선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 지반조사자료 중 시추자료를 대상으로 지반공학적 특성에 따른 군집화와 지하공간 예측을 위한 점 자료의 보간을 연구하였다. 또한, 관련 GIS자료와 상호연계 및 가시화를 위하여 지하공간모델 자료구조와 관련 프로그램을 개발하였다.
가설 설정
- 따라서 본 연구에서 지반정보 군집화는 수치 데이터로 표현되어 정량화가 쉬운 SPT 벡터를 기준으로 수행하였으며, 정성적인 특성을 띠는 USCS 벡터의 경우에는 통일분류법 각 대분류 사이에 동일한 유사도를 가지며, 입자가 크고 단단한 순서로 값을 주어 정량화를 가정하였다.
제안 방법
- 「알고리즘 1」은 지층구성(비)을 대상하며 그 수가 많지 않고 클러스터가 가변적이므로, 시추공 간의 유사도 산정으로 클러스터링을 수행하였다.
- 군집화된 자료에는 지구통계학 기법의 하나인 권역 크리깅(Zonal Kriging)을 적용하였다(Wingle 등, 1996). 각 클러스터 소구역마다 분포특성에 맞는 함수모델을 선정하고, 정규 크리깅(Ordinary Kriging)을 수행하고, 최종적으로 스무딩(Smoothing)기법을 이용하여 소구역을 연결하였다. 상세한 과정은 그림 3과 같다.
- 나머지 정보들은 Hole Object의 상속을 받아 지층정보를 기술하는 Layer Object, 그리고 표준관입시험, 콘관입시험 등을 기술하는 In-situ Object, 실내시험을 위한 시료채취정보를 기술하는 Sample Object로 구성되게 된다. 국토해양부에서 운영 중인 지반정보DB포털은 그림 2의 모델링을 기초로 작성되었으며, 본 연구에서는 지반정보DB 포털에서 수집한 자료를 활용하여 지하공간정보 모델을 생성에 적용하였다.
- 기존의 권역 크리깅의 경우에는 단지 지형적 인자만을 통해 소구역을 설정하였으나, 본 연구에서는 지하특성을 반영한 시추공 구성(비) 정보를 이용하여 대상지역의 지층구성에 따른 외곽선을 추출(그림 6)하고, 소구역으로 분리(그림 7)하였다. 대상지역은 전라북도 정읍시 태인면 및 옹동면 경계부 일원, TM(중부)(193920,238980)～(196480,240630)에 해당한다.
- 다음으로 지역적 특수성을 고려한 보간 결과를 얻기 위하여 구역화 군집 결과를 이용하여 소구역을 나누고, 각각 보간을 수행하여 통합하는 지구통계학적 방법의 하나인 권역 크리깅(Zonal Kriging)을 적용하였다. 이렇게 생성된 자료는 수치지형도를 통해 얻어진 수치표고모형과 함께 하나의 자료구조로 구성되며, 개발된 프로그램을 통해 3차원으로 가시화된다.
- 대상지역으로 소구역을 구분한 후 반베리오그램(Semi-Variogram)을 작성하고 조정(Fitting)을 통해 함수모델을 선정하여 정규 크리깅을 수행한다. 본 연구에서는 상용프로그램으로 안정화된 Surfer 7.
- SPT 벡터는 일정깊이별로 시험을 통해 얻어지기 때문에 지하 각 지점의 정보를 대량으로 제공하여 준다. 따라서 대용량 데이터에 적합한 ISODATA 클러스터링을 적용하였다.
- 이때 세립토인 실트(M), 점토(C), 유기질토(O)의 경우에는 액성한계 50%를 기준으로 이하이면 ‘L’, 이상이면 ‘H’를 붙인다. 또한 현장에서는 암반의 분류를 위해 WR(풍화암), SR(연암), MR(보통암), HR(경암), XR(극경암)의 기호를 이용하며, 본 시스템에도 이를 적용하여 지층의 분류 정보를 표현하기 위하여 표 4와 같이 지반정보 DB에서 데이터를 추출하여 생성하였다.
