[논문]연속재하 압밀시험에서 적정 간극수압비에 관한 연구

채점식; 이송

문제 정의

그러나, 아직까지 국내에서는 이러한 명확한 시험기준이 없어 연속재하 압밀시험의 많은 장점에도 블구하고 실무에서 사용이 어려운 실정이다. 따라서, 본연구에서는 기존 실내시험에서 얻어진 각종 토질정수 및 압밀시험 데이터를 가지고 인공신경망의학습을 수행하여 변형속도와 간극수압비 결정시 영향을 미치는 요인을 규명하고 적절한 산정기준을 마련하였다. 또한, 블교란 해성점토를 가지고 일정변형률 압밀시험과 단계별재하 압밀 시험을 실시하여 그 결과를 비교 .
본 연구에서는 인공신경망을 적용하여 연속재하압밀시험시 적합한 변형속도와 간극 수압 비를 산정한 결과 다음과 같은 결론을 얻을 수 있었다.
또한, 블교란 해성점토를 가지고 일정변형률 압밀시험과 단계별재하 압밀 시험을 실시하여 그 결과를 비교 . 분석함으로써 그 적용 가능성을 연구하였다.
이러한 구조를 가진 신경망은 입력 데이터를 통하여 학습되어지는 특성을 가지며 프로그램 되지 않는다. 즉, 전통적인 방식의 컴퓨터와 같이 미리 정해진 순서에 따라 수행되는 프로그램이 아닌 입력값과 출력값이 주어지면 원하는 결과를 낼 수 있도록 학습하는 것이다. Eberhart(1990) 둥은 신경망 이론에 역전파 이론을 적용할 때 그림 1과 같은 순서를 거처야 한다고 제안하였다.

제안 방법

따라서, 본연구에서는 기존 실내시험에서 얻어진 각종 토질정수 및 압밀시험 데이터를 가지고 인공신경망의학습을 수행하여 변형속도와 간극수압비 결정시 영향을 미치는 요인을 규명하고 적절한 산정기준을 마련하였다. 또한, 블교란 해성점토를 가지고 일정변형률 압밀시험과 단계별재하 압밀 시험을 실시하여 그 결과를 비교 . 분석함으로써 그 적용 가능성을 연구하였다.
본 CRS 시험결과는 19기년 Wissa가 제안한 근사해를 이용하여 압밀해석을 수행하였다. Wissa는 미소변형을 근거로 압밀계수는 임의 시간에서 시료의 깊이에 따라 일정하며, 시료내의간극수압분포를 포물선으로 보고 1식과 같이 압밀지배방정식을 제시하고 시험의 경계 및 초기조건과 무차원변수 X = z/tITv = C,t/H² 를 적용하여 해를 유도하였다.
여기서, P_a 는 대기압을 나타내고 C는 대상지반의 지수특성에 의존하는 계수이며, Ho와 ko는 각각 시료의 초기 높이와 투수계수를 나타낸다. 본 연구에서는 경험식을 이용하여 ko를 산정하였고, 시료하부에서 발생하는 최대 간극수압비(ub/o)max는 ASTM(D 4186)에서 추천하는 30%를 적용하였다.
간극비와 함수비 둥의 시료조건이 유사한 상태를 선별하여 실시하였다. 본 연속재하 압밀 시험은 단계별재하 압밀시험과 같이 직경이 6.0an, 높이가 2.0an인 동일한 시료 크기로 실시하였으며, 정확한 간극수압을 측정하기 위해 97% 이상 포화시킨 후에 표 4와 같이 세가지 변형속도 기준으로 산정된 변형속도로 시험을 실시하였다. 한편, 단계별재아 압밀시험의 하중증분비와 단계별 재하시간은 각각 1.
여러 가지 제안된 방범으로 변형속도가 결정되면, 선정된 변형속도의 타당성과 유효성을 검증하기 위하여 실험결과로부터 간극수압비를 계산한다. 만약, 간극수압비가 너무 높으면 유효응력, 압밀계수 둥에 많은 오차롤 내포할 수 있으므로 오차를 최소화하고 합리적인 해를 얻기 위하여 간극 수압 비의 범위를 결정해야 한다.
인공신경망의 학습은 은닉충의 수와 은닉 충에서의 Node의 수를 변화시켜가며 오차 제곱의 합이 최소가 되는 신경망을 최적의 신경망으로 규정하여 학습을 수행하였다. 또한, 학습이 종료된 후에 학습에 사용되지 않은 데이터를 가지고 신경망의 신뢰성을 검중하여야 하며, 이때 검증에 사용되는 데이터의 정규화 된 입력 변수 값은 0~1 사이의 값을 가져야 한다.
0an인 동일한 시료 크기로 실시하였으며, 정확한 간극수압을 측정하기 위해 97% 이상 포화시킨 후에 표 4와 같이 세가지 변형속도 기준으로 산정된 변형속도로 시험을 실시하였다. 한편, 단계별재아 압밀시험의 하중증분비와 단계별 재하시간은 각각 1.0과 24시간으로 하였다.

