特開 2022-113494 土質定数推定装置、プログラム及び土質定数推定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022113494

(43)【公開日】2022-08-04

(54)【発明の名称】土質定数推定装置、プログラム及び土質定数推定方法

(51)【国際特許分類】

   E02D 1/02 20060101AFI20220728BHJP

   G01N 3/00 20060101ALI20220728BHJP

   G01N 3/40 20060101ALI20220728BHJP

【ＦＩ】

E02D1/02

G01N3/00 D

G01N3/40 B

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2021009781

(22)【出願日】2021-01-25

(71)【出願人】

【識別番号】000166627

【氏名又は名称】五洋建設株式会社

(74)【代理人】

【識別番号】110000752

【氏名又は名称】特許業務法人朝日特許事務所

(72)【発明者】

【氏名】江守 辰哉

(72)【発明者】

【氏名】熊谷 隆宏

(72)【発明者】

【氏名】上野 一彦

(72)【発明者】

【氏名】秋本 哲平

【テーマコード（参考）】

2D043

2G061

【Ｆターム（参考）】

2D043AA01

2D043AB01

2D043BA01

2D043BB04

2G061AB04

2G061CA06

2G061DA12

2G061EC02

(57)【要約】      （修正有）

【課題】土質定数を高い精度で推定するとともに、土質定数を測定するための調査や試験等を実施していない任意の地点における土質定数を推定する土質定数推定装置、これを機能させるためのプログラム、及び土質定数推定方法を提供する。
【解決手段】システム１において、まず機械学習ステージとして、コーン貫入試験に関するパラメータを説明変数としボーリング調査によって得られた土質定数を目的変数とした機械学習により学習モデルを生成する。次に、土質定数推定ステージとして、この学習モデルを用いて、対象地点を基準としたエリア内で実施されたコーン貫入試験に関する前記パラメータを、生成された前記学習モデルに入力して、任意の地点における土質定数を推定する。
【選択図】図１

【特許請求の範囲】

【請求項1】

コーン貫入試験に関するパラメータを説明変数とし、ボーリング調査によって得られた土質定数を目的変数とした機械学習により学習モデルを生成する生成部と、
土質定数の推定対象地点を基準としたエリア内で実施されたコーン貫入試験に関する前記パラメータを、生成された前記学習モデルに入力して、前記推定対象地点における土質定数を推定する推定部と
を備える土質定数推定装置。

【請求項2】

前記コーン貫入試験に関するパラメータは、少なくとも、貫入抵抗値、周面摩擦抵抗値又は間隙水圧値のうち、少なくともいずれか１つを含む
請求項１記載の土質定数推定装置。

【請求項3】

前記コーン貫入試験に関するパラメータは、コーンを貫入するときの制御に関するパラメータを含む
請求項２記載の土質定数推定装置。

【請求項4】

前記コーンを貫入するときの制御に関するパラメータは、コーンの貫入速度、コーンの貫入深度又はコーンの貫入角度に関するパラメータのうち、少なくともいずれか１つを含む
請求項３記載の土質定数推定装置。

【請求項5】

前記コーン貫入試験に関するパラメータは、コーンの外径及び／又はコーンの形状に関するパラメータを含む
請求項１～４のいずれか１項に記載の土質定数推定装置。

【請求項6】

前記コーン貫入試験に関するパラメータは、ボーリング調査が実施された地点である第１の地点又は前記推定対象地点である第３の地点と、コーン貫入試験が実施された地点である第２の地点との位置関係に関するパラメータを含む
請求項１～５のいずれか１項に記載の土質定数推定装置。

【請求項7】

前記位置関係に関するパラメータは、
（１）前記第１の地点、前記第２の地点及び前記第３の地点の絶対位置座標を示すパラメータ、
（２）前記第１の地点及び前記第２の地点間の距離、又は、前記第２の地点及び前記第３の地点間の距離を示すパラメータ、
（３）前記第１の地点に対する前記第２の地点の角度又は前記第３の地点に対する第２の地点の角度を示すパラメータ、及び、第１の地点及び第２の地点間の距離又は第２の地点及び第３の地点間の距離を示すパラメータ
のうち少なくともいずれか１つを含む。
請求項６に記載の土質定数推定装置。

【請求項8】

前記土質定数が、少なくとも強度特性（Ｎ値）又は細粒分含有率（Ｆｃ値）である
請求項１～７のいずれか１項に記載の土質定数推定装置。

【請求項9】

コーン貫入試験に関するパラメータを説明変数とし、ボーリング調査によって得られた土質定数を目的変数とした機械学習により学習モデルを生成する生成部と、土質定数の推定対象地点を基準としたエリア内で実施されたコーン貫入試験に関する前記パラメータを、生成された前記学習モデルに入力して、前記推定対象地点における土質定数を推定する推定部を有する土質定数推定装置として、コンピュータを機能させるためのプログラム。

