JP2000002769A - 地質構造の空間分布を予測して地質図を作成する方法及び装置 - Google Patents

Abstract

(57)【要約】 【目的】 ボーリング孔間の領域における地質構造の空
間分布を、少ないデータでより高い精度で予測して地質
図を作成する方法及び装置を提供することを目的とす
る。 【構成】 地質調査により直接地質データを収集する手
段と、地盤内部の物性値に関する分布情報を非破壊で検
出するジオトモグラフィ手段と、各地質区分毎のファジ
ィ化したソフトマップを作成する手段と、ジオトモグラ
フィ手段により得られたジオトモグラムとソフトマップ
作成手段で得られたファジィ化したソフトマップデータ
とを階層型のニューラルネットワーク処理をする手段
と、階層型のニューラルネットワーク処理手段で得られ
たファジィ地質マップ出力を非ファジィ化して地質図を
得る手段とからなる地質図の作成方法で、より優れたニ
ューラルネットワーク解析方法を、それに深く関連する
ファジィ理論を駆使して発達させたものである。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、複数本のボーリン
グ孔間に挟まれた情報不足領域における、地盤内部の地
質構造の空間分布を予測して地質図を作成する方法及び
装置に関するものである。さらに詳しくは、本発明は、
人工的ニューラルネットワーク（以下、ＡＮＮという）
の非線形的現象に対する補間能力を利用し、人間による
ファジイ的なものの見方による情報（Ｆｕｚｚｙ Ｈｕ
ｍａｎ Ｐｅｒｃｅｐｔｉｏｎ）及びジオトモグラム
（物理探査データ）を入力して、予測精度の高い地質図
を作成する方法及び装置に関するものする。

【０００２】

【従来の技術】大規模構造物の建設に関わる地盤工学的
諸問題の解決には、地盤内部における地質構造の空間分
布の把握及びその工学的性質の評価が必要である。一般
的には、地盤内部における地質構造の空間分布の予測精
度は、地質学的情報量が不足しているため、以下で述べ
る従来の方法すべてを用いても、比較的低いと考えられ
ている。

【０００３】地質調査の基本的方法は、ボーリング調査
である。地質分布図を作成するには、通常、ボーリング
・地形測量調査・地域内周辺の地質探査・現場踏査を通
じて得られたデータを基にする。一般に、地域の地質学
的解釈は、地質分布図と地質断面図として整理される。
地質図の精度は、ボーリング孔近傍においては高いが、
ボーリング孔から離れた範囲では、情報が不足するた
め、一般的に信頼性が低い。さらに、ボーリング調査
は、費用が高く、そのコストは、信頼性の高い地盤内部
構造を得るのに大きな障害となっている。

【０００４】ジオトモグラフィは、地質調査法の中での
物理探査法の一種であり、地盤内部の計測対象とした物
性値に関する分布情報を、非破壊で断面図化することが
でき、この解析画像をジオトモグラムという。具体的に
は、センサーを地盤表面やボーリング孔、トンネル内部
の壁面などに多数配置して、地盤を透過する地震波の速
度（以下、速度又は地震波速度という）や直流比抵抗
（以下、比抵抗という）を観測して、これらの情報か
ら、通常、逆解析といわれる数値計算方法により、地盤
内部の地震波速度と比抵抗の物性値の分布構造を断面図
化する。一般的に、高い精度の物性分布図を得るには、
観測値が多数あることとセンサーが解析対象の地盤周辺
を取り巻くように密に配置されていることが必要である
ことが知られている。

【０００５】ジオトモグラフィは、ボーリング調査と比
較すると、比較的低いコストで、地盤内部の物性値に関
する情報を得ることができるが、岩石の種類や亀裂の発
生頻度など地質そのものの情報ではないことが欠点であ
る。

【０００６】前記ＡＮＮを様々な状況で適用した例がす
でに公開されている。ＡＮＮは、人間の脳の構造をコン
ピュータ化した数値解析方法である。ニューロ・ファジ
ィ・ネットワークと呼ばれる種類のＡＮＮは、非線形の
空間補間及び知識に基づく判断という能力を持ち、地質
学的モデリングには、特に魅力のあるものである。例え
ば、Ｕ．Ｓ．Ｐａｔｅｎｔ Ｎｏ．５４４４６１９は、
ＡＮＮを用いた石油の蓄積層の予測方法に関するもの
で、図１８（ａ）に示すようなボーリング調査によるデ
ータと、図１８（ｂ）に示すような地震波速度データと
をニューラル・ネットワーク処理をして、図１８（ｃ）
に示すような地質図を得る方法である。

【０００７】前述のように、ジオトモグラフィは、非破
壊的に、かつ、ボーリング調査と比べて低いコストで、
ボーリング孔間領域の画像を得る方法である。しかし、
ジオトモグラムは、地質図そのものではなく、地質図そ
のものと比較すると、そのままでは、地盤工学的課題の
解決に有効に利用できない場合がある。そのため、ジオ
トモグラムと地質の関係について、地質学的解釈のため
の手法が必要とされるが、まだ定説はない。

【０００８】そのため、数値計算結果であるジオトモグ
ラムから、地質構造境界を作成し、地質図として表現す
ることは困難である。従来は、岩石の硬さ・亀裂間隔・
間隙率・岩質（例えば、砂岩と泥岩の含有率など）・含
水比・弾性的性質などの性質と、速度・比抵抗の物性値
との関係についての理論的・経験的知識、例えば、リニ
アに結合するなどの単純なモデル化に基づき、ジオトモ
グラムの地質学的意味を概略的に解釈してきた。

【０００９】

【発明が解決しようとする課題】以上のような従来の方
法による地質図作成には、次のような問題があった。 （ａ）地質図作成のための従来の調査方法は、ボーリン
グ孔間の領域、特に、地層境界において精密度に欠け、
また、ジオトモグラムの地質学的解釈が概略的である、
という問題があった。

