• 문화기술의 융합
• /
• 제9권1호
• /
• pp.539-544
• /
• 2023

연구 대상은 경상북도 ◯◯시 ◯◯동에 위치한 마애여래입상 암반으로서 안정성이 우려되는 중생대 백악기 화강섬록암 마애불상이다. 안정성 해석을 위해 마애불 암반의 3차원 face mapping과 절리의 지질공학적 특성, 3차원 스캐닝, 초음파속도, 편광현미경 분석, 전자현미경 분석 및 XRD 분석을 수행하였다. 더불어 손상상태 조사, 평사투영해석, 암반분류 및 한계평형해석으로 마애불 암반의 안전율을 산정하였다. 구간별로 손상 및 가능한 붕괴의 유형과 규모는 암석의 풍화도와 절리면의 배향과 특성에 따라 다르나 쐐기파괴와 전도파괴가 소규모로 예상된다. face-mapping 자료, RMR, 암석의 물성·역학시험, 평사투영해석 및 한계평형해석으로 종합·검토한 결과, 마애불 암반의 건기 시와 우기 시의 허용안전율 1.2에 미달하여 안정성이 우려된다. 손상유형은 박리, 균열, 입상분해 및 초목생장, 균열 방향별 점유율은 전면이 가장 우세한 것으로 나타난다. 마애불 암석은 화강섬록암이며, 표면 변색의 물질은 K, Fe, Mg로 판명되었고, 4조의 절리 중 J1은 인장절리이고 나머지는 전단절리이다. 초음파탐사로 추정한 일축압축강도는 514kgf/cm2로서 대부분 연암과 일부 풍화암에 해당한다. 암반분류 결과 5등급으로 추산되며, 마애여래입상 전면부 불안정성이 예상된다. 기존의 문화재 안전진단의 방법과 더불어 이들 기법은 석조문화재의 객관적인 해석 및 안정성 검토의 합리적인 도구가 될 것으로 예상한다.

• 한국터널지하공간학회 논문집
• /
• 제6권2호
• /
• pp.101-111
• /
• 2004

터널의 안정성 확보 및 최적설계를 위해서, 충분한 지반조사 데이터를 확보하는 것이 가장 중요하나, 공간상에 분포하는 자료측정의 제한성 및 경제적인 이유로 그렇게 하지 못하는 것이 현실이다. 특히, 터널은 민원 및 산악지형 등의 이유로 노선의 본선부에서 시추가 불가능한 구간이 발생하고, 각종 물리탐사 자료만으로는 정량적인 암반등급 산정이 어렵다. 따라서, 본 연구에서는 이러한 문제점을 극복하기 위하여 본선에서 이격된 물리탐사 자료 및 시추데이터를 최대한 활용해 지구통계학 기법의 하나인 2차원 다분적 지시크리깅을 확장한 3차원 다분적 지시크리깅 (3D multiple indicator kriging, 3D-MI kriging)기법을 제안하였다. 또한 제안된 3차원 다분적 지시크리깅기법을 경부고속철도 제 ${\bigcirc}-{\bigcirc}$공구 터널설계 시 RMR분류에 의한 암반등급 산정을 위해 적용하였다.

• 한국지반환경공학회 논문집
• /
• 제15권5호
• /
• pp.13-21
• /
• 2014

본 연구에서는 쉴드 TBM 공법의 다양한 세그먼트 모델링 기법에 따른 비교 해석을 통하여 해석기법에 따른 차이를 분석하고 이에 따른 합리적인 모델링 기법을 제안하였다. 또한 암반 이완하중 산정모델에 따른 하중 분석 및 3차원 유한요소해석을 통하여 실제 현장에서 적용 가능한 합리적인 하중산정 방법을 제시하였다. 암반분류에 의한 이완영역의 산정방법은 암반등급이 높은 지반에서는 결과의 차이가 크지 않으나 지반등급이 낮은 지반에서는 그 차이가 매우 크게 나타났으며, 3차원 해석에 의한 이완영역 산정결과 지반등급이 낮은 지반의 이완영역은 각 방법의 중간 정도 범위에 위치할 것으로 예측되었으며 지반등급이 낮은 지반의 세그먼트 계획 시에는 기계식 터널 굴착 특성을 반영한 3차원 해석을 통한 이완영역의 산정을 적극 검토할 필요가 있다.

