JP7356947B2 - 改良体の品質予測方法及び品質管理方法 - Google Patents
改良体の品質予測方法及び品質管理方法 Download PDFInfo
- Publication number
- JP7356947B2 JP7356947B2 JP2020063530A JP2020063530A JP7356947B2 JP 7356947 B2 JP7356947 B2 JP 7356947B2 JP 2020063530 A JP2020063530 A JP 2020063530A JP 2020063530 A JP2020063530 A JP 2020063530A JP 7356947 B2 JP7356947 B2 JP 7356947B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- construction
- improved body
- diameter
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Consolidation Of Soil By Introduction Of Solidifying Substances Into Soil (AREA)
Description
本発明は、改良体の品質予測方法及び品質管理方法に関する。
固化材（例えば、セメントや地盤改良用セメント系固化材）を用いた中層あるいは深層を対象とする地盤改良工法の一つとして、高圧噴射攪拌工法が知られている。該工法は、改良の対象となる地盤の所定の深度までロッドを用いて削孔し、該ロッドから、固化材スラリー、固化材スラリーと空気、又は固化材スラリーと空気と水を、高圧で噴射、攪拌しつつ、該ロッドを引き上げることによって、地盤中に円柱状の改良体を造成するものである。なお、固化材スラリー等の噴射は、一般的に２０～４０ＭＰａ程度の圧力で行われる。
所望の品質の改良体を造成する目的で、通常、土質別に得られた多くの実績値に基づいて設定された標準値、及び、改良の対象となる現場での試験施工の結果等を勘案して、事前に施工管理基準が設定される。
造成された改良体の重要な品質として、改良体の径（以下、「改良径」ともいう。）が挙げられる。改良径は、施工仕様（施工の条件）や地盤条件等の様々な要因によって、その大きさが変動する。特に、改良の対象となる地盤中に、高塑性土質や、塩類を含む粘性土が存在する場合や、事前調査で得られた上記地盤を構成する各地層の層厚と、実際の各地層の層厚が異なる場合等には、上記施工管理基準に基づいて設定された施工仕様（施工の条件）では、造成された改良体に、改良径が設計値未満となる箇所が発生してしまう場合があった。
このため、設計通りの改良径が得られるように、改良径を予測し、予測に基づいて高圧噴射攪拌工法を管理する方法が求められている。
所望の品質の改良体を造成する目的で、通常、土質別に得られた多くの実績値に基づいて設定された標準値、及び、改良の対象となる現場での試験施工の結果等を勘案して、事前に施工管理基準が設定される。
造成された改良体の重要な品質として、改良体の径（以下、「改良径」ともいう。）が挙げられる。改良径は、施工仕様（施工の条件）や地盤条件等の様々な要因によって、その大きさが変動する。特に、改良の対象となる地盤中に、高塑性土質や、塩類を含む粘性土が存在する場合や、事前調査で得られた上記地盤を構成する各地層の層厚と、実際の各地層の層厚が異なる場合等には、上記施工管理基準に基づいて設定された施工仕様（施工の条件）では、造成された改良体に、改良径が設計値未満となる箇所が発生してしまう場合があった。
このため、設計通りの改良径が得られるように、改良径を予測し、予測に基づいて高圧噴射攪拌工法を管理する方法が求められている。
設計通りに改良体を造成するための高圧噴射攪拌工法の施工管理方法として、特許文献１には、地盤に挿入された注入管を軸回りに回転させつつ引き上げる過程で、前記注入管から一種又は二種以上の高圧流体を噴射する工法であって、前記高圧流体のうちの一種が固化液である高圧噴射攪拌工法の施工管理方法であって、前記注入管を引き上げる過程で、前記固化液の状態計測と、前記注入管の回転速度計測とを継続的に行い、前記固化液の状態が所定の状態から外れた要管理状態になった場合に前記注入管の引上げ及び前記高圧流体の噴射を停止し、その後に前記注入管の深度を所定長だけ戻し、その後に前記注入管の引上げ及び前記高圧流体の噴射を再開する固化液管理ステップと、前記注入管の回転速度が所定の範囲外になった場合に前記注入管の引上げ及び前記高圧流体の噴射を停止し、その後に前記注入管の回転速度が所定の範囲内に戻ったら前記注入管の引上げ及び前記高圧流体の噴射を再開する攪拌管理ステップと、を有することを特徴とする高圧噴射攪拌工法の施工管理方法、が記載されている。また、該施工管理方法において、固化液の状態計測は、固化液の、密度、噴射量、及び噴射圧の少なくともいずれか１つ以上について行うことが記載されている。さらに、固化液の状態が所定の状態から外れた要管理状態の例として、固化液の密度が所定の下限値を下回った時間が６０秒を超える場合が挙げられている。
また、改良体の径が深度によって変化してしまうおそれがない高圧噴射攪拌工法として、特許文献２には、先端にビットが備わる注入管で地盤を削孔して前記注入管を前記地盤に挿入する削孔工程と、前記地盤に挿入された前記注入管を軸回りに回転させながら引き上げる過程で硬化材を高圧噴射して前記地盤に改良体を造成する造成工程とを有し、前記削孔工程において所定の深度毎に削孔データを取得し、この削孔データに基づいて前記地盤の性状を推定し、この推定に基づいて前記造成工程における前記注入管の引上げ速度、前記注入管の回転速度、前記硬化材の噴射量、及び前記硬化材の噴射圧のいずれか１つ以上を変化させる、ことを特徴とする高圧噴射攪拌工法、が記載されている。また、特許文献２には、調査ボーリング及び試験削孔を行ってニューラルネットワークを作成し、ニューラルネットワークと削孔データから地質データを得ることが記載されている。
高圧噴射攪拌工法では、事前に行われる地質調査の結果（例えば、ボーリング調査によって得られた地質区分等）や事前に行われる試験（事前配合試験）の結果等に基づいて、高圧噴射攪拌装置に関わる工法の選定を行い、事前試験施工により、施工の対象となる地盤中で、目標とする改良径を有する改良体を造成できる施工仕様（固化材スラリーの注入圧と流量、圧縮空気圧と流量、ロッドの引き上げ速度、ロッドの単位時間当たり回転数、固化材水比等の施工の条件）を定め、該施工仕様に基づいて、地盤改良を実施する。
しかし、通常、施工の対象となる地盤は変化に富んでおり、施工する場所によっては、改良径が設計値（目標とする改良径の大きさ）を満たさない場合がある。地盤改良施工後に、地盤中に造成された改良体の品質をボーリング等によって確認した結果、改良体に、改良径が設計値を満たさない箇所が見つかった場合、手直しの工事を行って、所定の品質を確保する必要がある。しかし、手直し工事を行う場合、工事全体の工程管理に深刻な遅れを生じさせ、経済的な損失が極めて大きくなるという問題がある。
本発明の目的は、地盤改良後にボーリング等による改良体の品質の確認結果を待つことなく、改良体の品質を予測することができる方法を提供することである。
しかし、通常、施工の対象となる地盤は変化に富んでおり、施工する場所によっては、改良径が設計値（目標とする改良径の大きさ）を満たさない場合がある。地盤改良施工後に、地盤中に造成された改良体の品質をボーリング等によって確認した結果、改良体に、改良径が設計値を満たさない箇所が見つかった場合、手直しの工事を行って、所定の品質を確保する必要がある。しかし、手直し工事を行う場合、工事全体の工程管理に深刻な遅れを生じさせ、経済的な損失が極めて大きくなるという問題がある。
