• 제목/요약/키워드: 이상지반 예측

검색결과 165건 처리시간 0.03초

지진예측 방법의 불확실성에 관한 고찰

  • 홍갑표
    • 전산구조공학
    • /
    • 제3권3호
    • /
    • pp.5-9
    • /
    • 1990
  • 지진예측 분야는 규준에 의한 방법이 일반 구조물에 적용하기에 무난하며, 가장 보편적으로 사용되는 방법은 확정론적 방법과 시간독립 확률론적 방법이라 하겠다. 물론 시간종속 확률론적 방법과 베이지만 방법이 연구되고 있지만, 아직은 실무에서는 사용되고 있지 않는 실정이다. 지진예측 분야에서는 아직도 많은 불확실성이 내재하며, 그 불확실성은 전문가의 판단에 의하여 서로 다른 안전폭을 결정함으로써 또는 안전율을 중복되게 적용함으로써 필연적으로 서로 다른 결과를 구하게 된다. 심지어 미국 동부의 경우 전문가에 따라 지반가속도가 2배 이상 차이가 나기도 하며, 그 전문가들이 모두 그 분야에서 능력을 인정받고 있는 실정이다. 우리나라의 경우도 기록기에 의한 자료 및 지질학적 연구가 미흡하고 역사기록도 한정되어 있는 실정이나, 원자력발전소의 위험성과 파급효과를 고려할 때 우리나라 특성에 맞는 지진예측 방법이 좀 더 연구되어야 할 것이다.

  • PDF

인공신경망을 이용한 지반의 액상화 가능성 판별 (The Analysis of Liquefaction Evaluation in Ground Using Artificial Neural Network)

  • 이송;박형규
    • 한국지반공학회논문집
    • /
    • 제18권5호
    • /
    • pp.37-42
    • /
    • 2002
  • 인공신경망은 복잡한 상호관계를 가지는 문제의 해결을 위한 효과적인 컴퓨터 테크닉으로써 많은 분야에 활발히 활용되고 있다. 본 논문에서는 지반의 액상화 가능성을 판별하기 위하여 인공신경망 이론을 사용하였으며, 이를 위하여 반복삼축압축시험 결과와 토성자료, 지반조사자료 등을 학습인자로 사용하였다. 학습과 검증에 서해안지역의 43개의 반복삼축압축시험 데이터가 사용되었다. 여기서 인공신경망의 학습은 예측된 CSR과 실측한 CSR 사이의 오차가 적어지도록 신경망의 가중치를 수정하는 것으로 이루어진다. 전체 신경망에 대한 평균제곱의 오차가 허용치 이내로 감소할 때까지 학습은 반복되어 진행되며 일반적으로 15,000 이상의 학습이 요구되는 것으로 나타났다. 다양한 노드수를 가지는 신경망에 대한 학습을 수행한 결과, 1번째 은닉층의 수가 20개이고 2번째 은닉층의 수가 10개인 신경망이 72~98%에 해당되는 정밀도를 가지고 해당 전단변형률과 반복횟수에서의 CSR값을 예측할 수 있었다. 여기서 NOC(Number of Cycle)와$D_10$, ($N_1$)$_60$ 등의 입력변수가 지반의 액상화 거동에 주요한 영향인자로 나타났다. 연구결과 인공신경망을 이용한 지반의 액상화 거동의 예측이 비교적 정확하게 산정됨을 알 수 있었으며, CSR과 ($N_1$)$_60$, NOC와의 관계가 기존의 연구 결과에 부합하여 나타남을 알 수 있었다.

차량가속도데이터를 이용한 머신러닝 기반의 궤도품질지수(TQI) 예측 (Prediction of Track Quality Index (TQI) Using Vehicle Acceleration Data based on Machine Learning)

