Fortschrittliche KI-Modelle zur Verbesserung der Städtebau-Resilienz gegen Bodenverflüssigung

Verbesserung der städtischen Resilienz: Ein KI-Modell zur Vorhersage von Bodenverflüssigung

Das KI-basierte Modell, das von Forschern aus Japan vorgeschlagen wurde, bietet detaillierte Bodenstabilitätskarten, die es intelligenten Städten ermöglichen, sichere Bauzonen zu identifizieren und das Risiko von Verflüssigung zu minimieren. (Credit: Smart Cities, 2024)

Einleitung

Mit dem Wachstum urbaner Gebiete wird die Gefahr von Naturkatastrophen für Stadtplaner und Behörden im Katastrophenschutz immer drängender. In erdbebengefährdeten Ländern wie Japan ist eines der größten Risiken für die Infrastruktur die Verflüssigung. Diese tritt auf, wenn starke Erschütterungen dazu führen, dass lockere, mit Wasser gesättigte Böden ihre Festigkeit verlieren und sich wie eine Flüssigkeit verhalten. Dies kann dazu führen, dass Gebäude im Boden einsinken, Fundamente reißen und Straßen sowie Versorgungsleitungen zerstört werden.

Die Problematik der Verflüssigung

Verflüssigung tritt bei jedem größeren Erdbeben auf und die Schäden sind erheblich. So führte das Erdbeben von Tōhoku im Jahr 2011 zu Verflüssigung, die 1.000 Häuser beschädigte. In Christchurch zerschlug die 6,2 Magnitude das Wasser- und Abwassersystem zu 80%. Im Jahr 2024 verursachte das Noto-Erdbeben weitreichende Schäden, die 6.700 Häuser betrafen.

Maschinelles Lernen zur Verbesserung der städtischen Resilienz

Um die Städte widerstandsfähiger gegen die Auswirkungen der Verflüssigung zu machen, haben Professor Shinya Inazumi und sein Student Yuxin Cong von der Shibaura Institute of Technology in Japan ein maschinelles Lernmodell entwickelt, das vorhersagt, wie Böden während von Erdbeben reagieren. Diese Modelle verwenden geologische Daten zur Erstellung detaillierter 3D-Karten der Bodenschichten und identifizieren stabile Bereiche sowie solche, die anfälliger für Verflüssigung sind.

Überlegene Vorhersagemethoden

In einer kürzlich veröffentlichten Studie in Smart Cities am 8. Oktober 2024 verwendeten sie künstliche neuronale Netzwerke (ANNs) und Ensemble-Lerntechniken, um die Tiefe der tragfähigen Schichten präzise zu schätzen – ein entscheidender Indikator dafür, wie stabil der Boden ist und wie wahrscheinlich es ist, dass er während eines Erdbebens verflüssigt wird.

Professor Inazumi kommentiert: "Diese Studie stellt eine hochpräzise Vorhersagemethode für unbekannte Punkte und Gebiete dar und zeigt das signifikante Potenzial des maschinellen Lernens im geotechnischen Ingenieurwesen auf."

Anwendung und Bedeutung der Forschung

Die Forscher sammelten Daten zur tragenden Schichten von 433 Punkten in Setagaya-ku, Tokio, und verwendeten diese Informationen, um ein ANN zu trainieren, das die Tragfähigkeit an 10 Standorten vorhersagt. Die Genauigkeit der Vorhersagen wurde durch eine Technik namens Bagging – eine Art Bootstrap-Aggregierung – um 20 % verbessert.

Mithilfe der prognostizierten Werte erstellten die Forscher eine Konturkarte, die die Tiefe der tragenden Schichten innerhalb eines 1 km-Radius um vier ausgewählte Standorte in Setagaya darstellt. Diese Karte ist ein wertvolles Hilfsmittel für Bauingenieure und hilft, geeignete Baustellen mit stabilen Bodenbedingungen zu identifizieren, zudem unterstützt sie Katastrophenschutzexperten bei der Risikoabschätzung.

Ausblick auf die Zukunft

Die Forscher planen, die Genauigkeit ihres Modells weiter zu verbessern, indem sie zusätzliche Bodenbedingungen integrieren und spezielle Modelle für Küsten- und Binnengebiete entwickeln. "Durch die Integration fortgeschrittener KI-Modelle in die geotechnische Analyse können intelligente Städte besser mit Verflüssigungsrisiken umgehen und ihre städtische Resilienz insgesamt stärken", sagt Prof. Inazumi.

In einer Zeit, in der die Urbanisierung weltweit rasant zunimmt und Naturkatastrophen immer häufiger bedrohlich werden, ist es unerlässlich, moderne Technologie wie maschinelles Lernen für eine sichere und nachhaltige Stadtentwicklung zu nutzen.

Fazit

Das KI-Modell zur Vorhersage von Bodenverflüssigung bietet nicht nur eine innovative Lösung für die Herausforderungen des Erdbebenmanagements, sondern auch eine Grundlage für die Schaffung smarter, sicherer Städte. Bei der kontinuierlichen Weiterentwicklung dieser Technologien wird der Schutz von Menschen und Infrastruktur in erdbebengefährdeten Regionen zur Realität.

Für weiterführende Informationen zu dieser Forschung können Sie die Studie „Artificial Neural Networks and Ensemble Learning for Enhanced Liquefaction Prediction in Smart Cities“ von Yuxin Cong et al. in Smart Cities nachlesen (DOI: 10.3390/smartcities7050113).

Über den Autor: Diese Informationen werden von der Shibaura Institute of Technology bereitgestellt, die sich auf fortschrittliche Forschung im Bereich Ingenieurwissenschaften und Technologie spezialisiert hat.