• 화약ㆍ발파
• /
• 제21권4호
• /
• pp.1-10
• /
• 2003

연암평가는 굴착난이도 평가와 관계가 많은 것을 고려할 때 굴착과 관련되는 발파와 연관 지울 수 있다. 따라서 현장에서 소량의 화약을 사용하여 누두공시험에 의해 구해진 누두지수와 발파계수를 연암의 분류요소로 사용하기 위한 시도가 이루어 졌다. 또한 현지 지반의 탄성파속도와 암석의 파쇄에 대한 저항성 나타내는 Protodyakonov의 계수도 분류요소로 사용하여 연암의 분류를 실시하였다.

• 한국지반공학회지:지반
• /
• 제14권1호
• /
• pp.29-36
• /
• 1998

본 논문에서는 이분적 암반분류 방법 보다 일반적인 다분적 암반분류 방법의 응용에 관해 연구하였다. 특히, 정성적 데이타를 체계적으로 이용할 수 있는 방법이 모색되었다. 응용 예를 통해 Bieniawski의 암반평가 시스템 (rock mass rating system, RMR)과 같이 암반을 두개 이상의 다등급으로 분류할 경우 본 논문에 제시된 방법이 효과적으로 사용될 수 있고 체계적인 암반조사를 위해 크게 기여할 것으로 생각된다. 또한, 오차에 대응하는 비용(cost of errors)의 기대값이 암반조사를 위한 시추 방법이 잘 계획되었는지에 관한 평가척도로 이용될 수 있음을 알았다.

• 터널과지하공간
• /
• 제31권1호
• /
• pp.10-24
• /
• 2021

지하 구조물 구축 시 구조물의 안정성을 확보하기 위해서는 주변 암반에 대한 암반 분류가 필수적으로 수행해야 한다. 특히 암반 내에 존재하는 불연속면은 암반의 물리적, 역학적 특성에 지배적인 영향을 미치므로 암반 불연속면에 대한 정확한 정보의 획득을 통해 신뢰도 높은 암반분류값을 제시하는 것은 매우 중요한 요소이다. 이러한 암반 분류는 지금까지 대부분 수작업을 통해 수행되었다. 그러나 대규모 지질조사와 같은 대형 조사면적에 대한 정확도의 부재, 비숙련자에 의한 암반 등급 결정값의 신뢰도 결여 등에 대한 문제점들이 항시 제기되어 왔다. 따라서 최근에 와서는 넓은 범위에 대해서도 신속하고 정확한 암반 분류를 위해 LiDAR를 이용한 암반 분류의 자동화에 대한 연구가 국내·외적으로 널리 이루어지고 있는 추세이다. 그러나 LiDAR 촬영으로 획득되는 point cloud로부터 불연속면의 정보를 분석하는 알고리즘의 특성에 따라 상이한 결과가 도출될 수 있으며, 숙련자에 의한 수작업의 결과를 완벽하게 대체하기에는 미흡한 경우가 종종 발생하고 있다. 따라서 본 연구에서는 LiDAR 촬영으로 획득한 point cloud로부터 불연속면을 추출하는 다양한 알고리즘을 설명하였으며, 이들 알고리즘을 이용하여 실제 암반 사면을 대상으로 불연속면을 추출하는 과정을 분석하였다. 본 연구에서 제시하는 다양한 알고리즘의 적용 과정은 향후 LiDAR 등을 통하여 획득한 디지털 데이터로부터 암반 불연속면을 추출하는 연구에서 참고자료로 활용될 것을 기대한다.

• 화약ㆍ발파
• /
• 제24권1호
• /
• pp.21-28
• /
• 2006

현재 가장 많이 사용되고 있는 암반분류법인 RMR 이나 Q 분류법을 이용하여 조사단계에서 암반평가를 할 때, 평가요소의 하나인 RQD 값을 구하기 위한 시추작업이 제한적으로 이루어지고 있고, 또한 시공단계에서도 시추작업은 거의 이루어지지 않고 있는 실정이다. 실제 현장조사에서는 RQD값은 일반적으로 유추되거나 간접적인 방법을 통해서 이루어지고 있는 실정이다. 또한 암반내의 절리간격조사도 여러 군의 절리가 존재할 경우 그룹별 간격의 측정이 용이하지 않으며 불연속면의 연속성 등 불연속면의 특성에 관한 측정이 쉽지 않다는 것이다. 절리간격 요소도 설제로는 RQD와 중복되는 요소로서 시추 코아에 의존하지 않고 보다 쉽게 암반평가를 실시할 수 있는 새로운 암반분류법의 개발이 필요하다. 이를 위해서 요구되는 요소들을 측정하지 않고도 암반의 구조적인 형태와 절리의 거칠기와 변형정도로 표시되는 불연속면의 표면적인 조건만을 관찰함으로써 암반평가를 실시할 수 있는 방법인 GSI 의 요소들을 RMR 방법과 결합하여 새로운 암반분류법을 제시하고자 하는 것이다.