本発明の目的は、地盤改良後にボーリング等による改良体の品質の確認結果を待つことなく、改良体の品質を予測することができる方法を提供することである。
本発明者は、上記課題を解決するために鋭意検討した結果、学習用入力データ（施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含むもの）と学習用出力データ（改良体の径）の組み合わせである学習データを複数用いた、ニューラルネットワークによる学習によって作成された予測モデルに、予測用入力データ（施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含むもの）を入力し、予測モデルから改良体の径を出力して、該径に基いて改良体の品質を予測する方法によれば、上記目的を達成できることを見出し、本発明を完成した。
すなわち、本発明は、以下の［１］～［５］を提供するものである。
すなわち、本発明は、以下の［１］～［５］を提供するものである。
［１］ 高圧噴射攪拌工法において、予測モデルを用いて改良体の品質を予測する方法であって、上記予測モデルは、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む学習用入力データと、改良体の径からなる学習用出力データの組み合わせである学習データを複数用いた、ニューラルネットワークによる学習によって作成されたものであり、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む予測用入力データを、上記予測モデルに入力し、上記予測モデルから、予測用出力データとして改良体の径を出力して、得られた改良体の径に基いて、改良体の品質を予測することを特徴とする改良体の品質予測方法。
［２］ 上記改良体の品質の予測は、上記得られた改良体の径が、予め定められた設計値以上である場合に、品質が良好であると予測し、上記得られた改良体の径が、予め定められた設計値未満である場合に、品質が不良であると予測するものである前記［１］に記載の改良体の品質予測方法。
［３］ 上記工法に関するデータが、高圧噴射攪拌装置に関するデータ、及び事前配合試験から得られたデータから選ばれる少なくとも１種であり、上記地盤に関するデータが、上記改良体を造成する最大深度、上記地盤の土質分類、上記地盤の強度定数、及び上記地盤を構成する各地層の層厚から選ばれる少なくとも１種であり、上記施工仕様に関するデータが、削孔時に得られるデータ、及び高圧噴射攪拌時に得られるデータから選ばれる少なくとも１種である前記［１］又は［２］に記載の改良体の品質予測方法。
［２］ 上記改良体の品質の予測は、上記得られた改良体の径が、予め定められた設計値以上である場合に、品質が良好であると予測し、上記得られた改良体の径が、予め定められた設計値未満である場合に、品質が不良であると予測するものである前記［１］に記載の改良体の品質予測方法。
［３］ 上記工法に関するデータが、高圧噴射攪拌装置に関するデータ、及び事前配合試験から得られたデータから選ばれる少なくとも１種であり、上記地盤に関するデータが、上記改良体を造成する最大深度、上記地盤の土質分類、上記地盤の強度定数、及び上記地盤を構成する各地層の層厚から選ばれる少なくとも１種であり、上記施工仕様に関するデータが、削孔時に得られるデータ、及び高圧噴射攪拌時に得られるデータから選ばれる少なくとも１種である前記［１］又は［２］に記載の改良体の品質予測方法。
［４］ 前記［１］～［３］のいずれかに記載の改良体の品質予測方法を、高圧噴射攪拌工法において行い、上記予測モデルを用いて出力された改良体の径が、予め定められた設計値未満である場合、上記改良体の径が上記設計値未満と予測される上記改良体の部分について、以下の（１）及び（２）の少なくともいずれか一方を行う改良体の品質管理方法。
（１） 施工時の施工仕様の変更
（２） 二回目の高圧噴射攪拌
［５］ 上記施工時の施工仕様の変更が、高圧噴射攪拌時の、固化材スラリーの注入圧力、固化材スラリーの流量、圧縮空気圧力、圧縮空気量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、及び固化材水比から選ばれる少なくとも１種の変更であり、上記変更が、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、変更後の施工時の施工仕様に関するデータを含む予測用入力データを、上記予測モデルに入力した場合に、上記予測モデルから出力される改良体の径が、予め定められた設計値以上となるものである前記［４］に記載の改良体の品質管理方法。
（１） 施工時の施工仕様の変更
（２） 二回目の高圧噴射攪拌
［５］ 上記施工時の施工仕様の変更が、高圧噴射攪拌時の、固化材スラリーの注入圧力、固化材スラリーの流量、圧縮空気圧力、圧縮空気量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、及び固化材水比から選ばれる少なくとも１種の変更であり、上記変更が、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、変更後の施工時の施工仕様に関するデータを含む予測用入力データを、上記予測モデルに入力した場合に、上記予測モデルから出力される改良体の径が、予め定められた設計値以上となるものである前記［４］に記載の改良体の品質管理方法。
本発明の改良体の品質予測方法によれば、地盤改良施工後のボーリングによる改良体の品質の確認結果を待つことなく、施工段階において、改良体の品質（具体的には、改良体の径）を迅速に予測することができる。
また、施工中あるいは施工後であって改良体が硬化する前に、改良体の品質（具体的には、改良体の径）を迅速に予測することができることから、改良体の品質不良（設計値よりも、改良体の径が小さい部分）が発生すると予測した場合、品質不良の発生が予測される箇所に対して、迅速に施工仕様（施工の条件）の変更を行う等によって、改良体の品質を改善することができる。これにより、地盤改良後に手直し工事を行う場合と比較して、工事全体の工程管理の深刻な遅れや、経済的な損失が極めて大きくなることを防ぐことができる。
また、施工中あるいは施工後であって改良体が硬化する前に、改良体の品質（具体的には、改良体の径）を迅速に予測することができることから、改良体の品質不良（設計値よりも、改良体の径が小さい部分）が発生すると予測した場合、品質不良の発生が予測される箇所に対して、迅速に施工仕様（施工の条件）の変更を行う等によって、改良体の品質を改善することができる。これにより、地盤改良後に手直し工事を行う場合と比較して、工事全体の工程管理の深刻な遅れや、経済的な損失が極めて大きくなることを防ぐことができる。
本発明の改良体の品質予測方法は、高圧噴射攪拌工法において、予測モデルを用いて改良体の品質を予測する方法であって、上記予測モデルは、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む学習用入力データと、改良体の径からなる学習用出力データの組み合わせである学習データを複数用いた、ニューラルネットワークによる学習によって作成されたものであり、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む予測用入力データを、上記予測モデルに入力し、上記予測モデルから、予測用出力データとして改良体の径を出力して、得られた改良体の径に基づいて、改良体の品質を予測するものである。
以下、本発明について詳細に説明する。
以下、本発明について詳細に説明する。
本発明で用いられる予測モデルは、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む学習用入力データと、改良体の径からなる学習用出力データの組み合わせである学習データを複数用いた、ニューラルネットワークによる学習によって作成されたものである。