【００１０】（ｂ）ボーリング孔における検層データを
用いて、ボーリング孔に沿った１次元予測地質図を構築
することは可能であるが、該当するデータのないボーリ
ング孔間の領域に適用することはできないか、予想の範
囲を越えない、という問題があった。

【００１１】（ｃ）ボーリング孔間の領域の予測地質図
を開発するためには、空間的データが必要である。これ
までは、大多数の地質図化がジオトモグラム（空間的デ
ータ）や他の物理探査データのみを用いて研究されてき
た。しかし、現在まで、このアプローチによる改善はほ
とんど見られなかった。

【００１２】以上のように、従来の地質図は、地質調査
と解釈により構築されてきた。地質図は、多数の観察デ
ータを含み、これらは、複雑であり、数値的表現は困難
である。さらに、特に、地質予測の領域において、多く
の複雑さのために、経験的知識が主要な役割を果たして
きた。しかし、これらのソフト的な情報は、データ表現
とコンピュータ処理の困難さから、予測地質図では、し
ばしば無視されてきた。

【００１３】本発明は、ボーリング孔間の領域における
地質構造の空間分布を、少ないデータでより高い精度で
予測して地質図を作成する方法及び装置を提供すること
を目的とするものである。

【００１４】

【課題を解決するための手段】本発明は、地質調査によ
り直接地質データを収集する手段と、地盤内部の物性値
に関する分布情報を非破壊で検出するジオトモグラフィ
手段と、各地質区分毎のファジィ化したソフトマップを
作成する手段と、前記ジオトモグラフィ手段により得ら
れたジオトモグラムと前記ソフトマップ作成手段で得ら
れたファジィ化したソフトマップデータとを階層型のニ
ューラルネットワーク処理をする手段と、この階層型の
ニューラルネットワーク処理手段で得られたファジィ地
質マップ出力を非ファジィ化して地質図を得る手段とか
らなることを特徴とする地質構造の空間分布を予測して
地質図を作成する方法である。

【００１５】本発明は、ボーリング孔間の領域のデータ
不足を補うため、ファジィ化した既存の地質断面図を、
質的かつ量的な人間の観察結果をまとめたデータとして
利用している。本発明は、ジオトモグラムに含まれる物
理的性質の境界に関する情報を強調し、ボーリング孔間
の領域の地質境界を補間する場合の作業を支援する。こ
のように、本発明は、より優れたニューラルネットワー
ク解析方法を、それに深く関連するファジィ理論を駆使
して発達させたものである。

【００１６】本発明のファジィ・ニューラル・ネットワ
ーク部１１は、ジオトモグラムの地質学的解釈を行う方
法を確立するためのもので、ソフト・マップ・データを
得るファジィ化マップ作成部１７と、階層型ニューラル
ネットワーク部１８と、非ファジィ化部１９とが利用さ
れた新しいタイプの数値解析方法である。このファジィ
・ニューラル・ネットワーク部１１は、学習することに
より地質図を予測するとともに、予測の確からしさの指
標を得ることができる。

【００１７】本発明で使用されるソフト・マップ・デー
タの用語は、既存の地質図から抽出されるファジィな
（曖昧な、と同義）情報を表現するために用いられる。
この用語は、従来的なコンピューテーション方法に対立
するソフトコンピューションという用語からの類推的表
現である。ボーリング孔間の領域における地質学的性質
を予測するために、ジオトモグラムとともに、ソフトマ
ップデータを使用することの有用性が、本発明により確
立された。

【００１８】従来の地質調査と解釈により作成された地
質図から、ボーリング孔間の領域の地質学的特徴が分か
るが、このような従来の地質図は、当業者の観察と経験
による大まかなものということができ、多くの定性的観
察結果と、コンピュータによる地質図では表現し難い人
間の知識が含まれている。しかし、従来の地質図は、近
似的であり、特にボーリング孔間の領域では、その傾向
が強いという点を注意すべきことは重要である。

【００１９】定性的観察結果は、コンピュータによる地
質図上で表現することは難しいが、本発明のように、フ
ァジィ理論を用いれば、当業者の量的又は質的なものの
見方を、ニューラルネットワーク理論適用の枠組みに取
り込み、これらの地質図を入力情報又はルールとして利
用することができる。

【００２０】本発明では、さらに、ジオトモグラムを予
備処理することにより、ヘテロジニティ図が作成でき
る。これは、ボーリング孔間の領域の強調画像であり、
地盤内部に硬い物質や断裂系が介在する場合に、その画
像上での同定を可能にする。ヘテロジニティ図は、当業
者がボーリング孔において認めた地層境界をボーリング
孔間の領域に補間する場合に参考となる。

【００２１】ニューラルネットワークへの概略的な知識
の関連付けは、Ｎｉｋｏｌａ Ｋａｓｂｏｖ氏により提
案された方法により行うことができる。ファジィＮＮモ
デルの出力は、再度断面図を構成し、それを反復的なニ
ューラルネットワークに対する入力として再利用でき
る。当業者の適度な修正の後に、出力図からは、新しい
知見が得られる。

【００２２】

【発明の実施の形態】本発明の一実施例を図面に基づき
説明する。 １．試験地の概要 本発明による地質図作成方法の実行可能性を、地質図を
必要とする発電所を試験地として選んで調査した。この
試験地の全体的特徴として、中生代の堆積岩が存在し、
この堆積岩は、砂岩、泥岩、混在岩（泥岩基質に砂岩と
チャート岩塊が混在したもの）から成り立っているもの
とする。地質は、地表面から５００ｍ下部にあるため、
風化や変質の影響はなく、岩石は、新鮮で、硬く、物理
的性質（地震波速度と比抵抗）は、地質学的には地質区
分とともに変化すると考えられる。試験地域の大きさ
は、１５０ｍ×２４０ｍとした。

