• 한국터널지하공간학회 논문집
• /
• 제11권2호
• /
• pp.151-162
• /
• 2009

본 연구에서는 터널 설계구간의 대부분을 차지하는 미시추 구간의 지반 등급 분류를 정량적으로 수행할 수 있는 새로운 접근방법을 제안한다. 본 제안방법은 시추공에서 얻은 직접조사 결과와 시추구간의 전기 비저항 탐사결과를 이용해 인공 신경망을 학습시카고, 학습된 인공 신경망은 미시추 구간의 암반분류 등급을 추론하는데 적용된다. 지반등급 추론은 미시추 구간 영역에서 움직이는 격자형 창(window)의 중심점에서 이루어 지며 창내 귀속된 전기 비저항들은 추론을 위한 참고자료로 시용된다. 인공 신경망 학습은 최선 RPROP(Resilient backpropagation) 인공 신경망 학습 알고리즘과 early-stopping 기법을 이용하여 수행되었다. 본 연구에서는 실제 시추조사가 이루어진 터널현장에 제안기법을 적용하여 미시추 구간의 지반 등급을 추론하였으며, 전통적인 지구통계학적 크리깅(kriging) 기법에 의한 결과와도 상호 비교하였다. 결과적으로 본 연구를 통해 학습된 인공 신경망은 전통 크리깅 방법에 비해 매우 구체적이고 현실적인 예측결과를 제공하였다 또한, 인공 신경망 추론으로부터 얻어진 터널 종단 방향의 RMR과 Q-값의 분포에서는 전기 비저항 탐사로부터 추정된 취약지반 구간의 위치와 잘 일치하였으며, 두 값 상호간의 관계도 선행 연구 결과와 부합하였다.

• 환경영향평가
• /
• 제15권1호
• /
• pp.45-52
• /
• 2006

The purpose of this study is to assess spatiotemporal variation of coastal water quality according to time and location changes. For this we developed numerical marine trophic index base on four water quality components (chlorophyll, suspended solids, dissolved inorganic nitrogen and phosphorus) and applied this index to the water quality data measured in the korean coastal zone for the 7-years period from 1997 to 2003. Water quality data are obtained only at selected sites even though they are potentially available at any location. Therefore, in order to estimate spatial variation of coastal water quality, it is necessary to estimate the unknown values at unsampled locations based on observation data. In this study, we used IDW (Inverse Distance Weighted) method to predict water quality components at unmeasured locations and applied marine trophic index to predicted values obtained by IDW interpolation. The results of this study indicate that marine trophic index and spatial interpolation are useful for understanding spatiotemporal characteristics of coastal water quality.