事前学習を必要としないニューラルネットワークによる2次元含水比分布補間と不確実性評価
2026 年 7 巻 3 号 p. 96-109
詳細
2026 年 7 巻 3 号 p. 96-109
本研究は，泥炭性軟弱地盤における不均一な2次元含水比分布に対し，事前学習を必要としない畳み込みニューラルネットワーク（DIP）を用いた空間補間の適用性を検証した．訓練データの削減実験の結果，高密度条件では局所再現性に優れる浅層モデルが，疎な条件では広域トレンドを保つ深層モデルが低い誤差を与え，両者の優劣は訓練孔数29本と19本の間で入れ替わった．この位置はテスト孔の選び方を変えた3通りの分割のいずれとも整合した．また，複数試行から得られる不確実性（標準偏差）は，ガウス過程回帰（GPR）が幾何学的距離に依存するのに対し，水平距離ではなく深度方向のデータの粗密と物性の変化に対応した．この標準偏差は真値を含む確率を表すものではないが，追加調査の候補を抽出する指標として用いることができる．