- 본 연구는 지반조사자료 중 시추자료를 대상으로 지반공학적 특성에 따른 군집화와 지하공간 예측을 위한 점 자료의 보간을 연구하였다. 또한, 관련 GIS자료와 상호연계 및 가시화를 위하여 지하공간모델 자료구조와 관련 프로그램을 개발하였다.
- 클러스터링의 결과 중 Hole Formation 벡터는 시추공의 공간적 분포특성 및 경향성을 나타내는 자료로서, 지표에 노출된 암상특성 조사로 작성된 지질도에 비해 좀 더 상세히 지반의 상태를 표현한다. 본 연구에서는 Hole Formation 벡터의 클러스터별로 수평적인 구역을 생성(Zoning)하고 이를 잘라서(Clipping) 보간을 수행한다. SPT·USCS 벡터는 일반적으로 수직적인 깊이에 따라 그 지층과 강도의 유사성이 증가하므로 깊이에 따라 발견되는 지층이나 강도특성이 달라진다.
- 대상지역으로 소구역을 구분한 후 반베리오그램(Semi-Variogram)을 작성하고 조정(Fitting)을 통해 함수모델을 선정하여 정규 크리깅을 수행한다. 본 연구에서는 상용프로그램으로 안정화된 Surfer 7.0(Golden software, inc)에서 제공하는 크리깅 모듈을 적용하였다. 각 소구역별 보간 결과는 스무딩 기법을 통해 연결하여 전 대상지역을 표현하게 된다.
- 본 연구에서는 지반정보DB에서 주요 지반특성 자료를 추출하여 지하공간정보 모델을 생성하였다. 이를 위해 지반정보에 클러스터링을 적용하여 시추공구성(비), 지층분류, 지반강도에 대한 클러스터를 생성하고, 이렇게 생성된 클러스터의 공간적 분포를 이용하여 권역 크리깅을 적용하여 보간을 수행하였다.
- 본 연구에서는 지하공간정보 모델을 생성하고, 적용하기 위하여 그림 4와 같이 개발된 군집화 프로그램과 가시화 프로그램을 이용하였다.
- 이렇게 SP T·USCS 벡터의 층을 나타내는 각 클러스터마다 작업을 수행하고, 최종적으로 앞에서 언급한 지하공간정보모델 포맷(.ssm)에 맞추어 개발한 지하공간정보모델 3차원 시각화프로그램(SSIVIEW : Subsurface Spatial Information VIEWing program)으로 그림 8과 같이 가시화하였다.
- 이렇게 표현된 시추공 구성정보를 관련한 위치정보와 함께 표현하기 위하여 표 6과 같이 지반정보 DB에서 데이터를 추출하여 생성하였다.
- 이렇게 표현된 토사의 강도 값을 관련한 위치정보와 함께 표현하기 위하여 표 3과 같이 지반정보 DB에서 데이터를 추출하여 생성하였다.
- 따라서 지반조사자료는 지반의 구성, 즉 지층의 형상 및 관련특성(현장 원위치시험 등)을 기술한 시추주상도와 기타 현장시험, 그리고 샘플채취 후 실내시험을 수행한 지반정수를 기록한 시험양식(기초물리특성, 체분석시험, 투수시험, 압밀시험, 전단시험 등)으로 이루어진다(AGS, 1992; 한국건설기술연구원, 2000). 이를 기초로 지반조사자료의 데이터 객체는 표 1과 같이 일반사항(general), 지층구분(layer), 시료채취 및 원위치시험(sample and in-situ test), 실내시험(indoor test), 범례(remarks)로 분류하였다.
- 본 연구에서는 지반정보DB에서 주요 지반특성 자료를 추출하여 지하공간정보 모델을 생성하였다. 이를 위해 지반정보에 클러스터링을 적용하여 시추공구성(비), 지층분류, 지반강도에 대한 클러스터를 생성하고, 이렇게 생성된 클러스터의 공간적 분포를 이용하여 권역 크리깅을 적용하여 보간을 수행하였다. 최종적으로 지형자료(DEM)와 통합하여 지하공간정보 모델을 생성하고, 3차원 가시화를 수행하였다.
