• 터널과지하공간
• /
• 제28권6호
• /
• pp.670-691
• /
• 2018

본 논문에서는 국제공동연구 DECOVALEX-2019 프로젝트의 일환으로 수행된 Task B Benchmark Model Test(BMT)의 연구 결과를 소개하였다. Task B는 'Fault slip modelling'을 연구주제로 하며, 유체의 주입으로 인해 발생하는 단층의 재활성과 수리역학적 연계거동을 예측할 수 있는 해석기법을 개발하는 데에 목적이 있다. BMT 시나리오 해석은 각 참가팀들의 수치모델이 단층의 수리역학적 연동거동을 적절히 모사할 수 있는지 교차검증함으로써 각 해석코드의 완성도를 높이기 위하여 수행되었으며, 주입압 적용 조건, 단층 물성, 수리역학적 연동해석 조건 등에 따라 7개의 해석 모델로 이루어져 있다. 본 연구에서는 TOUGH-FLAC 연동해석 기법을 이용하여, 역학적 변형으로 야기되는 단층의 수리적 물성 변화와 간극의 기하학적 변화를 동시에 반영할 수 있는 수리역학적 커플링 모듈을 개발하였다. BMT 시나리오 해석을 위하여 Task B 1단계(Step 1) 연구에서 개발된 수치모델을 일부 수정하였고, 단층의 변형에 따른 압축률과 투수계수, 단층의 해석 메쉬의 변화가 해석에 반영될 수 있도록 하였다. 단층의 투수량계수와 저류계수가 단층 내 압력 분포, 주입수량, 변위, 응력 등 수리역학적 거동에 미치는 영향을 검토하였으며, 수정된 수치모델을 기수행된 1단계 연구에 적용하여 해석결과를 업데이트하였다. 해석 결과, 본 연구에서 개발한 해석기법이 물 주입으로 인한 단층의 거동을 합리적인 수준에서 재현할 수 있는 것으로 판단할 수 있었다. 본 연구의 해석모델은 Task B에 참여하는 국외 연구팀들과의 의견 교류와 워크숍을 통해 지속적으로 개선하는 한편, 향후 연구의 현장시험에 적용하여 타당성을 검증할 예정이다.

• 터널과지하공간
• /
• 제30권3호
• /
• pp.256-269
• /
• 2020

본 연구의 목적은 KURT 화강암 시료의 포화유무에 따른 균열손상 기준과 파괴인성의 변화를 측정하는 것이다. 이를 위하여 일축압축시험을 이용한 소성체적변형률을 통해 KURT 화강암의 균열손상 기준을 도출하였다. 또한 암석의 파괴인성을 보다 신뢰성 있게 측정하기 위해 암석의 비선형적 변형에 대한 보정(Level II Method; ISRM, 1988) 을 통해 포화유무에 따른 KURT 화강암의 수정 파괴인성(corrected fracture toughness)을 측정하였다. 시험결과 건조시료의 평균 균열개시 응력(σ_ci)과 균열손상 응력(σ_cd)은 91.1 MPa과 128.7 MPa이었으며, 포화시료의 평균 균열개시 응력(σ_ci)과 균열손상 응력(σ_cd)은 58.2 MPa과 68.2 MPa이었다. 건조시료에 비해 포화시료의 균열개시 응력은 36% 감소하였으며 균열손상 응력은 건조시료 대비 47%나 감소되는 결과를 나타내었다. 균열손상 응력(σ_cd)이 상대적으로 더욱 감소하였음을 감안할 때 시료의 포화로 인해 더 낮은 응력조건에서 구조물에 대한 손상이 쉽게 발생할 수 있음을 알 수 있다. KURT 화강암의 비선형성을 고려한 수정 파괴인성은 0.811 MPa·m^0.5이었으며 포화시료의 수정 파괴인성은 0.620 MPa·m^0.5이었다. 즉 암석의 비선형성을 고려함으로써 파괴인성의 증가를 확인할 수 있었으며, 암석의 포화시 수정 파괴인성은 24% 감소하였다. 따라서 지하수 포화로 인해 암석 내 균열의 생성과 진전에 대한 저항성이 감소함을 알 수 있다.

• 터널과지하공간
• /
• 제31권5호
• /
• pp.374-384
• /
• 2021

본 논문에서는 암석시료의 CT 촬영 이미지상의 균열을 자동으로 탐지하는 새로운 인공지능 딥러닝 기법을 제안한다. 본 제안 기법은 2단계 딥러닝 객체인식 알고르즘인 Faster R-CNN을 기반으로 회전 가능한 경계박스(bounding box) 개념을 도입하여 알고리즘을 개조하였다. 회전 경계박스의 도입은 관심 균열 영역 밖의 배경의 불균질성 및 균열의 크기와 형태에 영향을 받는 딥러닝 객체인식기법 상의 고유한 어려움을 극복하기 위한 핵심 역할을 한다. 본 회전형 경계박스의 사용은 일반적으로 사용되는 영상 수평축과 평행한 경계박스 사용의 경우와 비교하여 긴 형태의 균열 형상 특성에 매우 잘 부합된다. 즉, 좋지않은 영향을 끼치는 경계박스 내 균열 이외 배경영역의 비율을 최소화 시킬 수 있다. 이외에도, 회전 경계박스의 추가적인 이점은 인식된 균열의 방향에 따라 회전하여 추론되는 경계박스를 통해 균열의 방향과 길이에 대한 정보를 직접적으로 얻을 수 있다. 본 제안기법의 적용성을 검증하기 위하여, 이미지상에서 매우 불균질한 화강암 시료에 인공적으로 균열을 발생시킨 다수의 암석시료 영상을 딥러닝 학습에 사용하고 추론 성능 실험을 진행하였다. 그 외에도, 동일 조건에서 사암과 셰일 암석 시료에도 적용하여 검증하였다. 결론적으로, 제안된 기법을 통해 균열 객체 인식의 평균 추론정확도(mAP)값이 0.89 정도 수준의 우수한 추론 성능을 보였으며, 기존 기법에 비해 추론된 경계박스 내 균열과 배경 영역의 비율 측면에서 배경의 비율이 획기적으로 최소화되는 유리한 추론 검증 결과를 보였다.