近日，日本芝浦工业大学(SIT)工程学院的Shinya Inazumi教授带领的研究团队，在化学灌浆渗透行为预测方面取得了重要进展。该团队将基于人工智能的预测模型整合到基于有限元法(FEM)的渗透分析中，旨在提高在复杂土壤类型中化学灌浆的渗透效率和准确性。

土壤液化，即饱和土壤失去结构并转变为流体状的过程，可能带来毁灭性后果。2011年东日本大地震中的大规模液化事件，就曾对日本基础设施构成巨大挑战。为了防止类似情况，化学灌浆被视为一种有效方法，但在渗透性低的异质土体中，实现均匀可靠的渗透仍面临困难。

先前研究虽提出了有限元法(FEM)来分析化学灌浆的渗透行为，但结果显示灌浆倾向于绕过渗透性较低的区域，影响土壤修复效果。因此，Inazumi教授团队此次研究的核心在于整合人工智能技术，以优化渗透性能的预测。

研究团队开发了一个实用框架，通过结合二维有限元法与神经网络、梯度提升决策树等人工智能技术，评估低渗透区域土壤中的灌浆渗透行为。研究结果表明，基于有限元法的渗透分析显示，在土壤渗透性较低时，平均渗透率为94.5%，而基于人工智能的预测模型则显示出更高的平均渗透率，且能在极短时间内提供预测结果，大大提高了效率。

Inazumi教授强调：“这项研究的独特之处在于将传统的渗透分析与先进的人工智能技术相结合，为工程师提供了一个更有效的预测灌浆渗透行为的框架。”

此外，研究还表明，基于人工智能的模型能够在短时间内提供准确的预测结果，且随着训练数据的多样化，其预测准确率将进一步提高。这有助于工程师在复杂和异质的土壤中更有效地进行化学灌浆操作。

总体而言，这项研究为解决土壤液化带来的挑战提供了新的思路和方法，有望在日本等世界地震多发地区发挥重要作用。

更多信息： Khin Nyein Chan Kyaw 等人，基于有限元法的渗透分析与基于人工智能的预测模型集成，用于改进异质土体中化学灌浆渗透评估，《工程成果》 (2025)。