• 한국터널지하공간학회 논문집
• /
• 제21권5호
• /
• pp.641-656
• /
• 2019

본 연구에서는 쉴드 TBM (Tunnel Boring Machine) 터널 디스크 커터의 적절한 교체 시기를 예측하기 위한 방법으로 머신러닝 기법을 사용한 방법을 제안하였으며, 이를 위해 국내 기 시공된 쉴드 TBM 현장의 데이터를 이용하여 다양한 머신러닝 알고리즘 중 SVM (Support Vector Machine)을 이용하여 예측 모델을 구축하고 그 성능을 평가하였다. 지반 조건별 디스크 커터의 마모와 높은 상관성을 갖는 TBM 기계 데이터와 디스크 커터 교체 이력을 분류하고, 이들을 SVM의 변수로 사용하여 3종류의 분류 함수를 적용하여 각각 학습을 한 후 예측을 수행한 결과, 각 지반 조건에 대해서 3종류의 SVM 분류 함수 중 전체적으로 RBF (Radial Basis Function) SVM의 예측성능이 가장 우수하며(평균적으로 80%의 정확도, 10% 오분류율), 지반 조건별로 구분 시 디스크 커터 교체 데이터의 수가 많을수록 예측 결과가 좋은 것으로 나타났다. 향후 많은 데이터를 축적하고 이를 모두 활용하여 학습모델을 지속적으로 발전시켜 나간다면 이와 같은 디스크 커터 교환주기를 예측하기 위한 머신러닝 기법의 실무 적용성이 매우 클 것으로 기대한다.

• Geomechanics and Engineering
• /
• 제31권3호
• /
• pp.265-279
• /
• 2022

Tunnel convergence prediction is essential for the safe construction and design of tunnels. This study proposes five machine learning models of deep neural network (DNN), K-nearest neighbors (KNN), Gaussian process regression (GPR), support vector regression (SVR), and decision trees (DT) to predict the convergence phenomenon during or shortly after the excavation of tunnels. In this respect, a database including 650 datasets (440 for training, 110 for validation, and 100 for test) was gathered from the previously constructed tunnels. In the database, 12 effective parameters on the tunnel convergence and a target of tunnel wall convergence were considered. Both 5-fold and hold-out cross validation methods were used to analyze the predicted outcomes in the ML models. Finally, the DNN method was proposed as the most robust model. Also, to assess each parameter's contribution to the prediction problem, the backward selection method was used. The results showed that the highest and lowest impact parameters for tunnel convergence are tunnel depth and tunnel width, respectively.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2009년도 세계 도시지반공학 심포지엄
• /
• pp.1522-1529
• /
• 2009

When a shaft is excavated in Korea, the mechanized method such as RBM(Raise Boring Machine) or RC(Raise Climber) is used independently of depth. But usually, the mechanized method is useful for the deep depth. On the contrary, when the depth of shaft is short, the cost of excavation increase. So in the case of shaft constructon less than 100m, we need to consider more suitable method of shaft construction such as Stage-cut which is one of blasting methods. Stage-Cut is widely used in the field of shaft construction in Japan as a tool of rock excavation. The main purpose of this study is to provide technical guidance for design and construction of shafts in rock, using Stage-cut method which is suitable for 20m~80m depth shaft. In this study, Blasting tests was performed in field, according to rock classification. Finally, the stage-cut method which is suitable for the geology of Korea was developed.

• 한국안전학회지
• /
• 제36권3호
• /
• pp.31-39
• /
• 2021

In Korea, more than half of work-related fatalities have occurred on construction sites. To reduce such occupational accidents, safety inspection by government agencies is essential in construction sites that present a high risk of serious accidents. To address this issue, this study developed risk prediction models of serious accidents in construction sites using five machine learning methods: support vector machine, random forest, XGBoost, LightGBM, and AutoML. To this end, 15 proactive information (e.g., number of stories and period of construction) that are usually available prior to construction were considered and two over-sampling techniques (SMOTE and ADASYN) were used to address the problem of class-imbalanced data. The results showed that all machine learning methods achieved 0.876~0.941 in the F1-score with the adoption of over-sampling techniques. LightGBM with ADASYN yielded the best prediction performance in both the F1-score (0.941) and the area under the ROC curve (0.941). The prediction models revealed four major features: number of stories, period of construction, excavation depth, and height. The prediction models developed in this study can be useful both for government agencies in prioritizing construction sites for safety inspection and for construction companies in establishing pre-construction preventive measures.