  • 최찬용;김현기;김영철;김상수
    • 한국지반신소재학회논문집
    • /
    • 제19권1호
    • /
    • pp.45-53
    • /
    • 2020
  • 철도분야에서도 계측자료를 바탕으로 머신러닝 기법을 이용하여 예측 분석하는 시도가 점차적으로 증가하고 있는 실정이다. 이 논문에서는 열차의 차상가속도 데이터를 기반으로 궤도의 품질을 결정하는 지표 중에 하나인 궤도품질지수를 머신러닝 기법을 활용하여 예측하였다. 머신러닝 기법으로 활용하고 있는 대표적인 3개의 모델로 궤도품질지수를 예측하여 가장 정확도가 높은 모델은 XGBoost으로 데이터셋에서 85% 이상의 예측정확도를 보였다. 또한 윤축과 대차의 z축의 진동가속도가 고저 궤도품질지수의 기여도가 높은 것으로 나타났으며, 이는 기존 연구결과와도 잘 일치하였다. 이러한 결과를 볼 때 단일 알고리즘인 서포터 벡터머신보다는 앙상블 알고리즘을 적용한 랜덤포레스트와 XGBoost이 정확도가 높은 것으로 판단된다. 따라서 머신러닝 기법에서 적용모델에 따라 정확도가 달라질 수 있기 때문에 차량진동가속도를 이용한 궤도품질지수를 예측하기 위해서는 앙상블 알고리즘을 가지는 모델을 적용하는 것이 적절할 것으로 판단된다.

지하투과레이더 신호의 보정을 통한 도심지 내 지반 이상구간의 검측 (Detection of Abnormal Area of Ground in Urban Area by Rectification of Ground Penetrating Radar Signal)

  • 강성훈;이종섭;이성진;이진욱;홍원택
    • 지질공학
    • /
    • 제27권3호
    • /
    • pp.217-231
    • /
    • 2017
  • 도심지 내 지반침하는 공동의 생성 및 체적함수비의 급격한 변화에 의하여 발생할 수 있는 것으로 알려져 있다. 본 연구에서는 보정 기법이 적용된 지하투과레이더 신호를 이용하여 도심지 내 공동 및 체적함수비의 급격한 변화가 발생한 지반 이상 구간을 검측하고자 하였다. 지반 이상구간에 대한 신호 획득을 위하여 구형의 공동을 모사한 모형지반을 대상으로 지하투과레이더 탐사를 수행하였다. 필터링 기법을 적용하여 설정한 대역폭을 통과하는 신호만을 측정하였으며, 이후 이득 함수, 타임 제로, 배경 제거, 디콘볼루션, 영상 이득 기법을 적용하고 각 기법의 적용에 따른 신호의 변화양상을 비교하였다. 신호처리 및 영상화 기법을 적용한 결과, 공동 발생 구간의 전기적 임피던스 대소관계에 부합하는 위상이 나타났다. 지하투과레이더 측정 신호를 이용하여 산정한 상대 유전율과 모형지반의 체적함수비를 이용하여 예측한 상대 유전율을 비교한 결과, 각 방법으로 도출된 상대 유전율은 서로 유사한 값을 보였다. 이를 통하여 도심지와 같이 매설물의 깊이가 알려져 있는 경우, 보정된 지하투과 레이더 신호를 통하여 체적함수비의 급격한 변화 구간 또한 검측할 수 있을 것이라 판단된다. 본 연구에서 제시된 신호의 보정 기법과 상대 유전율의 산정은 도심지 내 공동 발생 구간 및 체적함수비의 급격한 변화 구간과 같은 이상구간 검측에 활용될 수 있을 것으로 판단된다.

도심지 지중매설물 밀집도와 이력지반함몰의 상관성 분석을 위한 최적화 알고리즘에 관한 연구 (A Study on the Optimization Algorithm for Correlation Analysis of the Underground Utility Structure Density in Urban Areas and Recorded Ground Subsidence)

  • 최창호;김진영;백성하;강재모
    • 한국지반공학회논문집
    • /
    • 제37권10호
    • /
    • pp.77-87
    • /
    • 2021
  • 도심지에서 발생하는 지반함몰의 위험도를 분석하고 예측 및 예방하기 위한 연구가 다양하게 진행되었다. 기존의 연구 중에 지하매설물의 밀도(즉, 대상 공간 주변 지중에 설치된 매설물의 공간적인 물량)와 지반함몰 발생의 상관성을 활용한 위험도 분석 연구는 미비하다. 본 논문에서는 GIS기반 공간정보 데이터를 활용하여 지하에 설치되어 있는 매설물의 선형밀도(line density)를 분석하고, 이를 이력지반함몰 발생 현황과 연계하는 연구를 수행하였다. 분석 대상 지역에 대하여 2010~2015년 사이에 발생한 29개 이력지반함몰과 6종 지하매설물 선형밀도의 상관관계를 극대화하기 위한 최적화 알고리즘을 개발하였고, 보편적인 분석을 위해 정규선형밀도의 개념을 제안하였다. 분석 대상 지역의 정규선형밀도를 5개 등급(1등급 최저, 5등급 최고)으로 구분하였으며, 최적화 알고리즘을 적용할 경우 이력지반함몰 위치에서 정규선형밀도가 4등급 이상인 경우가 약 80%이상으로 나타났다. 제안된 최적화 알고리즘을 활용하여 지하매설물의 밀집도 분석 결과를 지반함몰 위험도 분석에 적용할 수 있을 것으로 판단된다.

