Abstract
The flat dilatometer test (DMT) is a geotechnical tool to estimate in-situ properties of various types of ground materials. The undrained shear strength is known to be the most reliable and useful parameter obtained by DMT. However, the existing relationships which were established for other local deposits depend on the regional geotechnical characteristics. In addition, the flat dilatometer test results have been interpreted using three intermediate indices - material index $(I_D)$, horizontal stress index $(K_D)$, and dilatometer modulus (E$_{D}$) and the undrained shear strength has been estimated merely using the horizontal stress index $(K_D)$. In this paper, the applicability of the flat dilatometer to Korean soft clay deposit has been investigated. Then an artificial neural network was developed to evaluate the undrained shear strength by DMT and the ANN, based on the $p_0, p_1, p_2, {\sigma '}_v$ and porewater pressure. The ANN which adopts the back-propagation algorithm was trained based on the DMT data obtained from Korean soft clay. To investigate the feasibility of ANN model, the prediction results obtained from data which were not used to train the ANN and those obtained from existing relationships were compared.
DMT 시험은 연약지반의 공학적 특성을 파악하기 위한 현장 시험방법으로, 이 방법으로부터 구한 비배수 전단강도는 가장 신뢰성 있고 유용한 매개변수로 알려져 있다. 그러나 국외 다른 지역의 자료를 토대로 기존에 제안된 상관관계식들은 지역적인 특성에 의존한다. DMT 시험 결과는 3가지 중간 지수 - 재료지수, 수평응력지수, dilatometer modulus를 사용하여 해석이 이루어지며 특히 비배수 전단강도는 수평응력지수만을 이용하여 예측하고 있다. 본 논문에서는 먼저 DMT 시험의 국내 연약지반에서의 적용성을 살펴보았으며 DMT로부터 비배수 전단강도를 추정하기 위하여 $p_0, p_1, p_2, {\sigma '}_v$ 그리고 초기 간극수압을 바탕으로 인공신경망 모델을 개발하였다. 인공신경망 모델은 오차 역전파 알고리즘을 적용하였으며 국내 연약지반에서 수행된 DMT 시험 자료를 이용하여 훈련하였다. 인공신경망 모델의 적용성을 판단하기 위하여 훈련에 이용되지 않은 자료로부터 예측된 결과와 기존에 제안된 상관관계식으로부터 얻은 결과를 서로 비교하였다.