学習用入力データとして用いられる、施工前に定められる工法に関するデータの例としては、高圧噴射攪拌装置に関するデータ、及び事前配合試験から得られたデータ等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
高圧噴射攪拌装置に関するデータの例としては、高圧噴射攪拌工法において使用する予定の高圧噴射攪拌装置における、ノズル孔の数（固化材スラリー等を噴射するための孔の数）、ノズル径、圧縮空気の有無（高圧噴射攪拌装置の圧縮空気を噴出する機構の有無）、モニター長（ロッドからノズルの先端までの長さ）等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
高圧噴射攪拌装置に関するデータの例としては、高圧噴射攪拌工法において使用する予定の高圧噴射攪拌装置における、ノズル孔の数（固化材スラリー等を噴射するための孔の数）、ノズル径、圧縮空気の有無（高圧噴射攪拌装置の圧縮空気を噴出する機構の有無）、モニター長（ロッドからノズルの先端までの長さ）等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
事前配合試験は、高圧噴射攪拌工法の種類に応じて適宜行われる配合試験である。
事前配合試験から得られたデータとは、施工前に、改良の対象となる地盤から採取した土と、固化材と、水と、必要に応じて配合される各種混和剤を用いて、実際に試験体を作製して、目標とする強度を満たす改良体を得るために必要な固化材の種類や添加量等を検討する際に得られるデータである。
より具体的には、目標とする強度（例えば、原位置改良体２８日強度）；目標とする流動性（例えば、固化材と水と土を混合攪拌した直後の、フロー値、せん断抵抗（ベーンせん断）、液性限界試験指標）；目標とする強度及び目標とする流動性を満足し、かつ、改良径の目標値を満たすことができる、固化材の種類、固化材の添加量、調整含水比：｛（土の自然含水質量＋添加した水の質量）／（土の乾燥質量）｝、混和剤の種類、混和剤の添加量、水の添加量、及び固化材水比等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
事前配合試験から得られたデータとは、施工前に、改良の対象となる地盤から採取した土と、固化材と、水と、必要に応じて配合される各種混和剤を用いて、実際に試験体を作製して、目標とする強度を満たす改良体を得るために必要な固化材の種類や添加量等を検討する際に得られるデータである。
より具体的には、目標とする強度（例えば、原位置改良体２８日強度）；目標とする流動性（例えば、固化材と水と土を混合攪拌した直後の、フロー値、せん断抵抗（ベーンせん断）、液性限界試験指標）；目標とする強度及び目標とする流動性を満足し、かつ、改良径の目標値を満たすことができる、固化材の種類、固化材の添加量、調整含水比：｛（土の自然含水質量＋添加した水の質量）／（土の乾燥質量）｝、混和剤の種類、混和剤の添加量、水の添加量、及び固化材水比等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
学習用入力データとして用いられる、施工の対象となる地盤に関するデータの例としては、改良体を造成する最大深度、上記地盤の土質分類（地盤を構成する各地層の土質分類も含む）、上記地盤の強度定数、及び上記地盤を構成する各地層の層厚等が挙げられる。
地盤の強度定数の例としては、Ｎ値、粘着力、及び一軸圧縮強さ等が挙げられる。強度定数は、標準貫入試験、三軸圧縮試験、一軸圧縮試験、及びベーンせん断試験等によって測定することができる。
これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
地盤の強度定数の例としては、Ｎ値、粘着力、及び一軸圧縮強さ等が挙げられる。強度定数は、標準貫入試験、三軸圧縮試験、一軸圧縮試験、及びベーンせん断試験等によって測定することができる。
これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
学習用入力データとして用いられる、施工時の施工仕様（施工の条件）に関するデータとは、施工の際に得られるデータである。
具体的には、削孔時に得られるデータ及び高圧噴射攪拌時に得られるデータ等が挙げられる。これらのデータは、施工状況によって、適宜その数値が変わりうるデータである。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
削孔時に得られるデータとは、改良の対象となる地盤の所定の深度まで高圧噴射攪拌装置のロッドを用いて削孔を行う際に得られるデータである。
削孔時に得られるデータの例としては、削孔の深度毎に得られる貫入抵抗（ロッドの貫入速度、トルク、回転数等から得られるパラメータ）、送水抵抗（送水量、送水圧等から得られるパラメータ）、および、上記貫入抵抗や上記送水抵抗から判断できる上記地盤を構成する各地層の層厚の変化等の地盤に関する追加データ等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
具体的には、削孔時に得られるデータ及び高圧噴射攪拌時に得られるデータ等が挙げられる。これらのデータは、施工状況によって、適宜その数値が変わりうるデータである。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
削孔時に得られるデータとは、改良の対象となる地盤の所定の深度まで高圧噴射攪拌装置のロッドを用いて削孔を行う際に得られるデータである。
削孔時に得られるデータの例としては、削孔の深度毎に得られる貫入抵抗（ロッドの貫入速度、トルク、回転数等から得られるパラメータ）、送水抵抗（送水量、送水圧等から得られるパラメータ）、および、上記貫入抵抗や上記送水抵抗から判断できる上記地盤を構成する各地層の層厚の変化等の地盤に関する追加データ等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
高圧噴射攪拌時に得られるデータとは、高圧噴射攪拌を行う際に得られるデータである。具体的には、改良の対象となる地盤の所定の深度（最大深度）まで到達した高圧噴射攪拌装置のロッドの下端部付近または攪拌羽根の先端部付近に設けられたノズル孔から、固化材スラリー、固化材スラリーと空気（圧縮空気）、又は固化材スラリーと空気（圧縮空気）と水を高圧で噴射、攪拌しつつ、該ロッドを引き上げることによって、地盤中に円柱状の改良体を造成する際に得られるデータである。
高圧噴射攪拌時に得られるデータの例としては、高圧攪拌の深度、高圧噴射攪拌時の、固化材スラリーの注入圧力、固化材スラリーの流量、圧縮空気圧力、圧縮空気量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、固化材水比（固化材と水の質量比）、及びトルク等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
施工時の施工仕様に関するデータは、改良体を造成する際に、施工機械又は施工機械に付属する計測機器から得ることができる。
上述した掘削時及び高圧攪拌時に得られるデータ等を学習用入力データとして用いることで、高い精度で改良体の品質を予測することができる。
高圧噴射攪拌時に得られるデータの例としては、高圧攪拌の深度、高圧噴射攪拌時の、固化材スラリーの注入圧力、固化材スラリーの流量、圧縮空気圧力、圧縮空気量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、固化材水比（固化材と水の質量比）、及びトルク等が挙げられる。これらは１種を単独で用いてもよく、２種以上を組み合わせて用いてもよい。
施工時の施工仕様に関するデータは、改良体を造成する際に、施工機械又は施工機械に付属する計測機器から得ることができる。
