최근 비약적인 경제 성장에 따라 연약지반을 대상으로 한 개발사업이 활발히 진행되고 있다. 연약지반 공사의 문제점은 작은 지지력과 큰 침하로 대별되며, 특히 연약 점성토 지반의 과도하고, 시간 의존적인 침하 특성은 점성토의 고유한 물리적․공학적 특성에 기인하므로, 이러한 특성을 이해하고 정확히 파악하려는 노력은 안정적이고 경제적인 설계 및 시공의 밑거름이 될 것이다. 본 논문에서는 인천 송도지역(연수구 동춘동~남동구 고잔동) 해안가의 해성퇴적토 지반을 대상으로 금회 실시한 168개의 불교란시료 실내시험 자료와 인근에서 기시행된 125개의 불교란시료 실내시험 자료를 수집하고, 통계적인 분석방법을 이용하여 연약지반의 각종 공학적 특성을 분석하고, 토질정수간 상관관계를 비교, 분석하였다. 그 결과 송도지역 연약지반의 각종 공학적 특성의 분포와 특성간의 상관성을 파악할 수 있었으며, 특히 중요한 압밀특성인 압축지수와 물리적 특성간의 상관성을 분석하고, 상관관계식을 제시하였다. 또한 최근 전 산업분야에서 활발히 적용되고 있는 인공지능 기법을 이용하여 압축지수를 산정하기 위한 ...
최근 비약적인 경제 성장에 따라 연약지반을 대상으로 한 개발사업이 활발히 진행되고 있다. 연약지반 공사의 문제점은 작은 지지력과 큰 침하로 대별되며, 특히 연약 점성토 지반의 과도하고, 시간 의존적인 침하 특성은 점성토의 고유한 물리적․공학적 특성에 기인하므로, 이러한 특성을 이해하고 정확히 파악하려는 노력은 안정적이고 경제적인 설계 및 시공의 밑거름이 될 것이다. 본 논문에서는 인천 송도지역(연수구 동춘동~남동구 고잔동) 해안가의 해성퇴적토 지반을 대상으로 금회 실시한 168개의 불교란시료 실내시험 자료와 인근에서 기시행된 125개의 불교란시료 실내시험 자료를 수집하고, 통계적인 분석방법을 이용하여 연약지반의 각종 공학적 특성을 분석하고, 토질정수간 상관관계를 비교, 분석하였다. 그 결과 송도지역 연약지반의 각종 공학적 특성의 분포와 특성간의 상관성을 파악할 수 있었으며, 특히 중요한 압밀특성인 압축지수와 물리적 특성간의 상관성을 분석하고, 상관관계식을 제시하였다. 또한 최근 전 산업분야에서 활발히 적용되고 있는 인공지능 기법을 이용하여 압축지수를 산정하기 위한 인공신경망(Artificial Neural Networks)을 구축하고, 그 적용 가능성에 대하여 검증하였다. 인공신경망 압축지수 예측 결과는 실제 실내시험의 결과와 매우 높은 상관관계를 가지는 것으로 나타났으며, 함수비, 소성지수, 점토함량, 액성한계의 4개 입력변수를 이용하는 2층(5×5) 은닉층 구조의 신경망이 가장 좋은 예측결과(r=0.84)를 보임을 알 수 있었다. 특히 인공신경망을 이용할 경우 단일 변수를 이용하여 압축지수를 추정하는 기존의 선형 회귀분석 기법에 비하여 19~31%의 상관성 증대 효과가 있는 것으로 나타났다.
최근 비약적인 경제 성장에 따라 연약지반을 대상으로 한 개발사업이 활발히 진행되고 있다. 연약지반 공사의 문제점은 작은 지지력과 큰 침하로 대별되며, 특히 연약 점성토 지반의 과도하고, 시간 의존적인 침하 특성은 점성토의 고유한 물리적․공학적 특성에 기인하므로, 이러한 특성을 이해하고 정확히 파악하려는 노력은 안정적이고 경제적인 설계 및 시공의 밑거름이 될 것이다. 본 논문에서는 인천 송도지역(연수구 동춘동~남동구 고잔동) 해안가의 해성퇴적토 지반을 대상으로 금회 실시한 168개의 불교란시료 실내시험 자료와 인근에서 기시행된 125개의 불교란시료 실내시험 자료를 수집하고, 통계적인 분석방법을 이용하여 연약지반의 각종 공학적 특성을 분석하고, 토질정수간 상관관계를 비교, 분석하였다. 그 결과 송도지역 연약지반의 각종 공학적 특성의 분포와 특성간의 상관성을 파악할 수 있었으며, 특히 중요한 압밀특성인 압축지수와 물리적 특성간의 상관성을 분석하고, 상관관계식을 제시하였다. 또한 최근 전 산업분야에서 활발히 적용되고 있는 인공지능 기법을 이용하여 압축지수를 산정하기 위한 인공신경망(Artificial Neural Networks)을 구축하고, 그 적용 가능성에 대하여 검증하였다. 인공신경망 압축지수 예측 결과는 실제 실내시험의 결과와 매우 높은 상관관계를 가지는 것으로 나타났으며, 함수비, 소성지수, 점토함량, 액성한계의 4개 입력변수를 이용하는 2층(5×5) 은닉층 구조의 신경망이 가장 좋은 예측결과(r=0.84)를 보임을 알 수 있었다. 특히 인공신경망을 이용할 경우 단일 변수를 이용하여 압축지수를 추정하는 기존의 선형 회귀분석 기법에 비하여 19~31%의 상관성 증대 효과가 있는 것으로 나타났다.
Recently, construction works on soft ground increase with the growth of domestic economy. Small bearing capacity and large settlement of soft ground make works difficult on that. Therefore, understanding characteristic properties of clay soil is the base of economic design and construction. This stu...
Recently, construction works on soft ground increase with the growth of domestic economy. Small bearing capacity and large settlement of soft ground make works difficult on that. Therefore, understanding characteristic properties of clay soil is the base of economic design and construction. This study analyze the laboratory test data of undisturbed marine sediment samples obtained around Songdo area, Inchon. Engineering properties of soft ground are analyzed statistically and relationships between properties such as compression index vs physical properties are derived. Also, artificial neural network(ANN) for determination of compression index are constructed and tested for verifying its applicability. Compression index estimated by ANN shows high correlation with laboratory test data. Two hidden layer ANN with 4 inputs, such as moisture content(wn), plastic index(PI), liquid limit(LL), clay content, gives best estimation(r=0.84). Estimating compression index by ANN with 4 parameters results in increment of correlation coefficient about 19~31% compared to conventional linear regression method using one parameter.
Recently, construction works on soft ground increase with the growth of domestic economy. Small bearing capacity and large settlement of soft ground make works difficult on that. Therefore, understanding characteristic properties of clay soil is the base of economic design and construction. This study analyze the laboratory test data of undisturbed marine sediment samples obtained around Songdo area, Inchon. Engineering properties of soft ground are analyzed statistically and relationships between properties such as compression index vs physical properties are derived. Also, artificial neural network(ANN) for determination of compression index are constructed and tested for verifying its applicability. Compression index estimated by ANN shows high correlation with laboratory test data. Two hidden layer ANN with 4 inputs, such as moisture content(wn), plastic index(PI), liquid limit(LL), clay content, gives best estimation(r=0.84). Estimating compression index by ANN with 4 parameters results in increment of correlation coefficient about 19~31% compared to conventional linear regression method using one parameter.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.