• 지질공학
• /
• 제17권3호
• /
• pp.483-494
• /
• 2007

본 연구는 대단층이 발달하는 화산암 분포지역에서 암반 절취사면을 대상으로 단열의 발달특성과 이에 따른 암반분류 수정안을 제시하고자 수행되었다. 부산-울산 고속도로 건설 현장 중 해운대-기장 사이의 일광단층에 가까운 도로 절취사면 노두에서 단열계의 특성이 조사 분석되었다. 단열간격 분포의 경우 신장단열은 대수정규 분포를 보여주고 전단단열은 음의 지수 분포를 보여준다. 단열길이 누적빈도 분포 그림에서 중앙의 직선 구간이 1지점 -1.13, 2지점 -1.01, 3지점 -1.52의 지수를 가지며 멱법칙 스케일링을 지시한다. 각 지점에서 단열의 간격 및 밀도, 단열 간 교차점의 수 등을 분석하여 판단해 볼 때 암반의 안정성 및 강도는 1지점이 가장 낮고 2지점이 가장 높다. 한편, 각 지점에서 서로 연결된 단열의 최대 클러스터로 평가할 때 유체 이동의 능률은 3지점이 가장 높고 1지점이 가장 낮다. 이는 3지점이 상대적으로 단열의 길이가 긴 것들이 많으며 이들이 서로 연결하여 형성하는 최대 클러스터가 높은 비율로 전 지역에 고루 분포하고 있기 때문으로 볼 수 있다. 한편, 현장조사 자료를 토대로 응용통계기법을 이용하여 RMR 분류의 항목별 배점을 조정한 결과에 의하면, 대단층이 발달하는 화산암에서는 기존 RMR 분류 항목별 배점에 비해 현저히 다른 수정된 RMR 배점을 설정함이 타당한 것으로 나타났다. 분석결과 무결암 강도는 18, RQD는 61, 불연속면 간격 2, 불연속면 조건 2, 그리고 지하수 17의 배점이 나타났다.

• 화약ㆍ발파
• /
• 제24권1호
• /
• pp.29-37
• /
• 2006

최근 국내 터널현장에서 기계식 장전장비를 활용한 벌크에멀전 (bulk emulsion) 폭약의 수요가 증가되면서 국내 암반 및 주변여건에 적합한 발파의 합리적인 설계기준이 요구되고 있다. 본 연구에서는 현재까지 국내에서 기계식 장전장비를 활용한 벌크에멀젼 폭약을 적용하여 시공한 사례 중 굴진효율 및 여굴량이 양호한 발파결과를 근거로 암반등급별 최적 비장약량과 영역별 적정 장약량을 검토하였다. 또한, 조건을 만족하는 발파결과를 분석하여 RMR 암반분류와 벌크에멀젼 폭약의 최적 비장약량과의 상관식 $({\Upsilon}= 0.669 + (0.0154{\times}RMR),\;r=0.81)$을 얻었고, 영역별로 천공장 변화에 따른 적정 장약량 범위를 산출하였다.

