機械学習モデルを用いた土壌圧縮パラメータの予測

最大乾燥密度（MDD）と最適水分含量（OMC）は、土壌の安定性と耐荷重能力に影響を与える土壌充填の二つの重要なパラメータであり、したがって高速道路や橋などの施設の信頼性と耐久性にも関連しています。したがって、OMCとMDDの合理的な予測を行うことが重要です。本論文では、サポートベクターマシン（SVM）、人工ニューラルネットワーク（ANN）、ランダムフォレスト（RF）、およびエクストリームグラデーションブースティングツリー（XGBoost）の四つの機械学習アルゴリズムを採用し、MDDとOMCの予測モデルを確立しました。トレーニングとテストの後、四つのアルゴリズムの最良モデルを比較しました。その結果、エンサンブル学習アルゴリズムとして、XGBoostがOMCのR²が0.9234、MDDのR²が0.9098の最良モデルであることが示されました。最後に、特徴重要度分析の結果、塑性限界（PL）と液体限界（LL）がOMCとMDDに最も影響を与える二つの特徴であることがわかりました。機械学習モデルを使用した土壌圧縮パラメータの予測、特にエンサンブル学習は、実験室作業の量を大幅に減らし、土壌資源利用における最適設計の効率を向上させることができます。