【００２３】この試験地における地質図作成には、後述
するように、垂直なボーリング孔、水平なトンネルでの
検層結果、すなわち、図３に示す従来方法により作成さ
れた地質図と、図１６（ａ−１）（ｂ−１）に示すジオ
トモグラム（地震波速度、比抵抗）とが用いられた。な
お、図１６（ａ−１）（ｂ−１）に示すジオトモグラム
（地震波速度、比抵抗）は、以下の説明の都合上、図３
に示す地質図の中の点Ｒ、Ｓ、Ｔ、Ｕ、Ｒ間のみ抜き出
して作成したものである。

【００２４】これらの図３及び図１６では、地質区分を
Ｇ１、Ｇ２、Ｇ３、Ｇ４、Ｇ５、Ｇ６、Ｇ７、Ｇ８で示
したが、実際の地質区分は、Ｇ１−白、Ｇ２−赤、Ｇ３
−緑、Ｇ４−紺、Ｇ５−紫紅、Ｇ６−桃、Ｇ７−黄、Ｇ
８−橙などのカラーコードに置き換えて表示するように
してもよい。

【００２５】得られた空間データ及び非空間データは、
予備的段階として、地図処理のための公知のＧＩＳ（Ｇ
ｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓ
ｔｅｍ）を使用してデジタル化し、かつ、座標設定をし
た。その結果、全データがデジタル形式で処理できる。
また、地震波速度の解像度に整合させるため、数値処理
ではセルの大きさを２ｍとした。

【００２６】図２は、本発明による複数のボーリング孔
間の地質的性質を予測するための回路のブロック図であ
る。本発明による装置は、入力部１０と、ファジィ・ニ
ューラル・ネットワーク部１１と、出力部１２とからな
る。前記入力部１０は、垂直なボーリング孔、水平なト
ンネルなどでの検層結果、現場踏査、経験によるデータ
などのボーリングデータなどの入力部１３、地震波速
度、比抵抗などのジオトモグラムを入力するジオトモグ
ラム入力部１４、このジオトモグラム入力部１４からの
データに基づきヘテロジニティ図を作成するヘテロジニ
ティ作成部１５、標高データを入力する標高データ入力
部１６からなる。前記ファジィ・ニューラル・ネットワ
ーク部１１は、ファジィ化マップ作成部１７、階層型ニ
ューラル・ネットワーク部１８、非ファジィ化部１９か
らなる。前記出力部１２は、地質図出力部２０、予測の
確かさの出力部２１、ファジィ地質マップ出力部２２か
らなる。

【００２７】図１は、本発明による複数のボーリング孔
間の地質的性質を予測するためのフローチャートでであ
る。大略を説明すると、従来の方法により現地の地質調
査をし、前記入力部１０のボーリングデータなどの入力
部１３、標高データ入力部１６などからそのデータを入
力し、さらに、経験を加味して、図３に示すような公知
の方法による地質図が得られる。また、ボーリング孔な
どから抽出したデータは、ニューラルネットワークの構
築と学習を行い、ファジィ・ニューラル・ネットワーク
部１１へ送られる。

【００２８】この図３に示す地質図における地質区分Ｇ
１、Ｇ２、…Ｇ８毎に、ファジィ化マップ作成部１７に
てファジィ理論による処理をして、図９に示すようなソ
フトマップデータを作る。これらのデータは、すべて階
層型ニューラル・ネットワーク部１８へ送られる。な
お、図１０に示すソフトマップデータは、前記図３に示
す地質図の中の点Ｒ、Ｓ、Ｔ、Ｕ、Ｒ間に対応する部分
を図９から抜き出したものである。

【００２９】物理探査により得られたジオトモグラム
（地震波速度、比抵抗など）は、ジオトモグラム入力部
１４から階層型ニューラル・ネットワーク部１８へ送ら
れるとともに、ヘテロジニティ作成部１５へ送られる。
このヘテロジニティ作成部１５では、ジオトモグラムか
ら図１６（ａ−２）（ｂ−２）に示すようなヘテロジニ
ティ図が作られる。

【００３０】ファジィ・ニューラル・ネットワーク部１
１では、以上のデータに基づきファジィ−化したニュー
ラル・ネットワークモデルを作り、これを非ファジィ化
部１９を介して、地質図出力部２０から地質図を出力
し、予測の確かさの出力部２１から予測の確かさを定量
的に出力し、さらに、階層型ニューラル・ネットワーク
部１８から直接、ファジィ地質マップ出力部２２へ各タ
イプ毎のファジィ地質を出力する。

【００３１】以下、さらに詳細を説明する。 ２．ソフトマップデータの準備 図４に示す特性図は、図３に示す地質図におけるボーリ
ング孔、トンネルでのすべての検層結果に基づく各サン
プルを地質区分Ｇ１、Ｇ２、…Ｇ８に分け、それぞれの
地質区分Ｇ１、Ｇ２、…Ｇ８の各サンプル毎に、地震波
速度（横軸）と比抵抗（縦軸）との関係をプロットし、
各プロットした点を包絡したものである。この特性図に
よれば、地質区分が多数存在する場合、地震波速度と比
抵抗だけでは地質区分を同定することは困難であること
を示している。例えば、図４において、比抵抗と地震波
速度が点Ｑにある岩石の名前を推定する場合、この図４
では、Ｇ２、Ｇ３、Ｇ４、Ｇ５、Ｇ６、Ｇ７、Ｇ８のい
ずれにも近似しており、地質区分を同定することは困難
である。これは、クラスター（同一群）の重複が大きい
ためである。

【００３２】しかし、例えば、図３における点Ｐ近傍に
おける地質を同定しようとする場合、このＰ点近傍で
は、Ｇ１とＧ４のいずれかであることが推定される。そ
こで、図４に示す特性図から図５に示すようなＧ１とＧ
４だけ抜き取った特性図を作り、点Ｑにある岩石の名前
を推定すると、点Ｑは、Ｇ４のグループに入ることがほ
ぼ間違いない。このように、２〜３種類のできるだけ少
ない地質区分の特性図を作り、これを用いて同定するこ
とにより、クラスターの重複を回避でき、ジオトモグラ
ムによる地質の予測精度を改善することができる。これ
が、本発明の基本的考えであり、かつ、特徴でもある。

