• 터널과지하공간
• /
• 제29권3호
• /
• pp.197-213
• /
• 2019

본 연구에서는 TOUGH-FLAC 연동해석기법을 이용하여 Mont Terri 지하연구시설에서 수행된 단층 내 물 주입시험을 수치적으로 모델링하고, 단층의 재활성과 수리역학적 거동 특성을 살펴보았다. TOUGH2 해석에서는 단층을 Darcy의 법칙과 삼승법칙(Cubic law)을 따르는 연속체 요소로 모델링하였으며, FLAC3D 해석에서는 미끄러짐과 개폐가 허용되는 불연속 인터페이스 요소를 통해 모사하였다. 현장에서 획득한 단층의 균열개방압력(fracture opening pressure), 주입율, 모니터링 압력, 변위 곡선 등을 바탕으로, 단층의 탄성적 변형과 파괴에 의한 수직팽창 특성을 반영할 수 있는 수리간극모델과 수리역학 커플링 관계를 해석모델에 반영하였다. 한편, 현지응력 조건, 단층의 강도 및 변형 특성에 따른 파라미터 해석을 실시하여 각 입력변수가 해석 결과에 미치는 영향을 분석하였으며, 이를 통해 현장시험 결과를 가장 잘 재현할 수 있는 파라미터 조합을 선정하였다. 해석 결과, 균열개방압력에서 단층의 주입율과 모니터링 압력이 크게 증가하는 현상을 합리적으로 재현할 수 있었다. 하지만, 동일한 입력 변수 조건에서 단층의 전단변위와 파괴영역의 범위는 현장시험 결과에 비해 과대평가되는 결과를 보였다. 이는 해석모델에서는 고압의 주입조건에서 단층의 지속적인 전단파괴가 유도되는 반면, 현장에서는 수리간극의 변화가 전단 미끄러짐보다는 인장력에 의한 단층면의 개방(tensile opening)에 크게 의존하는 것으로 추정되기 때문이다.

• 터널과지하공간
• /
• 제29권3호
• /
• pp.172-183
• /
• 2019

Hoek et al.(2002)이 개발한 일반화된 Hoek-Brown(GHB) 파괴기준식은 암반의 파괴응력 조건을 정의하는 비선형 함수이다. 관련 강도정수들은 GSI 지수값을 이용하여 체계적으로 결정된다. GSI 지수는 현장 암반의 상태를 정량화한 수치이므로 GHB 파괴기준식은 현장의 암반조건을 파괴기준식에 반영할 수 있는 실용적인 암반파괴함수이다. 대부분의 암반공학 기술자들이 선형 Mohr-Coulomb 파괴기준식에 익숙하며, 다수의 암반공학 소프트웨어들이 Mohr-Coulomb 식을 채택하고 있음을 고려하여 등가마찰각과 등가점착력 계산식이 GHB 파괴기준식 발표와 함께 제시되었다. 그러나 이 목적으로 제시된 등 가마찰각 및 등가점착력 계산식은 선형 최적화가 수행되는 최소주응력 범위의 하한 값을 암반의 인장강도로 고정시키고 있다. 따라서 해석영역에 인장응력이 분포하지 않은 경우 Hoek et al.(2002)의 제안식을 이용한 등가마찰각 및 등가점착력 산정결과는 정확성이 떨어질 수 있다. 이러한 기존 등가마찰각 및 등가점착력 산정수식의 단점을 극복하기 위하여 이 연구에서는 임의의 최소주응력 구간에 대해서도 최적 등가마찰각과 등가점착력을 계산할 수 있는 해석적 수식을 유도하고 결과식의 정확성을 검증하였다.