上述した掘削時及び高圧攪拌時に得られるデータ等を学習用入力データとして用いることで、高い精度で改良体の品質を予測することができる。
ここで、「改良体の径」とは、高圧噴射攪拌工法によって造成される略円柱状の改良体の軸方向に対して垂直方向に切断した切断面の直径である。
学習用出力データとして用いられる改良体の径の例としては、改良体の任意に定められる位置（深度）における改良体の径、改良体の任意に定められる複数の位置（深度）から得られた改良体の径の最小径、及び上記複数の位置（深度）から得られた改良体の径の平均値（平均改良径）等が挙げられる。
学習用出力データとして用いられる改良体の径の例としては、改良体の任意に定められる位置（深度）における改良体の径、改良体の任意に定められる複数の位置（深度）から得られた改良体の径の最小径、及び上記複数の位置（深度）から得られた改良体の径の平均値（平均改良径）等が挙げられる。
本発明において用いられるニューラルネットワークソフトは、特に限定されるものではなく、市販のソフトウェアや、該ソフトウェアをカスタマイズしたもの、あるいは、オープンソースソフトウェアを使用してプログラミングしたもの等を用いることができる。
また、ニューラルネットワークは、入力層と出力層の間に中間層を有する階層型のニューラルネットワークであってもよい。
ニューラルネットワークによる学習は、上述した施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む学習用入力データと、改良体の径からなる学習用出力データの組み合わせである学習データを複数用いて、ニューラルネットワークの従来知られている一般的な学習方法に従って行えばよい。
また、ニューラルネットワークは、入力層と出力層の間に中間層を有する階層型のニューラルネットワークであってもよい。
ニューラルネットワークによる学習は、上述した施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む学習用入力データと、改良体の径からなる学習用出力データの組み合わせである学習データを複数用いて、ニューラルネットワークの従来知られている一般的な学習方法に従って行えばよい。
学習データとして用いられる、上述の学習用入力データ及び学習用出力データとしては、過去に実際に改良体を造成した際に得られた各種データ（実測値）、専用ヤードにおいて、試験施工を行った際に得られた各種データ（実測値）、実際に地盤改良の対象となる地盤において、事前に試験施工を行った際に得られた各種データ（実測値）、実際に地盤改良の対象となる地盤において改良体を造成する際に得られた各種データ（実測値）等が挙げられる。
専用ヤードでは、地盤条件、施工仕様を固定した状況で改良体を造成した後、該改良体を掘削して改良体の径を正確に測定することができる。このため、上記専用ヤードにおいて、試験施工を行った際に得られた各種データ（実測値）は、学習データとして好適である。
また、実際に地盤改良の対象となる地盤において、事前に試験施工を行った際に得られた各種データ（実測値）を用いることで、専用ヤードと地盤改良の対象となる地盤の土質の相違を、予測モデルに反映させることができる。このため、専用ヤードにおいて試験施工を行った場合と同程度の精度で、上記各種データを収集することが好ましい。
なお、事前に行われる試験施工は、地盤改良を行う現場において、施工管理基準の確認並びに固化材スラリーの注入圧力、固化材スラリーの流量、固化材水比、ロッドの引上げ速度、及びロッドの単位時間当たりの回転数等の施工仕様の変化が改良径に与える影響を調査する目的で、実際に高圧噴射攪拌工法を行って改良体を造成するものである。試験施工時の改良体径の測定に際しては、掘削して改良径を実測する代わりに各種計測装置を用いて改良体径の推測をおこなってもよい。
また、実際に地盤改良の対象となる地盤において、事前に試験施工を行った際に得られた各種データ（実測値）を用いることで、専用ヤードと地盤改良の対象となる地盤の土質の相違を、予測モデルに反映させることができる。このため、専用ヤードにおいて試験施工を行った場合と同程度の精度で、上記各種データを収集することが好ましい。
なお、事前に行われる試験施工は、地盤改良を行う現場において、施工管理基準の確認並びに固化材スラリーの注入圧力、固化材スラリーの流量、固化材水比、ロッドの引上げ速度、及びロッドの単位時間当たりの回転数等の施工仕様の変化が改良径に与える影響を調査する目的で、実際に高圧噴射攪拌工法を行って改良体を造成するものである。試験施工時の改良体径の測定に際しては、掘削して改良径を実測する代わりに各種計測装置を用いて改良体径の推測をおこなってもよい。
また、より高い精度で改良体の品質を予測することができる予測モデルを作成する観点から、一つの改良体から、複数の学習データ（学習用入力データと学習用出力データの組み合わせ）を得ることが好ましい。例えば、造成される改良体の、上端（地表部分）から、下方へ特定の深度（例えば、１ｍ）毎に得られる各種データを、各々、学習データとして用いてもよい。
学習データは、学習を行う目的で、事前に用意されるデータであり、本発明において品質を予測する改良体とは直接的な関係のないデータ（例えば、地盤改良の対象となる地盤とは全く異なる地盤において改良体を造成した際に得られた各種データ）も含んでいてもよい。
学習に用いられる学習データ（学習用入力データと学習用出力データの組み合わせ）の個数は、特に限定されず、ニューラルネットワークの従来知られている一般的な学習方法に従えばよい。
学習データは、学習を行う目的で、事前に用意されるデータであり、本発明において品質を予測する改良体とは直接的な関係のないデータ（例えば、地盤改良の対象となる地盤とは全く異なる地盤において改良体を造成した際に得られた各種データ）も含んでいてもよい。
学習に用いられる学習データ（学習用入力データと学習用出力データの組み合わせ）の個数は、特に限定されず、ニューラルネットワークの従来知られている一般的な学習方法に従えばよい。
改良の対象となる地盤において複数の改良体を造成する場合、改良の対象となる地盤において、既に造成された改良体から得られた各種データ（実測値）を、学習データの一部として使用して、新たな予測モデルを作成し、該予測モデルを用いて、次に造成する改良体の品質を予測してもよい。改良の対象となる地盤において実際に改良体を造成した際に得られたデータを、学習データの一部として使用することで、より高い精度で改良体の品質を予測することができる。
また、複数の学習データの一部（例えば、２０～３０％）を、得られた予測モデルの信頼性を確認するためのテストデータとして用いて交差検証を行ってもよい。
例えば、予測モデルを作成した後、該予測モデルに、テストデータから得られる予測用入力データを入力し、予測モデルから得られた改良体の径（予測値）と、テストデータから得られた改良体の径（実測値）を比較することで、得られた予測モデルの信頼性を推し測ることができる。
ニューラルネットワークによる学習は、学習データとして使用されるデータの種類、学習データの個数、及び学習回数等を適宜変更しながら行われ、信頼性に優れた予測モデルが得られるまで行われる。
例えば、予測モデルを作成した後、該予測モデルに、テストデータから得られる予測用入力データを入力し、予測モデルから得られた改良体の径（予測値）と、テストデータから得られた改良体の径（実測値）を比較することで、得られた予測モデルの信頼性を推し測ることができる。
ニューラルネットワークによる学習は、学習データとして使用されるデータの種類、学習データの個数、及び学習回数等を適宜変更しながら行われ、信頼性に優れた予測モデルが得られるまで行われる。
上述した学習によって得られた予測モデルに、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む予測用入力データを入力することで、予測モデルから、予測用出力データとして改良体の径を得ることができる。
