• 한국농공학회논문집
• /
• 제54권5호
• /
• pp.43-47
• /
• 2012

A evaluation for the strength of rock includes a lot of uncertainty due to existence of discontinuity surface and weakness plain in the rock mass, so essential test results and other data for the resonable strength analysis are absolutely insufficient. Therefore, a analytical technique to reduce such uncertainty can be required. A probabilistic analysis technique has mainly to make up for the uncertainty to investigate the strength of rock mass. Recently, a artificial neural networks, as a more newly analysis method to solve several problems in the existing analysis methodology, trends to apply to study on the rock strength. In this study the unconfined compressive strength from basic physical property values of sedimentary rock, black shale and red shale, distributed in Daegu metropolitan area is estimated, using the artificial neural networks. And the applicability of the analysis method is investigated. From the results, it is confirmed that the unconfined compressive strength of the sedimentary rock can be easily and efficiently predicted by the analysis technique with the artificial neural networks.

• 터널과지하공간
• /
• 제3권1호
• /
• pp.63-79
• /
• 1993

The design of tunnels in rock masses often demands more informations on geologic features and rock mass properties than acquired by usual field survey and laboratory testings. In practice, the situation that a perfect set of geological and mechanical input data is given to geomechanics design engineer is rare, while the engineers are asked to achieve a high level of reliability in their design products. This study presents an artificial neural network which is developed to resolve the difficulties encountered in conventional design techniques, particulary the problem of deteriorating the confidence of existing numerical techniques such as the finite element, boundary element and distinct element methods due to the incomplete adn vague input data. The neural network has inferring capabilities to identify the possible failure modes, support requirements and its timing for underground openings, from previous case histories. Use of the neural network has resulted in a better estimate of the correlation between systems of rock mass classifications such as the RMR and Q systems. A back propagation learning algorithm together with a multi-layer network structure is adopted to enhance the inferential accuracy and efficiency of the neural network. A series of experiments comparing the results of the neural network with the actual field observations are performed to demonstrate the abilities of the artificial neural network as a new tunnel design assistance system.

• Geomechanics and Engineering
• /
• 제12권4호
• /
• pp.723-738
• /
• 2017

Rock is a heterogeneous material, which introduces complexity in the analysis of rock slopes, since both the existing discontinuities within the rock mass and the intact rock contribute to the degradation of strength. Rock failure is often catastrophic due to the brittle nature of the material, involving the sliding along structural planes and the fracturing of rock bridge. This paper proposes an advanced discretization method of rock mass based on block theory. An in-house software, GeoSMA-3D, has been developed to generate the discrete fracture network (DFN) model, considering both measured and artificial joints. Measured joints are obtained from the photogrammetry analysis on the excavation face. Statistical tools then facilitate to derive artificial joints within the rock mass. Key blocks are searched to provide guidance on potential reinforcement measures. The discretized blocky system is subsequently implemented into a discontinuous deformation analysis (DDA) code. Strength reduction technique is employed to analyze the stability of the slope, where the factor of safety can be obtained once excessive deformation of slope profile is observed. The combined analysis approach also provides the failure mode, which can be used to guide the choice of strengthening strategy if needed. Finally, an illustrated example is presented for the analysis of a rock slope of 20 m height inclined at $60^{\circ}$ using combined GeoSMA-3D and DDA calculation.

• Geomechanics and Engineering
• /
• 제31권4호
• /
• pp.353-364
• /
• 2022

This study presents a hybrid algorithm for classifying the rock joints, where the improved artificial bee colony (IABC) and the fuzzy C-means (FCM) clustering algorithms are incorporated to take advantage of the artificial bee colony (ABC) algorithm by tuning the FCM clustering algorithm to obtain the more reasonable and stable result. A coefficient is proposed to reduce the amount of blind random searches and speed up convergence, thus achieving the goals of optimizing and improving the ABC algorithm. The results from the IABC algorithm are used as initial parameters in FCM to avoid falling to the local optimum in the local search, thus obtaining stable classifying results. Two validity indices are adopted to verify the rationality and practicability of the IABC-FCM algorithm in classifying the rock joints, and the optimal amount of joint sets is obtained based on the two validity indices. Two illustrative examples, i.e., the simulated rock joints data and the field-survey rock joints data, are used in the verification to check the feasibility and practicability in rock engineering for the proposed algorithm. The results show that the IABC-FCM algorithm could be applicable in classifying the rock joint sets.

• 한국지반공학회지:지반
• /
• 제13권2호
• /
• pp.77-90
• /
• 1997

지하수 거동에 대한 불확실성을 극복하기 위해서 암반 지반의 투수계수를 예측할 수 있는 신뢰적이고 경제적인 방법이 필요하다. 이러한 목적을 위하여 암반의 투수계수 예측 방법에 대한 연구가 수행되어졌다. 인공 신경망 이론을 적용한 투수계수 예측 방법에 대한 일환으로 오차역 전파 학습알고리즘을 이용한 투수계수 예측 방법에 대하여 연구를 수행하였으며, 이 방법의 타당성 검토를 위하여 현장투수시험 결과와 지반물성치들에 적용하여 검증을 실시하였다. 검증결과 평균오차 범위가 작아 비교적 정착한 투수계수 예측방법임을 보여주었다.

