• 지질공학
• /
• 제15권2호
• /
• pp.213-227
• /
• 2005

본 연구는 지하시험시설을 이용한 수리 지질환경 연구의 대안으로, 지하유류저장시설 건설과정 중 조사된 자료를 이용하여 지표조사단계에서 예측된 자료와 저장공동 굴착 시 확인된 자료의 대비를 통해 불확실성이 높은 단열 및 수리 인자의 지하분포특성을 해석하여 조사방법의 문제점을 도출하고 보완방안을 모색해 보고자 하였다. 지표조사단계에서 예측된 6개 단열대 중 지하공동 심도에서 그 위치와 방향이 비교적 일치하는 단열대는 WE-1 단 하나로 예측신뢰도는 매우 낮다. 본 연구에서는 지하공동 내 NE-1 단열대의 분포특성을 토대로 지표조사단계에서 BHTV 이미지를 이용한 정량적인 분류기준을 제시하였다. 암반단열은 심 도가 깊어짐에 따라 단열의 주 방향이 바뀌고 길이 및 빈도는 감소하는 경향을 보이고 있다. 조사대상의 경사변화와 조사방향 및 조사규모 등에 따라 오차가 발생될 수 있으므로 조사에 따른 편의 (investigation bias)를 가능한 한 최소화하여야 할 것이다. 지표조사단계에서 수리적 연결성에 대한 해석은 시추공 내에서 주입이나 양수를 통한 지하수체의 교란 시 구간에 따른 수리지질학적 특성파악이 가능한 이중수위측정시설이나 다중패커시스템을 통하여 수위 변화 및 지하수의 지화학특성에 대한 구간별 정밀계측이 요구된다. 수직 및 수평 수벽공에 의해 계측된 공동주변 수리 전도도의 기하평균은 지표조사 시 지표부 파쇄대 및 풍화대 영역을 제외한 평균값보다 약 $2\~3$배 작은 값을 나타내며, 수평수벽공의 기하평균 역시 수직수벽공보다 약 6배정도 작게 나타났다. 수리 전도도 역시 신뢰도 향상을 위해서는 시험공의 경사방향이 편중되지 않도록 조사편의를 최소화하고, 매질의 특성 및 시험목적을 고려하여 시험방법 및 해석식이 적용되어야 할 것으로 판단된다. tazanowskii), 쉬리 (Coreleuciscus splendidus). 새코미꾸리 (Koreocobitis rotundicaudata), 퉁가리 (Liobagrus andersoni) 등 8종이었고, 반대로 영동수계에서 영서수계로 도입된 종은 산천어 (O. masou masou) 1종이었다. 또한 각 지점간 출현종을 근거로 하여 유사거리를 측정하여 집괴 분석을 실시한 결과 크게 4집단으로 나누어 졌으며 특히 몇몇 지점에서 지리적인 분포보다는 인위적 분포양상에 의한 어류교란이 발견되었다. 수술합병증으로 수술 전후의 심근경색증 9예$(5.8\%)$, 저심박출증 17예$(11\%)$, 부정맥 30예$(19.5\%)$등이었다. 결론: 국립의료원 흉부외과에서는 관상동맥 우회술을 시작한 이래 수술경험의 축적, 비체외순환하 관상동맥 우회술의 도입, 내흉동맥 및 요골동맥으로의 이식편 이용 변화에 따라 수술성적이 향상되었음을 알 수 있으며, 향후 더 많은 임상경험의 축적 및 장기 추적 관찰이 필요하다고 사료된다.보였으며, 난중, 난황색, 난백고 및 Haugh unit는 처리 간 차이(p>0.05)가 없었다.이고, 환자 1인당 Wedge filter의 교체작업이 $1{\sim}2$회일 때 10MV의 경우 연간선량이 $0.08{\sim}0.4mSv$로 평가되었으며, 15MV의 경우 $0.27{\sim}1.36mSv$로 평가되어 작업종사자의 연간 허용선량인 20mSv에 비해 안전한 것으로 평가되었다.서 정상조직이 적게 조사되었다. 결과 : 기존의 ICRU계획은 그 효과 및 안전성이 입증되었음에도 불구하고 CT를 이용한 CTV계획 등을 적용 한다면 잔류종양이 적은

• 한국터널지하공간학회 논문집
• /
• 제24권5호
• /
• pp.431-449
• /
• 2022

지금까지 국내에서는 수 많은 터널들이 완공되어 오면서 시공에서뿐 아니라 설계에서도 다양한 경험과 기술이 지속적으로 축적되어 왔다. 따라서 이제는 매우 복잡한 지질조건 또는 특수한 터널구조가 아니라면 일반적인 터널설계작업은 설계 항목에 따라 기존 유사 설계사례를 수정 또는 보완하는 것만으로도 충분한 경우도 적지 않다. 특히 터널발파설계의 경우, 실제 터널시공시 현장에서 시험발파를 통해 시공을 위한 발파설계를 추가로 수행하는 것이 일반적이라는 것을 감안할때, 설계단계에서 수행하는 발파설계는 예비설계 성격을 지니고 있어 기존의 유사 설계사례를 참고하는 것도 타당하다고 사료된다. 한편 최근 4차산업혁명시대에 들어서면서 전 산업분야에 걸쳐 그 활용도가 급증하고 있는 인공지능은 터널 및 발파분야에서도 다양하게 활용되고 있지만, 발파터널의 경우 발파진동 및 암반분류 등의 예측 분야에서 주로 활용되고 있을 뿐 터널발파패턴 설계에 활용된 사례는 많지 않다. 따라서 본 연구에서는 터널발파설계를 인공지능의 한 분야인 머신러닝 모델을 이용하여 자동화하기 위한 시도를 하였다. 이를 위하여 25개 학습용 터널설계 자료 및 2개의 시험용 설계자료에서 4가지의 입력데이터(지보패턴, 도로유형, 상반 및 하반 단면적) 및 16개의 출력데이터(심발공 종류, 비장약량, 천공수, 각 발파공 그룹별 공간격과 저항선 등)를 발췌하였다. 이를 기반으로 3가지 머신러닝 모델, 즉, XGBoost, ANN, SVM 모델을 시험한 결과 XGBoost모델이 상대적으로 최상의 결과를 나타내었다. 또한 이를 이용하여 실제 발파설계 상황을 가정하여 발파패턴을 제안하도록 한 결과 일부 항목에서 보완이 필요하긴 하지만 일반적 설계와 유사한 결과를 나타내었다. 본 연구가 기초연구 성격이어서 전체 발파설계를 완벽하게 수행하기는 아직 부족하지만, 향후 충분한 발파설계데이터를 확보하고 세부적인 처리과정을 보완하여 실용적인 활용이 가능하도록 추가 연구를 수행할 계획이다.