【００３３】前述のように、従来の地質図は、地質調査
と解釈により構築されてきた。地質図は、多数の観察デ
ータを含み、これらは、複雑であり、数値的表現は困難
である。さらに、特に、地質予測の領域において、多く
の複雑さのために、経験的知識が主要な役割を果たして
きた。しかし、これらのソフト的な情報は、データ表現
とコンピュータ処理の困難さから、数値解析では、しば
しば無視されてきた。

【００３４】ソフト的な情報のモデル化は難しいが、地
質図を用いて、当業者の量的・質的なものの見方を関連
付けることは可能である。地質に対する地質技術者のも
のの見方は、図面の形式で表現されるが、ボーリング孔
間の領域では厳密に正しいものではない。ファジィ理論
を用いることで、ボーリング孔間の領域において、当業
者が予測した地質区分（Ｇ）は、地質区分の設定に対す
るメンバシップの真値μ^g（ｘ，ｙ）として表現され
る。また、μ^gは、ファジィ・メンバシップ関数として
表現される。 μ^g（ｘ，ｙ）＝ｆ｛ｄ_g（ｘ，ｙ），ｙ₁，ｙ₂｝

【００３５】ここで、ｄ_g（ｘ，ｙ）は、ある点（ｘ，
ｙ）からある地質層ｇまでの最小のユークリッド距離で
ある。図６は、発生可能性のファジィ定義を説明するた
めのもので、この図において、もし、ｄが「その層内又
は近い（０≦ｄ＜ｙ₁）」であれば、μ＝１である。も
し、「遠い（ｙ₁≦ｄ＜ｙ₂）」であれば、０≦μ＜１で
ある。もし、「非常に遠い（ｙ₂≦ｄ）」であれば、μ
＝０である。２つのパラメータｙ₁，ｙ₂は、それぞれ近
い区域と遠い区域などのように、広さを設定するときに
使用され、この距離は、一定でもよいし、また、地質層
の種類によって異ならせてもよい。

【００３６】地質図をファジィ化する手段をまとめたも
のが図７であり、次のステップから成り立っている。 （ａ）図３に示すような従来の地質図から各地質区分Ｇ
１、Ｇ２、…Ｇ８の存在可能域を区分し、図９及び図１
０に示すように、各タイプ毎に分けられたファジィ化地
質図が作られる。各地質区分Ｇ１、Ｇ２、…Ｇ８におけ
る任意の点の最小のユークリッド距離がセルを作るため
に計算される。

【００３７】（ｂ）図７に示したメンバーシップ関数を
構築するパラメータｙ₁，ｙ₂は、各点において、存在可
能性の高い少なくとも最低２つの地質区分から選択され
る。例えば、図６において、ｙ₁は３０ｍに、また、ｙ₂
も、３０ｍに設定される。さらに詳しくは、図３におけ
るＸ−Ｘ線断面の各地質区分は、図７のような地質区分
Ｇ６、Ｇ３、Ｇ２、Ｇ１、Ｇ４となるが、地質区分Ｇ１
の場合、Ｇ２に接する側ではＧ１とＧ２の地質区分から
選択され、また、Ｇ４に接する側ではＧ１とＧ４の地質
区分から選択される。

【００３８】なお、図６において、ｙ₁とｙ₂がともに３
０ｍに設定されているにも拘らず、図７では、ｙ₁とｙ₂
の距離に違いがあるのは、図８に示すように、断面のた
めのＸ−Ｘ線と地層との交点において、地層に直交線の
距離（最小のユークリッド距離）をｙ₁、ｙ₂とし、直交
線にさらに直交した線とＸ−Ｘ線との交点までの距離を
図７におけるｙ₁、ｙ₂としたことによる。

【００３９】（ｃ）ソフトマップデータは、前記距離マ
トリクスとメンバーシップ関数から導かれたものであ
る。図９は、前述のようにソフトマップデータの例を表
している。なお、図９は、図３に示す地質図全体のソフ
トマップデータを表しているが、図１０は、以後の説明
の都合上、図３における点Ｒ−Ｓ−Ｔ−Ｕ−Ｒ間のみ抜
き出して部分のソフトマップデータを表していること
は、前述の通りである。。

【００４０】３．階層型ニューラル・ネットワーク部１
８の構築、学習、検証 階層型ニューラル・ネットワーク部１８は、非線形の補
間能力を有するにも拘らず、単独では、性質がどうであ
るかというような分類の問題に対しては欠点を有してお
り、その重要な理由は以下の通りである。地質区分は、
統計学上のカテゴリー・データであり、階層型ニューラ
ル・ネットワーク部１８により単純に表現できるもので
はない。階層型ニューラル・ネットワーク部１８による
カテゴリー・データのモデル化は、不自然なプロセスで
ある。

【００４１】階層型ニューラル・ネットワーク部１８の
欠点のいくつかは、図２に示すようなファジィ・ニュー
ラル・ネットワーク部１１を考慮することによって克服
することができる。このファジィ・ニューラル・ネット
ワーク部１１は、前述のように、ファジィ化マップ作成
部１７、階層型ニューラル・ネットワーク部１８、非フ
ァジィ化部１９からなる。

【００４２】階層型ニューラル・ネットワーク部１８
は、地質区分Ｇ１、Ｇ２、…Ｇ８などの地質区分と同数
の多くの区間［０，１］ファジィ出力変量を持ってい
る。ボーリング孔間の領域の地質の性質、ある点（ｘ，
ｙ）における例えば地質区分「Ｇ」を予測するために
は、つぎの関数が必要である。 Ｇ（ｘ，ｙ）＝ｆ｛ａ（ｘ，ｙ），μ^g（ｘ，ｙ），
ｚ｝ ここで、Ｇは、座標（ｘ，ｙ）の地質メンバーシップベ
クトル［ｇ₁，ｇ₂，ｇ ₃，…ｇ_n］である。各地質区分に
対する要素は、仮説Ｇ＝ｇ、ｇ＝１，２，…ｎ；ｎは、
地質区分の数である。ａは、座標（ｘ，ｙ）のジオトモ
グラム属性ベクトル［ａ₁，ａ₂，ａ₃，…ａ_m］である。
例えば、ａ₁は、地震波速度、ａ₂は、比抵抗、など。_m
は、ジオトモグラムのデータ数である。μ^gは、座標
（ｘ，ｙ）の各地質区分のファジィ・ベクトル［μ¹，
μ²，μ³，…μⁿ］である。ここで、ⁿは、地質区分の数
である。ｚは、セル（ｘ，ｙ）の標高である。