予測用入力データ（施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータ）及び予測用出力データ（改良体の径）としては、予測モデルを作成する際に使用した学習用入力データ及び学習用出力データと同様の項目を含むデータであることが望ましい。
なお、予測用入力データとして用いられる、施工時の施工仕様に関するデータは、実際に、地盤改良の対象となる地盤に対して高圧噴射攪拌工法を行う際に得られるデータ（特に、削孔時に得られるデータ）を含むものである。
予測用入力データ（施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータ）及び予測用出力データ（改良体の径）としては、予測モデルを作成する際に使用した学習用入力データ及び学習用出力データと同様の項目を含むデータであることが望ましい。
なお、予測用入力データとして用いられる、施工時の施工仕様に関するデータは、実際に、地盤改良の対象となる地盤に対して高圧噴射攪拌工法を行う際に得られるデータ（特に、削孔時に得られるデータ）を含むものである。
本発明の改良体の品質予測方法によれば、高圧噴射攪拌工法において、予め作成した予測モデルに、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む予測用入力データを入力することで、上記予測モデルから、予測用出力データとして改良体の径を出力して、得られる改良体の径に基いて、改良体の品質（改良体の径が、設計値以上であるか）を、高い精度で迅速に予測することができる。
具体的には、得られた改良体の径が、予め定められた設計値以上である場合に、品質が良好であると予測し、得られた改良体の径が、予め定められた設計値未満である場合に、品質が不良であると予測する。
具体的には、得られた改良体の径が、予め定められた設計値以上である場合に、品質が良好であると予測し、得られた改良体の径が、予め定められた設計値未満である場合に、品質が不良であると予測する。
予測用出力データとして出力される改良体の径の例としては、造成される改良体の任意に定められる位置（予測を行いたい位置）における径、造成される改良体の任意に定められる複数の位置（深度）から得られた改良体の径の最小径、及び上記複数の位置（深度）から得られた改良体の径の平均値（平均改良径）等が挙げられる。
改良体の品質の予測は、より高い精度で改良体の品質を予測することができる観点から、造成される改良体の任意に定められる複数の位置に対して行うことが好ましい。
具体的には、造成される改良体の特定の位置毎（例えば、造成される改良体の、上端（地表部分）から、下方へ１ｍ毎）や、施工開始から特定の時間（例えば、１０分間）毎に、改良体の品質の予測を行ってもよい。
また、地盤の土質が変わる等によって、施工時の施工仕様が急に変わった場合に、適宜、改良体の品質の予測を行ってもよい。
予測モデルから出力された改良体の径が、予め定められた設計値未満である場合、得られる改良体の特定の位置（予測用出力データが出力された深度）において品質不良が発生していると判断することができる。
具体的には、造成される改良体の特定の位置毎（例えば、造成される改良体の、上端（地表部分）から、下方へ１ｍ毎）や、施工開始から特定の時間（例えば、１０分間）毎に、改良体の品質の予測を行ってもよい。
また、地盤の土質が変わる等によって、施工時の施工仕様が急に変わった場合に、適宜、改良体の品質の予測を行ってもよい。
予測モデルから出力された改良体の径が、予め定められた設計値未満である場合、得られる改良体の特定の位置（予測用出力データが出力された深度）において品質不良が発生していると判断することができる。
上述した改良体の品質予測方法を高圧噴射攪拌工法において行い、予測モデルを用いて出力された改良体の径が、予め定められた設計値未満である場合、改良体の径が上記設計値未満であると予測される改良体の部分について、以下の（１）及び（２）の少なくともいずれか一方を行うことで、改良体の品質を管理し、高い品質（改良体の径が、予め定められた設計値以上である）の改良体を造成することができる。
（１） 施工時の施工仕様（施工の条件）の変更
（２） 二回目の高圧噴射攪拌
予測モデルを用いて出力された改良体の径が、予め定められた設計値未満である場合の改良体の品質を管理するための方法について、以下の（ｉ）～（ｉｉ）の場合に分けて詳しく説明する。
（１） 施工時の施工仕様（施工の条件）の変更
（２） 二回目の高圧噴射攪拌
予測モデルを用いて出力された改良体の径が、予め定められた設計値未満である場合の改良体の品質を管理するための方法について、以下の（ｉ）～（ｉｉ）の場合に分けて詳しく説明する。
（ｉ） 改良体の径が、予め定められた設計値未満であると予測された改良体が、未だ造成されていない場合
上記場合としては、例えば、改良の対象となる地盤に対して、高圧噴射攪拌工法を実施する前（高圧噴射攪拌装置のロッドを用いた削孔を開始する前）に、改良体の径が予め定められた設計値未満であるとすでに予測されている場合や、上記地盤の所定の深度（最大深度）まで、高圧噴射攪拌装置のロッドを用いて削孔した後、高圧噴射攪拌を開始する前に、削孔時に得られるデータを、予測用入力データの一部として用いて、改良体の品質を予測した結果、改良体の径が予め定められた設計値未満であると予測された場合等が挙げられる。
なお、実際の改良の対象となる地盤の削孔時に得られるデータを予測用入力データの一部として用いることは、予測の精度をより向上させる観点から好ましい。
上記場合としては、例えば、改良の対象となる地盤に対して、高圧噴射攪拌工法を実施する前（高圧噴射攪拌装置のロッドを用いた削孔を開始する前）に、改良体の径が予め定められた設計値未満であるとすでに予測されている場合や、上記地盤の所定の深度（最大深度）まで、高圧噴射攪拌装置のロッドを用いて削孔した後、高圧噴射攪拌を開始する前に、削孔時に得られるデータを、予測用入力データの一部として用いて、改良体の品質を予測した結果、改良体の径が予め定められた設計値未満であると予測された場合等が挙げられる。
なお、実際の改良の対象となる地盤の削孔時に得られるデータを予測用入力データの一部として用いることは、予測の精度をより向上させる観点から好ましい。
上記（ｉ）の場合、高圧噴射攪拌はまだ行われていないため、改良体の径が予め定められた設計値未満であると予測される改良体の部分について、適宜、施工時の施工仕様の変更をした後、高圧噴射攪拌を行うことで、改良体の径が予め定められた設計値以上である改良体を造成することができる。
変更される、施工時の施工仕様（施工の条件）としては、改良径の増減に大きな影響力を有する観点から、高圧噴射攪拌時の施工仕様が好適である。
具体的には、高圧噴射攪拌時の、固化材スラリーの注入圧力、固化材スラリーの流量、圧縮空気量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、及び、固化材水比（固化材と水の質量比）から選ばれる少なくとも一つ以上の条件を変更したうえで、高圧噴射攪拌を行う。中でも、改良径の増減に大きな影響力を有する観点から、固化材スラリーの注入圧力、固化材スラリーの流量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、及び固化材水比から選ばれる少なくとも１種を変更することが好ましく、固化材スラリーの注入圧力、固化材スラリーの流量、及びロッドの引上げ速度から選ばれる少なくとも１種を変更することがより好ましい。
変更される、施工時の施工仕様（施工の条件）としては、改良径の増減に大きな影響力を有する観点から、高圧噴射攪拌時の施工仕様が好適である。