• 한국음향학회지
• /
• 제41권1호
• /
• pp.76-86
• /
• 2022

보청기와 같은 청력 보장구는 자가 이득 조절을 통한 미세 조절이 가능 할 수 있다. 0.25 kHz ~ 8 kHz 옥타브 주파수 밴드의 대상자 선호 이득 측정을 위해 두 종류의 자가 이득 처방 절차가 개발 되었다. 이들 절차는 일차원 사용자 조절 인터페이스(프로그램된 다이얼)를 이용하여 다차원 변수를 빠르게 획득 할 수 있도록 디자인 되었다. 두 종류의 자가 이득 처방 절차는 사용자 인터페이스가 6개 주파수 밴드의 이득을 동시에 조절 하는지(Procedure A) 혹은 각 주파수 밴드를 개별적으로 조절 하는지(Procedure B) 에 따라 구분 된다. Monte-Carlo 시뮬레이션은 두 종류의 자가 이득 처방 절차에서 첫 20번의 반복된 시도동안 가상의 실제 선호이득값에 빠르게 수렴 할 수 있음을 보여 줬다. 20명의 젊은 정상 청력인을 대상으로 두 종류의 자가이득 처방 절차에 대한 행동 데이터 평가가(실험-재실험에 관한 신뢰도) 이뤄졌다. 선호 이득 측정은 20 min 미만의 시간이 소요 되었다. 최소 일주일 이상 간격을 두고 측정된 두 번의 사용자 선호 이득의 평균 제곱근 편차는 대략 10 dB ~ 15 dB 수준이었다.

• 한국컴퓨터정보학회논문지
• /
• 제27권2호
• /
• pp.33-42
• /
• 2022

본 논문에서는 운전자한테 실시간으로 블랙 아이스 경고를 보내기 위해서 도로 영상에서 블랙 아이스 영역 분할을 위한 다중 척도 팽창 컨볼루션 특징 융합에 기반한 딥러닝 모델을 제안한다. 제안한 다중척도 팽창 컨볼루션 특징 융합 네트워크는 인코더 블록에 서로 다른 팽창 비율 컨볼루션을 병렬로 추가하고, 서로 다른 해상도 특징 맵에서 서로 다른 팽창 비율을 설정하고, 다중 단계 특징 정보가 함께 융합된다. 다중 척도 팽창 컨볼루션 특징 융합은 수용 영역을 확장함과 동시에 공간의 세부 정보를 잘 보존하고 팽창 컨볼루션의 효과성을 높임으로써 기존 모델보다 성능을 향상시킨다. 실험 결과를 통해 본 논문 제안한 네트워크 모델은 병렬 평창 컨볼루션 수가 증가함에 따라 성능이 향상되는 것을 알 수 있었다. 제안한 방법의 mIoU 값은 96.46%로 U-Net, FCN, PSPNet, ENet, LinkNet 등 기존 네트워크보다 높았다. 그리고 파라미터는 1,858K개로, 기존 LinkNet모델보다 6배로 축소하였다. Jetson Nano에서 실험 결과 보면, 제안한 방법의 FPS는 3.63로 실시간으로 블랙 아이스 영역을 실시간으로 분할 할 수 있었다.

• 터널과지하공간
• /
• 제32권6호
• /
• pp.502-517
• /
• 2022

TBM의 활용이 증가하면서 최근 국내외에서 머신러닝 기법으로 TBM 데이터를 분석하여 디스크커터의 교환주기 예측 및 굴진율을 예측하는 연구가 증가하고 있다. 본 연구에서는 굴진 시 획득되는 기계 데이터와 지반 데이터를 기반으로 최근에 다양한 분야에서 널리 사용되고 있는 머신러닝 기법들 중 회귀 모델을 접목하여 슬러리 쉴드 TBM 현장의 디스크 커터 마모 예측을 하였다. 디스크 커터 마모 예측을 위해서 Training과 Test 데이터를 7:3으로 분할하였으며, 최적의 파라미터를 선정을 위해서 분할 교차검증을 포함하는 그리드 서치를 활용하였다. 그 결과, 앙상블 계열의 그레디언트 부스팅 모델이 결정계수가 0.852, 평균 제곱근 오차가 3.111로 좋은 성능을 보여주었고 특히 학습성능과 더불어 학습속도에서 우수한 결과를 보여주었다. 현재 도출된 결과로 볼 때, 슬러리 쉴드 TBM의 기계데이터와 지반정보가 포함된 데이터를 활용한 디스크 커터 마모 예측 모델의 적합성은 높다고 보인다. 추가적으로 지반조건의 다양성과 디스크 마모 측정 데이터양을 늘리는 연구가 필요한 것으로 판단된다.