• 한국터널지하공간학회 논문집
• /
• 제11권2호
• /
• pp.151-162
• /
• 2009

본 연구에서는 터널 설계구간의 대부분을 차지하는 미시추 구간의 지반 등급 분류를 정량적으로 수행할 수 있는 새로운 접근방법을 제안한다. 본 제안방법은 시추공에서 얻은 직접조사 결과와 시추구간의 전기 비저항 탐사결과를 이용해 인공 신경망을 학습시카고, 학습된 인공 신경망은 미시추 구간의 암반분류 등급을 추론하는데 적용된다. 지반등급 추론은 미시추 구간 영역에서 움직이는 격자형 창(window)의 중심점에서 이루어 지며 창내 귀속된 전기 비저항들은 추론을 위한 참고자료로 시용된다. 인공 신경망 학습은 최선 RPROP(Resilient backpropagation) 인공 신경망 학습 알고리즘과 early-stopping 기법을 이용하여 수행되었다. 본 연구에서는 실제 시추조사가 이루어진 터널현장에 제안기법을 적용하여 미시추 구간의 지반 등급을 추론하였으며, 전통적인 지구통계학적 크리깅(kriging) 기법에 의한 결과와도 상호 비교하였다. 결과적으로 본 연구를 통해 학습된 인공 신경망은 전통 크리깅 방법에 비해 매우 구체적이고 현실적인 예측결과를 제공하였다 또한, 인공 신경망 추론으로부터 얻어진 터널 종단 방향의 RMR과 Q-값의 분포에서는 전기 비저항 탐사로부터 추정된 취약지반 구간의 위치와 잘 일치하였으며, 두 값 상호간의 관계도 선행 연구 결과와 부합하였다.

• 한국터널지하공간학회 논문집
• /
• 제4권4호
• /
• pp.277-286
• /
• 2002

터널을 설계함에 있어서 굴착방법이나 지보패턴을 결정할 때 어려움을 겪는 주된 요인은 현지 지반에 작용하는 응력조건 및 암반상태를 정확히 파악하는데 한계가 있기 때문이다. 현장 장비의 제약, 터널을 굴착 위치까지 접근성이 난이함 등의 기술적인 제약뿐만 아니라 최근에는 민원이나 각종 인허가 등으로 더욱 많은 제약요건이 존재한다. 그럼에도 불구하고 최근들어 대안설계나 턴키설계를 통하여 직접적인 시추에 의존하지 않더라도 미지의 산악터널구간에 대한 지반정보를 획득할 수 있는 고급화된 물리탐사기술이 눈부시게 발전하는 추세이며 이를 통하여 터널굴착구간의 암반에 대한 직 간접적인 지반정보를 입수할 수 있다. 인공신경망 (ANN)의 장점은 이러한 적은 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성있는 결과를 제공하여 준다는 것이다. 본 연구에서는 미지의 터널굴착구간에 대한 예비 지반정보를 입력항목으로 하여 인공신경망의 오류역전파 학습알고리즘기법에 의하여 학습된 패턴을 가지고 미지의 터널굴착구간에 대한 예비 암반분류 (RMR)를 수행하는데 그 목적을 두었다. 이를 위하여 연장 4km에 달하는 ${\triangle}{\triangle}$터널현장에 대한 인공신경망 모형적용시 입력자료에 대한 적정성을 사전 평가하였고, 그 이후에 물리탐사자료를 입력변수로 활용하여 미지의 터널구간에 대한 RMR을 예측하였다. 그 결과 자료의 일치성이나 예측 RMR에 대한 신뢰도가 높은 것으로 나타났으며, 향후에는 학습효과를 높이기 위한 입력변수의 민감도 분석 (sensitivity analysis)수행 및 모델과정에서 노출된 몇가지 문제점 보완등을 통하여 설계에 적극적으로 활용하고자 한다.