【請求項10】

請求項１～８のいずれか１項に記載の土質定数推定装置が実行する土質定数推定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、地盤の土質定数を推定するための技術に関する。

【背景技術】

【0002】

従来の地盤調査方法としては、ボーリング調査が一般的であり、設計に用いる土質定数を得るために標準貫入試験やサンプリング試料を用いた室内土質試験が実施されている。また、比較的簡易な地盤調査手法として、三成分コーン貫入試験（以下、ＣＰＴとも記載する）に代表されるサウンディング試験があり、ＣＰＴから得られるデータは、土質定数と相関があることが知られており、これまでに様々な換算式や土質定数を推定する仕組みが提案されている。

【0003】

ボーリング調査から、Ｎ値及びＦｃ値を取得するためには、標準貫入試験や室内土質試験が必要であり、調査費用や期間は非常に大きなものとなる．一方で、ＣＰＴに代表されるサウンディング試験は、比較的安価で地盤調査を実施することが可能であり、土質定数の推定も可能ではあるが、その推定精度は地盤条件によっては著しく低くなることもあり、あくまでも、ボーリング調査の補完的な位置づけとなっている。

【0004】

例えば特許文献１には、ボーリングデータと削孔データとに基づいて機械学習を行ってＮ値とＦｃ値を推定する学習モデルを生成し、この学習モデルに対し、Ｎ値及びＦｃ値が未知の地点における削孔データを入力することで、その地点におけるＮ値及びＦｃ値を推定するための仕組みが開示されている。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特開２０２０－１００９４９号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、特許文献１に記載の仕組みによれば、削孔を実施した地点におけるＮ値及びＦｃ値を推定することは可能であるが、削孔を実施していない地点におけるＮ値及びＦｃ値を推定することができない。

【0007】

そこで、本発明は、比較的安価で結果出力のリアルタイム性も高い三成分コーン貫入試験に着目し、ＣＰＴデータから土質定数を高い精度で推定すること、及び土質定数を測定するための調査や試験等を実施していない任意の地点における土質定数を推定することを目的とする。

【課題を解決するための手段】

【0008】

上記課題を解決するため、本発明は、コーン貫入試験（ＣＰＴ）に関するパラメータを説明変数とし、ボーリング調査によって得られた土質定数を目的変数とした機械学習により学習モデルを生成する生成部と、土質定数の推定対象地点を基準としたエリア内で実施されたコーン貫入試験に関する前記パラメータを、生成された前記学習モデルに入力して、前記推定対象地点における土質定数を推定する推定部とを備える土質定数推定装置を提供する。

【0009】

前記コーン貫入試験に関するパラメータは、少なくとも、貫入抵抗値、周面摩擦抵抗値又は間隙水圧値のうち、少なくともいずれか１つを含むようにしてもよい。

【0010】

前記コーン貫入試験に関するパラメータは、コーンを貫入するときの制御に関するパラメータを含むようにしてもよい。

【0011】

前記コーンを貫入するときの制御に関するパラメータは、コーンの貫入速度、コーンの貫入深度又はコーンの貫入角度に関するパラメータのうち、少なくともいずれか１つを含むようにしてもよい。

【0012】

前記コーン貫入試験に関するパラメータは、コーンの外径及び／又はコーンの形状に関するパラメータを含むようにしてもよい。

【0013】

前記コーン貫入試験に関するパラメータは、ボーリング調査が実施された地点である第１の地点又は前記推定対象地点である第３の地点と、コーン貫入試験が実施された地点である第２の地点との位置関係に関するパラメータを含むようにしてもよい。

【0014】

前記位置関係に関するパラメータは、（１）前記第１の地点、前記第２の地点及び前記第３の地点の絶対位置座標を示すパラメータ、（２）前記第１の地点及び前記第２の地点間の距離、又は、前記第２の地点及び前記第３の地点間の距離を示すパラメータ、（３）前記第１の地点に対する前記第２の地点の角度又は前記第３の地点に対する第２の地点の角度を示すパラメータ、及び、第１の地点及び第２の地点間の距離又は第２の地点及び第３の地点間の距離を示すパラメータのうち少なくともいずれか１つを含むようにしてもよい。

【0015】

前記土質定数が、少なくとも強度特性（Ｎ値）又は細粒分含有率（Ｆｃ値）であってもよい。

【0016】

本発明は、コーン貫入試験に関するパラメータを説明変数とし、ボーリング調査によって得られた土質定数を目的変数とした機械学習により学習モデルを生成する生成部と、土質定数の推定対象地点を基準としたエリア内で実施されたコーン貫入試験に関する前記パラメータを、生成された前記学習モデルに入力して、前記推定対象地点における土質定数を推定する推定部を有する土質定数推定装置として、コンピュータを機能させるためのプログラムを提供する。

