초록
터널굴착으로 발생되는 지반침하는 지상구조물의 변형을 유발할 수도 있으므로 터널굴착 전에 지상구조물의 안전성 평가가 요구된다. 이러한 변형에 대한 구조물의 안전성을 평가하기 위하여 본 연구에서는 터널현장의 지반침하를 예측하고, 이를 기반으로 지상구조물의 안정성 평가를 수행하는 전문가 시스템 NESASS(Neural Network Expert System for Adjacent Structure Safety analysis)를 개발하였다. NESASS는 인공신경망을 이용, 터널현장의 지반침하 계측자료로 작성된 데이터베이스 자료를 학습자료로 하여 학습을 수행하고, 이를 기반으로 터널현장의 지반침하 트라프를 추론한다. 또한 일반구조물의 안전성을 평가하는데 이용되고 있는 인자, 즉 각변형(angular distortion)과 처징비 (deflection ratio) 등을 이용하여 지상건물의 안전성을 평가함과 아울러 Dulacska의 균열평가 모델 을 이용하여 건물의 균열양상을 예측한다. 본 연구에서는 서울지하철 현장을 대상으로 113개 계측측선의 지반침하 계측자료를 수집 정리하고 지반침하의 주 영향인자들을 선정하여. 이들을 데이터베이스화하였다. 그리고 인공신경망 구조에 관련된 매개변수 연구를 수행하여 구축된 데이터베이스에 대한 최적 인공신경망 모델을 선정하였다. 또한 현장자료와의 비교를 통하여 NESASS의 지반침하 예측능력을 조사하고, 현장자료를 이용하여 지상구조물에 대한 안전성 평가의 신뢰성을 평가함으로써 NESASS의 실무 적용성을 확인 하였다.
Ground settlements induced by tunnel excavation cause the foundations of the neighboring building structures to deform. An expert system called NESASS( Neural network Expert System for Adjacent Structure Safety analysis) was developed to analyze the structural safety of such building structures. NESASS predicts the trend of ground settlements resulting from tunnel excavation and carries out a safety analysis for building structures on the basis of the predicted ground settlements. Using neural network technique. the NESASS learns the database consisting of the measured ground settlements collected from numerous actual fields and infers a settlement trend at the field of interest. The NESASS calculates the magnitudes of angular distortion, deflection ratio, and differential settlement of the structure. and in turn, determines the safety of the structure. In addition, the NESASS predicts the patterns of cracks to be formed in the structure, using Dulacska model for crack evaluation. In this study, the ground settlements measured from Seoul subway construction sites were collected and classified with respect to the major factors influencing ground settlement. Subsequently, a database of ground settlement due to tunnel excavation was built. A parametric study was performed to select the optimal neural network model for the database. A comparison of the ground settlement predicted by the NESASS with the measured ones indicates that the NESASS leads to reasonable predictions. The results of confidence evaluation for safety evaluation system of the NESASS are presented in this paper.
