• 제목/요약/키워드: 일축 압축 시험

검색결과 454건 처리시간 0.022초

인도네시아 Pasir 탄전에서의 노천채탄장 사면의 안정성 해석 (Stability Analysis of Open Pit Slopes in the Pasir Coal Field, Indonesia)

  • 정소걸;선우춘;한공창;신희순;박연준
    • 터널과지하공간
    • /
    • 제10권3호
    • /
    • pp.430-440
    • /
    • 2000
  • 본 논문에서는 인도네시아 Kalimantan섬에 위치하는 Pasir 탄전의 노천채탄장을 대상으로 기존 지질자료의 분석 및 지질조사, 암반평가, 현지 및 실험실 시험을 통하여 관련 암석들에 대한 물성시험의 수행과 평사투영법과 수치해석에 의한 안정성해석 둥을 근거로 채광장내의 전체사면 특히 Roto 북부 및 남부구역의 사면을 적절하게 설계할 수 있는 방안을 제시하고자 하였다. Roto 지역의 주요 불연속면들은 주로 층리로 구성되어 있으며, 층리의 경사는 북쪽의 약 60$^{\circ}$에서 남쪽 지역은 80$^{\circ}$ 전후로 남으로 가면서 경사가 급해지며, 많은 사면에서 평면파괴와 전도파괴가 일어나고 있다. Roto 전 지역의 암석물성 시험결과는 이암은 평균 일축압축강도가 9MPa 이고, 사암은 12MPa 로 이암보다는 다소 강도가 높다. 현장조사에 의한 암질을 국제암반역학회 분류기준에 따라 분류하면 Roto 북부지역의 암석은 R2~R3 등급에 속할 정도로 대부분 연약하였으며, 석탄층의 강도는 R1~R2 등급에 해당된다. Roto 북부의 4개 지역 (동부, 서부, 남부 및 북부) 과 Roto 남부의 2개 지역(동부 및 서부)의 사면에 대한 상세한 안정성 해석이 수행되었다. 본 연구에서는 최소 사면안전율을 1.2로 결정하여 평사투영법과 한계평형법의 해석을 통해 계산된 30~36$^{\circ}$의 사면경사각에 대하여 다시 유한차분볍 (FLAC)에 의한 안정성 분석을 실시하였다. 최종 사면각으로 Roto 북부지역의 동부사면은 34$^{\circ}$, 서부사면은 33$^{\circ}$, 남부사면은 35$^{\circ}$, 북부사면은 32$^{\circ}$, 그리고 Roto 남부의 최종사면각은 동부 및 남부사면 모두 36$^{\circ}$로 제안하였다. 본 노천채탄장의 최종사면과 같이 장기적인 유지를 필요로 하는 사면은 사면의 변형거동을 감시하기 위해 보다 체계적인 계측을 필요로 하며, 또한 사면이 많은 비에 노출되기 쉽기 때문에 사면의 풍화와 침식에 대한 대책연구도 수행되어야 한다.

  • PDF

연약지반에 시공된 도로용 경량성토체의 재료 및 거동특성 (Material and Behavior Characteristics of Lightweight Embankment for Road Constructed on Soft Ground)

  • 여규권;이용재;김홍연;윤길림;한상현
    • 한국지반신소재학회논문집
    • /
    • 제17권2호
    • /
    • pp.41-49
    • /
    • 2018
  • 본 연구에서는 준설토 활용을 촉진하고 지반개량을 최소화 하기위한 목적으로 연약지반에서 경량기포혼합토를 토공재료로 이용하여 실규모의 도로 성토체를 제작하고 그 재료특성과 거동을 분석하였다. 현장에서 배합된 시료의 실내시험 결과 공시체의 습윤단위중량은 양생 28일까지 거의 선형적으로 감소하였고, 특히 28일 양생 후 습윤단위중량은 양생 전 슬러리 상태의 약 81%로 감소되었으므로 향후 유사한 원료토의 배합설계시 활용이 가능하다. 일축압축강도는 기존의 연구와 같이 양생 14일을 기준으로 강도증가율이 감소하기 시작하였고, 시멘트 함유량이 많아질 경우 최대 압축강도 발생 후 적은 변형률 변화에서 강도가 급격히 감소하며, 통상보다 작은 축변형률 범위에서 최대강도가 발현되는 현상이 나타났다. 경량성토로 인한 원지반 천층부에서의 침하량은 토사성토의 약 1/2.75로서 성토재료의 단위중량 비율(1/2.7)과 일치함으로써 자중의 차이로 인한 침하량의 인과관계가 잘 나타났다. 또한 원지반 하부로 내려갈수록 토사 및 경량성토 사이의 침하량 차이가 크게 나타남으로써 침하종료 심도에 차이가 명확하게 나타났다. 경량성토 구간의 지중수평변위량은 토사성토 대비 약 15~20% 정도 작게 나타났고, 그 발생심도 또한 경량성토의 경우가 4.5~5.0m 가량 얕게 나타나 경량기포혼합토가 전단변형의 영향심도를 현저히 감소시키는 효과가 있음을 확인하였다.