【0017】

本発明は、上記土質定数推定装置および同装置を用いた土質定数推定方法を提供する。

【発明の効果】

【0018】

本発明によれば、ＣＰＴデータから任意の地点における土質定数を高い精度で推定することが可能となる。

【図面の簡単な説明】

【0019】

【図1】本発明の一実施形態に係るシステム全体の構成の一例を示すブロック図。

【図2】同実施形態に係る土質定数推定装置のハードウェア構成の一例を示すブロック図。

【図3】同土質定数推定装置の機能構成の一例を示すブロック図。

【図4】同実施形態において学習モデルを生成する方法の一例を示すフローチャート。

【図5】同実施形態におけるコーン貫入試験地点、ボーリング調査地点、及び土質定数が未知の推定対象地点の位置関係を例示する図。

【図6】同実施形態において学習モデルを生成するときに用いる教師データの一例を示す図。

【図7】同実施形態において学習モデルの検証するときに用いるデータの一例を示す図。

【図8】同実施形態において学習モデルを用いて土質定数を推定する方法の一例を示すフローチャート。

【図9】同実施形態において学習モデルによって土質定数を推定するときに用いるデータの一例を示す図。

【図10A】従来の換算式による土質定数（Ｎ値）の推定結果、従来の重回帰分析による土質定数（Ｎ値）の推定結果、及び本実施形態による土質定数（Ｎ値）の推定結果における相関係数を例示する図。

【図10B】従来の換算式による土質定数（Ｆｃ値）の推定結果、従来の重回帰分析による土質定数（Ｆｃ値）の推定結果、及び本実施形態による土質定数（Ｆｃ値）の推定結果における相関係数を例示する図。

【発明を実施するための形態】

【0020】

本発明を実施するための形態の一例について説明する。
［構成］
図１は、本発明の一実施形態に係るシステム１の全体構成の一例を示すブロック図である。システム１は、地盤に孔を掘削してボーリング調査を行うボーリングシステム１０と、地盤に対して電気式コーン貫入試験を行うコーン貫入試験システム２０と、地盤の土質定数を推定する土質定数推定装置３０とを備える。ボーリングシステム１０と土質定数推定装置３０との間、又は、コーン貫入試験システム２０と土質定数推定装置３０との間は、それぞれ有線又は無線を介して電気的に接続されてもよいし、接続されていなくてもよい。ボーリングシステム１０と土質定数推定装置３０との間、又は、コーン貫入試験システム２０と土質定数推定装置３０との間が電気的に接続されている場合は、ボーリングシステム１０又はコーン貫入試験システム２０から出力されるデータは、有線又は無線を介して土質定数推定装置３０に入力される。ボーリングシステム１０と土質定数推定装置３０との間、又は、コーン貫入試験システム２０と土質定数推定装置３０との間が電気的に接続されていない場合は、ボーリングシステム１０又はコーン貫入試験システム２０から出力されるデータは、例えば所定の記憶媒体を介して又はオペレータの手動操作により、土質定数推定装置３０に入力される。

【0021】

ボーリングシステム１０が行うボーリング調査により、地盤の土質定数として例えば強度特性（以下、Ｎ値という）及び細粒分含有率（以下、Ｆｃ値という）が測定される。ボーリング調査と併用して実施される標準貫入試験から得られるＮ値は、多くの設計用地盤定数の推定に使用可能であるため、その利用価値は非常に大きい。また、サンプリング試料を用いた室内土質試験から得られるＦｃ値は、地盤の透水性や液状化抵抗性に影響している。ボーリング調査はこれらパラメータを直接的に計測することができ、精度が高いものの、コストが大きく、土質によっては調査の実施そのものが難しいという問題がある。

【0022】

コーン貫入試験システム２０は、コーン貫入抵抗値、周面摩擦抵抗値及び間隙水圧値といった三成分データを同時に測定可能な電気式コーンをロッド先端に取り付けて地盤に貫入し、上記の三成分データを連続的に測定するシステムである。コーン貫入試験によれば、測定した三成分データにより、例えば地層区分判定、地盤改良効果の確認、或いは液状化判定などが可能となる。さらに、これらの三成分データは、経験的に、ボーリング調査その他の土質調査から得られる土質定数とも相関関係があるとされており、その換算式も多数提案されている。

【0023】

本実施形態の特徴は、システム１において、まず機械学習ステージとして、コーン貫入試験に関するパラメータを説明変数としボーリング調査によって得られた土質定数を目的変数とした機械学習により学習モデルを生成し、次に土質定数推定ステージとして、この学習モデルを用いて任意の地点における土質定数を推定する、という点にある。