具体的には、高圧噴射攪拌時の、固化材スラリーの注入圧力、固化材スラリーの流量、圧縮空気量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、及び、固化材水比（固化材と水の質量比）から選ばれる少なくとも一つ以上の条件を変更したうえで、高圧噴射攪拌を行う。中でも、改良径の増減に大きな影響力を有する観点から、固化材スラリーの注入圧力、固化材スラリーの流量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、及び固化材水比から選ばれる少なくとも１種を変更することが好ましく、固化材スラリーの注入圧力、固化材スラリーの流量、及びロッドの引上げ速度から選ばれる少なくとも１種を変更することがより好ましい。
上記変更は、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、変更後の施工時の施工仕様に関するデータを含む予測用入力データを、予測モデル（作成済みの予測モデル）に入力した場合に、該予測モデルから出力される改良体の径が、予め定められた設計値以上となるように行うことが好ましい。
具体的には、以下の（ａ）～（ｂ）の工程を含む方法が挙げられる。
（ａ）施工時の施工仕様（施工の条件）を変更した後、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、変更後の施工仕様に関するデータを含む予測用入力データを、予測モデル（作成済み予測モデル）に入力し、該予測モデルから、予測用出力データとして改良体の径を出力する工程
（ｂ）工程（ａ）で得られた改良体の径が、予め定められた設計値以上である場合に、変更後の施工時の施工仕様を、施工時の施工仕様に定め、工程（ａ）で得られた改良体の径が、予め定められた設計値未満である場合、施工時の施工仕様（施工の条件）をさらに変更したうえで、工程（ａ）～（ｂ）を再度行う工程
上記方法によれば、予め定められた設計値以上の改良径を得ることができるような施工仕様の変更を、高い精度で行うことができる。
なお、設計値を満足させるための施工仕様の変更が、すでに定めた施工管理基準を逸脱する場合には、施工管理基準そのものを改訂して、以降の施工品質確保を容易にすることができる。
具体的には、以下の（ａ）～（ｂ）の工程を含む方法が挙げられる。
（ａ）施工時の施工仕様（施工の条件）を変更した後、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、変更後の施工仕様に関するデータを含む予測用入力データを、予測モデル（作成済み予測モデル）に入力し、該予測モデルから、予測用出力データとして改良体の径を出力する工程
（ｂ）工程（ａ）で得られた改良体の径が、予め定められた設計値以上である場合に、変更後の施工時の施工仕様を、施工時の施工仕様に定め、工程（ａ）で得られた改良体の径が、予め定められた設計値未満である場合、施工時の施工仕様（施工の条件）をさらに変更したうえで、工程（ａ）～（ｂ）を再度行う工程
上記方法によれば、予め定められた設計値以上の改良径を得ることができるような施工仕様の変更を、高い精度で行うことができる。
なお、設計値を満足させるための施工仕様の変更が、すでに定めた施工管理基準を逸脱する場合には、施工管理基準そのものを改訂して、以降の施工品質確保を容易にすることができる。
（ｉｉ） 改良体の径が予め定められた設計値未満であると予測された改良体が、既に造成されている場合
上記場合としては、例えば、高圧噴射攪拌工法を用いて、地盤中に改良体を造成した後、該改良体の硬化が始まる前に、改良体の径が予め定められた設計値未満であると予測された場合が挙げられる。
この場合、高圧噴射攪拌はすでに行われてしまっているため、高圧噴射攪拌装置のロッドを再度貫入させて、改良体の径が予め定められた設計値未満であると予測される改良体の部分において、二回目の高圧噴射攪拌を行うことによって、改良体の径が予め定められた設計値以上である改良体を造成することができる。
二回目の高圧噴射攪拌を行う際に、上記（ｉ）の場合と同様に、高圧噴射攪拌時の施工仕様を変更してもよい。
上記場合としては、例えば、高圧噴射攪拌工法を用いて、地盤中に改良体を造成した後、該改良体の硬化が始まる前に、改良体の径が予め定められた設計値未満であると予測された場合が挙げられる。
この場合、高圧噴射攪拌はすでに行われてしまっているため、高圧噴射攪拌装置のロッドを再度貫入させて、改良体の径が予め定められた設計値未満であると予測される改良体の部分において、二回目の高圧噴射攪拌を行うことによって、改良体の径が予め定められた設計値以上である改良体を造成することができる。
二回目の高圧噴射攪拌を行う際に、上記（ｉ）の場合と同様に、高圧噴射攪拌時の施工仕様を変更してもよい。
上述した（１）及び（２）の少なくともいずれか一方が行われる改良体の部分とは、予測モデルを用いて出力された改良体の径が予め定められた設計値未満であると判断された改良体の位置（深度）を含む、改良体の任意に定められる領域である。該領域は、安全性等を考慮して適宜定めればよい。
例えば、予測モデルを用いて出力された改良体の径が予め定められた設計値未満であると判断された改良体の位置（深度）を中心とする、任意に定められる範囲内（例えば、上記位置を始点とした上方向及び下方向１ｍの範囲内）を、上記改良体の部分としてもよい。また、改良体の複数の位置において改良体の品質の予測を行い、上記設計値未満であると判断された改良体の位置から、上記設計値以上であると判断された改良体の位置までの間の部分を上記改良体の部分としてもよい。
例えば、予測モデルを用いて出力された改良体の径が予め定められた設計値未満であると判断された改良体の位置（深度）を中心とする、任意に定められる範囲内（例えば、上記位置を始点とした上方向及び下方向１ｍの範囲内）を、上記改良体の部分としてもよい。また、改良体の複数の位置において改良体の品質の予測を行い、上記設計値未満であると判断された改良体の位置から、上記設計値以上であると判断された改良体の位置までの間の部分を上記改良体の部分としてもよい。
本発明の改良体の品質の予測方法を実施する際に、該予測方法を実施するために用いられる、ニューラルネットワークソフト、及び、過去に得られた学習データ（施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む学習用入力データ、並びに、改良体の径からなる学習用出力データ）を入力したコンピュータと、現場管理事務所に設置されたコンピュータ又はオペレーター席に設置されたパーソナルコンピュータ等を、インターネットを介して、リアルタイムで共有できるようにした品質予測システムを構築してもよい。該品質予測システムの構築において、クラウドコンピューティングを利用してもよい。また、該システムにおいて、施工時の施工仕様に関するデータについては、施工の際に、施工機械又は施工機械に付属する計測機器から得られた上記データを、有線または無線によって、データロガー等に格納し、次いで、有線または無線によってコンピュータに入力及び保存してもよく、上記データを用いて新たに予測モデルを作成してもよい。
［実施例１］
サンプルとして、高圧噴射攪拌工法によって、実際の地盤中に、それぞれ異なる条件で造成された１１７個の改良体を使用した。
学習データ用のサンプルとして、上記１１７個の改良体のうち、ランダムに８７個の改良体を選択した。上記改良体を造成する際に使用した高圧噴射攪拌装置のノズル孔の数、及び、モニター長を、施工前に定められる工法に関するデータ、Ｎ値を、施工の対象となる地盤のデータ、固化材スラリーの注入圧力、固化材スラリーの流量、及びロッドの引上げ速度を施工時の施工仕様に関するデータとし、これらのデータを学習用入力データとした。また、改良体の径を学習用出力データとした。学習用入力データと学習用出力データの組み合わせである、８７個の学習データを用いて、ニューラルネットワークの学習を行い、予測モデルを作成した。