• 터널과지하공간
• /
• 제9권2호
• /
• pp.158-167
• /
• 1999

주관적이고 정성적인 암판정 방법들 때문에 굴착될 토충과암석의 물량과 이에 따른 굴착비용 산정시에 일반적으로 어려움이 많다. 그러므로 본 논문은 굴착 목적에서 서울 화강암에 대하여 객관적이고 정량적이고 쉽게 적용될 수 있는 암반판정 방법들을 제시한다. 슈미트해머와 점하중강도 시험들은 서울 화강암의 암석에 대한 일축압축강도를 정량적으로 추정하기 위한 신뢰도가 높고 손쉽게 수행할 수 있는 방법들로서 입중되었다. 또한 지표면에서 약 12m 깊이인 천부지역의 화강암 암반상태를 확인하기 위하여, 지반조건을 직접 관찰할 수 있는 수직 절취사면의 최상부에서 현장 탄성파탐사 방법이 사용되었다. 이로서 현장 탄성파탐사로서 암반 상태 및 깊이를 판단하는 신뢰성을 확인할 수 있었는데 매우 정확한 1 m의 오차만 있었다. 그러므로 비교적 천부인 서을 화강암 암반의 굴착난이도 상태를 판단하기 위하여 현장에서 절취사면에 대한 정밀 지반조사방법은 매우 유용하고 경제적인 방법으로서 고려될 수 있다.

• 터널과지하공간
• /
• 제13권4호
• /
• pp.279-286
• /
• 2003

최근의 터널설계에 있어서 지보패턴 선정시 전기비저항탐사 결과를 효과적으로 황용하기 위하여 전기비 저항 역산결과와 암반분류와의 상관관계를 도출해 내고자 하는 시도가 이루어지고 있다. 그러나 전기비저항탐사결과를 고려한 예상지보패턴과 실제로 시공된 지보패턴 결과를 비교한 연구는 찾아보기 힘들다. 본 연구에서는 실제 터널굴진 상태에서 막장관찰에 기초한 암반분류 및 지보패턴 선정과 시공 전 수행한 전기비저항 탐사자료를 비교함으로씨 전기비저항 탐사 결과가 어느 정도의 신뢰도로 이용될 수 있는가를 살펴보고자 한다. 전기비저항 자료와 암반분류의 정량적인 상관성을 얻기 위하여 암반분류값으로 RMR(Rock mass rating)을 기본으로, RCR(rock condition rating), N(Rock mass number), Q-system 등을 이용하였다. 전기비저항탐사는 공간적 해상도가 낮기 때문에 후처리 과정으로 크리깅 기법을 사용하여 해상도를 향상시키고자 하였다. 상관도 분석 결과, 2차원 전기비저항탐사결과는 정성적인 경향을 살펴보는데 적합한 것으로 나타났다 3차원 전기비저항탐사 결과와의 상관관계는 매우 높은 것으로 나타나 신뢰도 높은 암반분류에 적용 가능하리라 예상된다.

• 터널과지하공간
• /
• 제34권4호
• /
• pp.330-354
• /
• 2024

고준위방사성폐기물 부지 특성화에서 암반공학분야의 주요 평가인자인 절리 분포와 암반분류에 대해 중생대 쥐라기 화강암체인 원주 화강암과 춘천 화강암의 심부 시추공을 활용하여 평가하였다. 절리 분포 특성을 평가하기 위해 ATV의 자료에서 추출된 균열대와 절리면을 활용하였으며, 심도에 따른 절리 빈도, 경사 방향, 경사각 등과 함께 주요 절리군을 평가하였다. 연구 대상인 원주와 춘천 화강암 모두 심도에 따라 절리 빈도가 선형적으로 증가하는 경향을 보였으며, 고각의 절리가 상대적으로 많이 분포함을 보였다. 또한 고각의 절리를 통한 지하수 유동으로 인해 심부에서도 상대적으로 풍화가 많이 발생한 경향을 보였다. RQD도 심부에서 낮은 수준의 값을 보였다. 한편, 저각의 경사각을 갖는 절리군은 고각의 절리군과는 다른 절리 특성을 보였다. 암반분류는 RMR을 기준으로 수행하였고 일축압축강도가 수행된 50 m 간격에 대한 암반분류와 함께 속도 검층자료, 지구통계기법을 활용한 심도에 따른 연속적 암반분류를 수행하였다. 원주 화강암은 전반적으로 양호한 암반등급을 보였고, 춘천 화강암도 보통 이상의 암반등급을 보였다. 두 화강암에서는 원주 화강암이 보다 높은 암반등급을 보였다. 50 m 간격과 연속적인 암반분류에서 원주 화강암은 천부가 심부에 비해 높은 등급을, 춘천 화강암은 심부가 천부에 비해 높은 등급을 보였다.

