Application of XGBoost Extreme Gradient Boosting Model in the Evaluation of Shallow Gas Hazards in Urban Strata—A Case Study of a Typical Area in LG City

Unter den Straßen vieler moderner Städte liegt eine verborgene Schicht aus Erdgas, das im lockeren, wassergesättigten Boden direkt unter der Oberfläche gefangen ist. Dies ist nicht das tiefe, unter hohem Druck stehende Gas, das zur Versorgung von Haushalten genutzt wird, sondern ein flaches, oft biologisch erzeugtes Gemisch aus Methan, das sich in Taschen innerhalb von Sand und Schlamm ansammelt. Da es so nah an der Oberfläche liegt, kann dieses Gas einen erheblichen Druck aufbauen, was eine stille Bedrohung für Bauprojekte, U-Bahn-Tunnel und sogar die Fundamente von Gebäuden darstellt. Wenn Arbeiter in den Boden bohren oder für einen neuen Keller ausheben, riskieren sie, diese unter Druck stehenden Taschen zu durchstoßen, was zu plötzlichen Erdbewegungen, Gasexplosionen oder dem Ausstoß von Boden und Wasser führen kann. Für Stadtplaner und Ingenieure bestand die Herausforderung lange darin, genau zu wissen, wo diese gefährlichen Taschen existieren, bevor sie mit dem Graben beginnen. Traditionell beruhte die Vorhersage dieser Gefahren stark auf der Erfahrung von Geologen und der Interpretation lokaler Gesteinsschichten – eine Methode, die an einigen Orten gut funktioniert, aber Schwierigkeiten hat, die komplexen, sich verschiebenden Muster der Gasansammlung in dichten städtischen Umgebungen zu erfassen.

Um diese Ungewissheit anzugehen, wandte ein Forscherteam einen anderen Ansatz an und nutzte ein leistungsfähiges computergestütztes Lernwerkzeug, um die verborgenen Risiken in Longgang, einer Küstenstadt in der Provinz Zhejiang, China, zu kartieren. Anstatt sich allein auf die menschliche Intuition zu verlassen, speiste das Team eine enorme Menge an geologischen Daten in einen Algorithmus namens XGBoost ein, ein Typ von maschinellem Lernen, der darauf ausgelegt ist, subtile Muster in komplexen Datensätzen zu finden. Die Forscher sammelten Informationen zu acht spezifischen Bedingungen, die beeinflussen, ob sich Gas ansammelt und Probleme verursacht: wie tief das Gas liegt, wie hoch der Druck ist, die Anzahl der gasreichen Schichten, der Anteil an organischem Kohlenstoff im Boden, der Wassergehalt, die Porosität des Bodens, die Gassättigung sowie der Gesamtdruck der Formation. Sie behandelten die Stadt wie ein riesiges Gitter, indem sie sie in kleine Quadrate unterteilten und jedes davon danach kennzeichneten, ob es sich um einen bekannten Ort eines Erdbruchs oder um ein sicheres Gebiet handelte. Indem sie den Computer darauf trainierten, die Kombination der Faktoren in den gefährlichen Stellen gegenüber den sicheren Stellen zu erkennen, lernte das Modell, vorherzusagen, wo ähnliche Gefahren auch anderswo existieren könnten.

Die Ergebnisse dieses digitalen Trainings waren beeindruckend. Das Computermodell, das einmal mit einer hochentwickelten Methode verfeinert worden war, um die perfekten Einstellungen für seine Berechnungen zu finden, erwies sich als äußerst genau darin, zwischen sicherem Boden und Gefahrenzonen zu unterscheiden. Bei Tests mit realen Daten erreichte das Modell einen hohen Wert, der zeigt, dass es zuverlässig gefährliche Gebiete von sicheren Gebieten trennen kann, weit über das bloße Raten hinaus. Die Analyse ergab, dass der entscheidendste Faktor bei der Vorhersage einer Katastrophe schlichtweg die Anzahl der gasführenden Schichten im Boden war; je mehr Schichten aus gasreichem Boden übereinander gestapelt sind, desto höher ist das Risiko. Dicht gefolgt wurde dies von der Gassättigung und der Porosität des Bodens. Das Modell klärte auch darüber auf, wie bestimmte Faktoren der Gefahr entgegenwirken, und zeigte, dass ein höherer Gehalt an organischem Kohlenstoff und spezifische Druckbedingungen das Risiko einer Eruption tatsächlich unterdrücken.

Unter Verwendung dieser Erkenntnisse erstellten die Forscher eine detaillierte Karte von Longgang, die die Stadt nach ihrem Risikoniveau farblich kodierte. Die Karte zeigte, dass der Großteil der Stadt in eine Kategorie mit moderatem Risiko fällt, während bestimmte Stadtteile, insbesondere die Gemeinden Dongpai und Xipai, in Zonen hoher Anfälligkeit liegen. Dieser Befund stimmt eng mit historischen Aufzeichnungen überein, da fast alle bereits aufgetretenen Erdbewegungen in dem Gebiet innerhalb der vom Modell identifizierten Hochrisikozonen stattfanden. Die Studie zeigt, dass datengesteuerte Werkzeuge erfolgreich in der Lage sind, die komplexen geologischen Signale von flachem Gas zu entschlüsseln und so einen präziseren Weg zur Identifizierung von Gefahrenzonen bieten als herkömmliche Methoden allein. Obwohl das aktuelle Modell auf statischen geologischen Daten basiert und noch keine dynamischen menschlichen Aktivitäten oder Kettenreaktionen berücksichtigt, die einen Einsturz auslösen könnten, bietet es eine solide Grundlage für die zukünftige Sicherheitsplanung. Durch die Lokalisierung der Stellen, an denen der Boden am wahrscheinlichsten versagen wird, hilft dieser Ansatz Städten wie Longgang, sich auf die unsichtbaren Kräfte unter ihren Füßen vorzubereiten und sicherzustellen, dass künftige Bauarbeiten mit einem klareren Verständnis der Risiken unter der Erde durchgeführt werden können.