• 한국지반환경공학회 논문집
• /
• 제23권8호
• /
• pp.5-10
• /
• 2022

인구 밀집도가 높은 도시 중심지에서 발생하는 지반함몰의 주요 원인은 하수관 및 상수관과 같은 지하매설물의 손상으로 알려져 있다. 이와 관련하여 지반함몰의 원인 규명과 지반함몰 위험 예측에 관한 연구가 꾸준히 수행되고 있다. 현재 지반함몰은 지중탐사레이더를 통해 선제적으로 공동을 발견하여 대응하고 있으나, 이는 인력 및 비용의 소비가 크기 때문에 효율적인 장비의 운영을 위해 위험지역을 예측하고 예측된 지역을 우선순위로 탐사해야 할 필요가 있다. 따라서 본 연구에서는 ◯◯시의 2개 구를 500m×500m 크기의 그리드로 분할하고, 해당 그리드 내의 지하매설관 속성과 지반함몰 발생 데이터를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋으로 기계학습을 통한 적절한 지반함몰 위험등급 예측 모델을 제시하였고, 제시된 모델을 활용하여 대상지역의 지반함몰 위험지도를 제시하고자 하였다.

• 한국지반환경공학회 논문집
• /
• 제24권4호
• /
• pp.23-29
• /
• 2023

지반함몰의 주요 발생원인은 지하매설물의 손상으로 알려져 있다. 지반함몰은 상·하수관의 손상으로 인한 물길 형성에 따른 지반 내 토립자의 이동으로 공동이 형성되어 상부지반이 붕괴되는 메커니즘을 보이고 있다. 따라서 지반함몰은 지하매설물의 밀집도가 높은 도심지를 중심으로 발생하고 있으며, 사고 발생 시 인명 및 경제적 피해를 야기하므로 사고에 대한 대비가 반드시 필요하다. 이에 따라 지반함몰 위험을 예측하기 위한 연구가 꾸준히 수행되고 있으며, 본 연구에서는 ○○시의 2개 구를 대상으로 지반함몰 위험도 예측 모델을 제시하고자 하였다. 대상 지역의 지하매설물 속성 데이터(활용년수, 관직경)와 지하매설물 밀집도, 지반함몰 이력 데이터를 활용하여 데이터셋을 구축하고 전처리를 수행한 뒤, 기계학습 모델에 적용하여 최적의 평가지표가 도출되는 모델을 선정하였으며, 선정된 모델의 신뢰도를 평가하고 모델에서 도출되는 지반함몰 위험도 예측 시 활용된 영향인자의 중요도를 제시하고자 하였다.

• 한국지반공학회논문집
• /
• 제37권12호
• /
• pp.117-125
• /
• 2021

시민의 안전을 위협하는 지반재해 중 하나인 지반함몰이 최근 도심지에서 빈번하게 보고되고 있다. 다양한 지반함몰 발생 메커니즘 중, 하수관 손상부를 통한 토사 유실이 서울시에서 발생하는 지반함몰의 주요원인으로 나타났다. 본 연구에서는 서울시 하수관 정보와 지반함몰이 발생한 위치 정보를 기반으로 머신러닝 기법 중 하나인 랜덤 포레스트 알고리즘을 이용하여 하수관 정보로부터 손상 하수관으로 유발되는 지반함몰의 발생 여부를 예측하는 모델을 학습하였다. 모델 성능 평가 결과, 본 연구에서 도출한 모델이 지반함몰을 상당히 훌륭하게 예측할 수 있는 것으로 나타났다. 또한, 입력변수로 사용한 하수관 정보 중 하수관 길이, 해발고도, 경사, 매립 심도, 하수관 순서로 지반함몰 발생 위험에 영향을 미치는 것을 확인하였다. 본 연구의 결과는 지반함몰 위험도 지도 작성, 지하공동 탐사 계획 수립 및 하수관 정비 사업 계획 수립의 기초 자료로 활용될 수 있을 것으로 기대된다.

• 한국지반환경공학회 논문집
• /
• 제23권4호
• /
• pp.5-10
• /
• 2022

최근 도심지에서는 지반침하가 지속적으로 발생하여 시민의 안전을 위협하고 있다. 상하수도관, 통신관 등 각종 지하시설물이 도로 밑에 매설되어 있다. 지반침하의 원인으로는 도심지에 매설되어 있는 각종 시설물의 노후화와 급격한 도시화로 인한 지하 난개발로 인한 것으로 보고되고 있다. 특히 지반침하의 가장 큰 원인은 하수관로의 노후화로 알려져 있다. 이와 관련된 기존 연구로는 하수관로의 대표적인 몇 가지 요인을 선정하여 통계분석을 통해 지반침하 위험을 예측하는 연구가 진행되었다. 본 연구에서는 OO시의 하수관 특성과 지반침하 데이터를 이용하여 데이터셋을 구축하고, OO시의 하수관 특성과 지반함몰 발생 위치 데이터로 구축된 데이터셋으로 기계학습을 통한 하수관 특성에 따른 지반함몰 발생 분류 모델들을 비교하여 적절한 모델을 선정하고자 하였으며, 선정된 모델에서 도출된 지반함몰에 영향을 미치는 하수관 특성별 중요도를 산정하고자 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.463-463
• /
• 2023

국내 수도관 보급률이 증가하면서 기존 노후화된 수도관들과 추가로 노후화된 수도관들이 증가하고 있다. 경과년수가 오래된 시설이 증가하는 것은 잠재적인 사고발생 위험을 증가시킨다. 실제 노후화된 상수도 시설물로 인해 단수, 누수, 수질오염, 지반함몰 발생이 증가하는 추세이다. 이러한 현상들은 시민들의 생활과 안전, 경제활동에 직접적인 영향을 끼치기 때문에 이에 대한 대책 마련이 시급한 상태이다. 본 연구에서는 AI를 기반으로 상수도관의 노후도 및 위험도를 예측하는 모델을 설계하고자 하였다. 대상지역을 인천광역시 서구로 선정하여 유량과 수질의 실시간 계측데이터를 수집하였다. 딥러닝 기법 중 하나인 LSTM(Long Short-Term Memory)을 이용하여 데이터를 예측하였고, 결정계수(R²)와 RMSE(Root Mean Square Error)로 학습데이터와 검증데이터의 비율을 정하여 예측도를 평가하였다. 유량과 수질 데이터 중 80%는 학습데이터로 20%는 검증 데이터로 분리하였고, LSTM의 셀과레이어 수를 해석에 적합한 범위로 설정한 결과, 실제값과 예측값이 높은 상관성을 보이는 것으로 나타났다. 예측된 유량 및 수질의 결과는 상수도 관리에 중요한 정보를 제공하며, 사고 위험도 평가와 관 노후화에 따른 대응력을 향상시키는 데 도움이 될 것으로 판단된다.