초록
최근 급속한 경제발전과 지역산업의 성장으로 인하여 많은 물류이동 발생과 함께 연약지반에 도로를 건설하는 경우가 많아지면서 연약지반 상에 축조된 지반구조물과 관련한 제반 문제점들이 대두되고 있다. 특히 말뚝 기초 형식의 교대나 건축물을 연약지반에 시공할 경우 비정상적인 측방유동에 의한 변위가 기초지반에 발생하여 상부 구조물의 안정성과 사용성에 많은 문제를 야기하고 있다. 측방유동은 말뚝의 파손원인과 측방변위에 대한 상관관계 연구, 연약지반 상에 설치된 말뚝의 변형과 모멘트에 대한 연구, 수치해석법을 이용한 연약지반상의 성토에 따른 측방변위 특성 및 현장계측을 통한 측방변위 특성 등 많은 연구가 수행되어지고 있으나 측방유동현상은 지금까지도 그 역학적 메커니즘이 정량적으로 파악하기 어렵고, 측방유동에 대한 합리적인 설계법이 확립되어 있지 않는 실정이다. 본 연구에서는 국내 및 일본 측방유동 발생 사례를 바탕으로 효과적이고 보다 정확한 측방유동 판정을 위하여 확률신경망과 군집신경망이론을 이용한 평가모델을 구축하고 기존의 측방유동 판정식과 비교하였다. 연구결과 제안된 확률신경망과 군집신경망 모델들의 측방유동 판정 성공률이 기존의 판정식들에 비해 매우 높은 정확도를 가지며 효과적인 것으로 나타났다.
Recently, there have been many construction projects on soft ground with growth of industry and various construction problems concerning soft soil behavior also have been reported. Especially, foundation piles of abutments and (or) buildings which were constructed on the soft ground have been suffering from a lot of stability problems of inordinary displacement due to lateral flow of soft ground. Although many researches for this phenomena have been carried out, it is still difficult to assess the mechanism of lateral flow on soft ground quantitatively. And reliable design method for judgement of lateral flow occurrence is not established yet. In this study, PNN (probabilistic neural network) and CNN (committee neural network) theories were applied for judgment of lateral flow occurrence based on eat data compiled from Korea and Japan. Predictions of PNN and CNN models for new data which were not used during model development are compared with those predicted by conventional empirical methods. It was found that the developed PNN and CNN models can predict more precise and reliable judgment of lateral flow occurrence than conventional empirical methods.
