[논문]가시설 벽체(C.I.P.)의 굴착중 안정성 평가 알고리즘 개발

이동건; 유정연; 최지열; 송기일

doi:10.7843/kgs.2023.39.9.13

가시설 벽체(C.I.P.)의 굴착중 안정성 평가 알고리즘 개발
Development of Stability Evaluation Algorithm for C.I.P. Retaining Walls During Excavation 원문보기

韓國地盤工學會論文集 = Journal of the Korean geotechnical society, v.39 no.9, 2023년, pp.13 - 24

이동건 (인하대학교 토목공학과) , 유정연 (인하대학교 토목공학과) , 최지열 (인하대학교 토목공학과) , 송기일 (인하대학교 사회인프라공학과)

초록
AI-Helper

가시설 흙막이의 굴착중 안정성 분석에 대한 연구를 위해서는 지반의 정확한 물성을 평가할 수 있는 역해석 기술과 실시간으로 계측되는 데이터를 분석하여 안정성을 평가할 수 있는 학습모델의 개발이 필요하다. 본 연구에서는 CIP공법이 적용된 굴착 현장을 대상으로 차분진화 알고리즘을 통해 굴착 중인 지반의 물성치를 추정하고, 벽체의 안정성을 평가할 수 있는 DNN 모델을 개발하였다. 차분진화 알고리즘의 적용성 분석을 위하여 2층 지반으로 구성된 모델에 대한 역해석을 수행하였고, 역해석 결과 지반의 탄성계수, 점착력, 내부마찰각을 97%의 정확도로 예측할 수 있는 것으로 분석되었다. DNN 모델의 학습데이터 구축을 위하여 30,000개의 케이스에 대하여 해석을 수행하였다. 앵커축력, 부등침하, 벽체 변위, 벽체 구조적 안정성 등 각각의 평가요소에 대한 안정성 평가 등급을 제시하였고, 그에 따라 데이터를 학습하였다. 학습된 DNN 모델의 적용성 분석 결과, 앵커의 축력, 부등침하, 벽체의 변위, 벽체의 구조 안정성에 대해 평균 94% 이상으로 벽체의 안정성을 예측할 수 있는 것으로 평가되었다.

Abstract ▼ AI-Helper

To investigate the stability of temporary retaining walls during excavation, it is essential to develop reverse analysis technologies capable of precisely evaluating the properties of the ground and a learning model that can assess stability by analyzing real-time data. In this study, we targeted excavation sites where the C.I.P method was applied. We developed a Deep Neural Network (DNN) model capable of evaluating the stability of the retaining wall, and estimated the physical properties of the ground being excavated using a Differential Evolution Algorithm. We performed reverse analysis on a model composed of a two-layer ground for the applicability analysis of the Differential Evolution Algorithm. The results from this analysis allowed us to predict the properties of the ground, such as the elastic modulus, cohesion, and internal friction angle, with an accuracy of 97%. We analyzed 30,000 cases to construct the training data for the DNN model. We proposed stability evaluation grades for each assessment factor, including anchor axial force, uneven subsidence, wall displacement, and structural stability of the wall, and trained the data based on these factors. The application analysis of the trained DNN model showed that the model could predict the stability of the retaining wall with an average accuracy of over 94%, considering factors such as the axial force of the anchor, uneven subsidence, displacement of the wall, and structural stability of the wall.

주제어

표/그림 (17)

그림 Fig. 1. Retaining wall numerical analysis conditions
표 Table 1. Unit and range of input parameters in the numerical analysis
그림 Fig. 2. Stability evaluation algorithm for C.I.P.
그림 Fig. 3. Flowchart for using DEA for back analysis
그림 Fig. 4. Back analysis fitness by iteration
표 Table 2. Unit and range of input parameters in the back analysis
표 Table 3. Accuracy of the back analysis
표 Table 4. Binning of wall displacement, anchor force and differential settlement (I.F. = initial axial force)
그림 Fig. 5. Input parameters for DNN training
표 Table 5. Binning of wall stability factor
표 Table 6. Parameters used in the training data
그림 Fig. 6. DNN structure used for wall stability analysis
그림 Fig. 7. DNN learning results
표 Table 7. DNN learning accuracy for retaining walls
표 Table 8. Evaluation metrics for DNN learning
그림 Fig. 8. Confusion matrix
그림 Fig. 9. Distribution of test data by rank

참고문헌 (31)

An, J. S., Kang, K. N., Choi, J. Y., Sung, W. S., Suy, V., and Song,？K. I. (2020), "Tunnel Back Analysis based on Differential Evolution？Using Stress and Displacement", Advances in Civil Engineering, Vol.2020, pp.1-10.