【0024】

図２は、土質定数推定装置３０のハードウェア構成を示す図である。土質定数推定装置３０は、物理的には、プロセッサ３００１、メモリ３００２、ストレージ３００３、通信装置３００４、入力装置３００５、出力装置３００６及びこれらを接続するバスなどを含むコンピュータ装置として構成されている。これらの各装置は図示せぬ電源から供給される電力によって動作する。なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。土質定数推定装置３０のハードウェア構成は、図２に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

【0025】

土質定数推定装置３０における各機能は、プロセッサ３００１、メモリ３００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ３００１が演算を行い、通信装置３００４による通信を制御したり、他の装置から送信されてきたデータを取得したり、メモリ３００２及びストレージ３００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

【0026】

プロセッサ３００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ３００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。また、例えばベースバンド信号処理部や呼処理部などがプロセッサ３００１によって実現されてもよい。

【0027】

プロセッサ３００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ３００３及び通信装置３００４の少なくとも一方からメモリ３００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、後述する動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。土質定数推定装置３０の機能ブロックは、メモリ３００２に格納され、プロセッサ３００１において動作する制御プログラムによって実現されてもよい。各種の処理は、１つのプロセッサ３００１によって実行されてもよいが、２以上のプロセッサ３００１により同時又は逐次に実行されてもよい。プロセッサ３００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介して土質定数推定装置３０に送信されてもメモリ３００２やストレージ３００３にインストールされてもよい。

【0028】

メモリ３００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ３００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ３００２は、本実施形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

【0029】

ストレージ３００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、ソリッドステートドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ３００３は、補助記憶装置と呼ばれてもよい。

【0030】

通信装置３００４は、有線又は無線の少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。

【0031】

入力装置３００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタンなど）である。出力装置３００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置３００５及び出力装置３００６は、一体となった構成（例えば、タッチパネル）であってもよい。

【0032】

土質定数推定装置３０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ３００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

【0033】

図３は、土質定数推定装置３０の機能構成の一例を示す図である。土質定数推定装置３０によって実現される各機能は、プロセッサ３００１、メモリ３００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ３００１が演算を行い、通信装置３００４による通信を制御したり、メモリ３００２及びストレージ３００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

【0034】

図３において、データ取得部３１は、土質定数推定装置３０の外部から各種のデータを取得する。このデータには、ボーリングシステム１０によるボーリング調査によって測定された土質定数であるＮ値及びＦｃ値と、コーン貫入試験システム２０によって実施されたコーン貫入試験に関するパラメータ（以下、コーン貫入試験パラメータという）が含まれる。コーン貫入試験パラメータは、前述した貫入抵抗値、周面摩擦抵抗値及び間隙水圧値といった三成分を含む。

【0035】

さらに、コーン貫入試験パラメータは、コーン貫入試験システム２０においてコーンを貫入するときの制御に関するパラメータ（以下、コーン制御パラメータという）と、コーンの外径及び／又はコーンの形状に関するパラメータ（以下、コーン形状パラメータという）とを含む。コーン制御パラメータは、地盤に対するコーンの貫入速度、地盤に対するコーンの貫入深度、又は、地盤に対するコーンの貫入角度（例えばコーンの貫入方向と鉛直方向とが成す角度）に関するパラメータのうち、少なくともいずれか１つを含む。

【0036】

さらに、コーン貫入試験パラメータは、ボーリング調査が実施された地点（本発明における第１の地点）と、コーン貫入試験が実施された地点（本発明における第２の地点）との位置関係に関するパラメータ、及び、土質定数であるＮ値及びＦｃ値が未知の地点（本発明における第３の地点）と、コーン貫入試験が実施された地点（本発明における第２の地点）との位置関係に関するパラメータを含む。以下では、これらのパラメータを、位置関係パラメータという。
この位置関係パラメータは、（１）第１の地点、第２の地点及び第３の地点の絶対位置座標を示すパラメータ、（２）第１の地点及び第２の地点間の距離、又は、第２の地点及び第３の地点間の距離を示すパラメータ、（３）第１の地点に対する第２の地点の角度（例えば第１の地点から第２の地点を見たときの方位）又は第３の地点に対する第２の地点の角度（例えば第３の地点から第２の地点を見たときの方位）を示すパラメータ、及び、第１の地点及び第２の地点間の距離又は第２の地点及び第３の地点間の距離を示すパラメータ、という（１）～（３）のうち少なくともいずれか１つを含む。

