• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 1997년도 가을 학술발표회 논문집
• /
• pp.141-150
• /
• 1997

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 1994년도 가을 학술발표회 논문집
• /
• pp.139-148
• /
• 1994

Rapid industrialization and urbanization caused by the high economic growth of the country requires optimization of land usage as well as the expansion of underground space. Therefore the construction of large and deep basements is inevitable in built up areas where the braced excavation for earth retaining structures may create many problems such as settlement and damages of nearby buildings and underground utilities. In this work, some of major influential factors concerning the stability of braced excavation are investigated and the results are compared with the field observation results. The ground water table, applied strut forces, horezontal wall displacement, infilling materials in the rock joints were found to be the most critical factors influencing the stability of braced walls constructed in the layered ground. Magnituide and type of the wall deformation was closely related to the pattern of the surface settlement. The stability of braced walls are described in terms of strut forces.

• 한국지반공학회지:지반
• /
• 제14권2호
• /
• pp.107-126
• /
• 1998

터널굴착으로 발생되는 지반침하는 지상구조물의 변형을 유발할 수도 있으므로 터널굴착 전에 지상구조물의 안전성 평가가 요구된다. 이러한 변형에 대한 구조물의 안전성을 평가하기 위하여 본 연구에서는 터널현장의 지반침하를 예측하고, 이를 기반으로 지상구조물의 안정성 평가를 수행하는 전문가 시스템 NESASS(Neural Network Expert System for Adjacent Structure Safety analysis)를 개발하였다. NESASS는 인공신경망을 이용, 터널현장의 지반침하 계측자료로 작성된 데이터베이스 자료를 학습자료로 하여 학습을 수행하고, 이를 기반으로 터널현장의 지반침하 트라프를 추론한다. 또한 일반구조물의 안전성을 평가하는데 이용되고 있는 인자, 즉 각변형(angular distortion)과 처징비 (deflection ratio) 등을 이용하여 지상건물의 안전성을 평가함과 아울러 Dulacska의 균열평가 모델 을 이용하여 건물의 균열양상을 예측한다. 본 연구에서는 서울지하철 현장을 대상으로 113개 계측측선의 지반침하 계측자료를 수집 정리하고 지반침하의 주 영향인자들을 선정하여. 이들을 데이터베이스화하였다. 그리고 인공신경망 구조에 관련된 매개변수 연구를 수행하여 구축된 데이터베이스에 대한 최적 인공신경망 모델을 선정하였다. 또한 현장자료와의 비교를 통하여 NESASS의 지반침하 예측능력을 조사하고, 현장자료를 이용하여 지상구조물에 대한 안전성 평가의 신뢰성을 평가함으로써 NESASS의 실무 적용성을 확인 하였다.

• 화약ㆍ발파
• /
• 제17권4호
• /
• pp.67-88
• /
• 1999

터널굴착으로 발생되는 지반침하는 지상구조물의 변형을 유발할 수도 있으므로 터널굴착전에 지상구조물의 안전성 평가가 선행되어야 한다. 이러하여 본 연구에서는 전문가의 포함된 터널현장의 지표침하를 예측하고, 이를 기반으로 지상구조물의 안전성 평가를 수행하는 전문가 시스템 NESSS(Neural network Export System for Adjacent Structure Safety Analysis)를 개발하였다. NESASS는 인공신경망을 이용하여 기존 터널현장의 지표침하 계측자료로 작성된 데이터베이스 자료를 학습자료로 하여 학습을 수행하고, 이를 기반으로 터널현장의 지표침하 트라프를 추론한다. 또한 추론된 지상구조물 기초부 변형을 기반으로 계산된 평가 매개변수(angular distortion 등)의 혀용 한계치를 이용하여 건물의 안전성을 평가하고 Dulacska의 균열평가 모델을 이용하여 지상구조물의 균열양상을 예측한다. 따라서, 본 연구에서는 지표침하의 주 영향인자들을 선정하고 이를 분류항목으로 이용, 서울지하철 일부구간의 지표침하 계측자료를 수집, 정리하여 데이터베이스화를 추진하였다. 그리고 인공신경망 구조에 관련된 매개변수 연구를 수행하여 개발된 NESASS의 인공신경망 구조의 신뢰도를 확인하였으며 기수행된 침하계측 결과치와 비교하여 지표침하 예측능력도 조사하였다. 또한 NESASS를 이용하여 실제 터널현장을 모델로 설정, 지상구보물의 안전성 평가를 수행해 봄으로써 NESASS의 실무적용성을 아울러 확인하였다.