대상 데이터

본 연구에서 사용된 시료는 서해안 하동지역에서 채취한 연약한 해성점토로 도표 4와 같이 전체적으로 간극비와 함수비 둥의 시료조건이 유사한 상태를 선별하여 실시하였다. 본 연속재하 압밀 시험은 단계별재하 압밀시험과 같이 직경이 6.
본 인공신경망의 학습에 이용된 시험데이터는 총 35개로 이중에서 32개를 학습자료로 이용하였으며, 3개를 검중자료로 이용하였다. 학습 데이터의 토질정수는 도표 2와 깉다 CRSC 시험의 적정변형속도를 예측하기 위하여 12개의 학습인자룔 가지고 학습시킨 결과 첫 번째 은닉충과 두 번째 은닉충의 수가 각각 9개 그리고 학습률 0.

이론/모형

변형속도는 ASTMU982)의 추천치와 Armour & Dmevich(1986)의 제안식을 이용하여 결정하였다. Armour 둥은 Wissa의 이론을 근거로 식 4와 같은 산정식을 제안하였다.
또한, 학습 후 수렴 정도를 높이기 위해서는 인공신경망에 학습을 시키기 전에 데이터를 0~1사이의 값으로 정규화 하여야 한다. 본 논문에 사용된 정규화 방법은 Master의 방법(1993)을 따르기로 한다. 그러나 중요인자가 아닌 인자들을 이용한 학습은 오히려 정확도의 감소는 물론 수렴 여부도 불확실하게 되므로 입력 인자와 출력 인자간의 상관관계를 파악하여 최소의 중요 영향인자를 파악하는 것이 중요하다.