• 자원환경지질
• /
• 제55권3호
• /
• pp.309-316
• /
• 2022

암석 분류에 필요한 인적, 시간적 소모를 최소화하기 위해 최근 인공지능을 활용한 암석 분류 연구가 대두되었다. 이에 본 연구에서는 편광현미경 박편 이미지를 활용하여 염기성 화산암을 세분류하고자 하였다. 분류에 사용된 인공지능 모델은 Tensorflow, Keras 라이브러리를 기반으로 합성곱 신경망 모델을 자체 제작하였다. Olivine basalt, basaltic andesite, olivine tholeiite, trachytic olivine basalt 기준시료 박편을 개방 니콜, 직교 니콜, 그리고 gypsum plate를 장착하고 촬영한 이미지 총 720장을 인공지능 모델에 training : test = 7 : 3 비율로 학습시켰다. 학습결과, 80~90%이상의 분류 정확도를 보였다. 각각의 인공지능 모델의 분류 정확도를 확인하였을 때, 본 모델의 암석분류 방식이 지질학자의 암석 분류 프로세스와 크게 다르지 않을 것으로 예상된다. 나아가 본 모델 뿐 아니라 보다 다양한 암석종을 세분시키는 모델을 제작하여 통합한다면, 데이터 분류의 신속성과 비전문가의 접근성 모두를 만족시키는 인공지능 모델을 개발할 수 있으며, 이를 통해 암석학 기초연구의 새로운 틀을 마련할 수 있을 것으로 생각된다.

• 한국터널지하공간학회 논문집
• /
• 제6권3호
• /
• pp.237-245
• /
• 2004

터널의 설계에 있어서 RMR 분류방법은 암반을 분류하고 암반등급에 따른 지보패턴을 결정하기 위하여 널리 사용하여 왔다. 하지만 이러한 RMR 분류방법은 현장상태를 고려하여야만 구할 수 있는 변수들을 사용하고 암반을 분류하는 기술자의 경험적 판단에 의존될 수 밖에 없다. RMR 암반분류 방법을 설계단계에서 활용할 때 RMR의 평가요소들을 모두 고려하는 것은 실무적으로 불가능하다. 따라서 설계시 정량적인 요소만을 사용하여 RMR 분류 가능성을 확인하기 위하여 판별분석을 수행하였다. 정량적 데이터인 암석강도 혹은 RQD는 RMR 값과의 상관계수가 높으며, 기존 암반분류기준을 살펴볼 때 암석강도와 RQD는 암반분류를 위한 중요한 요소이다. 기존의 RMR 암반분류 방법을 통한 암반분류와 두 가지 변수만을 고려한 판별분석을 수행한 암반분류 결과 암석강도를 독립변수로 사용한 판별분석시 74.8%, RQD를 독립변수로 사용한 판별분석시 74.3%의 정확도로 RMR 암반분류가 가능하였다. 암석강도와 RQD를 함께 고려한 판별분석을 하였을 때 82.5%의 정확도로 RMR 암반분류가 가능하였다. 기존의 사례분석에서 RMR 전체 요소를 통하여 수행된 설계단계의 전체 적중률은 40.3% 정도 수준임을 감안할 때 설계단계에서는 암석강도와 RQD 만으로도 충분한 RMR 암반분류가 가능할 것이다.

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2005년도 제7회 특별심포지움 논문집
• /
• pp.37-42
• /
• 2005

우리나라 지형 여건 상 도로나 철도의 시공에는 터널이 포함되는 경우가 많다. 이 경우 터널의 미시추 구간에 대한 암반분류 도출에는 물리탐사가 유력한 수단이 된다. 탄성파 속도에 근거한 암반분류는 터널의 계획고가 깊을 경우 지표 및 시추공을 동시에 이용하는 대심도 토모그래피 기법이 적합하나 대심도 토모그래피 결과는 현재 국내에서 적용되고 있는 암반분류 기준으로 하면 통상 실제보다 암질을 양호하게 평가하는 경향이 있다. 본 연구에서는 암반상태와 탄성파 속도와의 상관관계를 보다 합리적으로 결정하기 위한 방법의 일환으로 셈블런스에 근거한 탄성파 기준속도비를 이용하는 암반분류방법을 제안하고 아울러 현장자료를 이용하여 그의 적용성을 고찰하였다.