【００４３】適当なヒドンニューロン（ｈｉｄｄｅｎ
ｎｅｕｒｏｎ）とヒドン層（ｈｉｄｄｅｎ ｌａｙｅｒ
ｓ）が階層型ニューラル・ネットワーク部１８のために
利用され、また、ニューロンは、ネットワーク・プルー
ニング方法を使用して最適に調整した。

【００４４】学習プロセスにおいて、ある特定の点にお
ける目的の地質区分の存在は、ネットワークからの出力
を１（存在する）と０（存在しない）とで表現する。こ
のため、階層型ニューラル・ネットワーク部１８の出力
も区間［０，１］に制限される。さらに、出力は、凸型
・正規型であり、ファジィ・メンバーシップ関数の性質
を示す。そこで、ｉ番目の出力は、ファジィ数として解
釈され、仮説Ｇ（ｘ，ｙ）＝ｇ_iの真値度の指標であ
る。また、入力データ領域に出力をマッピングすること
により、特定の地質に対するファジィポシビリティマッ
プを作成することができる。地質区分に対するファジィ
ポシビリティマップは、その存在可能性を表現すること
となる。数値が１に近い領域は、高い可能性範囲であ
り、数値が０に近い領域は、低い可能性範囲である。

【００４５】前記ファジィ・ニューラル・ネットワーク
部１１は、ファジィプロセスであり、このファジィ・ニ
ューラル・ネットワーク部１１の階層型ニューラル・ネ
ットワーク部１８から出力した地質区分Ｇ１、Ｇ２、…
Ｇｎは、非ファジィ化部１９にて非ファジィ化されて、
地質図出力部２０に最も存在可能性の高い地質図が得ら
れ、予測の確かさの出力部２１に予測の確かさが出力す
る。具体的には、ある場所における地質は、ファジィ番
号の大きいものが採用され、最も高い真値度をもつ地質
区分である。真値度は、予測の確からしさの程度の指標
にもなり、各点の予測された地質の確からしさについ
て、など真値度線を引くことにより、最終的に作成され
た地質図の確からしさを表現することができる。図１４
における（ａ−１）は、ジオトモグラムのみの予測図を
示し、（ａ−２）は、予測の確からしさを示し、また、
図１４における（ｂ−１）は、本発明のファジィ・ニュ
ーラル・ネットワーク部１１によって処理したジオトモ
グラムとソフトマップデータによる予測図を示し、（ｂ
−２）は、予測の確からしさを示している。

【００４６】ニューラルネットワークの学習 ジオトモグラムａ、ソフトマップデータμ^gは、図１１
に示すように、正確な地質が知られ、かつ、学習用デー
タとして利用可能なボーリング地点近傍のデジタルマッ
プから抽出した。また、数値計算上の理由により、ジオ
トモグラフィ・データは、その対数変換値を利用した。
ボーリング柱状図に記載された地質が望ましい出力とし
て利用された。用意したデータのうち、８５％を実際の
学習に使用し、残りの１５％は、ニューラルネットワー
クの検証のために保存した。

【００４７】ファジィ・ニューラル・ネットワーク部１
１における階層型ニューラル・ネットワーク部１８と非
ファジィ化部１９のうちの階層型ニューラル・ネットワ
ーク部１８だけを学習した。ニューラルネットワークに
は、逆誤差伝播、エラー伝播アルゴリズムを含み多数の
学習アルゴリズムが存在する。本発明では、前記Ｎｉｋ
ｏｌａ Ｋａｓｂｏｖ氏の述べているような能力を有し
ないが、ファジィ能力を有する階層型ニューラル・ネッ
トワーク部１８が用いられた。

【００４８】大域誤差関数（Ｇｌｏｂａｌ Ｅｒｒｏｒ
Ｆｕｎｃｔｉｏｎ）と最急降下法（Ｓｔｅｅｐｅｓｔ
Ｄｅｓｃｅｎｔ Ｍｅｔｈｏｄ）に基づく重み調整ル
ールは、逆誤差伝播則に類似している。

【００４９】以下の式において、０＜η＜１は、学習率
であり、αは、モメンタム係数、δ×Ａｃｔは、勾配で
ある。各層についてのδは、次のように個々に計算され
る。 Ｅｒｒｏｒ＝０．５×Σ√（ｙ^d−ｙ^a） Δｗ_t+1＝ηδ×Ａｃｔ＋αΔｗ_t アウトプット層：δ^o＝ｙ^d−ｙ^a 活動層：層の各ニューロンについての誤差は、アウトプ
ット誤差と、そのニューロン、ｄ^aの活動に基づいて計
算される。 δ^a＝Ａｃｔ^a（１−Ａｃｔ^a）×（ｄ^a−Ａｃｔ^a） 規則層：δ^r＝Ａｃｔ^r（１−Ａｃｔ^r）×Σ（ｗ_ar−Ａ
ｃｔ^a） ｗ_ar＝は、規則と活動層の間の重みである。条件層：各
条件ニューロンについての重み付け更新規則は、次のよ
うに改善される。 ｗ_ic(t+1)＝ηδ^cｘⁱ＋αΔｗ_ic(t) ここで、ｘ_iは、ｉ番目の入力変数である。 Ａｃｔは、その特定層に見られた活動作用関数である。
ファジィ能力として、もし必要なら、学習の前に階層型
ニューラル・ネットワーク部１８へ次の条件を組み込む
ことが有効である。 「もし、地震波速度値が高く、かつ、比抵抗値が高けれ
ば、地質区分Ｇは、Ｇ１である。」 これは、図４及び図５の特性図から導かれる。しかし、
本発明の重要性が分からなくなるので、そのような能力
は組み込まなかった。