차수재로의 광산슬러지 재활용 적용성 평가: Part II: 동결/융해에 의한 광산슬러지 혼합 차수재의 거동 (Evaluation of Field Applicability with Coal Mine Drainage Sludge as a Liner: Part II: Effect of Freezing/Thawing in CMDS Mixed Liner)

  • 이재영;배선영;박경주
    • 한국지반신소재학회논문집
    • /
    • 제10권2호
    • /
    • pp.73-79
    • /
    • 2011
  • 본 논문의 Part 1에서 도출된 결과를 바탕으로, 매립지의 차수재로서 벤토나이트, 시멘트와 혼합된 광산배수슬러지의 혼합물이 재활용 될 경우의 환경 적용성을 평가하였다. 광산배수슬러지: 벤토나이트: 시멘트를 최적혼합배율인 1: 0.5: 0.3의 배율로 혼합하였을 때 최적의 함수비를 나타내었다. 상대다짐도는 90.1%로 현장성을 반영하기 위한 시료로 양호한 상대 다짐도를 보였다. 본 논문에서는, 동결융해(평균 -20도)나 건조습윤 피해에 대한 저항성 및 유해성을 평가하기 위하여 라이시미터($1.0m{\times}1.5m{\times}2.0m$)를 사용하여 실험하였다. 동결/융해 실험결과 일축압축강도는 미국 EPA규정에 의한 값인, $5kg/cm^2$ 이상을 나타내어 내구성은 양호한 것으로 판단되었다. 투수계수는 초기 $7.10{\times}10^{-7}cm/s$에서 $9.80{\times}10^{-7}cm/s$로 증가하였다. 동결/융해 기간 동안, 라이시미터의 온도변화는 선형적으로 증감하여 일정한 온도경사를 유지하는 것으로 나타났다. 라이시미터의 함수비 변화의 경우는 급격한 증가나 감소가 나타나지 않았다. 국내 폐기물 공정시험법의 용출시험(KSLT) 결과, 아직 오염 기준이 정해지지 않은 Zn과 Ni을 제외한 모든 중금속 성분이 오염 기준치 이하로 나타나거나 용출되지 않았다. 따라서 동결/융해 및 건조/습윤 환경조건에서 광산배수슬러지 차수층은 약 1.5배 투수계수의 증가, 함수비의 안정 및 오염물질을 배출하지 않아 EPA기준 매립지의 최종 복토층의 차수재 및 배수지의 차수재로서 사용가능하다고 판단된다.

머신러닝 기법을 활용한 터널 설계 시 시추공 내 암반분류에 관한 연구 (A study on the rock mass classification in boreholes for a tunnel design using machine learning algorithms)

  • 이제겸;최원혁;김양균;이승원
    • 한국터널지하공간학회 논문집
    • /
    • 제23권6호
    • /
    • pp.469-484
    • /
    • 2021
  • 터널 설계 시 지반조사를 통한 암반분류 결과는 공사기간 및 공사비 산출, 그리고 터널안정성 평가에 지대한 영향을 미친다. 국내에서 지금까지 완공된 3,526개소의 터널들의 설계 및 시공을 통해 관련 기술들은 지속적으로 발전되어 왔지만, 터널 설계 시 암질 및 암반등급을 보다 정확하게 평가하기 위한 방법에 대한 연구는 미미하여 평가자의 경험 및 주관에 따라 결과의 차이가 큰 경우가 적지 않다. 따라서 본 연구에서는 암석샘플에 대한 주관적 평가를 통한 기존의 인력에 의한 암반분류 대신, 최근 지반분야에서도 그 활용도가 급증하고 있는 머신러닝 알고리즘을 이용하여 시추조사에서 획득한 다양한 암석 및 암반정보를 분석하여 보다 신뢰성있는 RMR에 의한 암반분류 모델을 제시하고자 하였다. 국내 13개 터널을 대상으로 11개의 학습 인자(심도, 암종, RQD, 전기비저항, 일축압축강도, 탄성파 P파속도 및 S파 속도, 영률, 단위중량, 포아송비, RMR)를 선정하여 337개의 학습 데이터셋과 60개의 시험 데이터셋을 확보하였으며, 모델의 예측성능을 향상시키기 위해 6개의 머신러닝 알고리즘(DT, SVM, ANN, PCA & ANN, RF, XGBoost)과 각 알고리즘별 다양한 초매개변수(hyperparameter)를 적용하였다. 학습된 모델의 예측성능을 비교한 결과, DT 모델을 제외한 5개의 머신러닝 모델에서 시험데이터에 대한 RMR 평균절대오차 값이 8 미만으로 수렴되었으며, SVM 모델에서 가장 우수한 예측성능을 나타내었다. 본 연구를 통해 암반분류 예측에 대한 머신러닝 기법의 적용 가능성을 확인하였으며, 향후 다양한 데이터를 지속적으로 확보하여 예측모델의 성능을 향상시킨다면 보다 신뢰성 있는 암반 분류에 활용될 수 있을 것으로 기대된다.