Journal of the Korean Geotechnical Society (한국지반공학회논문집)

Korean Geotechnical Society (한국지반공학회)
권호 표지
DOI QR코드

DOI QR Code

Prediction of Adfreeze Bond Strength Using Artificial Neural Network

인공신경망을 활용한 동착강도 예측

  • Ko, Sung-Gyu (University of Science and Technology) ;
  • Shin, Hyu-Soung (Korea lnstitute of Construction Technology/University of Science and Technology) ;
  • Choi, Chang-Ho (Korea lnstitute of Construction Technology/University of Science and Technology)
  • 고성규 (과학기술연합대학원대학교) ;
  • 신휴성 (한국건설기술연구원/과학기술연합대학원대학교) ;
  • 최창호 (한국건설기술연구원/과학기술연합대학원대학교)
  • Received : 2011.09.19
  • Accepted : 2011.11.18
  • Published : 2011.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

Adfreeze bond strength is a primary design parameter, which determines bearing capacity of pile foundation in frozen ground. It is reported that adfreeze bond strength is influenced by various affecting factors like freezing temperature, confining pressure, characteristics of pile surface, soil type, etc. However, several limited researches have been performed to obtain adfreeze bond strength, for past studies considered only few affecting factors such as freezing temperature and type of pile structures. Therefore, there exists a limitation of estimating the design parameter of pile foundation with various factors in frozen ground. In this study, artificial neural network algorithm was involved to predict adfreeze bond strength with various affecting factors. From past five studies, 137 data for various experimental conditions were collected. It was divided by 100 training data and 37 testing data in random manner. Based on the analysis result, it was found that it is necessary to consider various affecting factors for the prediction of adfreeze bond strength and the prediction with artificial neural network algorithm provides enough reliability. In addition, the result of parametric study showed that temperature and pile type are primary affecting factors for adfreeze bond strength. And it was also shown that vertical stress influences only certain temperature zone, and various soil types and loading speeds might cause the change of evolution trend for adfreeze bond strength.

동착강도는 동토지반 말뚝기초 설계시 지지력을 결정하는 주요 설계정수이다. 동착강도는 동결온도, 구속응력, 말뚝표면 특성, 토사종류 등 다양한 인자들에 의해 동시다발적인 영향을 받는 것으로 보고되고 있다. 하지만 동착강도에 대한 연구는 소수의 인자들만 반영할 수 있는 실험연구를 중심으로 수행되어온 경향이 있으며, 설계정수로서 동착강도를 산정하기 위한 방법들은 동결온도, 말뚝재료 등의 주요 인자들만을 고려할 수 있는 한계가 있어 왔다. 본 연구는 인공신경망 이론을 동착강도 산정에 활용함으로서 다양한 영향인자 조건에서 동착강도를 예측할 수 있는 방안을 모색하기 위한 목적으로 수행되었다. 인공신경망 학습을 위하여 총 5종류의 연구사례로부터 137개의 자료를 수집하였으며, 그 중 100개를 학습자료로, 37개를 실증자료로 구분하였다. 연구결과 단계적 인공신경망 학습을 통하여 동착강도 산정 시 다양한 영향인지를 다차원적으로 고려하여 예측하는 방법이 병행되어야 할 필요성을 확인하였으며, 5개 영향인자를 동시에 고려하여 동착강도를 예측할 수 있는 신뢰성 높은 학습결과를 도출 및 검증하였다. 또한, 매개변수 연구결과 동착강도는 동결온도와 말뚝재료의 변화에 가장 민감하게 반응하는 것으로 나타났고 수직응력에 의한 영향은 일부 온도구간에서만 뚜렷하게 나타나며 토사종류와 재하속도의 변화에 따라 동착강도가 증가하는 경향이 변화하는 특성을 나타내었다.