【0037】

上述したように、コーン貫入試験パラメータは、コーン貫入試験における本来の測定対象である三成分データ（貫入抵抗値、周面摩擦抵抗値及び間隙水圧値）のほか、コーン貫入試験を行うときの前提乃至条件に相当する値（コーン貫入速度、コーンの貫入深度、コーンの貫入角度、コーンの外径、コーンの形状、及び位置関係パラメータ）を含んでいる。

【0038】

教師データ生成部３２は、機械学習ステージにおいて、データ取得部３１によって取得されたデータを用いて、学習モデルを生成するために用いる教師データを生成する。より具体的には、教師データ生成部３２は、前述したコーン貫入試験パラメータを説明変数とし、地盤定数であるＮ値及びＦｃ値を目的変数とした学習モデルにおける教師データを生成する。この学習モデルは、例えばニューラルネットワークによる機械学習によって得られるモデルである。

【0039】

前述したように、コーン貫入試験における三成分データ（貫入抵抗値、周面摩擦抵抗値及び間隙水圧値）は、ボーリング調査等から得られるＮ値と相関関係があり、その換算式も多数提案されている。このため、上記のようなＮ値を含む土質定数を目的変数とした学習モデルにおいて、これら三成分データを説明変数として用いることは妥当と考えられる。

【0040】

本実施形態では、これら三成分データのほかに、コーン貫入試験を行うときの前提乃至条件に相当する値をも、説明変数として用いている。その理由は、これらコーン貫入試験を行うときの前提乃至条件に相当する値の一部は、三成分データのように土質定数に対して直接的な因果関係をもっているというよりも、三成分データの測定値に対して影響を与えている可能性がある、との仮説を本発明者らが立てたからである。

【0041】

より具体的には、例えばコーン貫入速度とコーンの外径は、貫入抵抗値に影響を与えると想定され、コーン貫入速度またはコーンの外径が大きいと貫入抵抗値も大きくなると考えられる。また、例えばコーン貫入角度及びコーンの外径は、貫入抵抗値及び周面摩擦抵抗値に影響を与えると想定され、コーン貫入角度及びコーンの外径が大きいと貫入抵抗値及び周面摩擦抵抗値も大きくなると考えられる。また、コーンの貫入深度は間隙水圧値に影響を与えると想定され、地下水位以深において、コーンの貫入深度が深いと間隙水圧値が高くなると考えられる。同様に、コーンの形状も貫入抵抗値及び周面摩擦抵抗値に影響を与えると想定される。また、位置関係パラメータの意義については後に詳述する。

【0042】

モデル生成部３３は、機械学習ステージにおいて、説明変数たるコーン貫入試験パラメータ及び目的変数たるＮ値及びＦｃ値を教師データとして、ニューラルネットワークによる機械学習を実施して、学習モデルを生成する。

【0043】

モデル格納部３４は、モデル生成部３３により生成された学習モデルを格納する。

【0044】

検証部３５は、機械学習ステージにおいて、検証用データを用いて学習モデルの精度を検証する。より具体的には、検証部３５は、モデル格納部３４に格納された学習モデルにコーン貫入試験パラメータを適用して、Ｎ値及びＦｃ値が既知の地点におけるＮ値及びＦｃ値を推定し、その推定値を既知のＮ値及びＦｃ値と比較し、その差分を評価する。その差分が閾値を超えるなど、学習モデルの精度が不十分であれば、モデル生成部３３が学習モデルにおける教師データの量を増やすとかハイパーパラメータ等を見直すなどして、精度が十分となるような学習モデルを生成する。

【0045】

推定部３６は、モデル格納部３４に格納された学習モデルと、土質定数推定ステージにおいてデータ取得部３１によって取得されたコーン貫入試験パラメータとを用いて、Ｎ値及びＦｃ値が未知の任意の地点におけるＮ値及びＦｃ値を推定して出力する。このＮ値及びＦｃ値に基づいて設計用土質定数の決定がなされ、施工前の設計等に用いられることになる。

【0046】

［動作］
［機械学習ステージにおける動作］
まず、機械学習ステージにおける本実施形態の動作を説明する。図４は、土質定数推定装置３０が学習モデルを生成する方法の一例を示すフローチャートである。まず、ボーリングシステム１０により、１以上の所定の地点にてボーリング調査が実施される（ステップＳ１１）。これにより、その地点における地盤のＮ値及びＦｃ値が測定される。

【0047】

次に、コーン貫入試験システム２０により、ボーリング調査が実施された地点を基準とした所定エリア内の複数地点に対して、それぞれコーン貫入試験が行われる（ステップＳ１２）。例えば１つのボーリング調査地点を中心とした半径Ｘｍの円内においてＹ個の地点（Ｘ、Ｙは任意の値だが、例えばＸ＝１０（ｍ）、Ｙ＝１０（個））に対するコーン貫入試験が行われる。

