Prediction of Undrained Shear Strength of Normally Consolidated Clay with Varying Consolidation Pressure Ratios Using Artificial Neural Networks

인공신경회로망을 이용한 압밀응력비에 따른 정규압밀점토의 비배수전단강도 예측

The anisotropy of soils has an important effect on stress-strain behavior. In this study, an attempt has been made to implement artificial neural network model for modeling the stress-strain relationship and predicting the undrained shear strength of normally consolidated clay with varying consolidation pressure ratios. The multi-layer neural network model, adopted in this study, utilizes the error back-propagation loaming algorithm. The artificial neural networks use the results of undrained triaxial test with various consolidation pressure ratios and different effective vertical consolidation pressure fur learning and testing data. After learning from a set of actual laboratory testing data, the neural network model predictions of the undrained shear strength of the normally consolidated clay are found to agree well with actual measurements. The predicted values by the artificial neural network model have a determination coefficient$(r^2)$ above 0.973 compared with the measured data. Therefore, this results show a positive potential for the applications of well-trained neural network model in predicting the undrained shear strength of cohesive soils.

일반적으로 자연상태의 흙은 이방성을 나타내며, 이러한 흙의 이방성이 응력-변형률 거동에 미치는 영향은 매우 크다. 따라서 본 연구에서는 인공신경회로망 모델을 이용하여 압밀응력비 변화에 따른 정규압밀점토의 응력-변형률 거동을 모델링하고 비배수전단강도를 예측하여 보았다. 이때 사용된 신경회로망은 일반화된 델타규칙으로도 불리우는 오차역전파 학습 알고리즘을 이용한 다층신경회로망이다. 신경회로망의 학습은 인공퇴적 점토시료를 이용, 연직압밀응력과 압밀응력비를 다르게 정규압밀시킨후 비배수전단시험을 실시하여 얻어진 시험 결과를 이용하였고, 학습된 신경회로망을 이용하여 학습시 제외되었던 압밀응력비 상태에서의 비배수전단강도를 추론하여 본 결과 예측치와 실측치가 잘 일치하였다. 검토결과 실측치와 추론치 사이에는 결정계수($r^2$) 0.973 이상의 높은 상관관계가 있음을 확인하였다. 따라서, 본 연구결과는 점토의 비배수전단강도를 예측함에 있어서 인공신경회로망모델의 적용 가능성을 보여주었다.