성능/효과

1. 인공신경망 학습결과 연속재하압밀시험으로 얻어지는 각 압밀특성비에 영향을 미치는 주요인자는 시험조건인 변형속도와 시료특성인 입도가적곡석 60% 롱과 입경으로 나타났다.
2. 인공신경망을 적용하여 변형속도를 산정한 결과, 그 값이 ASTM 추천치와 Amour의 산정치의중간정도의 범위로 시험 소요시간 및 압밀특성 산정결과가 적합한 것으로 나타났다.
3. 인공신경망에 의한 변형속도로 시험하여 얻어진 간극수압비가 15% 이내로 그 결과로 얻어지는 압밀특성들이 적합한 것으로 나타났으며, 다른 추천치의 변형속도로 실험한 결과보다 단계별재하 압밀시험결과에 근접한 것으로 나타났다.
분석결과, 모든 선행압밀비와 압축지수비가 1에 근접하여 단계별 재하압밀시험결과를 예측하는데 무리가 없는 것으로 나타났다. 그러나, 압밀계수비와 투수계수비의 경우는 ASTM 및 Armour 제안치로 시험한 결과는 다소 상이한 결과를 나타내었으며, 인공신경망에 의한 결과는 적합한 결과를 나타내었다. 이는 연속재하압밀시험중 발생하는 간극수압비가 압밀계수와 투수계수 값을 산정하는 데 큰 영향을 미치기 때문인데, 그림에서 보듯이 느린 ASTM 변형속도로 시행하여 발생되는 간극수압비가 너무 작게 나타나고, 아주 빠른 Armour의 변형속도는 시행된 결과에서는 간극수압비가 다소 크게 나타나 전이상태가 발생하기 때문이다.
기존연구 결과, Cv가 일정하다는 가정은 정규압밀구간에서 타당하지만, 과압밀 구간에서는 타당하지 않는 것으로 나타났다. 이는 압밀과정중 정상상태가 이루어지지 않음에도 불구하고 정상상태로 가정한 것으로 실제로 Tv ≥ 0.
가하면서 변형률과 하중을 측정한다. 따라서, 시험 소요시간을 단축시킬 수 있으며, 명확한 압밀곡선을 얻울 수 있어 압밀특성 산정시 개인오차를 줄일 수 있다. 하지만, 이렇게 얻어지는 압밀특성들은 시험 중에 발생하는 변형속도와 간극수압비에 의해 크게 영향을 받게 되므로 시험 전에 적합한 값을 산정해야 한다.
그림 2와 같이 50000번의 학습이 수행된 후에 학습오차가 2X10-5 정도의 정밀도가 나와 충분한 정밀도를 가지고 학습이 수행됨이 나타났다. 또한, 선행압밀웅력비, 압축지수비, 압밀 계수 비, 투수계수비 등 각종 압밀륵성과 최대 및 평균 간극수압비에 영향을 미치는 인자에 대하여 상대적인 중요도를 파악한 결과 그림 3에서 보듯이 변형속도(r)와 입도가적곡선에서 60% 통과 율에 해당되는 입경(*01) 이 가장 영향을 미치는 것으로 나타났다. 이와 같이 설계한 인공신경망의 신뢰성을 검증하기 위하여 표 3과 같은 학습에 사용되지 않은 3개의 데이터에 대하여 인공신경망으로 각종 압밀특성비와 간극수압비를 예측하고 이를 실제 시험 값과 비교한 결과 그림 4와 같이 선행 압밀 비와 압축지수비는 아주 높은 상관도를 나타내었으며, 압밀계수비 및 투수계수비 그리고 간극 수압 비도 비교적 높은 상관도를 나타내었다.
그림 5는 각각의 변형속도 예측법으로 산정된 변형속도를 가지고실시한 연속재하압밀시험울 결과와 단계 별 압밀시험결과로 얻어진 압밀특성비 및 간극수압비를나타낸 것이다. 분석결과, 모든 선행압밀비와 압축지수비가 1에 근접하여 단계별 재하압밀시험결과를 예측하는데 무리가 없는 것으로 나타났다. 그러나, 압밀계수비와 투수계수비의 경우는 ASTM 및 Armour 제안치로 시험한 결과는 다소 상이한 결과를 나타내었으며, 인공신경망에 의한 결과는 적합한 결과를 나타내었다.
이는 연속재하압밀시험중 발생하는 간극수압비가 압밀계수와 투수계수 값을 산정하는 데 큰 영향을 미치기 때문인데, 그림에서 보듯이 느린 ASTM 변형속도로 시행하여 발생되는 간극수압비가 너무 작게 나타나고, 아주 빠른 Armour의 변형속도는 시행된 결과에서는 간극수압비가 다소 크게 나타나 전이상태가 발생하기 때문이다. 이에 반해 인공신경망에 의하여 산정된 변형속도로 실험한 결과 간극수압비가 15% 이내로 나타났으며, 그 결과 얻어지는 압밀계수와 투수계수가 ILC 시험결과에 근접한 것으로 나타났다. ASTM 에서는 최대간극수압비를 30%까지 보고 있으나 본 연구결과 다소 과대한 것으로 판단되므로 향후 간극수압비에대한 연구가 진행되어야 한다.
또한, 선행압밀웅력비, 압축지수비, 압밀 계수 비, 투수계수비 등 각종 압밀륵성과 최대 및 평균 간극수압비에 영향을 미치는 인자에 대하여 상대적인 중요도를 파악한 결과 그림 3에서 보듯이 변형속도(r)와 입도가적곡선에서 60% 통과 율에 해당되는 입경(*01) 이 가장 영향을 미치는 것으로 나타났다. 이와 같이 설계한 인공신경망의 신뢰성을 검증하기 위하여 표 3과 같은 학습에 사용되지 않은 3개의 데이터에 대하여 인공신경망으로 각종 압밀특성비와 간극수압비를 예측하고 이를 실제 시험 값과 비교한 결과 그림 4와 같이 선행 압밀 비와 압축지수비는 아주 높은 상관도를 나타내었으며, 압밀계수비 및 투수계수비 그리고 간극 수압 비도 비교적 높은 상관도를 나타내었다.
3개를 검중자료로 이용하였다. 학습 데이터의 토질정수는 도표 2와 깉다 CRSC 시험의 적정변형속도를 예측하기 위하여 12개의 학습인자룔 가지고 학습시킨 결과 첫 번째 은닉충과 두 번째 은닉충의 수가 각각 9개 그리고 학습률 0.1, 모멘텀 상수가 0.1 인 상태에서 학습오차가 가장 작게 나타났다. 그림 2와 같이 50000번의 학습이 수행된 후에 학습오차가 2X10-5 정도의 정밀도가 나와 충분한 정밀도를 가지고 학습이 수행됨이 나타났다.
이에 반하여 Armour둥의 추천 변형속도는 너무 바르게 산정되어 간극수압비가 너무 크게 산정되어 그 결과얻어지는 압밀특성들이 신뢰성이 떨어지는 경향이 있다. 한편, 인공신경망은 두 가지 추천치의 중간정도의 변형속도를 가지는 것으로 나타나 시험 소요시간 및 산정되는 압밀특성의 신뢰성을 확보할 수 있을 것으로 나타났다. 그림 5는 각각의 변형속도 예측법으로 산정된 변형속도를 가지고실시한 연속재하압밀시험울 결과와 단계 별 압밀시험결과로 얻어진 압밀특성비 및 간극수압비를나타낸 것이다.

후속연구

이에 반해 인공신경망에 의하여 산정된 변형속도로 실험한 결과 간극수압비가 15% 이내로 나타났으며, 그 결과 얻어지는 압밀계수와 투수계수가 ILC 시험결과에 근접한 것으로 나타났다. ASTM 에서는 최대간극수압비를 30%까지 보고 있으나 본 연구결과 다소 과대한 것으로 판단되므로 향후 간극수압비에대한 연구가 진행되어야 한다.

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

연속재하 압밀시험에서 적정 간극수압비에 관한 연구
A Study on the Proper Pore pressure ratio in Continuous Loading Consolidation tests 원문보기

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

연속재하 압밀시험에서 적정 간극수압비에 관한 연구 A Study on the Proper Pore pressure ratio in Continuous Loading Consolidation tests 원문보기

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연속재하 압밀시험에서 적정 간극수압비에 관한 연구
A Study on the Proper Pore pressure ratio in Continuous Loading Consolidation tests 원문보기

AI 본문요약
AI-Helper