国土交通省による岩盤評価項目を適用し，4つの支保パターン分類の解析を実施する．解析結果より，データ数の少ない支保パターンの判別精度は少し低いが，データ数の多い支保パターンの判別精度と全体の精度が80%以上であることから，SVMは支保パターン分類において，適用性があると考える．