상세보기
An, J. S., Kim, B. C., Moon, H. K., and Song, K. I. (2016), "DEA？Optimization for Operating Tunnel Back Analysis", Journal of Korean？Tunnelling and Underground Space Association, Vol.18, No.2, pp. 183-193.
Armaghani, D. J., Mirzaei, F., Shariati, M., Trung, N. T., Shariati,？M., and Trnavac, D. (2020), "Hybrid ANN-based Techniques in？Predicting Cohesion of Sandy-soil Combined with Fiber", Geomechanics？and Engineering, Vol.20, No.3, pp.191-205.

상세보기
Avila, F. F., Alvala, R. C., Mendes, R. M., and Amore, D. J.？(2021), "The Influence of Land Use/land Cover Variability and？Rainfall Intensity in Triggering Landslides: a Back-analysis Study？via Physically based Models", Natural Hazards, Vol.105, No.1, pp.1139-1161.

상세보기
Barani, O.R., Bahrami, M., and Sadrnejad, S.A. (2018), "A New？Finite Element for Back Analysis of a Geogrid Reinforced Soil？Retaining Wall Failure", International Journal of Civil Engineering, Vol.16, No.4, pp.435-441.

상세보기
Bjerrum, L. (1963), "Allowable Settlement of Structures", the 3rd？European Conference on Soil Mechanics and Foundation Engineering, Wiesbaden, Germany.
Chen, H., Asteris, P.G., Jahed Armaghani, D., Gordan, B., and Pham,？B. T., (2019), "Assessing Dynamic Conditions of the Retaining Wall:？Developing Two Hybrid Intelligent Models", Applied Sciences, Vol.9, No.6, pp.1042.
Cherubini, C. (2000), "Probabilistic Approach to the Design of？Anchored Sheet Pile Walls", Computers and Geotechnics, Vol.26, No.3, pp.309-330.

상세보기
Gang, B.J., Hwang, B.S., and Cho, W.J. (2018), "Empirical Estimations？of Soil Constants Using Standard Penetration Test N Value", Journal？of the Korean Geoenvironmental Society, Vol.19, No.6, pp.5-12.
Gao, Wei and He, T.Y. (2017), "Displacement Prediction in Geotechnical？Engineering based on Evolutionary Neural Network",？Geomechanics and engineering, Vol.13, No.5, pp.845-860.

상세보기
Gordan, B., Koopialipoor, M., Clementking, A., Tootoonchi, H.,？and Tonnizam Mohamad, E. (2019), "Estimating and Optimizing？Safety Factors of Retaining Wall through Neural Network and Bee？Colony Techniques" Engineering with Computers, Vol.35, No.3, pp.945-954.

상세보기
Kim, D. Y. and Song, M. K. (2022), "Inverse Estimation Method？for Spatial Randomness of Material Properties and Its Application？to Topology Optimization on Shape of Geotechnical Structures",？Journal of Korean Geosynthetics Society, Vol.21, No.3, pp.1-10.
Kim, H. T., Park, S. W., Kwon, Y. H., and Kim, J. H. (2000),？Development of a System Predicting Maximum Displacements of？Earth Retaining Walls at Various Excavation Stages Using Artificial？Neural Network. Journal of the korean geotechnical society, Vol.16, No.1, pp.83-97.
Korea Expressway Corporation (2010), "Highway Design Practical？Data Book", Korea Expressway Corporation, Gimcheon
Lee, J. H., Kim, J. H., Park, M. C., and Song, Y. G. (2022), "Seoul？Research Institute of Technology, a Study on the Introduction of？Smart Measurement Technology for Excavation Construction Sites",？Journal of the korean geotechnical society, Vol.38, No.6 pp.56-61.
Lee, J. K., Choi, J. S., Kim, T. H., and Geem, Z. W. (2022),？"Calculation of Shear Strength of Rock Slope Using Deep Neural？Network", Journal of the Korean Geosynthetics Society, Vol.21, No.2, pp.21-30.
Li, H. N., Ren, L., Jia, Z. G., Yi, T. H., and Li, D. S. (2016),？"State-of-the-art in Structural Health Monitoring of Large and？Complex Civil Infrastructures", Journal of Civil Structural Health？Monitoring, Vol.6, No.1, pp.3-16.