• 터널과지하공간
• /
• 제30권5호
• /
• pp.462-472
• /
• 2020

암종 분류은 현장의 지질학적 또는 지반공학적 특성 파악을 위해 요구되는 매우 기본적인 행위이나 암석의 성인, 지역, 지질학적 이력 특성에 따라 동일 암종이라 하여도 매우 다양한 형태와 색 조성을 보이므로 깊은 지질학적 학식과 경험 없이는 쉬운 일은 아니다. 또한, 다른 여러 분야의 분류 작업에서 딥러닝 영상 처리 기법들이 성공적으로 적용되고 있으며, 지질학적 분류나 평가 분야에서도 딥러닝 기법의 적용에 대한 관심이 증대되고 있다. 따라서, 본 연구에서는 동일 암종임에도 다양한 형태와 색을 갖게 되는 실제 상황을 감안하여, 정확한 자동 암종 분류를 위한 딥러닝 기법의 적용 가능성에 대해 검토하였다. 이러한 기법은 향후에 현장 암종분류 작업을 수행하는 현장 기술자들을 지원할 수 있는 효과적인 툴로 활용 가능할 것이다. 본 연구에서 사용된 딥러닝 알고리즘은 매우 깊은 네트워크 구조로 객체 인식과 분류를 할 수 있는 것으로 잘 알려진 'ResNet' 계열의 딥러닝 알고리즘을 사용하였다. 적용된 딥러닝에서는 10개의 암종에 대한 다양한 암석 이미지들을 학습시켰으며, 학습 시키지 않은 암석 이미지들에 대하여 84% 수준 이상의 암종 분류 정확도를 보였다. 본 결과로 부터 다양한 성인과 지질학적 이력을 갖는 다양한 형태와 색의 암석들도 지질 전문가 수준으로 분류해 낼 수 있는 것으로 파악되었다. 나아가 다양한 지역과 현장에서 수집된 암석의 이미지와 지질학자들의 분류 결과가 학습데이터로 지속적으로 누적이 되어 재학습에 반영된다면 암종분류 성능은 자동으로 향상될 것이다.

• 터널과지하공간
• /
• 제13권1호
• /
• pp.6-19
• /
• 2003

터널의 막장면 조사에서 조사결과의 객관성을 증대시키고, 지반특성에 적합한 지보패턴 및 보강공법을 제시하기 위하여 본 연구를 수행하였다. 본 연구에서는 퍼지집합이론과 뉴로퍼지기법 등을 적용한 prototype의 터널 안정성평가 시스템(NFEST)을 개발하였고, 36개의 막장관찰자료들을 대상으로 신뢰성을 평가하여 비교적 만족한 결과를 얻을 수 있었다 본 연구의 결과를 요약하면, (1) 터널 지반평가의 용이성을 위해 국내 기술자에게 익숙한 RMR분류를 근거로 12개 평가항목을 제안하였다. (2) 12개 평가항목에 의해 추론된 RMRinf값과 산술합에 의한 RMRorg값 그리고 조사자의 주관적 판단에 의한 RMRinf값 사이의 상관계수(│R│)는 각각 0.83과 0.79로 비교적 높은 상관성을 나타내었다. (3) 터널 막장면에 대한 종합적인 안정성은 RMRinf(│R│=0.7)와 암반풍화정도(│R│=0.84)에서 비교적 양호한 상관성을 나타내었다.

• 터널과지하공간
• /
• 제29권6호
• /
• pp.508-522
• /
• 2019

비탈면의 붕괴로 인해 재산피해뿐만 아니라 인명피해 또한 발생할 수 있으므로 안정성 평가를 통해 비탈면의 붕괴여부 예측 및 보강을 진행해야 한다. 본 논문은 비탈면 영상에서 암반 절리군, 암반 단층, 토양, 비탈면 누수영역 등 비탈면 붕괴와 관련하여 특성화 시킬 수 있는 지반 영역들을 정의하고 이를 딥러닝 기법을 통해 자동으로 분류해 낼 수 있는 방법에 대해 고찰하였다. 이에 따라 딥러닝 객체 영역분할(Instance segmentation) 네트워크를 활용하여 영상에 보여지는 다른 특성을 갖는 지반영역의 정확한 형상을 인식하고 자동 분할 할 수 있음을 보였으며, 향후 비탈면 안정성 평가를 위해 시행되는 비탈면 매핑 작업을 지원하고, 비탈면 보강 대책 등 의사결정에 필요한 비탈면의 지반특성 정보를 자동으로 산출할 수 있는 가능성을 보였다.