[논문]직립방파제의 케이슨 활동에 미치는 기후변화영향에 대한 수심의 효과

김승우; 김소연; 서경덕

doi:10.9765/kscoe.2012.24.3.179

직립방파제의 케이슨 활동에 미치는 기후변화영향에 대한 수심의 효과
Influence of Water Depth on Climate Change Impacts on Caisson Sliding of Vertical Breakwater 원문보기

한국해안·해양공학회논문집 = Journal of Korean Society of Coastal and Ocean Engineers, v.24 no.3, 2012년, pp.179 - 188

김승우 (서울대학교 건설환경공학부) , 김소연 (한국해양연구원 기후.연안재해연구부) , 서경덕 (서울대학교 건설환경공학부 및 건설환경종합연구소)

초록
AI-Helper

기후변화가 구조물의 안정성에 미치는 영향을 분석하기 위해 여러 수심에서 가상적으로 설계된 직립방파제의 성능을 평가하였다. 성능평가에서는 기후변화영향인 해수면 상승과 파고 증가를 고려한 성능설계법이 사용되었다. 성능설계법의 파랑변형 계산과정에서 많은 시간이 요구되는 문제를 극복하기 위해 범용 SWAN 모형에 인공신경망을 결합하였다. 학습된 인공신경망에 심해유의파고와 심해주파향 그리고 조위가 입력되면 구조물 위치에서 유의파고와 주파향이 신속하게 계산된다. 전반적으로 구조물의 안정성은 기후변화영향으로 감소하였지만 수심에 따라 서로 다른 경향을 보였다. 쇄파대 밖에서는 수심이 증가할수록 해수면 상승의 영향은 감소하고 파고 증가의 영향은 증가하였다. 한편, 쇄파대 내에서는 수심이 감소할수록 파고 증가와 해수면 상승의 영향 모두 감소하였다. 하지만 파고 증가의 영향이 해수면 상승의 영향보다 컸다. 이와 같은 결과를 반영하여 직립방파제의 유지보수 및 보강 대책을 수립해야 할 것이다.

Abstract ▼ AI-Helper

Performance analyses of vertical breakwaters were conducted for fictitiously designed breakwaters for various water depths to analyze the influence of climate change on the structures. The performance-based design method considering sea level rise and wave height increase due to climate change was used for the performance analysis. One of the problems of the performance-based design method is the large calculation time of wave transformation. To overcome this problem, the SWAN model combined with artificial neural network was used. The significant wave height and principal wave direction at the breakwater site are quickly calculated by using a trained neural network with inputs of deepwater significant wave height and principal wave direction, and tidal level. In general, structural stability becomes low due to climate change impacts, but the trend of stability is different depending on water depth. Outside surf zone, the influence of wave height increase becomes more significant, while that of sea level rise becomes negligible, as water depth increases. Inside surf zone, the influence of both wave height increase and sea level rise diminishes as water depth decreases, but the influence of wave height increase is greater than that of sea level rise. Reinforcement and maintenance policies for vertical breakwaters should be established with consideration of these results.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

직립방파제의 성능설계 법은 Shimosako and Takahashi(2000)가 최초로 제안하였으며 구조물의 사용 년 수 동안에 발생하는 기대활동량과 허용 활동량을 초과하는 확률을 계산할 수 있다. 본 연구에서는 기존 Shimosako and Takahashi 모델에 시간 의존 하중변수인 기후변화영향(해수면 상승, 파고 증가)을 고려할 수 있도록 모델을 개선하였다. 구조물에 작용하는 파압 계산에 사용되는 설계변수의 통계적 특성치는 서 등(2011)과 동일한 값을 사용하였다.
본 연구에서는 기후변화가 케이슨 활동에 미치는 영향을 분석하기 위해 Hitachinaka 항의 여러 가지 수심에 가상적으로 직립방파제를 설계하고 성능평가를 수행하였다. 케이슨 활동은 기후변화영향인 해수면 상승과 심해파고 증가를 고려한 성능 설계법으로 계산되었다.
특히, 쇄파대 전후에서는 파랑의 변형이 복잡하므로 수심에 따른 기후변화의 영향이 상이할 것으로 예상된다. 본 연구에서는 서 등(2011)이 분석했던 Hitachinaka 항 인근의 쇄파대와 비쇄파대를 포함한 다양한 수심에서 가상적으로 직립방파제를 설계하고 성능 설계법으로 기후변화영향의 효과를 분석한다. 일반적으로 쇄파효과를 고려할 수 있는 파랑변형 모형은 계산 시간이 길어 수천, 수만 번의 모의를 수행하는 성능설계법에 파랑변형 모형을 직접 사용하는 것은 적합하지 않다.
Table 5는 케이슨 활동에 미치는 기후변화영향의 효과를 분석하기 위해 사용된 수치실험이다. 본 연구의 일차적인 목적은 선행연구에서 해석하지 못한 서로 다른 수심에서 해수면 상승이 미치는 영향을 분석하는 것이다. Case 1은 기후변화영향을 고려하지 않은 실험이고 Case 2와 3은 해수면 상승과 파고 증가의 영향을 각각 분석하기 위한 실험이다.