• 터널과지하공간
• /
• 제31권1호
• /
• pp.25-40
• /
• 2021

4차 산업혁명 시대의 도래에 따라 암반공학분야에서도 인공지능을 활용한 연구가 점차 증가하고 있다. 본 논문에서는 인공지능에 대한 이해와 그 활용도를 더욱 증진시키기 위하여, 암반공학기술의 주된 적용대상인 터널, 발파, 광산과 관련된 최근의 국내외 연구 중 인공지능이 활용된 논문들에서 그 알고리즘의 종류와 적용방법을 분석하였다. 터널에서는 암반분류, TBM굴진율 및 막장전방 지질 예측, 발파에서는 암반의 파쇄도 및 비산거리, 광산에서는 폐광의 침하가능성 예측을 위해 주로 활용되고 있으며, 기계학습의 다양한 알고리즘 중 인공신경망이 압도적으로 많이 활용되고 있는 것으로 나타났다. 연구결과의 정확도와 신뢰성 제고를 위해 사용하고자 하는 인공지능 알고리즘에 대한 정확하고 상세한 이해가 필수적이며, 현재는 접근이나 분석이 난해한 암반공학 분야의 다양한 문제해결을 위해 기계학습뿐 아니라 CNN 또는 RNN과 같은 딥러닝을 활용한 연구 아이디어들이 점차 증가될 것으로 기대된다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2006년도 정기 학술대회 논문집
• /
• pp.248-255
• /
• 2006

Among a variety of influencing components, time-variant seepage and long-term underground motion are important to understand the abnormal behavior of tunnels. Excessiveness of these two components could be the direct cause of severe damage on tunnels. however, it is not easy to quantify the effect of these on the behavior of tunnels. These parameters can be estimated by using inverse methods once the appropriate relationship between inputs and results are clarified. Various inverse methods or parameter estimation techniques such as artificial neural network and least square method can be used depending on the characteristics of given problems. Numerical analyses, experiments, or monitoring results are frequently used to prepare a set of inputs and results to establish the back analysis models. In this study, a back analysis method has been developed to estimate geotechnically hard-to-known parameters such as permeability of tunnel filter, underground water table, long-term rock mass load, size of damaged zone associated with seepage and long-term underground motion. The artificial neural network technique is adopted and the numerical models developed in the firstpart are used to prepare a set of data for learning process. Tunnel behavior especially the displacements of the lining has been exclusively investigated for the back analysis.

• KEPCO Journal on Electric Power and Energy
• /
• 제6권3호
• /
• pp.305-313
• /
• 2020

전력송전을 위한 터널식 전력구는 점차 시공실적이 증가하고 있는 추세이며, 해저 및 대심도 등 시공환경이 어려운 구간의 건설도 증가하고 있다. 이에 소단면 쉴드TBM의 효율적 운영을 위해 굴진율 및 설계모델이 필요하다. 그러나, 제한된 지반조사 회수 및 굴착면 맵핑으로 인하여 암반특성과 굴진데이터를 정확히 매칭시켜 상호간 상관관계 및 굴진율 모델을 도출하는데 어려움이 있다. 이에 소단면 쉴드TBM에 적합한 굴진율 및 설계모델을 제시하기 위하여 커터헤드의 직경이 3.56 m인 실험용 EPB 쉴드TBM을 제작하고, 총 부피 87.5 ㎥인 인공암반 내에서 총 19번의 실대형 굴진실험을 수행하였다. 본 실험은 70MPa의 균질한 암반강도에서 수행되었기 때문에 운전변수인 추력과 커터헤드의 RPM에 따른 굴진율과 기계데이터간 상관관계를 효율적으로 분석할 수 있으며, 실제 굴착메커니즘과 동일하기 때문에 도출된 압입깊이와 토크값은 활용성이 높다. 본 연구를 통해 디스크커터 당 연직력과 압입깊이의 상관관계 및 연직력과 회전력의 상관관계를 도출하였다. 이러한 상관관계들을 이용하여 70 MPa급 암반에 대해 굴진율 예측과 TBM 설계가 가능할 것으로 판단한다. 또한, 인공암반의 RQD가 100%로 현장적용에 대한 한계점에 대해 FPI의 개념을 도입하여 굴진율 모델의 활용성을 증대시키고자 하였다.

• 화약ㆍ발파
• /
• 제23권1호
• /
• pp.9-17
• /
• 2005

이 연구는 남원에서 채취한 화강암의 해수에 의한 풍화환경에서 기계적 풍화를 비교하여 관계를 명확하게 하는 것이다. 석재 사인과 건설현장에서의 풍화암에 대한 지질학적 연구는 암반의 화학적, 물리적 특성의 변화에 따라 다양하게 포괄적으로 연구되고 있다. 인공풍화 실험은 해수에 의한 풍화의 환경과 정도를 제어하기 위해 풍화의 정도와 풍화 환경을 제어한다. 해수에 의한 풍화가 진행될수록 풍화도가 증가하는데, 이는 비중, 흡수율, 공극율, 단축압축 강도, P-파 속도, 내구성, 간접인장 강도, 마찰각 등의 변화에 의해 알 수 있다. 해수에 의한 응력변형률 곡선의 변화는 담수에 의한 응력 변형률 곡선과 많은 차이를 보인다. 그러한 이유는 인공풍화 실험에 의한 미세한 균열의 차이와 잠재적인 공극의 발달의 정도의 차이에 의한 것이다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2002년도 봄 학술발표회 논문집
• /
• pp.759-766
• /
• 2002

In the paper the authors describe the development of ITIS(Intelligent Tunneling Information System) for the Purpose of applying the 3D visualization technique, GIS, AI(Artificial Intelligence) to tunnel design and construction. VR(Virtual Reality) and 3D visualization techniques are applied in order to develope the 3D model of characteristics and structures of ground and rock mass. Database for all the materials related to site investigation and tunnel construction is developed using GIS technique. AI technique such as fuzzy theory and neural network is applied to predict ground settlement, decide tunnel support method and estimate ground and rock mass properties according to tunnel excavation steps. ITIS can help to inform various necessary tunnel information to engineers quickly and manage tunnel using acquired information based on D/B.