• 터널과지하공간
• /
• 제30권6호
• /
• pp.540-550
• /
• 2020

최근 AI 기술의 발전과 정립으로 자동화 분야에서 머신러닝 기법의 활용이 활발하게 이루어지고 있다. 머신러닝 기법의 활용에 있어 중요한 점은 데이터 특성에 따라 적합한 알고리즘이 존재한다는 점이며, 머신러닝 기법 적용을 위한 데이터세트의 분석이 필요하다. 본 연구에서는 다양한 머신러닝 기법을 기반으로 하천 하부의 토사지반을 통과하는 토압식 쉴드TBM 터널 구간의 지반정보와 굴진정보를 사용하여 토압식 쉴드TBM의 굴진율을 예측하였다. 선형회귀모델에서 모델의 통계적인 유의성과 다중공선성에서는 문제가 없었으나 결정계수가 0.76으로 나타났고 앙상블 모델과 서포트 벡터 머신에서는 0.88이상의 예측성능을 보여, 분석한 데이터세트에서 토압식 쉴드TBM 굴진성능예측에 적합한 모델은 서포트 벡터 머신임을 알 수 있었다. 현재 도출된 결과로 볼 때, 토압식 쉴드TBM의 기계데이터와 지반정보가 포함된 데이터를 활용한 굴진성능 예측 모델의 적합성은 높다고 판단된다. 추가적으로 지반조건의 다양성과 데이터양을 늘리는 연구가 필요한 것으로 판단된다.

• 한국터널지하공간학회 논문집
• /
• 제21권4호
• /
• pp.519-534
• /
• 2019

최근 국내 터널공사에서 낙반사고의 위험성이 낮고 진동과 소음이 적은 쉴드 TBM을 이용한 기계화 터널공법이 많이 적용되는 추세이며, 이러한 쉴드 TBM으로 터널 굴착 시 적절한 굴착속도를 설계하는 것이 무엇보다 중요하다. 본 연구에서는 ${\bigcirc}{\bigcirc}{\sim}{\bigcirc}{\bigcirc}$ 고속철도 쉴드 TBM 공사구간에 대하여 지반조사 결과와 TBM 굴진데이터를 분석하고 이를 기존 연구자들에 의해 제안된 경험적 굴착속도 예측방법에 적용하였다. 또한, 현장 굴진데이터 중 커터 당 추력과 지반 일축압축강도와의 상관관계를 분석하고 이를 통해 TBM 터널 설계 시 커터 당 추력과 일축압축강도를 변수로 굴착속도를 예측할 수 있는 간편 모델을 도출하였다. 기존 해외의 여러 굴착속도 예측 모델들을 해당 TBM 현장에 적용한 결과 예측치와 측정된 굴착속도는 약 50~500%의 비교적 큰 오차를 보인 반면, 본 연구에서 도출된 굴착속도 예측모델은 평균 약 15%의 오차율을 나타내어 추후 유사한 지반조건을 가진 쉴드 TBM 현장에 대해서 적용성이 높을 수 있을 것으로 기대한다.

• 한국터널지하공간학회 논문집
• /
• 제22권5호
• /
• pp.575-589
• /
• 2020

최근 국내 터널에서 지속적으로 증가하고 있는 쉴드 TBM 공법의 주된 굴착도구는 디스크 커터로 굴진과정에서 자연스럽게 마모가 발생하고 이는 TBM의 굴진효능을 현저히 저하시키기 때문에 적절한 시기에 교체하는 것이 중요하다. 따라서 본 연구에서는 디스크 커터 교체 여부를 판단할 수 있는 예측 모델을 머신러닝 기법을 사용한 방법으로 제안하였다. 이를 위해 국내 기 시공된 쉴드 TBM 현장의 데이터 중 디스크 커터 소모에 상관성이 높은 굴진데이터(TBM 기계데이터, 지반정보 등)와 교체이력을 입력데이터로 사용하여 다양한 머신러닝 분류기법 중 서포트 벡터 머신, 최근접이웃 알고리즘, 의사결정트리 알고리즘을 사용하여 최적의 예측 모델을 구축하고 모델의 성능을 평가하기 위하여 분류성능평가 지표로 비교 분석하였다.