• 터널과지하공간
• /
• 제32권6호
• /
• pp.435-450
• /
• 2022

고준위방사성폐기물 심층처분을 위한 단계별 부지선정에 있어 기본조사부터 심부 시추조사를 통해 부지선정에 필요한 요소들을 획득할 예정이다. 터널이나 유류지하저장소 등과 같은 암반구조물의 지반조사와 달리 고준위방사성폐기물 처분과 관련된 지반조사는 매우 깊은 심도까지 수행될 뿐 아니라 높은 수준의 품질관리가 요구된다. 본 보고에서는 심부 지질특성화에 필요한 요소를 획득하기 위해 수행하였던 750 m급 심부 시추경험을 토대로 심부 시추에 대한 방법론과 심부 시추 전, 시추 중, 시추 후 획득하는 지질학, 지구물리학, 수리화학, 수리지질학, 암반공학 등 다학제적 지구과학적 조사에 대한 절차 등에 대해 간략하게 서술하였다. 암반공학분야의 핵심 평가인자 중 현지응력에 대해서는 고준위방사성폐기물 심층처분관련 국외 사례와 국내 사례를 통하여 심도에 따른 응력변화를 고찰하였다.

• Composites Research
• /
• 제20권4호
• /
• pp.31-41
• /
• 2007

시스템 요구 조건에 따른 다양한 돔 형상 설계를 위하여 외부 하중이 고려된 돔 형상 설계 식이 제시되었고, 동일 원통부와 보스 오프닝을 가지면서 다른 돔 형상을 갖는 압력 용기의 성능(파열압력*내부용적/복합재무게) 변화를 유한요소해석을 통하여 평가하였다. 해석 결과는 돔 형상이 낮아질수록 파열 압력이 저하되어 압력 용기 성능이 저하됨을 나타내었다. 특히 원통부 반경과 보스 오프닝간의 비를 나타내는 보스 오프닝 크기 비율(${\rho}\;o$)이 큰 경우는 돔 형상이 낮아짐에 따라 복합재 무게 증가율이 크게 나타남으로서 압력 용기 성능 저하의 원인이 되었고, 파열 압력 상승을 위하여 돔 부위에 추가적인 보강설계가 요구되었다. 예를 들어 ${\rho}\;o=0.35$ 이하의 돔인 경우, 돔 형상 변화가 크지 않음으로서 돔 형상 변화에 따른 압력 용기 성능 변화도 크지 않은 것으로 나타난 반면, ${\rho}\;o=0.54$ 이상의 압력 용기인 경우 낮은 돔으로 변화됨에 따라 파열 압력 감소와 복합재 무게 증가로 압력 용기 성능 저하가 비교적 크게 나타나서 압력 용기 내부 용적 증가나 스커트와 돔간의 공간 확보가 우선인 설계 조건을 제외하고는 낮은 돔 형상 설계가 바람직하지 않은 것으로 나타났다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제29권3호
• /
• pp.85-92
• /
• 2023

