천단변위량만으로 간단히 안정성을 평가할 수 있기 때문에 막장의 초기자료를 이용한 천단변위의 예측은 터널의 안정성 평가하는 것에 중요하다. 본 논문의 최종 목적은 다양한 방법으로 천단침하를 예측하여 최종천단변위 예측에 관한 참고자료로 활용되고자 하였다. 특히, RMR 분류에 사용되는 물성치들과 천단변위와의 상관성을 비교하고 다양한 방법으로 천단변위를 예측하였다. 천단 변위 예측을 하기 전에 RMR 분류에 사용되는 주요 분류요소인자들을 기초 통계분석을 실시하였다. 터널의 안정성 평가를 조기에 실시하고자 국내 터널 현장 계측결과를 이용하는 방법, 기존의 근사함수를 이용하는 방법, ...
천단변위량만으로 간단히 안정성을 평가할 수 있기 때문에 막장의 초기자료를 이용한 천단변위의 예측은 터널의 안정성 평가하는 것에 중요하다. 본 논문의 최종 목적은 다양한 방법으로 천단침하를 예측하여 최종천단변위 예측에 관한 참고자료로 활용되고자 하였다. 특히, RMR 분류에 사용되는 물성치들과 천단변위와의 상관성을 비교하고 다양한 방법으로 천단변위를 예측하였다. 천단 변위 예측을 하기 전에 RMR 분류에 사용되는 주요 분류요소인자들을 기초 통계분석을 실시하였다. 터널의 안정성 평가를 조기에 실시하고자 국내 터널 현장 계측결과를 이용하는 방법, 기존의 근사함수를 이용하는 방법, 인공신경망을 이용하여 터널의 천단침하를 예측하였다. 3가지 방법들은 상관성이 크게 높지 않으나 초기 자료들을 이용하여 개략적으로 예측 가능함을 알 수 있었으며 인공 신경망의 경우 상관지수가 높게 나와 예측이 가능하였다.
천단변위량만으로 간단히 안정성을 평가할 수 있기 때문에 막장의 초기자료를 이용한 천단변위의 예측은 터널의 안정성 평가하는 것에 중요하다. 본 논문의 최종 목적은 다양한 방법으로 천단침하를 예측하여 최종천단변위 예측에 관한 참고자료로 활용되고자 하였다. 특히, RMR 분류에 사용되는 물성치들과 천단변위와의 상관성을 비교하고 다양한 방법으로 천단변위를 예측하였다. 천단 변위 예측을 하기 전에 RMR 분류에 사용되는 주요 분류요소인자들을 기초 통계분석을 실시하였다. 터널의 안정성 평가를 조기에 실시하고자 국내 터널 현장 계측결과를 이용하는 방법, 기존의 근사함수를 이용하는 방법, 인공신경망을 이용하여 터널의 천단침하를 예측하였다. 3가지 방법들은 상관성이 크게 높지 않으나 초기 자료들을 이용하여 개략적으로 예측 가능함을 알 수 있었으며 인공 신경망의 경우 상관지수가 높게 나와 예측이 가능하였다.
It is important to predict the deformation of the tunnel to evaluating the stability of the tunnel because stability evaluation was performed by using only the deformation of the tunnel. In this study, for the purpose, predicting the settlement of the tunnel was considered as a reference about the f...
It is important to predict the deformation of the tunnel to evaluating the stability of the tunnel because stability evaluation was performed by using only the deformation of the tunnel. In this study, for the purpose, predicting the settlement of the tunnel was considered as a reference about the final deformation prediction through a variety of methods. Specially, correlation between factors used RMR assortment and the deformation of the tunnel was compared and the deformation of the tunnel was predicted by using a variety of methods. Prior to predicting the deformation of the tunnel, major assortment factors used the RMR assortment performed the base statistics analysis. To early perform the stability evaluation of the tunnel, the deformation of the tunnel was predicted by using the domestic tunnel site measurement, the index function method, artificial neural network. The correlation in the 3 method was small but the deformation of the tunnel was roughly predicted through the initial measurement, and in case of the artificial neural network, a high correlation could be possible to be predictable.
It is important to predict the deformation of the tunnel to evaluating the stability of the tunnel because stability evaluation was performed by using only the deformation of the tunnel. In this study, for the purpose, predicting the settlement of the tunnel was considered as a reference about the final deformation prediction through a variety of methods. Specially, correlation between factors used RMR assortment and the deformation of the tunnel was compared and the deformation of the tunnel was predicted by using a variety of methods. Prior to predicting the deformation of the tunnel, major assortment factors used the RMR assortment performed the base statistics analysis. To early perform the stability evaluation of the tunnel, the deformation of the tunnel was predicted by using the domestic tunnel site measurement, the index function method, artificial neural network. The correlation in the 3 method was small but the deformation of the tunnel was roughly predicted through the initial measurement, and in case of the artificial neural network, a high correlation could be possible to be predictable.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.