• 자연, 터널 그리고 지하공간
• /
• 제20권2호
• /
• pp.12-16
• /
• 2018

• 자연, 터널 그리고 지하공간
• /
• 제19권3호
• /
• pp.6-12
• /
• 2017

• 자연, 터널 그리고 지하공간
• /
• 제19권4호
• /
• pp.11-16
• /
• 2017

• 터널과지하공간
• /
• 제33권4호
• /
• pp.255-264
• /
• 2023

근래 들어 도심지 지하공간 개발에 대한 수요가 증가함에 따라 도심지 터널계획이 활발히 진행되고 있다. 도심지 구간에는 주민 생활환경을 고려하여 지하정거장이 계획되며, 기존 구조물의 안정성 및 환경훼손 저감 등을 위해 2-Arch터널 정거장을 적용하고 있다. 그러나 도심지 구간은 심한 풍화작용에 따라 불량지반의 심도가 깊게 발달되어 터널 안정성 확보를 고려한 신중한 계획이 요구된다. 이뿐만 아니라 도심지의 복합적인 지반상태를 고려하여 본선터널에 TBM 기계굴착 공법을 적용하는 경우, 기존 NATM형 2-Arch터널과는 시공연계성을 확보할 수 없게 된다. 본 연구에서는 쉴드TBM과 2-Arch터널을 조합한 형태인 TBM선굴진 2-Arch터널을 국내 최초로 적용한 설계사례를 중점으로 기술하고자 하였다. 중앙터널 굴착후 좌우터널 시공을 고려하여 쉴드TBM 세그먼트 설치 및 해체를 위해 고려한 설계사항을 설명하고, 수치해석을 활용한 안정성 검토를 통해 TBM선굴진 2-Arch터널의 설치효과를 검증하였다.

• 터널과지하공간
• /
• 제29권6호
• /
• pp.394-406
• /
• 2019

도심지와 하·해저 터널에서는 연약지반 혹은 특수지반(단층대, 복합지반 등)을 조우할 가능성이 높으며, 이러한 조건에서는 TBM의 굴진율이 저하되고 다운타임이 증가하는 등의 문제점이 발생한다. 이러한 문제점들은 지반조사에서 발견되지 않은 불리한 지반조건에 기인하는 경우가 많으며, 굴진 중 수집된 굴진데이터를 근거로 향후 지층조건에 대한 최적의 운용조건을 결정하는 것이 최선이다. 본 연구는 향후 쉴드 TBM을 이용한 터널공사에서 단층대 및 복합지반에서의 효율적인 시공을 위하여 수행되었다. 외국의 사례를 통해 수집된 TBM의 굴진데이터를 활용하여 굴진율과 다운타임 발생 특성을 지층조건에 따라 분석하였다. 추력, 토크, RPM 등 주요 TBM의 기계데이터와 굴진율, 다운타임은 단층대와 복합지반의 특징에 따라 크게 영향을 받는 것을 확인하였고, 그 특징에 대하여 논하였다. 향후 국내외 유사한 지반에서의 TBM 시공 시 유용하게 활용될 수 있을 것으로 기대된다.

• 터널과지하공간
• /
• 제30권3호
• /
• pp.214-225
• /
• 2020

쉴드 TBM(Tunnel Boring Machine) 터널 굴착 시 암반의 상태는 굴진 성능을 결정하는 중요한 요소 중 하나이다. 암석 강도는 지반조사 시 실내시험을 통해 얻을 수 있으나, 전체 TBM 굴진 구간에 대해 모두 알 수 없다. TBM 굴진 시 최적 Operation Parameter를 적용하기 위해서는 굴진 속도에 영향을 미치는 암석 강도를 파악하는 것이 매우 중요하다. 이에 본 연구에서는 TBM 굴착 중 생성되는 기계 데이터와 머신러닝(Machine Learning) 기법을 활용하여 암석 강도를 예측하고자 한다. 암석 강도를 예측하기 위해 여러 머신러닝 기법을 사용하여 비교하였고, 가장 예측 성능이 좋은 스태킹 모델을 최종 모델로 선택하였다. 암반 구간 Slurry 쉴드 TBM 굴진 사례에서 지반조사 및 시공 중 조사한 암석 강도와 강도를 획득한 위치에서의 TBM 굴착 데이터를 사용하였다. TBM 굴착 데이터는 Training과 Test용으로 8:2로 분할하였으며, 변수 선택(feature selection), 표준화(scaling), 이상치(outlier) 제거 등 전처리 과정을 수행하였다. 하이퍼파라미터 튜닝까지 마친 후, 스태킹 모델에 대해 평균 제곱근 오차(Root Mean Square Error, RMSE)와 결정 계수(R²)로 모델을 평가한 결과 각각 5.556과 0.943로 나타났으며, TBM 굴착 데이터로 암석 강도를 예측하는 모델로 유용할 것으로 판단된다.

• 한국터널지하공간학회 논문집
• /
• 제19권6호
• /
• pp.857-870
• /
• 2017

사회기반시설의 지중화로 인하여 쉴드 TBM 적용이 점차 확대되고 있는 추세다. 합리적인 공기기간 및 공사비 산정을 위해 쉴드 TBM의 실굴진율을 정확하게 예측하는 것은 매우 중요한 사안이라 할 수 있다. 이러한 이유로 국내에서는 지반의 물성을 합리적으로 반영한 쉴드 TBM의 실굴진율 예측모델이 필요한 상황이다. 본 연구는 쉴드 TBM의 순굴진율 산정을 위해 현장 데이터베이스를 기반으로 현장관입지수의 통계적 예측절차를 모듈화 하였다. 출력인자로 현장관입지수를 선정하였고, 비정상치 제거 및 전처리 그리고 최상 부분집합선택이 고려된 능형회귀를 적용한 예측시스템을 모듈에 포함하였다. 또한 현장 굴진 데이터를 활용하여 예측모델의 적용성을 확인하였다.