• 지구물리
• /
• 제3권2호
• /
• pp.127-138
• /
• 2000

시멘트 모르타르 재료에 대한 동탄성계수와 정탄성계수의 차이를 고찰하고자 일곱 단계의 물시멘트 혼합비에 대해 다양한 길이의 시료를 제작, 시험하였다. 이들 시료의 동탄성계수 및 정탄성계수는 비중 측정, 초음파 전파 속도 측정 및 일축 압축 시험을 통해 결정되었으며, 시료에 대해 측정된 P파 및 S파 속도 분석은 기존의 아날로그 방식이 아닌 디지털 방식을 통해 수행되었다. 일련의 자료 처리 과정을 지친 디지털 방식 자료는, 초음파 전파 속도를 정밀하게 분석하는데 결정적인 역할을 할 수 있음이 확인되었으며, 복수 시료를 이용한 거리 변화에 따른 파의 지연 시간 변화를 이용한 속도 산정 방식이, 단일 시료 길이와 전파 시간을 이용한 기존 속도 산정 방식보다 더욱 정밀한 값을 보여주는 것으로 판명되었다. 밀도는 시료의 P파 및 5파 속도와 뚜렷한 양의 상관성을 보여주며, 일축 압축 강도 역시, 밀도와 뚜렷한 양의 상관성을 보여준다. 초음파 전파 속도를 통해 측정된 동탄성계수$(E_D)$와 일축 압축 시험을 통해 측정된 정탄성계수$(E_S)$의 비율$(E_D/E_S)$은 시료의 강도가 커질수록 함께 커지는 경향을 보여주었으며, 모든 시료에 대해 항상 동탄성계수가 정탄성계수보다 높게 평가됨이 확인되었다. 그러나 동포아송비$({\nu}_D)$와 정포아송비$({\nu}_S)$의 비율$({\nu}_D/{\nu}_S)$은 강도와 특별한 상관성을 보여주지 않았으며, 그 비율도 $69{\sim}122\;%$정도로 동포아송비와 정포아송비가 큰 차이를 보이지 않는 것으로 나타났다.

• 터널과지하공간
• /
• 제31권6호
• /
• pp.494-507
• /
• 2021

TBM의 활용이 증가하면서 최근 국내에서도 머신러닝 기법으로 TBM 데이터를 분석하여 TBM 전방의 지반을 예측하고 디스크커터의 교환주기 예측 및 굴진율을 예측하는 연구가 수행되고 있다. 본 연구에서는 TBM 굴진 시 기계 데이터를 대상으로 전통적 암반에 대한 분류 기법과 최근에 다양한 분야에서 널리 사용되고 있는 머신러닝 기법들을 접목하여 슬러리 쉴드 TBM 현장의 암반 특성에 대한 분류 예측을 하였다. 암반 특성 분류 기준 항목을 RQD, 일축압축강도, 탄성파속도로 설정하고 항목별 암반상태를 클래스 0(양호),1(보통),2(불량)의 3개 클래스로 구분한 다음, 6개의 분류 알고리즘에 대한 기계학습을 수행하였다. 그 결과, 앙상블 계열의 모델이 좋은 성능을 보여주었고 특히 학습성능과 더불어 학습속도에서 우수한 결과를 보인 LigthtGBM 모델이 대상 현장 지반에서 최적인 것으로 나타났다. 본 연구에서 설정한 3가지 암반 특성에 대한 분류 모델을 활용하면 지반정보가 제공되지 않은 구간에 대한 암반 상태를 제공할 수 있어 굴착작업 시 도움을 줄 수 있을 것으로 판단된다.