【0048】

ここで、図５は、コーン貫入試験地点ｃｐ、ボーリング調査地点Ｂ、及び、土質定数が未知の地点ｋｎ（以下、推定対象地点という）の位置関係を例示する図である。図５では、１つのボーリング調査地点Ｂを基準とした破線で示すエリア内に、１０個のコーン貫入試験地点ｃｐ１～ｃｐ１０がある例が示されている。図５に示した土質定数が未知の推定対象地点ｋｎは、土質定数を測定するための調査や試験等が行われていない地点である。本実施形態の目的は、コーン貫入試験地点ｃｐにおける土質定数を推定すること、また、推定対象地点ｋｎの土質定数を推定することである。

【0049】

これにより、ボーリング調査地点の近傍の複数のコーン貫入試験地点について、それぞれ前述したコーン貫入試験パラメータ（貫入抵抗値、周面摩擦抵抗値、間隙水圧値、コーン貫入速度、コーンの貫入深度、コーンの貫入角度、コーンの外径、コーンの形状、及び、ボーリング調査地点とコーン貫入試験地点との位置関係パラメータ）が得られる。

【0050】

図４の説明に戻り、これらのＮ値、Ｆｃ値及びコーン貫入試験パラメータが土質定数推定装置３０に入力される（ステップＳ１３）。これにより、土質定数推定装置３０のデータ取得部３１は、Ｎ値、Ｆｃ値、及びコーン貫入試験パラメータ（位置関係パラメータを含む）を取得する。

【0051】

次に、土質定数推定装置３０の教師データ生成部３２は、データ取得部３１によって取得されたコーン貫入試験パラメータを説明変数とし、データ取得部３１によって取得されたＮ値及びＦｃ値を目的変数とした教師データを生成する（ステップＳ１４）。

【0052】

ここで、図６は、教師データ生成部３２により生成された教師データの一例を示す図である。図６は、ボーリング調査によって得られた１つの目的変数（Ｎ値、Ｆｃ値）に対して、３つのコーン貫入試験地点で得られた説明変数が対応する場合が例示されている。例えば、孔名「ｃｐ１」（図５に例示したコーン貫入試験地点ｃｐ１に対応している、以下、ｃｐ２～ｃｐ１０についても同様）のコーン貫入試験地点におけるコーン貫入試験パラメータ、孔名「ｃｐ２」のコーン貫入試験地点におけるコーン貫入試験パラメータ及び孔名「ｃｐ３」のコーン貫入試験地点におけるコーン貫入試験パラメータを説明変数とし、孔名「Ｂ」のボーリング地点における土質定数を目的変数とした教師データが１つのセットである。ここで、孔名「ｃｐ１」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ１」のコーン貫入試験地点（本発明の第２の地点）及び孔名「Ｂ」のボーリング地点（本発明の第１の地点）間の距離「Ｌ（Ｂ－１）」が位置関連パラメータとして含まれている。同様に、孔名「ｃｐ２」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ２」のコーン貫入試験地点（本発明の第２の地点）及び孔名「Ｂ」のボーリング地点（本発明の第１の地点）間の距離「Ｌ（Ｂ－２）」が位置関連パラメータとして含まれている。同様に、孔名「ｃｐ３」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ３」のコーン貫入試験地（本発明の第２の地点）点及び孔名「Ｂ」のボーリング地点（本発明の第１の地点）間の距離「Ｌ（Ｂ－３）」が位置関連パラメータとして含まれている。このような１つの目的変数及び３つの既知点による説明変数のセットからなる教師データが、ボーリング調査地点Ｂ及びコーン貫入試験地点ｃｐ１～ｃｐ１０の全組み合わせに対応して用意される。