인공 신경망 이론을 이용한 말뚝의 극한지지력 해석(I)-이론 (Analysis of Ultimate Bearing Capacity of Piles Using Artificial Neural Networks Theory (I) -Theory)

  • 이정학;이인모
    • 한국지반공학회지:지반
    • /
    • 제10권4호
    • /
    • pp.17-28
    • /
    • 1994
  • 인간의 두뇌는 분산 병렬 처리에 효과적이라는 사실에 근거하여 인공 신경망이론이 개발되었으며, 과학의 여러 분야에서 성공적으로 적용되어지고 있다. 본 연구에서는 인공 신경망 이론의 학습방법 중 하나인 오차 역전파 학습 알고리즘을 모형 말뚝의 극한지지력 예측에 적용하여, 이 이론이 말뚝의 극한지지력의 합리적인 산정방법으로 적용될 수 있는지의 가능성을 검토하였다. 이러한 시스템의 타당성 검토를 위하여 총 28개의 모형 말뚝재하시헙 결과를 이용하였으며, 그 중에서 9, 14, 21개의 자료를 네트워크 학습에 이용하여 나머지 자료의 예측 가능 정도를 분석하여 보았다. 개발된 시스템은 14개 이상의 학습자료에 대하여 모형 말뚝재하시험의 결과와 잘 맞는 것으로 나타났다. 이와같은 결과들을 종합하여 보건데 신경망 이론이 말뚝의 극한지지력 예측 문제에 적용될 수 있는 가능성을 보여 주었다.

  • PDF

조밀한 층을 포함하는 사질 지반의 지지력에 관한 연구 (A Study on the Bearing Capacity of the Sand Foundation Including the Dense Sand Layer)

  • 박은영;이상덕;권오엽;허창택
    • 대한토목학회논문집
    • /
    • 제13권2호
    • /
    • pp.237-242
    • /
    • 1993
  • 기초 지반이 몇개의 토층으로 구성된 경우 그 지지력은 각 토층의 강성도와 두께 및 위치 등에 의해 영향을 받는다. 따라서 기초 설계시에 기초의 지지력을 정확히 구하고 파괴면을 예측하기 위해서는 토층의 상태를 지지력 계산에 고려해야 한다. 본 연구에서는 기초 지반이 사질지반이고 중간에 상대적으로 조밀한 지층을 포함하는 경우에 조밀한 층의 두께나 위치가 기초의 지지력 및 파괴모양에 미치는 영향을 극한 해석의 상한한계(upper bound)쪽에서 완전해에 가까운 해를 구하는 K.E.M(Kinematical Element Method)을 이용하여 검토 하였으며, 기초 폭(B)의 3/5 B보다 깊지 않은곳에 조밀한 층이 위치하는 경우에는 기초의 지지력 과 파괴모양이 조밀한 층의 영향을 받는 것으로 나타났다.

  • PDF

건설 계측 데이터에 대한 통합 이상치 분석 시스템 개발 (Development of Integrated Outlier Analysis System for Construction Monitoring Data)

  • 전제성
    • 한국지반환경공학회 논문집
    • /
    • 제21권5호
    • /
    • pp.5-11
    • /
    • 2020
  • 구조물의 이상징후 판단 및 장단기 안정성, 장래 거동 등의 판단에 다양한 계측결과가 효율적으로 이용되기 위해서는 계측 데이터 내에 포함한 각종 이상치의 판정 및 제거가 필요하다. 본 연구에서는 장기 시계열 데이터에 대한 이상치 평가를 수행하기 위한 통합 이상치 분석 시스템을 개발하였다. 이상치 평가는 시계열 분석법에 의한 단일 데이터셋 대상의 1차 이상치 분석과 합성신호 기반의 다중 데이터셋에 대한 2차 이상치 분석으로 구분하여 단계별로 수행되었다. 통합 이상치 분석 시스템은 구조물에 대한 종합 안전관리 플랫폼과 실시간 연동되어 구조물의 각종 안전성 평가 및 거동 예측 등을 위한 기초자료를 제공할 수 있도록 개발되었다. 현장 적용을 통해 일정 경향을 보이는 동종의 다수 센서들의 합성신호와 개별 데이터셋 간의 상관성이 크게 증가함을 확인할 수 있었으며, 상관성에 대한 가중치 적용을 통해 차별 거동을 보이는 다양한 센서 계측치들도 모두 통합 이상치 분석에 활용될 수 있음을 확인 할 수 있었다.

