AI強化模型提升複雜地層化學灌漿預測精準度

2011年東日本大震災期間，東京灣區大規模土壤液化現象導致數千棟房屋受損，這場災難讓世人見證飽和土壤結構崩解成流體狀態的毀滅性後果。為防範此類災害，工程界普遍採用化學灌漿工法，透過將固化藥劑注入地層取代孔隙水來強化土壤結構。

然而在滲透性不均的異質地層中，傳統工法難以確保藥劑均勻滲透。先前研究運用有限元素法(FEM)分析發現，藥劑會繞過低滲透區形成滲流盲區，影響地質改良效果。這使得複雜地層中的滲透預測與引數最佳化成關鍵課題。

日本芝浦工業大學井涼直美教授聯合亞洲理工學院團隊，首創將AI預測模型整合至FEM滲流分析系統。其研發的創新架構能有效評估低滲透帶地層的灌漿行為，研究成果已刊登於2025年6月《Results in Engineering》期刊。

「有別於過往僅依賴傳統滲流分析，本研究突破性地結合神經網路與梯度提升決策樹等AI技術。」井涼教授強調研究創新點。團隊先建立含低滲透區的地層模型，透過二維FEM計算滲流速度，據此評估滲透風險與範圍，再將風險值超過10%的引數特徵輸入迴歸分析模型。

研究資料顯示，當低滲透區佔地層5.5%時，FEM分析得出平均94.5%的滲透率（最差81%），而AI模型則提升至96%（最差83%）。驗證結果更顯示AI模型預測準確度達R²=0.849，且運算時間從FEM模擬的30-40分鐘縮短至2秒內。

井涼教授指出：「這套架構能協助工程師快速預測異質地層的灌漿行為。」未來若納入灌漿壓力、流變特性等物理引數，將進一步提升現場適用性。此項突破可望為日本等地震帶國家的土壤液化防治，提供更精準的工程解決方案。

[end]