KSCE Journal of Civil and Environmental Engineering Research (대한토목학회논문집)

Korean Society of Civil Engeneers (대한토목학회)
권호 표지
DOI QR코드

DOI QR Code

Application of Probabilistic Neural Network (PNN) for Evaluating the Lateral Flow Occurrence on Soft Ground

연약지반의 측방유동 평가를 위한 확률신경망 이론의 적용

  • 김영상 (전남대학교 공학대학 건설환경공학부) ;
  • 주노아 (전남대학교 공학대학 건설환경공학부) ;
  • 이종재 (세종대학교 공과대학 토목환경공학과) ;
  • 이숙주 ((주)도화지질.전남대학교 건설환경공학부)
  • Received : 2007.01.10
  • Accepted : 2007.11.27
  • Published : 2008.01.31
Download PDF
⟨ Previous Next ⟩

Abstract

Recently, there have been many construction projects on soft ground with growth of industry and economy. Therefore foundation piles of abutments and(or) buildings had been suffering from a lot of stability problems of inordinary displacement due to lateral flow of soft ground. Although many researches about lateral flow have been carried out, it is still difficult to assess the mechanism of lateral flow in soft ground quantitatively. And reasonable design method for judgement of lateral flow occurrence in soft ground is not established yet. In this study, six PNN (Probabilistic Neural Network) models were developed according to input variables and database compiled from Korea and Japan for the judgment of lateral flow occurrence. PNN models were compared with present empirical methods. It was found that the developed PNN models can give more precise and reliable judgment of lateral flow occurrence than empirical methods.

최근 급속한 경제발전과 지역산업의 성장으로 인하여 많은 물류이동 발생과 함께 연약지반에 도로를 건설하는 경우가 많아지면서 연약지반 상에 축조된 구조물과 관련한 제반 문제점들이 대두되고 있다. 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, 연약지반상에 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 확률신경망모델을 구축하고 기존의 측방유동 판정식과 비교하였다. 연구결과 제안된 확률신경망 모델들의 측방유동 판정 성공률이 매우 높은 정확도를 가지며 기존 판정식에 비해 측방유동 판정에 매우 효과적임을 알 수 있다.

Keywords

References

  1. 김두기, 이종재, 장성규(2004) 콘크리트 압축강도 추정을 위한 확률 신경망, 한국구조물진단학회논문집, 한국구조물진단학회, 제8권 제2호, pp. 159-167
  2. 이송, 강대원(2004) 연약지반상에 측방유동을 받는 교대말뚝기초의 거동분석, 한국철도학회논문집, 한국철도학회, 제7권 제2호, pp. 149-154
  3. 이재훈, 홍성영(1998) 지반의 측방유동, 건설도서, pp. 121-123
  4. 이진형, 서정주, 정상섬, 장범수(2003) 측방유동을 받는 교대말뚝 기초의 거동분석(II)-측방유동 판정기준-, 한국지반공학회논문집, 한국지반공학회, 제19권 1호, pp. 21-29
  5. 이현엽, 문경일(1999) MATLAB을 이용한 퍼지-뉴로, 아진, pp. 245-309
  6. 정상섬(2000) 연약점성토에 설치된 말뚝기초의 측방이동 판단기준과 대책, 한국지반공학회소식지 Q&A, 한국지반공학회, pp. 50-52
  7. 조상래, 최기봉, 임경수, 지병환(2003) 연약지반상의 측방유동특성, 한국지반환경공학회 학술발표대회논문집, 한국지반환경공학회, pp. 159-164
  8. 조효남, 강경구, 이성칠, 허춘근(2002) 확률신경망에 기초한 교량 구조물의 손상평가, 한국구조물진단학회논문집, 한국구조물진단학회, 제6권 제4호, pp. 169-179
  9. 한국도로공사(1996) 교대변위 억제대책에 관한 연구(II), 연구보고서, 도로연 96-46-12
  10. 홍원표, 권오현, 한중근, 조성한(1994) 연약지반상 교대의 측방이동에 관한 연구, 한국지반공학회논문집, 한국지반공학회, 제10권 제4호, pp. 53-65
  11. 홍원표(1994), 수동말뚝, 이진출판사
  12. Duncan, J.M. and Chang, C.Y. (1970) Nonlinear Analysis of Strain in Soils, ASCE Journal, Soil Mech. Found. Div 96. pp. 1629-1653
  13. Franx. and Boonstra, G.C. (1948) Horizontal Pressure on Pile Foundations, Proc. of 2nd ICSMFE., Vol. 1, pp. 131-135
  14. Goh, A.T.C. (2002) Probabilistic Neural Network for evaluating seismic liquefaction potentical, Canadian Geotechnical Journal, Vol. 39 pp. 219-232 https://doi.org/10.1139/t01-073
  15. Heyman, L. and Boersma, L. (1961) Bending Moment in Piles Due to Lateral Earth Pressure, Proc. of 5th ICSMFE, Vol. 2 pp. 425-429
  16. Parzen, E. (1962) On estimation of a probability density function and mode, Annalo of Mathematical Statistics, 33, pp. 1065-1076 https://doi.org/10.1214/aoms/1177704472
  17. Specht, D.F. (1990) Probabilistic Neural Networks, Neural Networks 3, pp. 109-118 https://doi.org/10.1016/0893-6080(90)90049-Q
  18. Toll, D. (1996) Artificial Intelligence Applications in Geotechnical Engineering, Electro Joural Geotech Engineering, Premiere Issue