초록
말뚝의 지지력과 거동을 예측하기 위하여 다양한 연구들이 수행되었음에도 불구하고, 메커니즘에 대한 전반적인 이해가 아직까지 미흡한 실정이다. 이는 많은 인자들이 서로 복잡한 연관성을 맺으며 말뚝의 거동에 영향을 미치기 때문이다. 따라서 지반조건과 말뚝조건 및 항타조건 등 과 관련된 많은 인자들 가운데 지지력에 중요한 영향을 미치는 인자들을 도출하기 어려우며, 또한 인자들 간의 복잡한 연관성을 지지력 공식에 적합하게 고려하기란 매우 어렵다. 본 연구에서는 항타말뚝들에 대한 동재하시험으로부터 선단 및 주면 지지력을 포함한 지지력을 예측하기 위하여 인공신경망이 적용되었다. 첫째로, 신경망 모델링에 근거한 민감도 분석를 통하여 지지력에 대한 각 영향인자들의 영향이 검토되었다. 둘째로, 지지력 예측을 위한 최적의 인공신경망 모델을 도출하기 위하여 인공신경망과 유전자 알고리즘으로 구성된 설계기법이 적용되었다. 이를 통해 토사지반에 관입된 항타말뚝의 지지력을 산정할 수 있는 최적의 인공신경망 모델을 제안하고자 하였다. 사용된 설계기법을 통하여 적합한 입력층 조합, 은닉층 노드수과 각 층 사이의 연결구조를 도출하였다. 도출된 인공신경망 모델을 적용함으로써 항타말뚝의 지지력을 간단하며 신뢰성 있게 예측할 수 있음을 알 수 있다.
Although numerous investigations have been performed over the years to predict the behavior and bearing capacity of piles, the mechanisms are not yet entirely understood. The prediction of bearing capacity is a difficult task, because large numbers of factors affect the capacity and also have complex relationship one another. Therefore, it is extremely difficult to search the essential factors among many factors, which are related with ground condition, pile type, driving condition and others, and then appropriately consider complicated relationship among the searched factors. The present paper describes the application of Artificial Neural Network (ANN) in predicting the capacity including its components at the tip and along the shaft from dynamic load test of the driven piles. Firstly, the effect of each factor on the value of bearing capacity is investigated on the basis of sensitivity analysis using ANN modeling. Secondly, the authors use the design methodology composed of ANN and genetic algorithm (GA) to find optimal neural network model to predict the bearing capacity. The authors allow this methodology to find the appropriate combination of input parameters, the number of hidden units and the transfer structure among the input, the hidden and the out layers. The results of this study indicate that the neural network model serves as a reliable and simple predictive tool for the bearing capacity of driven piles.
