在日本等地震多发区域，需求更好地猜测土壤安稳性以减轻液化危险。为此，研讨人员运用机器学习模型（包含人工神经网络和装袋技能）运用东京世田谷433个地址的数据创立了承载层的精确3D地图。这种办法能够辨认安稳的施工现场，加强灾祸规划，并有助于更安全的城市开展，使城市更能抵挡液化危险。

  跟着城市区域的扩张，自然灾祸的要挟成为城市规划者和灾祸办理部门火急重视的问题。在日本等地震多发的国家，根底设施面对的要害危险之一是液化，这是一种现象，剧烈的轰动会导致松懈的、饱满水的土壤失掉强度，体现得像液体相同。液化会导致建筑物下沉到土壤中，地基开裂，路途和水管等公用设施坍毁。

  每次大地震都会随同土壤液化，破坏力极大。2011年日本东北地震导致土壤液化，1,000栋房子受损。在基督城，6.2级地震导致土壤液化，80%的供水和污水处理系统被毁。2024年，能登地震导致大面积土壤液化，6,700栋房子受到影响。

  为了让城市更能抵挡液化的影响，日本芝浦工业大学的Shinya Inazumi教授和他的学生Yuxin Cong一直在开发机器学习模型，以猜测土壤在地震期间的反响。这些模型运用地质数据来创立土壤层的具体3D地图，辨认安稳区域和更简单液化的区域。与无法掩盖一切方位的手动土壤测验办法不同，这种办法供给了更广泛、更具体的土壤行为视图。

  在他们于2024年10月8日宣布在《才智城市》杂志上的最新研讨中，他们运用人工神经网络（ANN）和集成学习技能来精确估量承重层的深度，这是衡量土壤安稳性和地震期间产生液化可能性的要害目标。

  “这项研讨建立了一种针对不知道点和区域的高精度猜测办法，展现了机器学习在岩土工程范畴的巨大潜力。这些改善的猜测模型有助于更安全、更高效的根底设施规划，这关于地震多发区域至关重要，终究有助于建造更安全、更智能的城市。”Inazumi教授说。

  猜测具有深而安稳的承载层的区域有助于确认土壤可认为建筑物供给更好支撑的方位，尤其是在液化等事情期间。研讨人员运用规范穿透测验和微型测深测验从东京世田谷区的433个点收集了承载深度数据。除了承载层的深度外，他们还记录了每个方位的要害信息，例如经度、纬度和海拔。

  这些数据用于练习ANN，以猜测10个方位的承载层深度，并运用实践现场测量值来评价猜测的精确性。为了更好的进步这些猜测的精确性，研讨人员采用了一种称为bagging（引导聚合）的技能，该技能触及在练习数据的不同子集上屡次练习模型。这种办法将猜测精确性进步了20%。

  研讨人员运用猜测值制作了一幅等高线图，展现了世田谷区四个选定地址周围1公里半径范围内的承重层深度。这张地图对土木工程师来说是一种名贵的视觉辅助工具，可帮他们确认土壤条件安稳的适宜建筑工地。它还协助灾祸办理专家确认更简单产生土壤液化的区域，然后更好地评价危险并拟定缓解战略。

  研讨人员想象他们的办法将成为才智城市开展的要害推进要素，着重数据驱动战略在辅导城市开展和根底设施规划方面的重要性。“这项研讨为更安全、更高效、更具本钱效益的城市开展奠定了根底。经过将先进的人工智能模型融入岩土剖析，才智城市能够更好地减轻液化危险并增强城市全体恢复力。”Inazumi教授在达观地评论这项研讨的未来影响时说道。

  展望未来，研讨人员方案经过结合额定的地上条件并开发针对滨海和非滨海区域的专门模型来进步其模型的精确性，并考虑到地下水（液化的一个首要的要素）的影响。