• 한국지반공학회지:지반
• /
• 제14권4호
• /
• pp.222-237
• /
• 1998

• 한국지반공학회지:지반
• /
• 제14권5호
• /
• pp.248-258
• /
• 1998

• 한국지반공학회지:지반
• /
• 제24권5호
• /
• pp.18-34
• /
• 2008

• 한국지반공학회지:지반
• /
• 제15권1호
• /
• pp.14-29
• /
• 1999

• 한국지반공학회지:지반
• /
• 제14권1호
• /
• pp.127-127
• /
• 1998

• 한국지반공학회지:지반
• /
• 제14권1호
• /
• pp.128-144
• /
• 1998

• 한국지반공학회지:지반
• /
• 제19권4호
• /
• pp.8-21
• /
• 2003

• 한국암반공학회:학술대회논문집
• /
• 한국암반공학회 2000년도 암반공학문제의 수치해석(Numerical Analysis in Rock Engineering Problems)
• /
• pp.1-13
• /
• 2000

• 터널과지하공간
• /
• 제31권1호
• /
• pp.25-40
• /
• 2021

4차 산업혁명 시대의 도래에 따라 암반공학분야에서도 인공지능을 활용한 연구가 점차 증가하고 있다. 본 논문에서는 인공지능에 대한 이해와 그 활용도를 더욱 증진시키기 위하여, 암반공학기술의 주된 적용대상인 터널, 발파, 광산과 관련된 최근의 국내외 연구 중 인공지능이 활용된 논문들에서 그 알고리즘의 종류와 적용방법을 분석하였다. 터널에서는 암반분류, TBM굴진율 및 막장전방 지질 예측, 발파에서는 암반의 파쇄도 및 비산거리, 광산에서는 폐광의 침하가능성 예측을 위해 주로 활용되고 있으며, 기계학습의 다양한 알고리즘 중 인공신경망이 압도적으로 많이 활용되고 있는 것으로 나타났다. 연구결과의 정확도와 신뢰성 제고를 위해 사용하고자 하는 인공지능 알고리즘에 대한 정확하고 상세한 이해가 필수적이며, 현재는 접근이나 분석이 난해한 암반공학 분야의 다양한 문제해결을 위해 기계학습뿐 아니라 CNN 또는 RNN과 같은 딥러닝을 활용한 연구 아이디어들이 점차 증가될 것으로 기대된다.

• 한국암반공학회:학술대회논문집
• /
• 한국암반공학회 2009년도 학술발표회 논문집
• /
• pp.59-64
• /
• 2009