다층지반에 근입된 흙막이 벽의 역해석에 관한 연구 (Back Analysis of the Earth Wall in Multi-layered Subgrade)

  • 이승훈;김종민;김수일;장범수
    • 한국지반공학회논문집
    • /
    • 제18권1호
    • /
    • pp.71-78
    • /
    • 2002
  • 본 연구에서는 다층지반에 근입된 흙막이 벽의 단계별 계측변위로부터 각 층의 지반물성을 추정하고 이로부터 차기단계의 거동을 예측하기 위한 역해석 기법을 제안하였다. 지반이 다수의 층으로 구성되어 있을 경우 찾아야 할 대상변수가 많아지게 되며, 대상변수가 많아질수록 역해석에 상당한 무리가 따르게 된다. 이러한 층별 지반물성을 효율적으로 추정하기 위하여 최하단층부터 순차적으로 대상변수들을 찾아가는 방법을 이용하였다. 역해석은 상당량의 반복계산이 필요하기 때문에 정해석 방법으로는 해석시간이 짧고 시공단계 별 해석이 가능한 탄소성보법을 사용하였다. 역해석 대상변수는 탄소성 하중-변위 곡선의 구성요소인 지반반력계수와 수평토압계수들을 취하였으며, 목적함수는 이상변위에 의한 오차를 최소화시키기 위하여 단계별 계측변위 증분과 해석변위 증분의 차이로 구성하였다. 목적함수를 최소화 시키는 대상변수들을 찾기 위한 최적화 수법으로는 제약순차선형계획 법을 이용하였다. 본 연구를 통하여 제안된 방법을 수치해석자료 및 현장계측자료를 이용하여 검증하였다.

포장층 이상구간에서 획득한 열화상 이미지 해석을 위한 CNN 알고리즘의 적용성 평가 (Assessment of Applicability of CNN Algorithm for Interpretation of Thermal Images Acquired in Superficial Defect Inspection Zones)

  • 장병수;김영석;김세원;최현준;윤형구
    • 한국지반공학회논문집
    • /
    • 제39권10호
    • /
    • pp.41-48
    • /
    • 2023
  • 도로 하부에 발생된 이상구간은 사용자의 안전을 위협하고 보수하기 위해서도 많은 사회적 비용이 동반된다. 본 연구에서는 적외선 카메라를 사용하여 이상구간 매질에 따른 온도 분포를 실험적으로 평가하고 이를 머신러닝 기법으로 분석하고자 하였다. 대상 현장은 가로와 세로 및 깊이가 모두 50cm인 정육면체 형태로 설정하였고, 이상구간은 물과 공기로 결정하였다. 실험부지의 상부는 포장층을 모사하기 위해 콘크리트 블록을 설치하였으며, 오후 4시부터 다음날 오후 3시까지 총 23시간 동안 포장층의 온도 분포를 측정하였다. 측정된 값은 이미지 형태로 도출되었으며, 이미지 중간부분에서 측정 온도의 수치를 추출하였다. 최대온도와 최저온도의 차이는 물, 공기, 그리고 원 지반에서 각각 34.8℃, 34.2℃ 그리고 28.6℃로 나타났으며, 이미지 분석 기법인 convolution neural network(CNN) 방법을 활용하여 각 측정 이미지에 해당하는 조건을 분류하였다. 분류를 수행하기 위해서는 res net 101과 squeeze net 네트워크가 이용되었다. res net 101의 분류 정확도는 물, 공기 그리고 원 지반에서 각각 70%, 50% 그리고 80%로 나타났고, squeeze net의 분류 정확도는 60%, 30% 그리고 70%로 나타났다. 해당 연구 결과는 수치데이터로 특징 판단이 어려울 경우 이미지 기반의 CNN 알고리즘을 활용하면 매질 특성 분석이 가능하고 지반내 상태도 예측할 수 있는 방법론을 보여준다.