터널굴착 현장에 인접한 지상구조물의 안전성 평가용 전문가 시스템의 개발

Development of a Network Expert System for Safety Analysis of Structures Adjacent to Tunnel Excavation Sites

터널굴착으로 발생되는 지반침하는 지상구조물의 변형을 유발할 수도 있으므로 터널굴착전에 지상구조물의 안전성 평가가 선행되어야 한다. 이러하여 본 연구에서는 전문가의 포함된 터널현장의 지표침하를 예측하고, 이를 기반으로 지상구조물의 안전성 평가를 수행하는 전문가 시스템 NESSS(Neural network Export System for Adjacent Structure Safety Analysis)를 개발하였다. NESASS는 인공신경망을 이용하여 기존 터널현장의 지표침하 계측자료로 작성된 데이터베이스 자료를 학습자료로 하여 학습을 수행하고, 이를 기반으로 터널현장의 지표침하 트라프를 추론한다. 또한 추론된 지상구조물 기초부 변형을 기반으로 계산된 평가 매개변수(angular distortion 등)의 혀용 한계치를 이용하여 건물의 안전성을 평가하고 Dulacska의 균열평가 모델을 이용하여 지상구조물의 균열양상을 예측한다. 따라서, 본 연구에서는 지표침하의 주 영향인자들을 선정하고 이를 분류항목으로 이용, 서울지하철 일부구간의 지표침하 계측자료를 수집, 정리하여 데이터베이스화를 추진하였다. 그리고 인공신경망 구조에 관련된 매개변수 연구를 수행하여 개발된 NESASS의 인공신경망 구조의 신뢰도를 확인하였으며 기수행된 침하계측 결과치와 비교하여 지표침하 예측능력도 조사하였다. 또한 NESASS를 이용하여 실제 터널현장을 모델로 설정, 지상구보물의 안전성 평가를 수행해 봄으로써 NESASS의 실무적용성을 아울러 확인하였다.

Ground settlements induced by tunnel excavation cause the foundations of the neighboring superstructures to deform. An expert system called NESASS was developed to analyze the structural safety of such superstructures. NESASS predicts the trend of ground settlements to be resulted from tunnel excavation and carries out a safety analysis for superstructures on the basis of the predicted ground settlements. Using neural network techniques, NESASS learns a data base consisting of the measured ground settlements collected from numerous actual fields and infers a settlement trend at the field of interest. NESASS calculates the magnitudes of angular distortion, deflection ratio, and differential settlement of the structure and, in turn, determines the safety of the structure. In addition, NESASS predicts the patterns of cracks to be formed on the structure using Dulacskas model for crack evaluation. In this study, the ground settlements measured from the Seoul subway construction sites were collected and sorted with respect to the major factors influencing ground settlement. Subsequently, a database of ground settlement due to tunnel excavation was built. A parametric study was performed to verify the reliability of the proposed neural network structure. A comparison of the ground settlement trends predicted by NESASS with the measured ones indicates that NESASS leads to reasonable predictions. An examples is presented in this paper where NESASS is used to evaluate the safety of a structure subject to deformation due to tunnel excavation near to the structure.