• Geomechanics and Engineering
• /
• 제30권1호
• /
• pp.11-26
• /
• 2022

One of the most important issues in tunneling, is the squeezing phenomenon. Squeezing can occur during excavation or after the construction of tunnels, which in both cases could lead to significant damages. Therefore, it is important to predict the squeezing and consider it in the early design stage of tunnel construction. Different empirical, semi-empirical and theoretical-analytical methods have been presented to determine the squeezing. Therefore, it is necessary to examine the ability of each of these methods and identify the best method among them. In this study, squeezing in a part of the Alborz service tunnel in Iran was estimated through a number of empirical, semi- empirical and theoretical-analytical methods. Among these methods, the most robust model was used to obtain a database including 300 data for training and 33 data for testing in order to develop a machine learning (ML) method. To this end, three ML models of Gaussian process regression (GPR), artificial neural network (ANN) and support vector regression (SVR) were trained and tested to propose a robust model to predict the squeezing phenomenon. A comparative analysis between the conventional and the ML methods utilized in this study showed that, the GPR model is the most robust model in the prediction of squeezing phenomenon. The sensitivity analysis of the input parameters using the mutual information test (MIT) method showed that, the most sensitive parameter on the squeezing phenomenon is the tangential strain (ε_θ^α) parameter with a sensitivity score of 2.18. Finally, the GPR model was recommended to predict the squeezing phenomenon in tunneling projects. This work's significance is that it can provide a good estimation of the squeezing phenomenon in tunneling projects, based on which geotechnical engineers can take the necessary actions to deal with it in the pre-construction designs.

• Geomechanics and Engineering
• /
• 제19권1호
• /
• pp.93-104
• /
• 2019

Anomalies and/or fractured grounds not detected by the surface geophysical and geological survey performed during design stage may cause significant problems during tunnel excavation. Many studies on prediction methods of the ground condition ahead of the tunnel face have been conducted and applied in tunneling construction sites, such as tunnel seismic profiling and probe drilling. However, most such applications have focused on the drill and blast tunneling method. Few studies have been conducted for mechanized tunneling because of the limitation in the available space to perform prediction tests. This study aims to predict the ground condition ahead of the tunnel face in TBM tunneling by using an electrical resistivity tomography survey. It compared the characteristics of each electrode array and performed an investigation on in-situ tunnel boring machine TBM construction site environments. Numerical simulations for each electrode array were performed, to determine the proper electrode array to predict anomalies ahead of the tunnel face. The results showed that the modified dipole-dipole array is, compared to other arrays, the best for predicting the location and condition of an anomaly. As the borehole becomes longer, the measured data increase accordingly. Therefore, longer boreholes allow a more accurate prediction of the location and status of anomalies and complex grounds.

• 한국터널지하공간학회 논문집
• /
• 제19권6호
• /
• pp.1029-1044
• /
• 2017

개별요소법(Discrete Element Method, DEM)은 다수의 작은 입자들의 운동 및 상호영향을 계산하여 시스템의 거동을 해석하는 수치해석법으로써, 실제 화학공학, 약학, 토목공학, 재료과학, 식품공학 등 다양한 산업현장에서 적용되고 있다. 본 연구에서는 DEM 기법에 근거한 입자 역학 전용 해석 상용 소프트웨어를 사용하여 스포크타입 토압식 쉴드TBM 굴착성능을 평가하기 위한 예비 해석을 수행하였다. TBM에 대한 해석은 커터헤드의 회전속가 다른 2가지 조건에 대해 수행되었다. 해석을 진행하는 동안 커터헤드면에 작용하는 저항 토크, 커터헤드면과 쉴드면에 작용하는 압축력, 스크루 오거를 통해 배출되는 토사의 양을 검토하였다. 해석을 통해 DEM 해석을 이용한 TBM 장비 모델링의 적용성을 검토하였다.