상세보기
Ma, J. H. and Yun, T. S. (2022), "Prediction of Slope Failure Arc？Using Multilayer Perceptron", Journal of the Korean Geotechnical？Society, Vol.38, No.8, pp.39-52.
Meyerhof, G. G. (1956), "Penetration Tests and Bearing Capacity？of Cohesionless Soils", Journal of the Soil Mechanics and Foundations？Division, Vol.82, No.1, pp.866-1.
Ministry of Land, Infrastructure and Transport (2016), "Temporary？Earth Retaining Design Criteria, KDS 21 30 00:2016".
Mohamed, T., Kasa, A., Rahma n, N. A., and Gaber, M. (2019),？"PREDICTION OF EXTERNAL STABILITY FOR SEGMENTAL？RETAINING WALL USING NEURAL NETWORK AND SUPPORT？VECTOR MACHINE", Technology, Vol.10, No.2, pp.2491-2498.
Seo, S. H. and Chung, M. K. (2023), "Development of an Ensemble？Prediction Model for Lateral Deformation of Retaining Wall Under？Construction", Journal of the Korean Geotechnical Society, Vol.39, No.4, pp.5-17.
Shon, S. D., Yoo, M. N., Lee, S. J., and Kang, J. W. (2013), "Development of Optimum Design Program of Sinusoidal Corrugated？Web Beam Using Differential Evolution Algorithm", Journal of？the Architectural Institute of Korea Structure & Construction, Vol.29, No.12, pp.21-28.
SIT (2020), "Introduction of Smart Measurement for Underground？Retaining Construction and System Improvement Plan", SIT, Seoul.
Storn, R. and Price, K. (1997), "Differential Evolution-a Simple？and Efficient Heuristic for Global Optimization Over Continuous？Spaces", Journal of Global Optimization, Vol.11, No.4, pp.341-359.
Vesterstrom, J. and Thomsen, R. (2004), "A Comparative Study of？Differential Evolution, Particle Swarm Optimization, and Evolutionary？Algorithms on Numerical Benchmark Problems", In Proceedings？of the 2004 congress on evolutionary computation (IEEE Cat. No. 04TH8753) Vol.2, pp.1980-1987.
Woo, J. I. and Chung, D. S. (2020), "Numerical Analysis of Anchored？In-situ Wall Using Back-Analysis Technique", Journal of the Society？of Disaster Information, Vol.16, No.1, pp.1-9.
Xiang, G., Yin, D., Cao, C., and Yuan, L. (2021), "Application？of Artificial Neural Network for Prediction of Flow Ability of Soft？Soil Subjected to Vibrations", Geomechanics and Engineering, Vol.25, No.5, pp.395-403.

상세보기
Yin, Z. Y., Jin, Y. F., Shen, J. S., and Hicher, P. Y. (2018),？"Optimization Techniques for Identifying Soil Parameters in？Geotechnical Engineering: Comparative Study and Enhancement",？International Journal for Numerical and Analytical Methods in？Geomechanics, Vol.42, No.1, pp.70-94.

상세보기
Zevgolis, I.E. and Bourdeau, P.L. (2010), "Probabilistic Analysis？of Retaining Walls", Computers and Geotechnics, Vol.37, No.3, pp.359-373.

상세보기
Zhao, H., Chen, B., and Li, S. (2021), "Determination of Geomaterial？Mechanical Parameters based on Back Analysis and Reduced-order？Model", Computers and Geotechnics, Vol.132, pp.104013.

상세보기

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