【0053】

図４の説明に戻り、モデル生成部３３は、上記教師データを用いて機械学習を実施し（ステップＳ１６）、これにより、学習モデルを生成してモデル格納部３４に格納する。

【0054】

次に、検証部３５は、モデル格納部３４に格納されている学習モデルの精度を検証する（ステップＳ１７）。

【0055】

ここで、図７は、学習モデルを検証するときに用いる検証用データの一例を示す図である。図７では、孔名「ｃｐ６」のコーン貫入試験地点において追加ボーリングを行い、土質定数（Ｎ値、Ｆｃ値）が既知であるとしている。検証用データには、孔名「ｃｐ６」のコーン貫入試験地点におけるコーン貫入試験パラメータ、孔名「ｃｐ５」のコーン貫入試験地点におけるコーン貫入試験パラメータ、及び孔名「ｃｐ７」のコーン貫入試験地点におけるコーン貫入試験パラメータが説明変数として、ボーリング地点孔名「ｃｐ６」における土質定数つまりｃｐ６の土質定数が目的変数として用いられている。ここで、孔名「ｃｐ６」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ６」のコーン貫入試験地点（本発明の第２の地点）及び「ｃｐ６」の追加ボーリング地点（本発明の第１の地点）間の距離（つまり「０」）が位置関連パラメータとして含まれている。同様に、孔名「ｃｐ５」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ５」のコーン貫入試験地点（本発明の第２の地点）及び孔名「ｃｐ６」のコーン貫入試験地点（本発明の第１の地点）間の距離「Ｌ（６－５）」が位置関連パラメータとして含まれており、孔名「ｃｐ７」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ７」のコーン貫入試験地点（本発明の第２の地点）及び孔名「ｃｐ６」のコーン貫入試験地点（本発明の第１の地点）間の距離「Ｌ（６－７）」が位置関連パラメータとして含まれている。
検証部３５は、このような検証用データの説明変数を学習モデルに入力して得た孔名「ｃｐ６」の推定Ｎ値及び推定Ｆｃ値と、既知の孔名「ｃｐ６」の土質定数であるＮ値及びＦｃとを比較し、その差分を評価する。その差分が閾値を超えると、学習モデルの精度は不十分ということになる。

【0056】

図４の説明に戻り、学習モデルの精度が不十分であれば（ステップＳ１８；Ｎｏ）、モデル生成部３３は学習モデルにおけるハイパーパラメータ等を見直して、精度が十分となるような学習モデルを生成する（ステップＳ１６～Ｓ１７）。学習モデルの精度が十分と判断されると（ステップＳ１８；Ｙｅｓ）、図４に示す処理は終了する。

【0057】

図６では、ボーリング調査によって得られた１つの目的変数（Ｎ値、Ｆｃ値）に対して、３つのコーン貫入試験地点で得られた説明変数が対応する場合を例示したが、１つの目的変数を得るために必要な説明変数として用いる既知点としてのコーン貫入試験地点は位置関係パラメータとして用いる情報によっては１つ以上であればよい。
前述したように、説明変数として３つの既知点を用いる場合のであるコーン貫入試験地点に関する位置関係パラメータは、本発明の第１の地点と本発明の第２の地点間の距離だけであったが、説明変数として２つの既知点だけを用いる場合、コーン貫入試験地点に関する位置関係パラメータには、前記距離のほかに、本発明の第１の地点に対する本発明の第２の地点の角度（例えば第１の地点から第２の地点を見たときの方位）も位置関係パラメータとして必要となる。

【0058】

また、本発明の第１の地点と本発明第２の地点との位置関係に関する位置関係パラメータとして、例えばＧＮＳＳ（Global Navigation Satellite System）による絶対位置座標を用いる際には、前述したような第１の地点及び第２の地点間の距離や、第１の地点に対する第２の地点の角度の情報はなくとも構わず、説明変数としてのコーン貫入試験地点も１つでもよい。

【0059】

［土質定数推定ステージにおける動作］
次に、土質定数推定ステージにおける本実施形態の動作を説明する。図８は、学習モデルを用いて土質定数を推定する方法の一例を示すフローチャートである。
まず、土質定数推定装置３０において、推定部３６は、推定対象地点を特定する（ステップＳ１９）。図６で使用した教師データの一例を示す図と同様に、オペレータが推定対象地点を特定するための情報である位置関係パラメータを土質定数推定装置３０に入力し、推定部３６がこれを取得することで、推定対象地点を特定する。推定対象地点を特定するための情報とは、用いる既知点の対象数に応じて、例えば推定対象地点の絶対位置座標であってもよいし、推定に用いるコーン貫入試験地点と推定対象地点との間の距離や角度であってもよい。

【0060】

次に、推定部３６は、推定対象地点を基準とした所定のエリア内で実施されたコーン貫入試験で得られたコーン貫入試験パラメータと、そのコーン貫入試験地点及び推定対象地点間の位置関係に関するパラメータとを学習モデルに入力する（ステップＳ２０）。