• 화약ㆍ발파
• /
• 제38권2호
• /
• pp.22-35
• /
• 2020

최근 전자뇌관은 다양한 현장에서 폭넓게 사용되어지고 있다. 흔히 전자뇌관은 발파에 의해 발생되는 소음과 진동을 줄이기 위한 목적으로 사용된다. 또한 일반뇌관에 의한 발파작업이 불가능한 지역이나 보안물건이 근접하여 기계식굴착 공법이 적용된 현장에서 정밀한 발파작업을 위해 전자뇌관을 사용하고 있다. 발파현장에서는 전자뇌관을 이용하여 시공성을 높이고 생산원가를 낮추기 위한 다양한 기술이 시도되고 있다. 본 사례는 보안물건이 근접해 있는 지역에서 전자뇌관을 사용하여 보안물건에 대한 허용기준치를 충족시키면서 작업의 효율성을 높인 시공사례를 소개한다. 한화에서 생산하는 하이트로닉II(HiTRONIC II™)를 사용하여 국내 및 해외 수직구 현장에서 작업을 시행하였다. 일반적으로 수직구 현장에서는 발파에 따른 소음과 진동 영향 때문에 굴착면을 분할하여 발파를 시행한다. 그러나, 본 사례에서는 발파 굴착면을 1회에 전단면발파를 실시하였으며 이에 따른 공사기간을 단축시킬 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제25권4호
• /
• pp.285-303
• /
• 2023

도심지 인프라 조성과 효율적인 공간 활용을 위하여 지하 공간 구축에 대한 관심이 증가하고 있다. 지하공간의 대표적인 활용방법으로는 터널이 있으며, 도로 터널 외에도 전력구 및 공동구와 같은 유틸리티 터널에 대한 건설도 점차 증가하고 있는 실정이다. 현행의 기본적인 터널 공법은 NATM (New Austrian Tunnelling Method)과 TBM (Tunnel Boring Machine)으로 구분할 수 있다. NATM 방식은 신뢰성 있는 공법이긴 하나 발파작업에 따른 진동 및 소음이 수반된다. TBM 굴착공법의 경우 공사 기간과 공사비 부분에서 불리한 측면이 있지만, 적정한 보완 방법들을 도입하면 경제성의 제고가 가능하다. 본 연구에서는 방호쉴드 공법을 이용하여 TBM 선행 굴착 후 NATM 방식으로 발파를 수행하는 공법을 개발하였다. 이는 각 터널 공법의 단점들을 보완한 형태로 공기 및 공사비 절감, 발파 진동 및 소음 등의 저감이 기대되는 방법이다. 개발 공법의 성능을 검토하기 위하여 방호쉴드 축소 모형을 적용한 방호쉴드의 성능평가 실험을 수행하였으며, 방호쉴드 공법의 발파진동 영향 등을 분석하였다.

• 화약ㆍ발파
• /
• 제41권4호
• /
• pp.9-16
• /
• 2023

터널의 대표적인 굴착방식인 TBM 공법과 NATM 공법의 지구온난화 영향도를 비교하기 위해 각 방식에 대한 전과정평가 (Life Cycle Assessment)를 수행하였다. 전과정평가는 제품 제조 전 단계, 제품 제조 단계, 사용 단계, 폐기 단계를 고려하여 탄소배출량의 합산으로 비교해야 마땅하나, TBM (Tunnel Boring Machine)의 제조 및 폐기 데이터에 대한 접근이 제한되어 사용단계에 초점을 맞추어 분석할 수 밖에 없었다. 일반적으로 제품 제조 전 단계 및 제품 제조 단계에서 배출되는 탄소 배출량이 제품수명주기의 전과정에서 배출되는 탄소배출량의 90%를 넘는 경우가 대부분이다. 따라서 사용 단계의 비교만으로는 분석 목표를 달성하기 어렵기 때문에 분석 범위를 확장하였고, 제조 데이터에 접근이 가능한 NATM 공법에 대해서는 제품제조 전 단계 및 제품제조 단계를 포함한 과정에 대한 탄소 배출량을 산출하여 비교해 본 결과, TBM 공법은 사용 단계만 고려했음에도 불구하고 전 과정을 고려한 NATM 공법에 비해 탄소 배출량이 많게 결과값이 산출되었다. 이러한 결과는 향후 터널 시공설계 시 최근 환경영향분야 중 관심이 집중되고 있는 기후 변화 (지구온난화)의 영향도를 고려할 때 NATM 공법이 상대적으로 친환경적이라 볼 수 있을 것이다.