가설 설정

따라서 파고는 각각 선형증가와 포물선증가로 가정하였으며, 이를 극치파고의 평균발생률 λ와 척도모수 A로 표현하였다(서 등, 2011).
0 km 떨어진 곳의 수심은 각각 10 m와 20 m이다. 수심은 해안선에 나란하고 곧게 형성되어 있어 다음 식으로 수심을 가정하였다.

제안 방법

서 등(2011)은 Mori et al.(2010a; 2010b; 2011)이 계산한 해수면과 심해파고를 사용하여 직립방파제의 성능설계에서 기후변화영향의 효과를 분석하였다. 한편, Takagi et al.
방파제는 수심 8 m(쇄파대 내부), 12 m(쇄파대), 16 m(비쇄파대), 20 m(비쇄파대), 그리고 25 m (Hitachinaka 항 동방파제 IV단면 수심)에서 각각 설계되었다. 5가지 방파제 단면은 Fig. 6과 같이 Goda and Takagi (2000)가 사용한 단면과 유사하게 결정론적 설계법으로 설계되었다. 케이슨 활동에 대한 각 단면의 안전율은 현행 기준인 1.
기후변화에 따른 여러 가지 물리량의 변화를 분석할 수 있지만 본 연구에서는 해수면 상승과 파고 증가만을 검토하였다. 기후변화영향은 일본의 태평양 지역(130-145°E, 25-40°N)에서 2000년부터 2100년까지 분석되었다(Mori et al.
심해에서 파고와 파향이 결정되면 파랑변형모형을 사용하여 구조물 위치에서 파고와 파향을 계산한다. 본 연구는 쇄 파대를 포함한 다양한 수심에서 구조물을 설계하기 때문에 천수, 굴절, 회절, 쇄파 등을 효과적으로 고려할 수 있는 파랑변형모형을 사용해야 한다. 그러나 성능 설계법은 수천, 수만 번의 파랑변형 계산을 수행하기 때문에 계산 시간이 많이 소요되는 일반적인 파랑변형모형을 직접 사용할 수 없다.
본 연구에서 기후변화영향의 효과를 분석하기 위해 쇄파대내외에서 가상적으로 구조물을 설계하였다. 쇄파수심은 평균 해면 기준으로 10.
성능설계법에서 많은 시간이 소요 되는 파랑변형과정은 범용 SWAN 모형에 인공신경망을 결합하여 계산시간을 단축시켰다. 본 연구에서 기후변화의 효과는 쇄파대와 비쇄파대로 구분되어 나타났다. 비 쇄파대에서는 수심이 증가할수록 해수면 상승의 영향은 감소하고 심해파고 증가의 영향은 증가하였다.
01을 사용하였다. 앞에서 언급된 각 설계변수를 사용하여 안전율이 1.2가 되도록 단면 폭 B를 결정하였다. Fig.
일반적으로 쇄파효과를 고려할 수 있는 파랑변형 모형은 계산 시간이 길어 수천, 수만 번의 모의를 수행하는 성능설계법에 파랑변형 모형을 직접 사용하는 것은 적합하지 않다. 이를 개선하기 위해 범용 파랑변형 모형인 SWAN(2008)에 인공신경망 기법을 결합하여 계산 시간을 효과적으로 단축하였다.
출력의 최대상대오차가 2 % 이하의 조건을 만족하면서 최적의 결과를 산정하는 신경개수를 최종적으로 채택하였다. 자료는 training, validation 그리고 test를 위해 각각 70%, 15%, 15%로 구분하였다. Validation 자료는 신경망을 일반화시키고 over-fitting하기 전에 학습을 중단하는 기능을 하고, test 자료는 신경망과 완전히 독립된 자료로서 학습된 신경망을 검사하는 기능을 수행한다.
신경망은 은닉층의 신경 개수에 따라 결과가 달라질 수 있기 때문에 최소 5개에서 최대 60개의 신경을 사용하였다. 출력의 최대상대오차가 2 % 이하의 조건을 만족하면서 최적의 결과를 산정하는 신경개수를 최종적으로 채택하였다. 자료는 training, validation 그리고 test를 위해 각각 70%, 15%, 15%로 구분하였다.
, 2011). 해수면 상승은 CMIP3(Phase 3 of the Coupled Model Intercomparison Projection)의 A1B와 A2 시나리오에 대하여 5 가지 GCM(General Circulation Model)을 사용하여 예측되었다. 본 연구에서는 A2 시나리오를 사용했으며, 이는 A2의 해수면 상승이 A1B보다 큰 폭으로 변화하기 때문이다 (Fig.
현행 기준인 결정론적 설계법으로 설계된 직립방파제를 성능설계법으로 성능해석을 수행한다. 직립방파제의 성능설계 법은 Shimosako and Takahashi(2000)가 최초로 제안하였으며 구조물의 사용 년 수 동안에 발생하는 기대활동량과 허용 활동량을 초과하는 확률을 계산할 수 있다.

대상 데이터

수심격자는 수심 0 m에서 상대수심 h/L₀≤ 1/2까지 분포한다. 격자수는 해안선에 수직한 x 방향과 해안선과 나란한 y 방향으로 각각 301와 201개이고 격자간격은 모두 100 m이다. 계산에 사용한 SWAN 버전은 v.
0 m 이상에서 toe 수심의 20 %이다(Goda and Takagi, 2000). 근고공의 높이와 berm 폭은 수심 조건에 관계없이 각각 1.5 m와 8.0 m를 사용하였다. 케이슨과 해수의 단위중량은 각각 20.
4 m 사이에 존재하며 계산 방법은 US Army(1984)가 제안한 쇄파고 H_b와 쇄파수심 d_b의 실험적 관계를 사용하였다. 방파제는 수심 8 m(쇄파대 내부), 12 m(쇄파대), 16 m(비쇄파대), 20 m(비쇄파대), 그리고 25 m (Hitachinaka 항 동방파제 IV단면 수심)에서 각각 설계되었다. 5가지 방파제 단면은 Fig.
LMA는 Gauss-Newton algorithm(GNA)와 gradient descent method을 내삽하는 방법을 사용하고 있으며 초기값이 최적값에서 멀리 떨어져 있어도 해를 잘 찾기 때문에 GNA보다 안정적이다. 신경망은 은닉층의 신경 개수에 따라 결과가 달라질 수 있기 때문에 최소 5개에서 최대 60개의 신경을 사용하였다. 출력의 최대상대오차가 2 % 이하의 조건을 만족하면서 최적의 결과를 산정하는 신경개수를 최종적으로 채택하였다.

데이터처리

격자수는 해안선에 수직한 x 방향과 해안선과 나란한 y 방향으로 각각 301와 201개이고 격자간격은 모두 100 m이다. 계산에 사용한 SWAN 버전은 v.40.72이며 해상격자의 정확도가 98 %을 만족하도록 반복 계산을 수행하였다.

이론/모형

#와 #는 파랑변형 모형의 추정오차를 나타내는 편의와 변동계수이다. Hitachinaka 항 인근의 연안 바닥지형은 대체로 평평하면서 경사가 완만하기 때문에 Mase and Kirby(1992)의 실험자료를 사용하였다. 하지만 Mase and Kirby의 실험은 바닥 경사가 1:20의 조건에서 수행되었기 때문에 Hitachinaka 항 인근의 연안 바닥 경사와 다소 차이를 보인다.
해수면 상승은 CMIP3(Phase 3 of the Coupled Model Intercomparison Projection)의 A1B와 A2 시나리오에 대하여 5 가지 GCM(General Circulation Model)을 사용하여 예측되었다. 본 연구에서는 A2 시나리오를 사용했으며, 이는 A2의 해수면 상승이 A1B보다 큰 폭으로 변화하기 때문이다 (Fig. 1). A2 시나리오로 계산된 2100년의 해수면 상승 평균 값은 0.
본 연구에서 기후변화영향의 효과를 분석하기 위해 쇄파대내외에서 가상적으로 구조물을 설계하였다. 쇄파수심은 평균 해면 기준으로 10.7 m에서 13.4 m 사이에 존재하며 계산 방법은 US Army(1984)가 제안한 쇄파고 H_b와 쇄파수심 d_b의 실험적 관계를 사용하였다. 방파제는 수심 8 m(쇄파대 내부), 12 m(쇄파대), 16 m(비쇄파대), 20 m(비쇄파대), 그리고 25 m (Hitachinaka 항 동방파제 IV단면 수심)에서 각각 설계되었다.
심해부터 방파제 위치까지의 파랑변형을 계산하기 위하여 SWAN(the SWAN team, 2008) 모형을 사용하였다. SWAN은 연안역에서 불규칙 단봉파를 계산하는 제3세대 파랑모형이다.
김 등(2010)은 신경망의 입력 자료로 심해파고와 조위만 사용하였지만 본 연구에서는 심해파고, 심해파향 그리고 조위를 사용하였다. 유의주기는 서 등(2011)과 같이 수정된 Goda(2003) 공식을 사용하여 산정하였다.
은닉층과 출력층에서 각각 사용된 전달함수는 hyperbolic tangent 함수와 선형함수이며 Levenberg-Marquardt algorithm (LMA)으로 신경망을 학습하였다. LMA는 최소자승 곡선 맞춤이나 비선형 문제의 최적화에 사용되는 수치기법 중에 하나이다.
주파수 스펙트럼은 Pierson-Moskowitz 형식을 사용하였고, 방향 분산함수 cosm θ에서 m = 12를 사용하였다.

성능/효과

SWAN 모형은 유의파고를 약 3 % 과대계산하고 있으며 오차의 변동성은 상대적으로 작은 편이다. 본 연구에서는 추정오차의 평균으로 3 %을 사용하며 변동계수는 추정오차 분석에 사용한 자료 개수가 적은 것을 감안하여 0.05을 사용하였다. Table 1은 SWAN 모형과 다른 파랑변형모형의 추정오차에 따른 불확실성이다.
51 m보다 약간 크다. 전체적으로 평균이 상당히 급격하게 증가하며 평균이 커질수록 표준편차도 커진다. 여기서 표준편차의 크기는 GCM의 불확실성을 나타내고 있다.

후속연구

물론 지역적인 파랑특성을 포함한 설계조건에 따라 안정성의 감소율은 다를 수 있다. 하지만 구조물의 설치수심의 특성을 고려하여 기후변화에 따른 해안 구조물의 유지 및 보수 보강 정책을 수립해야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Levenberg-Marquardt algorithm는 어떠한 수치기법인가?	은닉층과 출력층에서 각각 사용된 전달함수는 hyperbolic tangent 함수와 선형함수이며 Levenberg-Marquardt algorithm (LMA)으로 신경망을 학습하였다. LMA는 최소자승 곡선 맞춤이나 비선형 문제의 최적화에 사용되는 수치기법 중에 하나이다. 특히, LMA 는 많은 software engineering 분야의 일반적인 곡선 맞춤 알고리즘으로 널리 알려져 있다.
	인공신경망 학습의 첫 번째 단계는 무엇인가?	인공신경망 학습의 첫 번째 단계는 SWAN 모형으로 계산된 training set을 구성하는 것이다. Training set으로 학습된 신경망은 새로운 입력에 대한 출력을 예측할 수 있다.
	Training set으로 학습된 신경망은 무엇으로 예측할 수 있는가?	인공신경망 학습의 첫 번째 단계는 SWAN 모형으로 계산된 training set을 구성하는 것이다. Training set으로 학습된 신경망은 새로운 입력에 대한 출력을 예측할 수 있다. 이 때 training set의 범위는 예측에 사용될 입력 범위를 반드시 포함해야 한다.

참고문헌 (23)

김동현, 김영진, 허동수, 전호성, 이창훈 (2010). 파고계산 인공신경망을 이용한 방파제 기대피해도 산정. 한국해안.해양공학회논문집, 22(2), 126-132.
서경덕, 김승우, Mori, N., Mase, H. (2011). 기후변화 효과를 고려한 케이슨 방파제의 시간 의존 성능설계. 한국해안.해양공학회논문집, 23(3), 215-225.

원문보기 상세보기
Booij, N., Ris, R.C. and Holthuijsen, L.H. (1999). A third-generation wave model for coastal regions. Part I. model description and validation. J. Geophys. Res., 104(C4), 7649-7666.

상세보기
Goda. Y. (1975). Irregular wave deformation in the surf zone. Coastal Engineering in Japan, 18, 13-26.

상세보기
Goda, Y. and Takagi, H. (2000). A reliability design method of caisson breakwaters with optimal wave heights. Coastal Eng. J., 42, 357-387.
Goda, Y. (2003). Revisiting Wilson's formulas for simplified wind-wave prediction. J. Waterway, Port, Coast., Ocean Eng., 129, 93-95.

상세보기
Goda, Y. (2010). Random sea and design of maritime structures, 3nd edition, World scientific, Singapore.
Hong, S. Y., Suh, K.-D. and Kweon, H. M. (2004). Calculation of expected sliding distance of breakwater caisson considering variability in wave direction. Coastal Eng. J., 46, 119-140.

상세보기
Inter-governmental Panel on Climate Change (IPCC, 2001). Third assessment report: climate change 2001: Synthesis Report, IPCC, 184pp.
Kweon, H.M. and Goda, Y. (1996). A parametric model for random wave deformation by breaking on arbitrary beach profiles. Proc. 25th Int. Conf. Coast. Eng., 261-274.
Mase, H. and Kirby, J.T. (1992). Hybrid frequency-domain KdV equation for random wave transformation. Proc. 23th Int. Conf. Coast. Eng., 474-487.
Mori, N., Shimura, Y., Yasuda, T. and Mase, H. (2010a). Projection of extreme waves under a global warming scenario. Annual J. Coast. Eng., JSCE, 57, 1231-1235 (in Japanese).
Mori, N., Yasuda, T., Mase, H., Tom, T. and Oku, Y. (2010b). Projection of extreme wave climate change under the global warming. Hydrological Res. Letters, 4, 15-19.

상세보기
Mori, N., Shimura, Y., Nakajo, S., Yasuda, T. and Mase, H. (2011). Multi-model ensemble projection of coastal environment under global warming scenario. J. Waterway, Port, Coast., Ocean Eng. (in preparation).
Oh, J.-H., Suh, K.-D. and Rozynski, G. (2011). Trend analysis of intensity and duration of typhoons influencing the Korean Peninsula. J. Coast. Res., SI64, 235-239.
Oh, S.-H., Suh, K.-D., Son, S.Y. and Lee, D.Y. (2009). Performance comparison of spectral wave models based on different governing equation including wave breaking. KSCE J. of Civil Eng., 13(2), 75-84.

상세보기
Okayasu, A. and Sakai, K. (2006). Effect of sea level rise on sliding distance of a caisson breakwater: Optimization with probabilistic design method. Proc. 30th Int. Conf. Coast. Eng., 4883-4893.
Shimosako, K. and Takahashi, S. (2000). Application of deformation- based reliability design for coatal structures. Proc. Int. Conf. Coastal Struct., A. A. Balkema, Spain, 363-371.
Takagi, H., Kashihara, H., Esteban, M. and Shibayama, T. (2011). Assessment of future stability of breakwaters under climate change. Coast. Eng. J., 53(1), 21-39.

상세보기
Takata, E., Morohoshi, K., Hiraishi, T., Nagai, T. and Takemura, S. (2003). Distributions of the wave, storm surge and tsunami design conditions on Japanese nationwide coastal structures, Technical note of National Institute for Land and Infrastructure Management, No. 88, National Institute for Land and Infrastructure Management, Ministry of Land, Infrastructure and Transport, Japan, ISSN 1346-7328 (in Japanese)
Takayama, T. and Ikeda, N. (1993). Estimation of sliding failure probability of present breakwaters for probabilistic design. Rep. of the Port and Hab. Res. Inst., 31(5).
The SWAN team (2008). SWAN User and Technical Manual, SWAN Cycle III Version 40.72, Faculty of Civil Engineering and Geosciences. Delft University of Technology, GA Delft, The Netherlands.
U.S. Army Coastal Engrg. Res. Center (1984). Shore Protection Manual 4th ed., U.S. Government Printing Office, Washington, D.C., USA.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증