【0061】

ここで、図９は、土質定数推定ステージにおいて学習モデルに入力されるデータの一例を示す図である。図９では、孔名「ｋｎ」の推定対象地点（図５参照）における土質定数X（Ｎ値、Ｆｃ値）及びコーン貫入試験パラメータが未知であると仮定している。学習モデルに入力されるデータは、コーン貫入試験地点ｃｐ１～ｃｐ１０のうち、推定対象地点ｋｎに近い順から所定数（ここでは３つ）選択された既知のコーン貫入試験地点におけるコーン貫入試験パラメータである。図９の例では、孔名「ｃｐ１」のコーン貫入試験地点におけるコーン貫入試験パラメータ、孔名「ｃｐ８」のコーン貫入試験地点におけるコーン貫入試験パラメータ及び孔名「ｃｐ１０」のコーン貫入試験地点におけるコーン貫入試験パラメータが用いられている。孔名「ｃｐ１」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ１」のコーン貫入試験地点（本発明の第２の地点）及び孔名「ｋｎ」の推定対象地点（本発明の第３の地点）間の距離「Ｌ（ｋｎ－１）」が位置関連パラメータとして含まれている。同様に、孔名「ｃｐ８」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ８」のコーン貫入試験地点（本発明の第２の地点）及び孔名「ｋｎ」の推定対象地点（本発明の第３の地点）間の距離「Ｌ（ｋｎ－８）」が位置関連パラメータとして含まれており、孔名「ｃｐ１０」のコーン貫入試験地点におけるコーン貫入試験パラメータには、孔名「ｃｐ１０」のコーン貫入試験地点（本発明の第２の地点）及び孔名「ｋｎ」の推定対象地点（本発明の第３の地点）間の距離「Ｌ（ｋｎ－１０）」が位置関連パラメータとして含まれている。

【0062】

図８において、推定部３６は、上記のデータを説明変数として学習モデルに入力した結果、推定対象地点の土質定数Ｎ値及びＦｃ値を取得する（ステップＳ２１）。

【0063】

以上が本実施形態の説明である。本実施形態によれば、コーン貫入試験から技術者の経験値や主観に依らず、土質定数を高い精度で推定できるほか、コーン貫入試験やボーリング調査等を行っていない任意の地点における土質定数を推定することが可能となる。これにより、例えばボーリングを行って土質定数を測定する場合に比べて、その工程及びコストが格段に削減される。さらに、或る範囲の地盤全般についての土質定数を、水平方向及び鉛直方向にわたって３次元的に可視化することも可能となる。
なお、上記実施形態の説明は土質定数の既知点が３つである場合として説明したが、既知点は２つであっても構わない、既知点が２つの場合には、用いる位置関係パラメータの項目に角度を追加し、既知点が１つの場合には、位置関係パラメータとして絶対位置座標をもちいればよい。なお、既知点が２つの場合や３つの場合に位置関係パラメータとして絶対位置座標を用いても構わない。

【0064】

［実施例］
上記実施形態の内容に沿って行った検証結果の一例について説明する。
図１０Ａ，図１０Ｂは、従来の換算式による土質定数の推定結果、従来の重回帰分析による土質定数の推定結果、及び本実施形態による土質定数の推定結果を例示する図である。図１０Ａは土質定数としてＮ値を用いたものであり、図１０Ｂは土質定数としてＦｃ値を用いたものである。これらの図において、いずれのグラフも横軸は実測した土質定数であり、縦軸は推定した土質定数である。これらの図に示した表によれば、推定値が実測値とどのくらい一致しているかを表している指標である相関係数が、N値に関しては換算式で０．１８、重回帰分析で０．７７であるが、本実施例による推定では０．９９と高い精度となった。また、Ｆｃ値に関しては、換算式で０．８９、重回帰分析で、０．９５であるが、本実施例による推定では０．９９と、こちらの土質定数に関しても高い推定精度を示した。

【0065】

［変形例］
本発明は、上述した実施形態に限定されない。上述した実施形態を以下のように変形してもよい。また、以下の２つ以上の変形例を組み合わせて実施してもよい。

【0066】

推定対象となる土質定数は、上記実施形態で例示したＮ値又はＦｃ値に限らない。例えば地盤の密度、含水比、飽和度、変形特性値、せん断特性値、透水係数等であってもよいが、これらの例にも限定されない。

【0067】

学習モデルにおいて用いるパラメータとして上記実施形態で例示したコーン貫入試験パラメータは、必ずしもその全てが必須ではない。コーン貫入試験パラメータは、少なくとも、貫入抵抗値、周面摩擦抵抗値又は間隙水圧値のうち、少なくともいずれか１つを含んでいればよい。また、コーン制御パラメータは、コーンの貫入速度、コーンの貫入深度又はコーンの貫入角度に関するパラメータのうち、少なくともいずれか１つを含んでいればよい。

【0068】

なお、本発明は、上述した推定方法として観念することも可能である。

【符号の説明】

【0069】

１：システム、１０：ボーリングシステム、２０：コーン貫入試験システム、３０：土質定数推定装置、３１：データ取得部、３２：教師データ生成部、３３：モデル生成部、３４：モデル格納部、３５：検証部、３６：推定部、３００１：プロセッサ、３００２：メモリ、３００３：ストレージ、３００４：通信装置、３００５：入力装置、３００６：出力装置、Ｂ：ボーリング調査地点、ｋｎ：推定対象地点、ｃｐ１～ｃｐ１０：コーン貫入試験地点。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10A】

【図10B】