51探花

本文へ ナビゲーションへ
ここから本文です

下水モニタリング×生態学×機械学習:老朽下水道インフラを予防保全 ―腐食リスクを細菌データから予測し、陥没事故の未然防止へ―

【本学研究者情报】

〇大学院工学研究科 教授 佐野大辅

【発表のポイント】

  • 下水道管の腐食を引き起こす细菌の生息适性を、生态学の手法である种分布モデリング(厂顿惭)(注1)を用いて下水道の管路网全体で面的に推定することに成功しました。
  • その生息适性を管齢や管径などの従来の管路データと统合して机械学习モデルに组み込むことで、下水道管の腐食リスクの予测精度が大幅に向上しました。
  • 予测された高リスク上位约29%の管路を点検対象とすることで、実际の重度腐食箇所の约89%(41/46箇所)を効率的に発见できることを确认しました。

【概要】

地下に埋设されたコンクリート製下水道管の老朽化による道路の陥没などが、世界的にも深刻な社会课题となっています。この课题に取り组むため、东北大学大学院工学研究科の张峻铭大学院生、佐野大辅教授らの研究グループは、野生动物の保护などに使われる生态学のテクニックをインフラ管理に持ち込むという全く新しいアプローチを开発しました。

本研究では、管路腐食の主な原因である下水中の细菌のデータから管路网全体の生息适性を推定し、それを机械学习モデルに组み込むことで、下水道管の腐食リスクを高精度に予测する手法を実証しました。従来手法の下水モニタリングと厂顿惭の融合により実现した本技术は、点検すべき优先箇所を绞り込む际に、下水道技术者の経験を补完する有力な情报を与えるものです。

本成果は、9月24日付(現地時間)で科学誌Journal of Environmental Managementに掲載されました。

図1.下水モニタリングと种分布モデリングの组み合わせによる下水道管路腐食予测ワークフロー

【用语解説】

注1. 種分布モデリング(SDM):生物の観察データと環境情報から、その生物がどこに棲みやすいかを推定するモデリング技術。

【论文情报】

タイトル:Wastewater environmental DNA-based mapping of sulfate-reducing bacteria for network-scale sewer corrosion screening using species distribution modeling
著者: Junming Zhang, Kanki Watanabe, Wakana Oishi, Daijiro Mizutani, Mohan Amarasiri, Daisuke Sano*
*責任著者:东北大学大学院工学研究科 教授 佐野 大輔
掲載誌:Journal of Environmental Management
顿翱滨:

详细(プレスリリース本文)PDF
※2026年10月1日13时20分顷に谢辞の研究课题番号を差し替えました。

问い合わせ先

(研究に関すること)
东北大学大学院工学研究科
教授 佐野 大輔
TEL: 022-795-7481
Email: daisuke.sano.e1*tohoku.ac.jp(*を@に置き換えてください)

(报道に関すること)
东北大学大学院工学研究科 情報広報室
担当 沼澤 みどり
TEL: 022-795-5898
Email: eng-pr*grp.tohoku.ac.jp(*を@に置き換えてください)

sdgs_logo

sdgs06 sdgs09 sdgs11

东北大学は持続可能な开発目标(厂顿骋蝉)を支援しています