최근 ChatGPT나 자율주행 자동차 등의 인공지능 분야의 급속한 발전으로 인해 인공지능에 대한 관심이 높아졌다. 그러나 아직 인공지능은 학습 과정에서 알 수 없는 요소가 많이 존재하여 모델을 개선하거나 최적화하기 위해서 필요 이상의 시간과 노력을 들여야 하는 경우가 많다. 따라서, 인공지능 모델의 학습 과정에서 가중치 변화를 명확하게 이해하고 해당 변화를 효과적으로 분석할 수 있는 도구 또는 방법론이 절실하게 요구되고 있다. 본 연구에서는 이러한 점을 해결하기 위해 누적 가중치 변화량을 시각화해주는 시스템을 제안한다. 시스템은 학습의 일정한 기간마다 가중치를 구하고 가중치의 변화를 누적시켜서 누적 가중치로 저장하여 3차원 공간상에 나타내게 된다. 이로 인해 보는 이로 하여금 한눈에 레이어의 구조와 현재의 가중치 변화량이 이해되기 쉽게 구성하였다. 이러한 연구를 통해 인공지능 모델의 학습 과정이 어떻게 진행되는지에 대한 이해와 모델의 성능 향상에 도움이 되는 방향으로 하이퍼 파라미터를 변경할 수 있는 지표를 얻게 되는 등 인공지능 학습 과정의 다양한 측면을 탐구할 수 있을 것이다. 이러한 시도를 통해 아직 미지의 영역으로 여겨지는 인공지능 학습 과정의 일부를 보다 효과적으로 탐색하고 인공지능 모델의 발전과 적용에 기여할 수 있을 것으로 기대된다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.547-560
• /
• 2023

최근 국내외에서 기계학습 기법으로 TBM 굴진 데이터와 지반데이터를 분석하는 지반 분류예측 연구가 증가하고 있다. 본 연구에서는 다양한 분야에서 널리 사용되고 있는 머신러닝 기법들 중 의사결정트리 기반 랜덤포레스트 모델을 3곳의 이수식 TBM 현장에서 획득한 기계 데이터와 지반 데이터에 적용하여 일축압축강도에 대한 다중 분류예측 연구를 하였다. 일축압축강도의 다중 분류 예측을 위해서 학습과 테스트 데이터를 7:3으로 분할하였으며, 최적의 파라미터를 선정을 위해서 분할 교차검증을 포함하는 그리드 서치를 활용하였다. 의사 결정 트리를 기반으로 한 랜덤 포레스트를 사용하여 일축압축강도 분류 학습을 수행한 결과, 다중 분류 예측 모델의 정확도는 학습 세트와 테스트 세트에서 각각 0.983 및 0.982로 모두 높게 나타났다. 다만, 클래스 간 데이터 분포의 불균형으로 인하여 클래스 4에서는 재현율이 낮게 평가되었다. 다양한 현장에서 획득한 일축압축강도의 측정 데이터양을 늘리는 연구가 필요한 것으로 판단된다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.594-609
• /
• 2023

TBM 공법은 굴착면 안정성 확보 및 주변환경에 비치는 영향을 최소화하기 때문에 도심지나 하·해저터널 등에서 적용 사례가 증가하는 추세이다. 디스크 커터의 수명을 예측하는 대표적인 모델 중 NTNU모델은 커터수명지수(Cutter Life Index, CLI)를 주요 매개 변수로 활용하지만 복잡한 시험절차와 시험장비의 희귀성으로 측정에 어려움이 있다. 본 연구에서는 다중선형회귀분석과 트리 기반의 머신러닝 기법으로 암석물성을 활용하여 CLI를 예측하였다. 문헌 조사를 통해 암석의 일축압축강도, 압열인장강도, 등 가석영함량과 세르샤 마모지수 등을 포함한 데이터베이스를 구축하였고 파생변수를 계산하여 추가하였다. 다중선형회귀분석은 통계적 유의성과 다중공선성을 고려하여 입력 변수를 선정하였고 머신러닝 예측 모델은 변수 중요도를 기반으로 입력 변수를 선정하였다. 학습용과 검증용 데이터를 8:2로 나누어 모델 간 예측 성능을 비교한 결과 XGBoost가 최적의 모델로 선정되었다. 본 연구에서 도출된 다중선형회귀모델과 XGBoost모델을 선행 연구와 예측 성능을 비교하여 타당성을 확인하였다.