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

多くの現代都市の街路の下には、地表のすぐ下にある、水を含んだ緩い土壌の中に閉じ込められた天然ガスの隠れた層が存在しています。これは、家庭の燃料として使われるような深く高圧なガスではなく、砂や泥の中にポケット状に蓄積した、メタンを中心とする浅い、しばしば生物学的に生成された混合物です。このガスは地表に非常に近いため、大きな圧力を蓄積することができ、建設プロジェクトや地下鉄のトンネル、さらには建物の基礎に対する静かな脅威となります。作業員が地面に穴を開けたり、新しい地下室のために掘削したりする際、これらの加圧されたポケットを突き刺してしまうリスクがあり、それが突然の地盤崩落、ガスの爆発、あるいは土砂や水の噴出につながる可能性があります。都市計画家やエンジニアにとって、掘削を開始する前に、これらの危険なポケットが正確にどこに存在するのかを知ることは、長年の課題でした。従来、これらの危険を予測することは、地質学者の経験や現地の岩層の解釈に大きく依存してきましたが、この手法は一部の場所ではうまく機能しますが、密集した都市環境におけるガスの蓄積の複雑で変化しやすいパターンを捉えるのには苦慮してきました。

この不確実性に対処するため、研究チームは異なるアプローチを採用し、強力なコンピュータ学習ツールを使用して、中国の浙江省にある沿岸都市、臨海市（ロンガン）における隠れたリスクをマッピングしました。人間の直感だけに頼るのではなく、チームは膨大な量の地質データを、複雑なデータセット内の微妙なパターンを見つけ出すように設計された機械学習モデルの一種であるXGBoostと呼ばれるアルゴリズムに投入しました。研究者たちは、ガスが蓄積して問題を引き起こすかどうかを左右する8つの特定の条件に関する情報を収集しました。それは、ガスの深さ、ガスの圧力、ガスを多く含む層の数、土壌中の有機炭素量、含水率、地盤の空隙率、ガスの飽和レベル、そして地層全体の圧力です。彼らはこの都市を巨大なグリッドとして扱い、都市を小さな正方形に分割し、各正方形を既知の地盤崩落現場であるか安全なエリアであるかに基づいてラベル付けしました。危険な場所に見られる要因の組み合わせをコンピュータに認識させることで、モデルは同様の危険が他の場所で発生する可能性を予測することを学習しました。

このデジタル訓練の結果は驚くべきものでした。計算の設定を決定するための洗練された手法を用いて微調整されたコンピュータモデルは、安全な地面と危険なゾーンを区別することにおいて非常に高い精度を示しました。実世界のデータに対してテストを行った際、モデルはランダムな推測よりもはるかに優れた、危険な領域と安全な領域を確実に分離できることを示す高いスコアを達成しました。分析の結果、災害を予測する上で最も重要な要因は、単に土壌中に存在するガスを孕む層の数であることが明らかになりました。つまり、ガスを多く含む土壌の層が重なれば重なるほど、リスクは高まります。これに僅差で続くのが、ガスの飽和度と地盤の空隙率でした。また、モデルは特定の要因がどのように危険を抑制するかについても明確にし、有機炭素含有量が高くなることや特定の圧力条件が、実際には噴出のリスクを抑える助けとなることを示しました。

これらの知見を用いて、研究者たちは、リスクレベルに応じて色分けされた臨海市の詳細な地図を作成しました。地図は、都市の大部分が中程度のリスクカテゴリーに属している一方で、特定のコミュニティ、特に東派（ドンパイ）と西派（シーパイ）の地域が、高い感受性を持つゾーンに位置していることを示しました。この発見は歴史的な記録とも密接に一致しており、この地域ですでに発生したほぼすべての地盤崩落は、モデルが高リスクとして特定したゾーン内で発生していました。この研究は、データ駆動型のツールが浅層ガスの複雑な地質学的信号を解読することに成功し、従来の手法単独よりも精密に危険地帯を特定する方法を提供できることを証明しています。現在のモデルは静的な地質データに依存しており、崩落を引き起こす可能性のある動的な人間活動や連鎖反応についてはまだ考慮していませんが、将来の安全計画のための強固な基礎を提供するものです。リスクが発生しやすい場所を特定することで、このアプローチは、臨海市のような都市が足元にある目に見えない力に対して備えることを助け、将来の建設が足下のリスクをより明確に理解した上で進められるようにするのです。