ニューラルネットワークとしては、入力層、中間層及び出力層を有する階層型のニューラルネットワークを用いた。
サンプルとして、高圧噴射攪拌工法によって、実際の地盤中に、それぞれ異なる条件で造成された１１７個の改良体を使用した。
学習データ用のサンプルとして、上記１１７個の改良体のうち、ランダムに８７個の改良体を選択した。上記改良体を造成する際に使用した高圧噴射攪拌装置のノズル孔の数、及び、モニター長を、施工前に定められる工法に関するデータ、Ｎ値を、施工の対象となる地盤のデータ、固化材スラリーの注入圧力、固化材スラリーの流量、及びロッドの引上げ速度を施工時の施工仕様に関するデータとし、これらのデータを学習用入力データとした。また、改良体の径を学習用出力データとした。学習用入力データと学習用出力データの組み合わせである、８７個の学習データを用いて、ニューラルネットワークの学習を行い、予測モデルを作成した。
ニューラルネットワークとしては、入力層、中間層及び出力層を有する階層型のニューラルネットワークを用いた。
テストデータ用のサンプルとして、上記１１７個の改良体のうち、学習データ用のサンプルとして選択されなかった３０個の改良体を用いた。
上記改良体を造成する際に使用した高圧噴射攪拌装置のノズル孔の数、及び、モニター長を、施工前に定められる工法に関するデータ、Ｎ値を、施工の対象となる地盤のデータ、固化材スラリーの注入圧力、固化材スラリーの流量、及びロッドの引上げ速度を施工時の施工仕様に関するデータとして、３０個の改良体から得られたこれらのデータを、各々、予測用入力データとし、上記予測モデルに入力して、予測用出力データである改良体の径（図１中、「改良径の予測値」、及び、表１中、「予測値」と示す。）を得た。テストデータ用のサンプルの改良体の径の実測値と改良体の径の予測値をプロットしたものを図１に示す。
改良体の径の実測値と予測値の相関係数は９３％であり、平均絶対誤差は８％であった。
上記改良体を造成する際に使用した高圧噴射攪拌装置のノズル孔の数、及び、モニター長を、施工前に定められる工法に関するデータ、Ｎ値を、施工の対象となる地盤のデータ、固化材スラリーの注入圧力、固化材スラリーの流量、及びロッドの引上げ速度を施工時の施工仕様に関するデータとして、３０個の改良体から得られたこれらのデータを、各々、予測用入力データとし、上記予測モデルに入力して、予測用出力データである改良体の径（図１中、「改良径の予測値」、及び、表１中、「予測値」と示す。）を得た。テストデータ用のサンプルの改良体の径の実測値と改良体の径の予測値をプロットしたものを図１に示す。
改良体の径の実測値と予測値の相関係数は９３％であり、平均絶対誤差は８％であった。
テストデータ用のサンプル（表１中、「テストサンプル」と示す。）として選択された改良体から得られた予測用入力データのうち、ロッドの引上げ時間を１．５倍（引上げ速度に換算すると２／３倍）に変更し、変更後のロッドの引上げ速度を含む予測用入力データを、上記予測モデルに入力して、予測用出力データである改良体の径（表１中、「変更後の予測値」と示す。）を得た。
結果を表１に示す。
結果を表１に示す。
表１から、予測用入力データのロッドの引上げ時間を１．５倍に変更した場合、改良体の径の予測値が大きくなる傾向があることがわかる。このことから、ロッドの引上げ時間をより長くする（施工仕様を変更する）ことで、得られる改良体の径をより大きくすることができることがわかる。
Claims (5)
- 高圧噴射攪拌工法において、予測モデルを用いて改良体の品質を予測する方法であって、
上記予測モデルは、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む学習用入力データと、改良体の径からなる学習用出力データの組み合わせである学習データを複数用いた、ニューラルネットワークによる学習によって作成されたものであり、
施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、施工時の施工仕様に関するデータを含む予測用入力データを、上記予測モデルに入力し、上記予測モデルから、予測用出力データとして改良体の径を出力して、得られた改良体の径に基いて、改良体の品質を予測することを特徴とする改良体の品質予測方法。 - 上記改良体の品質の予測は、上記得られた改良体の径が、予め定められた設計値以上である場合に、品質が良好であると予測し、上記得られた改良体の径が、予め定められた設計値未満である場合に、品質が不良であると予測するものである請求項１に記載の改良体の品質予測方法。
- 上記工法に関するデータが、高圧噴射攪拌装置に関するデータ、及び事前配合試験から得られたデータから選ばれる少なくとも１種であり、
上記地盤に関するデータが、上記改良体を造成する最大深度、上記地盤の土質分類、上記地盤の強度定数、及び上記地盤を構成する各地層の層厚から選ばれる少なくとも１種であり、
上記施工仕様に関するデータが、削孔時に得られるデータ、及び高圧噴射攪拌時に得られるデータから選ばれる少なくとも１種である請求項１又は２に記載の改良体の品質予測方法。 - 請求項１～３のいずれか１項に記載の改良体の品質予測方法を、高圧噴射攪拌工法において行い、上記予測モデルを用いて出力された改良体の径が、予め定められた設計値未満である場合、上記改良体の径が上記設計値未満と予測される上記改良体の部分について、以下の（１）及び（２）の少なくともいずれか一方を行う改良体の品質管理方法。
（１） 施工時の施工仕様の変更
（２） 二回目の高圧噴射攪拌 - 上記施工時の施工仕様の変更が、高圧噴射攪拌時の、固化材スラリーの注入圧力、固化材スラリーの流量、圧縮空気圧力、圧縮空気量、ロッドの引上げ速度、ロッドの単位時間当たりの回転数、及び固化材水比から選ばれる少なくとも１種の変更であり、
上記変更が、施工前に定められる工法に関するデータ、施工の対象となる地盤に関するデータ、及び、変更後の施工時の施工仕様に関するデータを含む予測用入力データを、上記予測モデルに入力した場合に、上記予測モデルから出力される改良体の径が、予め定められた設計値以上となるものである請求項４に記載の改良体の品質管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020063530A JP7356947B2 (ja) | 2020-03-31 | 2020-03-31 | 改良体の品質予測方法及び品質管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020063530A JP7356947B2 (ja) | 2020-03-31 | 2020-03-31 | 改良体の品質予測方法及び品質管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021161720A JP2021161720A (ja) | 2021-10-11 |
| JP7356947B2 true JP7356947B2 (ja) | 2023-10-05 |
Family
ID=78004694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020063530A Active JP7356947B2 (ja) | 2020-03-31 | 2020-03-31 | 改良体の品質予測方法及び品質管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7356947B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115093190B (zh) * | 2022-07-29 | 2023-04-07 | 长兴贝斯德邦建材科技有限公司 | 气凝胶无机保温膏料及其智能化生产系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007182695A (ja) | 2006-01-06 | 2007-07-19 | Onoda Chemico Co Ltd | 地盤改良体の径の推定方法 |