- 지반정보 클러스터링 과정을 자동화하기 위하여 그림 5와 같은 지반정보 클러스터링 프로그램(GEOCL:GEOtechnical information CLustering program)을 작성하였다. 그림 5의 프로그램은 MS Access(.
- 지하공간정보 모델 생성을 위하여 먼저 지반조사자료의 데이터모델링 과정을 통해 지반정보를 생성하고, 유사성에 따라 군집을 생성을 위하여 클러스터링 기법을 적용하였다. 이때 군집화는 시추공의 지층분류를 통해 대표 지층을 구성하는 ‘지층화(Layering)’과정과 유사한 지층특성을 가지는 지역을 묶는 ‘구역화(Zoning)’과정으로 나뉘어 진다.
- 지하공간정보 모델은 기존 점 형태의 지반정보를 면 형태로 공간 모델링하여 표현능력 및 다른 GIS자료와의 상호연계를 증진시켰다. 또한, 지반조사자료에 대한 데이터마이닝으로 지반 강도와 같은 물성치를 효과적으로 추출·가시화하여 건설공사의 지반의 해석 및 설계에 효과적으로 활용할 수 있다.
- 이를 위해 지반정보에 클러스터링을 적용하여 시추공구성(비), 지층분류, 지반강도에 대한 클러스터를 생성하고, 이렇게 생성된 클러스터의 공간적 분포를 이용하여 권역 크리깅을 적용하여 보간을 수행하였다. 최종적으로 지형자료(DEM)와 통합하여 지하공간정보 모델을 생성하고, 3차원 가시화를 수행하였다.
대상 데이터
- 대상지역은 USGS 벡터, SPT 벡터로 수행된 지표·지하 모델링 통합결과를 2개씩 생성된다.
- 기존의 권역 크리깅의 경우에는 단지 지형적 인자만을 통해 소구역을 설정하였으나, 본 연구에서는 지하특성을 반영한 시추공 구성(비) 정보를 이용하여 대상지역의 지층구성에 따른 외곽선을 추출(그림 6)하고, 소구역으로 분리(그림 7)하였다. 대상지역은 전라북도 정읍시 태인면 및 옹동면 경계부 일원, TM(중부)(193920,238980)～(196480,240630)에 해당한다.
- 데이터 생성단계는 SPT, USCS, Hole Formation이라는 세 가지 벡터 테이블로 구성된다. SPT 벡터는 지층에 대한 가장 세밀한 정보로서 시추공에서 일정깊이(1～1.
- 지하공간정보 모델의 구조로는 래스터 데이터모델을 선정하였다. 래스터 모델은 지하의 공간적 변이를 표현하는데 용이하기 때문이다.
이론/모형
- 군집화된 자료에는 지구통계학 기법의 하나인 권역 크리깅(Zonal Kriging)을 적용하였다(Wingle 등, 1996). 각 클러스터 소구역마다 분포특성에 맞는 함수모델을 선정하고, 정규 크리깅(Ordinary Kriging)을 수행하고, 최종적으로 스무딩(Smoothing)기법을 이용하여 소구역을 연결하였다.
- 따라서 SPT standard value의 범위결정은 점토 혹은 모래라는 토성판단이 아니라, 분류기준을 제시하는 것이므로 N값이 30보다 작을 경우 모래보다 점토일 가능성이 높으므로 Terzaghi와 Peck의 분류를 따르고, 반대로 30이상일 경우 Peck과 Meyerhof의 분류기준을 따르도록 하여 표 8을 구성하였다.
후속연구
- 또한, 지반조사자료에 대한 데이터마이닝으로 지반 강도와 같은 물성치를 효과적으로 추출·가시화하여 건설공사의 지반의 해석 및 설계에 효과적으로 활용할 수 있다.
- 향후 연구에서는 정확도가 높은 시추조사 결과와 3차원 성층구조 표현이 가능하지만, 간접조사인 관계로 정확도가 떨어지는 전기비저항 탐사, 탄성탐사 등 지구물리탐사 결과의 GIS를 이용한 통합 기술개발을 수행할 것이다. 이를 통해 지하공간에 대한 표현과 정확도를 더욱 향상시킬 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.