Abstract
Considerable uncertainties are included in ground properties used for tunnel designs due to the limited investigation and tests. In this study, a back analysis was performed to find optimal ground properties based on artificial neural network using both face mapping data and convergence measurement data. First of all, the rock class of a study tunnel is determined from face mapping data. Then the possible ranges of ground properties were selected for each rock class through a literature review on the previous studies and utilized to establish more precise learning data. To find an optimal training model, a sensitivity analysis was also conducted by varying the number of hidden layers and the number of nodes more minutely than the previous study. As a result of this study, more accurate ground properties could be obtained. Therefore it was confirmed that the accuracy of the results could be increased by making use of not only convergence measurement data but also face mapping data in tunnel back analyses using artificial neural network. In future, it is expected that the methodology suggested in this study can be used to estimate ground properties more precisely.
터널 설계 시 사용되는 지반물성치는 한정적인 조사 및 시험을 통해 산정되기 때문에 불확실성을 내포한다. 본 연구에서는 최적의 지반물성치를 찾기 위해 터널의 굴진면 관찰자료와 계측자료를 활용하여 인공신경망을 이용한 역해석을 수행하였다. 우선 굴진면 관찰자료를 이용하여 연구대상 터널의 암반등급이 선정되었다. 기존연구에 대한 문헌고찰을 통해서 암반등급별로 지반물성치의 가능한 범위를 지정하여 보다 정확한 학습자료 구축을 위해 활용되었다. 또한 최적의 학습모델을 찾기 위해 은닉층 수와 각 은닉층의 노드 수를 기존연구보다 세분하여 변화시켜가며 매개변수 연구를 수행하였다. 연구결과, 기존 연구와 비교했을 때, 보다 정확한 지반물성치를 얻을 수 있었다. 따라서 계측자료 뿐만 아니라 굴진면 관찰자료를 인공신경망을 이용한 역해석에 활용하면 결과의 정확성을 높일 수 있음을 확인하였다. 향후 본 연구에서 제시된 방법론을 사용하여 지반물성치를 보다 정확하게 추정할 수 있을 것으로 기대된다.