大規模ダム貯水池の岸辺斜面は複雑な地質条件の影響を大きく受けており、従来のプレストレスアンカー補強設計は土壌強度パラメータの不確かさを通常無視し、極限平衡法は複雑な地質環境に効果的に対応しにくいため、解析結果の信頼性が不足し、計算効率も低い。これらの問題を解決するために、能動学習を用いたサポートベクターマシン（AL‑SVM）と強度低減法を組み合わせた効率的な信頼度解析手法を提案する。サポートベクターマシンは、時間のかかる伝統的な強度低減プロセスの代わりに斜面の不安定判定基準を効率的に近似し、高速な信頼度評価を実現する。能動学習アルゴリズムは、決定境界付近の重要なサンプル点を反復的に能動的に選択し、サポートベクターマシンの訓練に必要な計算コストを大幅に低減する。本手法は、両河口水力発電所の岸辺斜面を例に検証され、提案手法は従来のモンテカルロ法に比べて計算効率が約98%向上し、高い精度を有し、補強パラメータの変化が斜面破壊確率に及ぼす影響を定量的に明らかにした。この手法は、複雑な地質条件下におけるプレストレスアンカー斜面補強設計の信頼度解析の効率と精度を大幅に向上させ、複雑な作業条件下における信頼度解析の課題を革新的に解決する。

プレストレスアンカー補強斜面;信頼度;サポートベクターマシン;能動学習;両河口水力発電所