【００５０】ニューラルネッワークの検証 有効なデータの８５％をニューラルネットワークの実際
の学習に使用し、残りの１５％のデータセットがモデル
の予測試験用に保存された。一例として、地質区分にＧ
１対して、図１３に示すような、実測値（ａ）と、従来
のジオトモグラムのみによる予測値（ｂ）と、本発明方
法による予測値（ｃ）とが作成された。これらの図か
ら、本発明による出力は、従来の方法による場合に比較
して、鋭角な凸型又は正規型であり、より精度が高いこ
とを表している。

【００５１】４．ボーリング孔間領域の地質予測 ソフトマップデータに関連付けられた予測の改善状況
を、以下に説明するように、予測の確かさとともに評価
した。図１２は、テストデータの出力を要約したもの
で、２種類の例、すなわち、１つは、ジオトモグラムの
みを入力として用いた従来方法による例であり、もう１
つは、ジオトモグラムとソフトマップデータを入力した
本発明方法による例である。この図１２から明らかなよ
うに、本発明方法による例の場合（ソフトマップデータ
を関連付けた場合）の予測が、従来方法による例による
場合よりもすべての地質区分で優れていることがわか
る。

【００５２】予測された地質の確認には、多数のボーリ
ング調査が必要であるが、実施には困難であり、そのた
め、間接的な確認のみが可能である。そして、予測図
は、当業者の検討により、可能な地質図として確証され
た。

【００５３】図１４について、重要な点のいくつかを次
にまとめる。なお、図１４（ａ−１）は、従来のジオト
モグラムのみによる予測を表し、（ａ−２）は、従来の
ジオトモグラムのみによる予測の確からしさを表し、
（ｂ−１）は、本発明のジオトモグラムとソフトマップ
データによる予測の確からしさを表し、（ｂ−２）は、
本発明のジオトモグラムとソフトマップデータによる予
測の確からしさを表している。

【００５４】（ａ）ボーリング及びトンネルに沿う一
致：ボーリング及びトンネルに沿う垂直及び水平地質の
情報は、ニューラルネットワーク解析の学習や予備検討
に使用しなかった。これらボーリング及びトンネルに沿
う地質の場所では、予測された地質が図３に示す実際の
地質とかなり一致していることがわかる。

【００５５】（ｂ）実際に見ることができないボーリン
グ孔間の領域、例えば、図１４の上方部におけるボーリ
ング孔間の領域で見られる地質的変化は、図３の実線及
び図１４の点線で示した従来方法による地質図には略直
線的な傾斜として認められる。しかし、図１６（ａ−
１）（ｂ−１）に示す物理探査学的な地震波速度図と比
抵抗図の画像については、直線的な変化ではなく、かな
り入り組んだ曲線的な変化として認められる。

【００５６】（ｃ）地質境界：当業者は、図３に示す地
質図に示すように、全体的傾向として、断面内の地質境
界は左から右にかけて下向きに略直線的に傾斜している
ものと判断している。本発明方法による地質図では、図
１４（ｂ−１）に示すように、断面内の地質境界は左か
ら右にかけて下向きに傾斜している傾向があるが、直線
的な傾斜ではないことが把握された。

【００５７】（ｄ）ファジィマップ：各地質区分Ｇ１、
Ｇ２、…Ｇｎに対して図９及び図１０に示すようなファ
ジィマップを作成することが可能で、発生可能性の高い
領域を同定するのに役立つ。これらの画像は、当業者の
図３に示した総合的な判断による地質図と、図１５に示
すような本発明によるファジィ予測の地質図と概ね整合
する。

【００５８】予測された地質図は、当業者が必要な修正
を加えた後で、反復形式で再使用することができ、本発
明方法による図１４（ｂ−１）（ｂ−２）を入力として
用いて、地質予測をさらに優れたものにすることができ
る。

【００５９】５．ヘテロジニティ図と既存地質図への使
用 物理探査学的属性のヘテロジニティ、すなわち、地震波
速度の場合のヘテロジニティは、任意のセル「ｉ」につ
いて、その近傍領域からの変化として、次式のように定
義される。 ここで、Ｎ_iは、「ｉ」番目のセルの近傍領域であり、
「ｎ」は、近傍領域のセル数である。

【００６０】具体例として、ヘテロジニティ図を図１６
に示した。この図１６において、（ａ−１）は、地震波
速度図、（ａ−２）は、地震波速度図のヘテロジニティ
図、（ｂ−１）は、比抵抗図、（ｂ−２）は、比抵抗図
のヘテロジニティ図である。これらの（Ａ−２）（ｂ−
２）図において、白い領域は、ヘテロジニティが高い領
域である。正方形および円形の最大２５要素までの近傍
領域形状が検討された。ヘテロジニティ図のパターン
は、近傍領域の形状によらず不変であった。

【００６１】図１７により、地震波速度のヘテロジニテ
ィから理解できる事柄を以下に説明する。（ａ）は、あ
る位置の地震波速度そのものを表したものであるが、こ
の特性図からはほとんど何も理解できない。（ｂ）は、
（ａ）で示した地震波速度のヘテロジニティ図であり、
この図から、岩種の分析について検討した。実線がヘテ
ロジニティ、点線が硬い岩石、２点鎖線が軟らかい岩石
の特性図である。ボーリング柱状図から、最も硬い岩石
の累積層厚は、各メッシュ・セル内の硬い岩石の幅を合
計することにより計算してプロットした。最も軟らかい
岩石の厚さも計算し、プロットしたが、負のスケールで
ある。ヘテロジニティは、軟らかい岩石が豊富な領域で
は一般的に低く、硬い岩石が豊富な領域では高いことを
この図は示している。