Keywords

Acknowledgement

Grant : 극한지 하부구조 급속시공 플랫폼 기술개발

Supported by : 한국건설기술연구원

References

  1. 고성규,최창호 채종길 (2011), "사질토와 알루미늄 재료의 접촉면에서 작용하는 동착강도의 주요 영향인자 분석 ",2011 넌 한국 지반공학회 봄 학술발표회 논문집, pp.1276-1284.
  2. 고성규와 최창호 (2011), "동결온도와 수직구속응력 변화에 따른 모래와 알루미늄 재료의 접촉면에서 작용하는 동착강도 실험 연구", 한국지반공학회 논문집, 제27권 제9호, pp.67-76.
  3. 김영수,정성관,김대만 (2009), "인공신경망을 이용한 현장투수 계수 예측", 대한토목학회논문집, 제29권 제3C호, pp.97-104
  4. 김종열,최용환,정자영,강권수 (2000), "직접전단시험 형태에 따른 주문진 표준사의 전단정수 고찰", 대한토목학회 학술발표회 논문집, 제2권, pp.439-442.
  5. 박현얼 (2011), "인공신경망 이론 및 지반공학 적용사례", 한국지반공학회지, Vol.27, No.4, pp.24-40.
  6. 이창환,안재현,이주헌,김태웅 (2009), "인공신경망모형과 군집분석을 이용한 교각 세굴심 예측", 대한토목학회논문집,제29권,제2B호,pp.111-120
  7. 임종구,김연중,천병식 (2011 ), "CLSM의 플로우 및 일축압축강도 예측을 위한 인공신경망 적용", 한국지반공학회 논문집, Vol.27, No.1, pp.17-24.
  8. 최창호와 고성규 (2011), "동결토 전단강도를 활용한 동착강도 산정에 관한 연구',한국지반공학회 논문집, 제27권 제10호，pp.13-23.
  9. Bowles, J. E. (1996), Foundation analysis and design 5th ed., McGraw-Hill.
  10. Cuthbertson-Black, R. (2001), The interaction between a flighted steel pipe pile and frozen sand, Thesis for Master Degree, University of Manitoba.
  11. Fang, H-y' (1991), Foundation engineering handbook, New York: Van Nostrand Reinhold.
  12. Johnston, G. H. (1981), Permafrost: Engineering design and construction, Wiley, New York, pp.540.
  13. Ladanyi, B. and Theriault, A (1990), "A study of some factors affecting the adfreeze bond if piles in permafrost", Proc. of geotechnical engineering congress, GSP 27 ASCE, Vol.1, pp.213-224.
  14. Linell, K. A and Lobacz, E. F. (1980), Design and construction of foundations in areas of deep seasonal frost and permafrost, U. S. Army, Cold Regions Research and Engineering Laboratory,Special Report 80-34.
  15. McCulloch, W. S. and Pitts, W. H. (1943), "A logical calculus of the ideas immanent in nervous activity", Bulletin of mathematical biophysics, Vol.5, pp.115-133.
  16. Parameswaran, V. R. (1978), "Adfreeze strength of frozen sand to model piles", Canadian geotechnical journal, Vol.15, No.4, pp.494-500. https://doi.org/10.1139/t78-053
  17. Riedmiller, M., Braun, H. (1993), "A direct adaptive method for faster backpropagation learning: The RPROP algorithm", IEEE international conference on neural networks, pp.586-591.
  18. Sanger, F. 1. (1969), Foundations of structures in cold Regions, U. S. Army Cold Regions Research and Engineering Laboratory Monograph III-C4.
  19. Shin, H. S. and Pande, G. N. (2003), "Identification of elastic constants for orthotropic materials from a structural test", Computers and geotechnics, Vol.30, pp.571-577. https://doi.org/10.1016/S0266-352X(03)00062-4
  20. Terashima, T., Kawai, T., Furuya, A, Narita, K., Usami, N., Saeki, H. (1999), "Experimental study on adfreeze bond strength between ice and pile structure", Proc. of 9th international offihore and polar engineering conference, Vol.2, pp.549-556.
  21. Weaver, J. S. and Morgenstern, N. R. (1981), "Pile design in pennafrost", Canadian geotechnical journal, Vol.18, No.3, pp.357-370. https://doi.org/10.1139/t81-043