• 비파괴검사학회지
• /
• 제22권3호
• /
• pp.275-283
• /
• 2002

지하에 매설된 각종 시설물의 위치 및 깊이를 조사하기 위한 비파괴적인 조사방법으로 GPR(Ground Penetrating Radar; 지하투과레이다; 지하레이다) 탐사법이 국내외적으로 많이 활용되고 있으나, 가탐심도가 일반적적로 5m이내로서 낮으며, 지하매질이 불균질하거나 점토, 염분, 자갈 등이 많은 곳 및 주변의 전자기적 잡음이 심한 곳에서는 조사가 안 되는 경우가 많다. 본 연구에서는 이러한 비파괴 GPR 탐사법의 제약을 극복하고자 일반적인 매설심도(물리탐사적으로는 얕은 곳)에 위치한 지하매설물임에도 불구하고 탐지가 안 되는 지역을 선정하여, 토질분석에 의해 탐사가 되지 않는 원인규명과 함께 효과적으로 지하매설물을 탐지할 수 있는 새로운 비파괴 전자(電磁) 탐사법을 제시하였다. 본 연구에서는 2kHz-4MHz 대역의 지하조사를 위한 고주파수대역 전자탐사법을 개발, 적용하였다. 고주파수대역 전자 탐사는 주파수대역 탐사이며 인공적으로 에너지원(源)을 방출하는 능동적인 탐사법으로서 가탐심도는 약30m 정도이다. 서로 수직한 전기장과 자기장을 측정하여 임피던스를 계산하며, 이로부터 측점 하부의 수직적인 전기비저항 분포를 해석하게 된다. 또한, 비접촉 용량전극을 채택하여 측정시간을 대폭 줄일 수 있을 뿐만 아니라 콘크리트, 아스팔트 및 잡석으로 포장된 지역에서도 조사가 용이하며, 신호중첩에 의해 고압선 등에 의한 잡음을 감소시킬 수 있게 되었다. 다른 탐사방법으로는 발견할 수 없었던 지하매설관에 대해서 본 고주파수대역 전자탐사를 성공적으로 정밀하게 적용할 수 있었다. 본 연구 결과를 지하매설물의 위치 및 깊이 확인을 위한 정밀 지하측량 지반조사 및 문화 유적지조사 등에 효과적으로 적용할 수 있을 것으로 판단된다.

• 한국자원공학회지
• /
• 제55권6호
• /
• pp.576-587
• /
• 2018

광물찌꺼기적치장 안전 모니터링을 위한 적치장 안전에 영향을 미치는 요소를 분석하고 이러한 요소를 감시할 수 있는 계측장비를 검토하였다. 또한, 이러한 결과를 국내 광물찌꺼기 적치장(20개소, 18개 광산)에서 발생되는 결함에 대해 적용 가능한 계측장비를 선정하였다. 요소분석은 표면 침식, 파이핑 및 사면 불안정으로 구분하여 평가하였으며, 이를 다시 세분하여 표면 침식은 식생, 복토층 및 광물찌꺼기, 파이핑은 차수층, 우수배제시설 및 침출수, 사면불안정은 사면, 콘크리트 옹벽 및 석축으로 구분하여 결함의 지표 및 계측항목을 설정하였다. 계측은 주로 상시 및 변위계측이 가능한 CCTV의 활용이 높게 평가되었으며, 전기비저항탐사, 음향계측기, 다점온도모니터링, 구조물경사계, 강우량계 및 유량계 등의 활용도가 높은 것으로 평가되었다. 또한, 국내 적치장에서 발생되는 결함에 적용한 결과, 주로 파이핑과 관련된 차수층, 우수배제시설 및 침출수에서 결함이 주로 발견되어 이와 관련된 계측장비의 활용이 높은 것으로 평가되었다.

• 한국터널지하공간학회 논문집
• /
• 제24권6호
• /
• pp.617-628
• /
• 2022

터널 건설 시 암반 등급에 따라 다양한 지보재를 적절히 병용하여 지보패턴을 결정하고 시공이 이루어진다. 이 과정에서 시공 경험이 풍부한 전문가의 기술적 판단이 필요한데, 터널 설계의 초기 단계인 타당성 조사 및 기본설계 단계에는 상대적으로 짧은 수행기간과 부족한 자료 및 예산으로 인해 설계에 많은 어려움이 존재한다. 터널 건설의 급증과 함께 축적된 설계 데이터와 머신러닝을 활용한다면, 지보패턴 설계를 보다 신속하고 신뢰도 있게 수행할 수 있다. 따라서 본 연구에서는 암반등급 판정 및 해당 암반등급에 적합한 지보패턴 설계를 자동화하고자 국내 48개 도로터널의 설계자료 및 지반조사 자료를 수집하였으며, 8개의 입력항목(암종, 전기비저항, 심도, 터널연장, 터널연장에 따른 방재등급, 위험도지수에 따른 방재등급, 터널 종류, 터널 단면적)과 11개의 출력항목(암반등급, 숏크리트 제원 2개 항목, 록볼트 제원 3개 항목, 강지보 제원 3개 항목, 콘크리트 라이닝 2개 항목)에 대한 데이터를 정리하였다. 이와 같이 정리된 데이터를 활용하여 2가지 머신러닝 알고리즘(SVM, ANN)을 활용하여 3가지 머신러닝 모델(S1, A1, A2)을 개발하였으며, 세 가지 모델의 성능을 비교해본 결과 출력값의 데이터 형식에 따라 서로 다른 손실함수를 적용한 ANN 기반의 A2 모델이 가장 뛰어난 성능을 보였다. 본 연구를 통해 머신러닝을 활용한 지보패턴 설계의 가능성을 확인할 수 있었으며, 향후 지속적으로 실제 설계에 사용함으로써 단점을 보완하고 적용성을 개선해 나간다면 설계에 보다 큰 도움을 줄 수 있는 지보패턴 설계 모델을 개발할 수 있을 것으로 기대된다.