【００６２】（ｃ）は、亀裂が存在する位置の地震波速
度を表したものである。（ｄ）は、（ｃ）で示した地震
波速度のヘテロジニティを表したもので、亀裂が存在す
る場合には、ヘテロジニティの強度変化が、高く、急激
に変化することが観測された。（ｅ）は、ある特定のボ
ーリング孔に沿った位置の地震波速度のヘテロジニティ
を示すもので、実線が３ｍ×３ｍのセルの場合の特性図
で、点線が５ｍ×５ｍのセルの場合の特性図である。

【００６３】図１７において、ヘテロジニティが滑らか
に変化し、かつ、強度が小さいヘテロジニティの場合に
は、亀裂が少ない岩石基質である可能性がある。長く狭
い、高いヘテロジニティの場合には、地層境界か、亀裂
・節理などである可能性がある。ヘテロジニティ図は、
物理的性質の境界を強調するが、ジオトモグラムで見ら
れる状況を失う。これらの強調は、当業者がボーリング
孔で発見した地質境界をボーリング孔間の領域に補間す
る作業を支援することに使用可能である。

【００６４】本発明の以上の実施例では、いずれも２次
元の地質図の場合を説明したが、３次元の場合であって
も同様に適用できることは明白である。

【００６５】

【発明の効果】（１）ソフトマップデータの関連付けに
より、地盤内部の岩石の種類や亀裂の発生頻度など地質
そのものの情報を高い精度で得ることができる。 （２）本発明のファジィ・ニューラル・ネットワーク部
１１は、ファジィ化マップ作成部１７と、階層型ニュー
ラルネットワーク部１８と、非ファジィ化部１９とを利
用した新しいタイプの数値解析方法であり、このファジ
ィ・ニューラル・ネットワーク部１１は、学習すること
により地質図を予測するとともに、予測の確からしさの
指標を得ることができ、ボーリング孔間の領域における
地質構造の空間分布を、少ないデータでより高い精度で
予測して地質図を作成することができる。

【００６６】（３）定性的観察結果は、コンピュータに
よる地質図上で表現することは難しいが、本発明のよう
に、ファジィ理論を用いることにより、当業者の量的又
は質的なものの見方を、ニューラルネットワーク理論適
用の枠組みに取り込み、これらの地質図を入力情報又は
ルールとして利用することができる。 （４）ジオトモグラムに含まれる物理的性質の境界に関
する情報を強調し、ボーリング孔間の領域の地質境界を
補間する場合の作業を支援することができる。 （５）階層型ニューラルネットワークの多変量回帰能力
を、カテゴリー変量をファジィ変量として取り扱うこと
により、制約条件の影響を受けることなく、完全に利用
することができる。また、地質学的観点からも、ファジ
ィ的な取り扱い方法は、データの不確かさかの存在を考
慮する上で有意義である。

【００６７】（６）コンピュータモデルによって作成さ
れた情報を活用する上できわめて有用である。 （７）ファジィニューラルネットワークにより、不連続
性の地質部にも有効である。

【００６８】（８）地質データを収集する手段からの地
盤内部の物性値に関する分布情報に基づきヘテロジニテ
ィを作成して地質データを収集する手段へのデータとし
て送るためのヘテロジニティ作成手段を有し、ジオトモ
グラムを予備処理することにより、ヘテロジニティ図が
作成できる。これにより、ボーリング孔間の領域の強調
画像が得られ、地盤内部に硬い物質や断裂系が介在する
場合に、その画像上での同定を可能にする。したがっ
て、ヘテロジニティ図は、当業者がボーリング孔におい
て認めた地層境界をボーリング孔間の領域に補間する場
合に参考となる。

【図面の簡単な説明】

【図１】本発明による地質図作成方法を説明するための
フローチャートである。

【図２】本発明による地質図作成装置の一実施例を示す
ブロック図である。

【図３】従来方法により作成した地質図である。

【図４】ボーリングにより採集した全サンプルの地質区
分毎の比抵抗と地震波速度の特性図である。

【図５】図４における２つの地質区分Ｇ１とＧ４のみの
比抵抗と地震波速度の特性図である。

【図６】ファジィ定義を説明するための説明図である。

【図７】Ｘ−Ｘ線断面における各地質毎のメンバーシッ
プ関数の説明図である。

【図８】図６及び図７における最小のユークリッド距離
の説明図である。

【図９】図４における各地質毎のファジィ化マップであ
る。

【図１０】図３における点Ｒ・Ｓ・Ｔ・Ｕ・Ｖ・Ｒ内の
各地質毎のファジィ化マップである。

【図１１】従来のジオトモグラムと本発明によるソフト
マップデータの具体例を示す説明図である。

【図１２】各地質における従来方法と本発明方法との予
測の確かさを比較した説明図である。

【図１３】地質区分にＧ１対して、実測値（ａ）と、従
来のジオトモグラムのみによる予測値（ｂ）と、本発明
方法による予測値（ｃ）とを示す説明図である。

【図１４】（ａ−１）は、ジオトモグラムのみによる予
測地質図、（ａ−２）は、ジオトモグラムのみによる予
測の確かさの指標図、（ｂ−１）は、ジオトモグラムと
ソフトマップデータとによる予測地質図、（ｂ−２）
は、ジオトモグラムとソフトマップデータとによる予測
の確かさの指標図である。

【図１５】各地質毎のファジィ予測の地質図である。

【図１６】図３における点Ｒ・Ｓ・Ｔ・Ｕ・Ｒ間の特性
図で、（ａ−１）は、地震波速度の分布図、（ａ−２）
は、（ａ−１）における速度ヘテロジニティ図、（ｂ−
１）は、比抵抗の分布図、（ｂ−２）は、（ｂ−１）に
おける比抵抗ヘテロジニティ図である。