| JP2019157346A (ja) | 2018-03-07 | 2019-09-19 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
| JP2019167750A (ja) | 2018-03-23 | 2019-10-03 | ライト工業株式会社 | 高圧噴射攪拌工法 |
| JP2019167728A (ja) | 2018-03-23 | 2019-10-03 | 五洋建設株式会社 | 曲がり削孔方法及び曲がり削孔システム |
-
2020
- 2020-03-31 JP JP2020063530A patent/JP7356947B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007182695A (ja) | 2006-01-06 | 2007-07-19 | Onoda Chemico Co Ltd | 地盤改良体の径の推定方法 |
| JP2019157346A (ja) | 2018-03-07 | 2019-09-19 | 株式会社大林組 | 地盤評価システム及び地盤評価方法 |
| JP2019167750A (ja) | 2018-03-23 | 2019-10-03 | ライト工業株式会社 | 高圧噴射攪拌工法 |
| JP2019167728A (ja) | 2018-03-23 | 2019-10-03 | 五洋建設株式会社 | 曲がり削孔方法及び曲がり削孔システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021161720A (ja) | 2021-10-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Funehag et al. | Radial penetration of cementitious grout–Laboratory verification of grout spread in a fracture model | |
| US7831419B2 (en) | PDC drill bit with cutter design optimized with dynamic centerline analysis having an angular separation in imbalance forces of 180 degrees for maximum time | |
| Larsson | State of Practice Report–Execution, monitoring and quality control | |
| US20100250204A1 (en) | System and method for minimizing lost circulation | |
| CN104807721B (zh) | 预应力混凝土现浇梁预应力管道压浆密实度综合检测方法 | |
| US10901377B2 (en) | Real-time control of drilling fluid properties using predictive models | |
| JP7356947B2 (ja) | 改良体の品質予測方法及び品質管理方法 | |
| WO2007003953A1 (en) | Mixing energy analysis of high-yielding non-newtonian fluids for severe lost circulation prevention | |
| Amani et al. | Prediction of rock strength using drilling data and sonic logs | |
| Hu et al. | Evaluating rheology of conditioned soil using commercially available surfactants (foam) for simulation of material flow through EPB machine | |
| Shu et al. | Cuttings transport mechanism in a large-diameter HDD borehole | |
| Rodgers et al. | Measuring rock strength while drilling shafts socketed into Florida limestone | |
| JP7269137B2 (ja) | 改良体の品質予測方法 | |
| WO2012161282A1 (ja) | 地盤改良工法および地盤改良工法における施工管理システム | |
| JP2009174305A (ja) | 硬化材の配合決定方法 | |
| Erdoğan et al. | Correlating rate of penetration with the weigth on bit, rotation per minute, flow rate and mud weight of rotary drilling | |
| CN109086503B (zh) | 一种基于旋切触探技术的岩体快速分级方法 | |
| Brettmann et al. | Advances in auger pressure grouted piles: design, construction and testing | |
| JP7112820B2 (ja) | 地盤改良体の品質管理システム及び品質管理方法 | |
| Druss | Guidelines for design and installation of soil-cement stabilization | |
| JP2014145192A (ja) | 改良体造成システム | |
| Zhang et al. | The prediction of traveling jet trenching in stiff clay based on the erosion failure mechanism | |
| Mirjafari et al. | Determination of shear strength parameters using Screw Driving Sounding (SDS) | |
| JP7153416B2 (ja) | 高圧噴射撹拌工法の品質管理方法 | |
| Abdeldayem et al. | Estimating uncertainties for the driving torque in continuous flight Augur machine during space sampling drilling operation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230124 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230919 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230920 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230925 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7356947 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |