[논문]다중회귀분석 및 인공신경망을 통한 암종별 물리적 특성간의 상관관계에 대한 연구

김병국; 이벽규; 장승진; 이수곤

doi:10.9720/kseg.2018.4.673

다중회귀분석 및 인공신경망을 통한 암종별 물리적 특성간의 상관관계에 대한 연구
A Study on the Correlations between the Physical Characteristics of Rock Types by Multiple Regression Analysis and Artificial Neural Network 원문보기

지질공학 = The journal of engineering geology, v.28 no.4, 2018년, pp.673 - 686

김병국 (서울시립대학교 토목공학과) , 이벽규 (새터기술) , 장승진 (지암컨설턴트) , 이수곤 (서울시립대학교 토목공학과)

초록
AI-Helper

암반을 구성하는 암석의 물리적 특성에 대하여 약 2,400개의 자료의 7가지 물리적 특성을 암종별, 강도별, 대표암석별로 다양한 방법을 통하여 상관관계 및 특성을 분석하였다. 상관관계는 다중회귀분석 방법으로 유의수준을 통해 유의한 독립변수를 선별하여 종속변수와의 상관관계식을 도출해내었으며 인공신경망 학습을 수행하여 실제 데이터와의 비교를 통하여 검증을 수행하여 신뢰성을 확인하였다. 암종별, 강도별 분석결과, 종속변수에 영향을 미치는 독립변수로는 탄성파속도(압축파), 탄성계수가 주요 영향인자로 작용하는 것을 확인하였다. 이는 기존연구에서 상기항목을 이용한 관계식이 대다수를 이루고 있는지를 증명할 수 있으며, 각종 기준에서 암반분류를 상기항목으로 기준으로 하는지를 본 연구를 통하여 확인할 수 있었다. 또한 대표암석 분석결과, 일축압축강도와 탄성계수를 추정할 수 있는 관계식이 결정계수 0.8을 상회하므로 상관관계가 높은 것으로 분석되었다.

Abstract ▼ AI-Helper

The physical properties of rocks constituting the rock mass were analyzed by using various methods such as 7 kinds of physical properties of about 2,400 data. The correlation equation was derived from the correlation equation with the dependent variables by screening independent variables through the significance level using multiple regression analysis. In order to verify the reliability of this equation, verification was performed through comparison with actual data using artificial neural network learning. The analysis results by petrogenesis and strength confirmed that the elastic wave velocity (compressional wave) and elastic modulus as the main influence factors for the independent variables affecting the dependent variables. This proves that most of the correlation equations using the above items are found in existing studies. And through this study, it is confirmed whether the rock classification is based on the above items in various standards. In addition, the analysis results of representative rocks showed a high correlation as the equation for estimating unconfined compressive strength and elastic modulus exceeds the coefficient of determination 0.8.

주제어

표/그림 (18)

그림 Fig. 1. Various Standards According to Strength (Korea ex : Korea Expressway Corporation, 2009; SMG : Seoul Metropolitan Government, 1996; KENCA : Korea Engineering & Consulting Association, 2004).
그림 Fig. 2. Structure of neural system and artificial neural network.
표 Table 1. Analysis of each significance level of igneous rock
그림 Fig. 3. Comparison of output and target of igneous rock.
표 Table 2. Correlation formula and determination coefficient fo igneous rock
표 Table 3. High level of significance per rock
표 Table 4. Analysis of each significance level of soft rock in igneous rock
그림 Fig. 4. Comparison of output and target of soft rock in igneous rock.
표 Table 5. Correlation formula and determination coefficient of soft rock in igneous rock
표 Table 6. High level of significance per soft rock
표 Table 7. High level of significance per moderate rock
표 Table 9. Correlation formula and determination coefficient of granite
표 Table 8. High level of significance per hard rock
표 Table 10. Correlation formula and determination coefficient of gneiss
그림 Fig. 5. Comparison of output and target of granite.
그림 Fig. 6. Comparison of output and target of gneiss
그림 Fig. 7. Comparison of output and target of conglomerate etc.
표 Table 11. Correlation formula and determination coefficient of conglomerate etc.

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 가장 기초적인 일축압축강도시험과 일반적으로 같이 수행하는 물리적 특성시험을 다각도로 분석하고자 한다. 1대1의 상관관계가 아닌 1대 다수의 항목을 분석하여 유의한 항목을 찾아내고 그에 따른 신뢰도를 확인하고자 한다. 물리적 특성시험은 일축압축강도, 비중, 흡수율, 탄성파속도(압축파, 전단파), 포아송비, 탄성계수 등이 있으며 이들의 상관관계를 암종별, 강도별, 대표암석별로 연구를 수행하여 이들간의 상관관계가 어느 항목이 영향을 미치는지, 그 영향도는 어떤지, 신뢰성은 어느정도인지를 다양한 분석방법을 통해 연구하고자 한다.
1대1의 상관관계가 아닌 1대 다수의 항목을 분석하여 유의한 항목을 찾아내고 그에 따른 신뢰도를 확인하고자 한다. 물리적 특성시험은 일축압축강도, 비중, 흡수율, 탄성파속도(압축파, 전단파), 포아송비, 탄성계수 등이 있으며 이들의 상관관계를 암종별, 강도별, 대표암석별로 연구를 수행하여 이들간의 상관관계가 어느 항목이 영향을 미치는지, 그 영향도는 어떤지, 신뢰성은 어느정도인지를 다양한 분석방법을 통해 연구하고자 한다. 본 연구의 주된 목적은 암석의 물리적 특성들의 상관관계를 신뢰성 있는 연구방법을 통해 규명하고자 한다.
본 연구는 가장 기초적인 일축압축강도시험과 일반적으로 같이 수행하는 물리적 특성시험을 다각도로 분석하고자 한다. 1대1의 상관관계가 아닌 1대 다수의 항목을 분석하여 유의한 항목을 찾아내고 그에 따른 신뢰도를 확인하고자 한다.
물리적 특성시험은 일축압축강도, 비중, 흡수율, 탄성파속도(압축파, 전단파), 포아송비, 탄성계수 등이 있으며 이들의 상관관계를 암종별, 강도별, 대표암석별로 연구를 수행하여 이들간의 상관관계가 어느 항목이 영향을 미치는지, 그 영향도는 어떤지, 신뢰성은 어느정도인지를 다양한 분석방법을 통해 연구하고자 한다. 본 연구의 주된 목적은 암석의 물리적 특성들의 상관관계를 신뢰성 있는 연구방법을 통해 규명하고자 한다. 이로 인해 일축압축강도 및 기타 물성 상호간의 관계규명을 수행하여 항목별 영향인자 및 상관성 등을 파악할 수 있으며 간단한 하나 또는 몇 가지 항목의 물리시험을 통하여 찾고자 하는 물리적 특성 등을 추정할 수 있는 상관관계식을 도출하고자 한다.
본 연구의 주된 목적은 암석의 물리적 특성들의 상관관계를 신뢰성 있는 연구방법을 통해 규명하고자 한다. 이로 인해 일축압축강도 및 기타 물성 상호간의 관계규명을 수행하여 항목별 영향인자 및 상관성 등을 파악할 수 있으며 간단한 하나 또는 몇 가지 항목의 물리시험을 통하여 찾고자 하는 물리적 특성 등을 추정할 수 있는 상관관계식을 도출하고자 한다.
8 이상을 나타내는 관계식이 분포하고 있다. 이에 따라 일축압축강도와 탄성계수를 추정하는 관계식을 제안한다.

제안 방법

3. 각 암종별 대표암종이자 국내에 가장 널리 분포하는 화강암, 편마암 및 쇄설성 퇴적암(역암, 사암, 셰일)로 구분하여 연암이하에 대하여 분석을 수행하였다. 분석 결과 세가지 암석 모두 일축압축강도와 탄성계수 항목이 결정계수 0.
Table 3은 각 암종별 유의항목들을 정리한 표이다. Y축 종속변수별 각 암종의 유의항목들을 정리하여 3가지 암종에 공통되는 독립변수들을 추출하였다.
각 암종별 연암, 보통암, 경암으로 분류하여 화성암내 연암, 보통암 및 경암과 변성암내 연암, 보통암 및 경암, 퇴적암내 연암, 보통암 및 경암으로 분류하여 총 9가지로서 3.1절과 같은 분석방법을 수행하였다. 보통암과 경암에서는 유의수준을 만족하지 못하는 항목이 연암에 비하여 상대적으로 많았으며 상관관계식의 신뢰도 또한 암종별 분류와 비슷한 경향을 나타내었다.
전체 데이터에서 각 암종별 대표 암석인 화강암, 편마암, 쇄설성퇴적암(역암, 사암, 셰일) 자료만을 추출하여 물성들에 대한 상관관계 분석을 수행하였다. 강도 10~100MPa에 해당되는 연암을 대상으로 분석하였으며 보통암과 경암에서는 강도별 분석결과 상관관계가 낮아 본 연구에서는 생략하였다. 7개 항목을 대상으로 분석결과 전 암종에서 일축압축강도와 탄성계수에 대한 항목이 결정계수(R²) 0.
강도에 의한 분류는 가장 널리 사용되는 일축압축강도를 기준으로 하여 분류하였다. 대표적인 분류기준은 Deer and Miller(1966), ISRM(1981), 건설표준품셈(전인식, 1994), 한국도로공사(2009), 서울특별시(1996) 및 한국엔지니어링협회(2004) 등이 있으며 그 중 건설표준품셈(전인식, 1994)의 기준에 따라 연암, 보통암, 경암으로 분류하였다.
국내 92개 지역에서 수행한 약2,400여개의 실내암석시험을 이용하여 전산처리를 통한 기본 물성(일축압축강도, 비중, 흡수율, P파탄성파속도, S파탄성파속도, 포아송비, 탄성계수)을 분석하였다. 상기 7개의 항목에 대하여 다중회귀분석을 통하여 유의한 인자들을 추출해 내어 다중회귀분석을 실시하였다.
이때 각각의 데이터의 값들이 일률적이지 않고 단위 및 값의 범위들이 다양한 결과, 데이터의 단위를 0~1로 조정하는 정규화(Normalization)작업을 수행하여 단위를 통일시켰다. 그 후, 피어슨(Pearson) 상관계수인 유의수준(Significance Level) 0.05이상의 값을 나타내는 독립변수는 제외하고 유의수준을 만족하는 항목을 대상으로 관계식을 찾아내었다. Table 1은 대표적으로 화성암에 대한 유의수준 분석 표로서 Y축은 종속변수별 X축의 독립변수간의 유의수준 값이다.
상기 7개의 항목에 대하여 다중회귀분석을 통하여 유의한 인자들을 추출해 내어 다중회귀분석을 실시하였다. 또한 각 독립변수를 Input인자로 사용하여 인공신경망 학습을 수행 후 원 데이터와 비교를 통해 신뢰성을 확인하는 검증을 수행하였다. 분석은 암종별(화성암, 변성암, 퇴적암)과 암종별 내 강도별(연암이하, 보통암, 경암)과 대표암석(화강암, 편마암, 쇄설성퇴적암류)별로 분류하여 수행하였으며 분석 결과로부터 다음과 같은 결론을 도출하였다.
이는 기존 연구사례 및 건설표준품셈에서 제시한 암반분류기준에 부합되며, 암반을 분류하는 항목이 일축압축강도 뿐 아니라 탄성파속도(압축파)와 탄성계수가 중요한 항목이라는 것이 본 연구를 통해 확인되었다. 또한 국내에 가장 많이 분포하는 대표암석(연암)에 대하여 분석을 수행하여 일축압축강도 및 탄성계수를 추정하는 관계식을 제안하였다.
자료분류는 암종별(화성암, 변성암, 퇴적암) 3가지로 분류하고 추가적으로 3가지 암종별 연암, 보통암, 경암으로 다시금 분류하여 총 9가지 분류를 통해 분석을 수행하였다. 또한 대표 암종인 화강암, 편마암, 쇄설성퇴적암(역암, 사암, 셰일 등)으로 세분화하여 분석을 수행하였다. 수집된 자료는 기본적으로 Microsoft Excel 2003 S/W를 이용하여 데이터 베이스(Data base)를 구축하였고, 그 데이터를 대상으로 다중회귀분석을 실시하였다.
그리고 인경신경망 분석 중 역전파알고리즘을 통한 학습방법을 사용하여 실제 데이터와 비교․분석하였다.물리적 특성은 일축압축강도, 비중, 흡수율, 탄성파속도(압축파, 전단파), 포아송비 및 탄성계수인 7가지 인자를 사용하여 분석하였으며 7가지 인자 중 하나를 종속변수 Y값으로 정하고 다른 인자들을 독립변수인 X값으로 정하여 상관관계를 분석하였다. 상관관계분석에 사용된 상관계수는 피어슨(Pearson) 상관계수이며 유의수준(Significance Level)은 0.
본 연구에서는 인공신경망에서의 다양한 학습방법 중 오차에 의한 학습이 출력층으로부터 은닉층으로 진행하여 연결가중치 조정을 목표값과 출력값의 차이가 오차범위 내에 들어올 때까지 반복하는 역전파 알고리즘(Back-Propagation)을 채택하였다. 본 연구에서는 해석에 사용된 여러 가지 요소들 중 최적의 조건을 알아내기 위하여 은닉층(Hidden layer)을 2에서 5까지 4단계, 은닉층 노드수(Hidden nodes)를 입력층(Input layer)에 따라 2n+1의 노드수를 정하였으며 모멘텀 상수(Momentum term)를 0.1에서 0.9까지 9단계로, 목표시스템 오차랎은 0.01에서 0.09까지 9단계로 구분하였으며 학습횟수는 최소 5,000번에서 10,000번까지 반복학습을 수행하였다. 분석항목은 다중 회귀분석에서 유의한 항목(P<0.
또한 각 독립변수를 Input인자로 사용하여 인공신경망 학습을 수행 후 원 데이터와 비교를 통해 신뢰성을 확인하는 검증을 수행하였다. 분석은 암종별(화성암, 변성암, 퇴적암)과 암종별 내 강도별(연암이하, 보통암, 경암)과 대표암석(화강암, 편마암, 쇄설성퇴적암류)별로 분류하여 수행하였으며 분석 결과로부터 다음과 같은 결론을 도출하였다.
05를 적용하였다. 유의수준이 0.05이상이면 상관관계가 떨어진다고 판단하여 독립변수에서 제외하고 유의수준이 0.05이하이면 상관관계가 성립된다고 판단하여 종속변수에 포함하여 상관관계가 성립되는 변수만을 가지고 관계식을 유도하였다. 유의한 독립변수를 대상으로 인공신경망 학습을 수행하여 학습된 데이터(Output)와 실제 데이터(Target)의 비교를 통해 신뢰도를 확인하였다.
05이하이면 상관관계가 성립된다고 판단하여 종속변수에 포함하여 상관관계가 성립되는 변수만을 가지고 관계식을 유도하였다. 유의한 독립변수를 대상으로 인공신경망 학습을 수행하여 학습된 데이터(Output)와 실제 데이터(Target)의 비교를 통해 신뢰도를 확인하였다.
전체 데이터 중 화성암 821개, 변성암 862개, 퇴적암 672개로 분류하여 각각의 데이터의 7가지 물리적 특성 항목을 종속변수로 정하고 종속변수로 정한 항목을 제외한 나머지 6가지 항목을 독립변수로 정하여 다중회귀분석을 실시하였다. 이때 각각의 데이터의 값들이 일률적이지 않고 단위 및 값의 범위들이 다양한 결과, 데이터의 단위를 0~1로 조정하는 정규화(Normalization)작업을 수행하여 단위를 통일시켰다. 그 후, 피어슨(Pearson) 상관계수인 유의수준(Significance Level) 0.
시험방법은 국제기준인 미국표준시험법[ASTM(American Standards for Testing and Materials)] 및 국제암반역학회 표준시험규정[Suggested Methods of ISRM(International Society for Rock Mechanics)]과 한국암반공학회(암석의 일축압축강도 표준시험법 : 한국암반공학회 시험분과위원회, 2005)에 준한 시험결과를 기준으로 수집하였다. 자료분류는 암종별(화성암, 변성암, 퇴적암) 3가지로 분류하고 추가적으로 3가지 암종별 연암, 보통암, 경암으로 다시금 분류하여 총 9가지 분류를 통해 분석을 수행하였다. 또한 대표 암종인 화강암, 편마암, 쇄설성퇴적암(역암, 사암, 셰일 등)으로 세분화하여 분석을 수행하였다.
전체 데이터에서 각 암종별 대표 암석인 화강암, 편마암, 쇄설성퇴적암(역암, 사암, 셰일) 자료만을 추출하여 물성들에 대한 상관관계 분석을 수행하였다. 강도 10~100MPa에 해당되는 연암을 대상으로 분석하였으며 보통암과 경암에서는 강도별 분석결과 상관관계가 낮아 본 연구에서는 생략하였다.

대상 데이터

2001년부터 2018년까지 수행한 Project 중 공인기관에서 수행한 시험데이터를 추출하여 정리한 전국 92개 지역에서 취득한 2,355개의 일축압축강도 및 물리적 시험자료를 이용하였다. 시험방법은 국제기준인 미국표준시험법[ASTM(American Standards for Testing and Materials)] 및 국제암반역학회 표준시험규정[Suggested Methods of ISRM(International Society for Rock Mechanics)]과 한국암반공학회(암석의 일축압축강도 표준시험법 : 한국암반공학회 시험분과위원회, 2005)에 준한 시험결과를 기준으로 수집하였다.

데이터처리

수집된 자료는 기본적으로 Microsoft Excel 2003 S/W를 이용하여 데이터 베이스(Data base)를 구축하였고, 그 데이터를 대상으로 다중회귀분석을 실시하였다. 그리고 인경신경망 분석 중 역전파알고리즘을 통한 학습방법을 사용하여 실제 데이터와 비교․분석하였다.물리적 특성은 일축압축강도, 비중, 흡수율, 탄성파속도(압축파, 전단파), 포아송비 및 탄성계수인 7가지 인자를 사용하여 분석하였으며 7가지 인자 중 하나를 종속변수 Y값으로 정하고 다른 인자들을 독립변수인 X값으로 정하여 상관관계를 분석하였다.
분석항목은 다중 회귀분석에서 유의한 항목(P<0.05)의 데이터를 Input으로 활용하여 학습을 통하여 출력된 Output과 실제데이터와의 비교를 통해 신뢰성을 검증하였다.
물리적 특성은 일축압축강도, 비중, 흡수율, 탄성파속도(압축파, 전단파), 포아송비 및 탄성계수인 7가지 인자를 사용하여 분석하였으며 7가지 인자 중 하나를 종속변수 Y값으로 정하고 다른 인자들을 독립변수인 X값으로 정하여 상관관계를 분석하였다. 상관관계분석에 사용된 상관계수는 피어슨(Pearson) 상관계수이며 유의수준(Significance Level)은 0.05를 적용하였다. 유의수준이 0.
국내 92개 지역에서 수행한 약2,400여개의 실내암석시험을 이용하여 전산처리를 통한 기본 물성(일축압축강도, 비중, 흡수율, P파탄성파속도, S파탄성파속도, 포아송비, 탄성계수)을 분석하였다. 상기 7개의 항목에 대하여 다중회귀분석을 통하여 유의한 인자들을 추출해 내어 다중회귀분석을 실시하였다. 또한 각 독립변수를 Input인자로 사용하여 인공신경망 학습을 수행 후 원 데이터와 비교를 통해 신뢰성을 확인하는 검증을 수행하였다.
또한 대표 암종인 화강암, 편마암, 쇄설성퇴적암(역암, 사암, 셰일 등)으로 세분화하여 분석을 수행하였다. 수집된 자료는 기본적으로 Microsoft Excel 2003 S/W를 이용하여 데이터 베이스(Data base)를 구축하였고, 그 데이터를 대상으로 다중회귀분석을 실시하였다. 그리고 인경신경망 분석 중 역전파알고리즘을 통한 학습방법을 사용하여 실제 데이터와 비교․분석하였다.
유의항목을 선정하여 재차 다중회귀분석을 수행하여 상관관계식을 도출해냈으며 인공신경망 학습을 통해 신뢰성을 확인하였다. 관계식은 Table 5와 같으며 결정계수는 독립변수를 Input인자로 하여 학습을 수행하고 이를 통해 출력된 데이터(Output)과 실제 측정된 데이터(Target)과의 상관관계를 통하여 산출하였다(Fig.
Table 1은 대표적으로 화성암에 대한 유의수준 분석 표로서 Y축은 종속변수별 X축의 독립변수간의 유의수준 값이다. 일례로 일축압축강도의 경우 비중과 전단파속도가 유의수준기준인 0.05를 상회하므로 그 외의 흡수율, 압축파속도, 포아송비 및 탄성계수 4가지 항목이 유의한 항목이며 이 4개의 항목을 재차 다중회귀분석을 실시하여 관계식을 찾아내었다.
전체 데이터 중 화성암 821개, 변성암 862개, 퇴적암 672개로 분류하여 각각의 데이터의 7가지 물리적 특성 항목을 종속변수로 정하고 종속변수로 정한 항목을 제외한 나머지 6가지 항목을 독립변수로 정하여 다중회귀분석을 실시하였다. 이때 각각의 데이터의 값들이 일률적이지 않고 단위 및 값의 범위들이 다양한 결과, 데이터의 단위를 0~1로 조정하는 정규화(Normalization)작업을 수행하여 단위를 통일시켰다.

이론/모형

는 j번째 노드 바이어스(Bias)이고, 함수 f(λ)는 활성화 함수로서 본 연구에서는 선형함수, 계단함수, 선형포화함수 등 여러 함수 중 시그모이드 함수(Sigmoid Function)를 사용하였으며 이 함수는 비선형 함수로서 함수의 값을 다양하게 변화시킬 수 있는 장점이 있다. 본 연구에서는 인공신경망에서의 다양한 학습방법 중 오차에 의한 학습이 출력층으로부터 은닉층으로 진행하여 연결가중치 조정을 목표값과 출력값의 차이가 오차범위 내에 들어올 때까지 반복하는 역전파 알고리즘(Back-Propagation)을 채택하였다. 본 연구에서는 해석에 사용된 여러 가지 요소들 중 최적의 조건을 알아내기 위하여 은닉층(Hidden layer)을 2에서 5까지 4단계, 은닉층 노드수(Hidden nodes)를 입력층(Input layer)에 따라 2n+1의 노드수를 정하였으며 모멘텀 상수(Momentum term)를 0.
2001년부터 2018년까지 수행한 Project 중 공인기관에서 수행한 시험데이터를 추출하여 정리한 전국 92개 지역에서 취득한 2,355개의 일축압축강도 및 물리적 시험자료를 이용하였다. 시험방법은 국제기준인 미국표준시험법[ASTM(American Standards for Testing and Materials)] 및 국제암반역학회 표준시험규정[Suggested Methods of ISRM(International Society for Rock Mechanics)]과 한국암반공학회(암석의 일축압축강도 표준시험법 : 한국암반공학회 시험분과위원회, 2005)에 준한 시험결과를 기준으로 수집하였다. 자료분류는 암종별(화성암, 변성암, 퇴적암) 3가지로 분류하고 추가적으로 3가지 암종별 연암, 보통암, 경암으로 다시금 분류하여 총 9가지 분류를 통해 분석을 수행하였다.

성능/효과

1. 암석시험 데이터를 암종별로 다중회귀 분석한 결과 화성암의 경우 물성들 간의 상관관계가 전반적으로 양호하게 나타나고 있으나 비중과 포아송비는 다른 항목들과의 상관성이 낮은 것으로 확인되었다. 변성암 및 퇴적암 또한 화성암과 동일한 양상을 보였으며 화성암보다는 약간 낮은 상관관계를 보이고 있다.
2. 암종별로 분석한 데이터를 일축압축강도를 기준으로 하여 각각 연암이하, 보통암, 경암으로 분류하여 분석한 결과,보통암과 경암에서는 유의수준을 만족하지 못하는 항목이 연암에 비하여 상대적으로 많았으며 상관관계식의 신뢰도 또한 암종별 분류와 비슷한 경향을 보였다. 연암에서의 유의성 분석 결과 흡수율 및 탄성계수가 독립변수로서의 역할이 높은 것으로 확인되었다.
3가지 암종별 분석결과 각각의 종속변수별 다중회귀분석과 인공신경망에 의한 학습으로 관계식을 찾아봤지만 이를 통해 물성값을 추정하는데는 몇몇 항목들을 제외하고는 낮은 신뢰성을 보여 암종별로 구분하여 관계식을 나타내는 것은 의미가 없다고 판단되었다. 그러나 이 연구결과를 통하여 각 성인별 유의한 항목들을 찾을 수 있었으며 각 종속변수별 상관이 높은 독립변수들을 확인할 수 있었다.
4. 본 연구에서는 기존의 1대1상관관계식이 아닌 1대 다수의 상관관계를 분석하였으며 이는 암석물성시험 시 상기 모든 항목에 대하여 시험을 수행하는 것이 일반적이며 하나의 시험값이 이상이 있다고 판단될 때 다른 시험값들을 통하여 추정할 수 있는 장점이 있다. 이는 실무에서 실내암석시험의 데이터를 분석할 때 유용히 활용할 수 있다.
또한 각 암종별 유의수준을 통하여 종속변수별 유의한 독립변수를 찾을 수 있었다. 7가지의 물리적 특성 중 압축파 탄성파속도와 탄성계수 항목이 가장 다른 항목의 특성을 추정할 수 있는 독립변수로 확인되었다. 이는 건설표준품셈에서 제시한탄성파속도 및 탄성계수를 변수로 한 암반분류 기준이 본 연구에서 분석한 유의 항목과 동일함에 따라 암석의 강도뿐 아니라 탄성파속도(압축파)와 탄성계수가 암반을 분류하는데 중요한 항목으로 확인되었다.
강도 10~100MPa에 해당되는 연암을 대상으로 분석하였으며 보통암과 경암에서는 강도별 분석결과 상관관계가 낮아 본 연구에서는 생략하였다. 7개 항목을 대상으로 분석결과 전 암종에서 일축압축강도와 탄성계수에 대한 항목이 결정계수(R²) 0.8이상의 높은 상관관계를 보였다.
3가지 암종별 분석결과 각각의 종속변수별 다중회귀분석과 인공신경망에 의한 학습으로 관계식을 찾아봤지만 이를 통해 물성값을 추정하는데는 몇몇 항목들을 제외하고는 낮은 신뢰성을 보여 암종별로 구분하여 관계식을 나타내는 것은 의미가 없다고 판단되었다. 그러나 이 연구결과를 통하여 각 성인별 유의한 항목들을 찾을 수 있었으며 각 종속변수별 상관이 높은 독립변수들을 확인할 수 있었다. 암종별로 항목들이 다양하게 나타나긴 했지만 유의성을 분석해 본 결과 압축파 속도, 탄성계수 등이 독립변수로서의 역할이 높다고 판단할 수 있다.
암석시험 데이터를 암종별로 다중회귀 분석한 결과 화성암의 경우 물성들 간의 상관관계가 전반적으로 양호하게 나타나고 있으나 비중과 포아송비는 다른 항목들과의 상관성이 낮은 것으로 확인되었다. 변성암 및 퇴적암 또한 화성암과 동일한 양상을 보였으며 화성암보다는 약간 낮은 상관관계를 보이고 있다. 이는 화성암의 성인이 변성암과 퇴적암과 달리 균질성과 등방성에 의하여 물리적 특성의 상관관계가 높게 성립되기 때문으로 해석된다.
상기와 같은 방법으로 변성암과 퇴적암에 대하여 분석한 결과 화성암과 비슷한 양상을 보이나 분산도는 약간 높았다. 이는 화성암이 변성암 및 퇴적암과 달리 이방성이 없고 비교적 균질하여 물리적 특성간 상관관계가 상대적으로 높게 나타난 것으로 판단된다.
그러나 이 연구결과를 통하여 각 성인별 유의한 항목들을 찾을 수 있었으며 각 종속변수별 상관이 높은 독립변수들을 확인할 수 있었다. 암종별로 항목들이 다양하게 나타나긴 했지만 유의성을 분석해 본 결과 압축파 속도, 탄성계수 등이 독립변수로서의 역할이 높다고 판단할 수 있다. 이 중에서도 탄성파속도(압축파)가 가장 많은 종속변수 항목에 영향을 미치는 것으로 확인되었다.
비중은 일축 압축강도와, 흡수율은 압축파속도와 포아송비가 상관성이 떨어진다. 압축파속도는 흡수율 및 탄성계수와 상관성이 떨어지며 전단파 속도는 모든 항목에 대하여 유의한 것으로 나타났다. 포아송비는 흡수율과, 탄성계수는 압축파속도와 상관성이 떨어진다.
암종별로 분석한 데이터를 일축압축강도를 기준으로 하여 각각 연암이하, 보통암, 경암으로 분류하여 분석한 결과,보통암과 경암에서는 유의수준을 만족하지 못하는 항목이 연암에 비하여 상대적으로 많았으며 상관관계식의 신뢰도 또한 암종별 분류와 비슷한 경향을 보였다. 연암에서의 유의성 분석 결과 흡수율 및 탄성계수가 독립변수로서의 역할이 높은 것으로 확인되었다. 여기서 흡수율은 풍화도의 발달에 따라 상관도가 높아진 것으로 판단된다.
연암에서의 유의성 분석 결과 모든 암종에서 흡수율 및 탄성계수가 독립변수로서의 역할이 높다고 판단할 수 있다. 이 중에서도 탄성계수가 가장 많은 종속변수 항목에 영향을 미치는 것으로 확인되었다. 성인별로는 탄성파속도(압축파)가 가장 높은 인자를 차지했으나 연암에서는 탄성계수가 가장 영향을 미치는 것으로 분석되었다.
암종별로 항목들이 다양하게 나타나긴 했지만 유의성을 분석해 본 결과 압축파 속도, 탄성계수 등이 독립변수로서의 역할이 높다고 판단할 수 있다. 이 중에서도 탄성파속도(압축파)가 가장 많은 종속변수 항목에 영향을 미치는 것으로 확인되었다. Table 3은 각 암종별 유의항목들을 정리한 표이다.
7가지의 물리적 특성 중 압축파 탄성파속도와 탄성계수 항목이 가장 다른 항목의 특성을 추정할 수 있는 독립변수로 확인되었다. 이는 건설표준품셈에서 제시한탄성파속도 및 탄성계수를 변수로 한 암반분류 기준이 본 연구에서 분석한 유의 항목과 동일함에 따라 암석의 강도뿐 아니라 탄성파속도(압축파)와 탄성계수가 암반을 분류하는데 중요한 항목으로 확인되었다.
종합적으로 암종별 분류 및 강도별 분류에서는 유의항목에 대하여 공통적으로 탄성파속도(압축파)와 탄성계수가 각 종속변수별 가장 중요한 역할을 하는 항목으로 확인되었다. 이는 기존 연구사례 및 건설표준품셈에서 제시한 암반분류기준에 부합되며, 암반을 분류하는 항목이 일축압축강도 뿐 아니라 탄성파속도(압축파)와 탄성계수가 중요한 항목이라는 것이 본 연구를 통해 확인되었다. 또한 국내에 가장 많이 분포하는 대표암석(연암)에 대하여 분석을 수행하여 일축압축강도 및 탄성계수를 추정하는 관계식을 제안하였다.
여기서 흡수율은 풍화도의 발달에 따라 상관도가 높아진 것으로 판단된다. 이를 종합적으로 관찰하면 탄성계수와 탄성파속도는 물리적 특성을 설명하는데 유의한 항목이 되며 이는 암종별과 동일하게 기존연구에서나 각종 기준에서 탄성파속도와 탄성계수의 상관관계 및 기준으로 제시하는지 본 연구를 통해 확인되었다.
종속변수별로 분석한 결과를 확인한 결과 일축압축강도는 비중과 상관성이 떨어지는 것으로 확인되었다. 비중은 일축 압축강도와, 흡수율은 압축파속도와 포아송비가 상관성이 떨어진다.
종합적으로 암종별 분류 및 강도별 분류에서는 유의항목에 대하여 공통적으로 탄성파속도(압축파)와 탄성계수가 각 종속변수별 가장 중요한 역할을 하는 항목으로 확인되었다. 이는 기존 연구사례 및 건설표준품셈에서 제시한 암반분류기준에 부합되며, 암반을 분류하는 항목이 일축압축강도 뿐 아니라 탄성파속도(압축파)와 탄성계수가 중요한 항목이라는 것이 본 연구를 통해 확인되었다.
학습을 통한 결정계수를 확인하였으며 포아송비를 제외한 전 항목이 0.7전후의 값을 나타내므로 비교적 상관관계를 가지는 것으로 확인되었다. 화성암 전체의 값과 비슷한 양상을 보이고 있으며 신뢰도는 화성암 전체보다 상당히 높아진 결과를 나타낸다.

질의응답

핵심어	질문	논문에서 추출한 답변
	물리적 특성시험으론 무엇이 있는가?	1대1의 상관관계가 아닌 1대 다수의 항목을 분석하여 유의한 항목을 찾아내고 그에 따른 신뢰도를 확인하고자 한다. 물리적 특성시험은 일축압축강도, 비중, 흡수율, 탄성파속도(압축파, 전단파), 포아송비, 탄성계수 등이 있으며 이들의 상관관계를 암종별, 강도별, 대표암석별로 연구를 수행하여 이들간의 상관관계가 어느 항목이 영향을 미치는지, 그 영향도는 어떤지, 신뢰성은 어느정도인지를 다양한 분석방법을 통해 연구하고자 한다. 본 연구의 주된 목적은 암석의 물리적 특성들의 상관관계를 신뢰성 있는 연구방법을 통해 규명하고자 한다.
	암석의 물리적 특성은 무엇에 따라 좌우되는가?	암석이란 하나 또는 둘 이상의 광물이 자연적으로 모여 생긴 집합체로서 암석을 구성하고 있는 광물의 종류, 고결물질, 결합상태에 따라 물리적 특성은 좌우된다. 암석은 다양한 광물질의 조합으로 구성되어 있으며 다양한 성인에 의하여 그 특성이 지배된다.
	생물학적 신경세포(Neuron)는 무엇들로 구성되어 있는가?	생물학적 신경세포(Neuron)는 크게 세 개로 구성되어 있다. 본체인 신경세포체(Cell body)와 신경세포체사이에서 신호전달을 담당하는 축색돌기(Axon)와 입력을 받아 연산을 하고 축색돌기로 전달하는 역할을 하는 것이 수상돌기(Dendrites)로 구성되어 있다. 신경계의 구조는 다음 Fig.

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