【図１７】地震波速度ヘテロジニティ図で、（ａ）は、
地震波速度図、（ｂ）は、実線が地震波速度ヘテロジニ
ティ図、点線が硬い岩石の特性図、２点鎖線が軟らかい
岩石の特性図、（ｃ）は、他の例の地震波速度図、
（ｄ）断層を表示した地震波速度ヘテロジニティ図、
（ｅ）は、実線が３ｍ×３ｍセルの地震波速度ヘテロジ
ニティ図で、点線が５ｍ×５ｍセルの地震波速度ヘテロ
ジニティ図である。

【図１８】従来方法によるニューラルネットワーク処理
による地質図である。

【符号の説明】

１０…入力部、１１…ファジィ・ニューラル・ネットワ
ーク部、１２…出力部、１３…ボーリングデータなどの
入力部、１４…ジオトモグラム入力部、１５…ヘテロジ
ニティ作成部、１６…標高データ入力部、１７…ファジ
ィ化マップ作成部、１８…階層型ニューラル・ネットワ
ーク部、１９…非ファジィ化部、２０…地質図出力部、
２１…予測の確かさの出力部、２２…ファジィ地質マッ
プ出力部。

Claims (8)

【特許請求の範囲】
1. 【請求項１】 地質調査により直接地質データを収集す
   る手段と、地盤内部の物性値に関する分布情報を非破壊
   で検出するジオトモグラフィ手段と、各地質区分毎のフ
   ァジィ化したソフトマップを作成する手段と、前記ジオ
   トモグラフィ手段により得られたジオトモグラムと前記
   ソフトマップ作成手段で得られたファジィ化したソフト
   マップデータとを階層型のニューラルネットワーク処理
   をする手段とからなることを特徴とする地質構造の空間
   分布を予測して地質図を作成する方法。
2. 【請求項２】 地質調査により直接地質データを収集す
   る手段と、地盤内部の物性値に関する分布情報を非破壊
   で検出するジオトモグラフィ手段と、各地質区分毎のフ
   ァジィ化したソフトマップを作成する手段と、前記ジオ
   トモグラフィ手段により得られたジオトモグラムと前記
   ソフトマップ作成手段で得られたファジィ化したソフト
   マップデータとを階層型のニューラルネットワーク処理
   をする手段と、この階層型のニューラルネットワーク処
   理手段で得られたファジィ地質マップ出力を非ファジィ
   化して地質図を得る手段とからなることを特徴とする地
   質構造の空間分布を予測して地質図を作成する方法。
3. 【請求項３】 地質調査により直接地質データを収集す
   る手段と、地盤内部の物性値に関する分布情報を非破壊
   で検出するジオトモグラフィ手段と、各地質区分毎のフ
   ァジィ化したソフトマップを作成する手段と、前記ジオ
   トモグラフィ手段により得られたジオトモグラムと前記
   ソフトマップ作成手段で得られたファジィ化したソフト
   マップデータとを階層型のニューラルネットワーク処理
   をする手段と、この階層型のニューラルネットワーク処
   理手段で得られたファジィ地質マップ出力を非ファジィ
   化して地質図を得る手段と、前記階層型のニューラルネ
   ットワーク処理手段で得られたファジィ地質マップ出力
   を非ファジィ化して予測の確かさを定量的に出力する手
   段とからなることを特徴とする地質構造の空間分布を予
   測して地質図を作成する方法。
4. 【請求項４】 地質データを収集する手段は、ボーリン
   グ・地形測量調査・地域内周辺の地質探査・現場踏査を
   通じて得られたデータを収集する手段からなり、ジオト
   モグラフィ手段により検出する地盤内部の物性値は、少
   なくとも地震波速度と比抵抗値を含むようにしたことを
   特徴とする請求項１、２又は３記載の地質構造の空間分
   布を予測して地質図を作成する方法。
5. 【請求項５】 ファジィ化したソフトマップを作成する
   手段におけるファジィ化は、地質調査により直接地質デ
   ータを収集する手段により作成した地質図におけるある
   点からある地質層までの距離がその地質層内か又は所定
   の近い距離であれば、発生可能性を高く設定し、それよ
   りも所定の遠い距離であれば、低く設定したことを特徴
   とする請求項１、２、３又は４記載の地質構造の空間分
   布を予測して地質図を作成する方法。
6. 【請求項６】 地質調査により直接地質データを収集す
   る手段と、地盤内部の物性値に関する分布情報を非破壊
   で検出するジオトモグラフィ手段と、前記地質データを
   収集する手段からの地盤内部の物性値に関する分布情報
   に基づきヘテロジニティを作成して前記地質データを収
   集する手段へのデータとして送るためのヘテロジニティ
   作成手段と、各地質区分毎のファジィ化したソフトマッ
   プを作成する手段と、前記ジオトモグラフィ手段により
   得られたジオトモグラムと前記ソフトマップ作成手段で
   得られたファジィ化したソフトマップデータとを階層型
   のニューラルネットワーク処理をする手段とからなるこ
   とを特徴とする地質構造の空間分布を予測して地質図を
   作成する方法。
7. 【請求項７】 地質調査により直接収集した地質デー
   タ、地盤内部の物性値に関する分布情報を非破壊で検出
   したデータを入力する入力部１０と、この入力部１０か
   ら入力したデータをファジィ・ニューラル・ネットワー
   ク処理をするファジィ・ニューラル・ネットワーク部１
   １と、このファジィ・ニューラル・ネットワーク部１１
   で処理されたデータに基づき地質図を出力する出力部１
   ２とを具備してなることを特徴とする地質構造の空間分
   布を予測して地質図を作成する装置。
8. 【請求項８】 入力部１０は、ボーリングデータなどの
   入力部１３とジオトモグラム入力部１４と標高データ入
   力部１６とを具備してなり、ファジィ・ニューラル・ネ
   ットワーク部１１は、ファジィ化マップ作成部１７と階
   層型ニューラル・ネットワーク部１８と非ファジィ化部
   １９とを具備してなり、出力部１２は、地質図出力部２
   ０と予測の確かさの出力部２１とファジィ地質マップ出
   力部２２とを具備してなることを特徴とする請求項７記
   載の地質構造の空間分布を予測して地質図を作成する装
   置。