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 연구에서는 최근 국내 지반 분류 체계 합리화 연구들의 지속적 보완을 위한 분류 기준 효율화를 목적으로, 먼저 국내 다양한 부지를 대상으로 현장 지반 조사를 수행하여 지질 조건 및 지반 동적 특성을 평가하고, 국내 특성을 현행 지반 분류 체계의 근간인 미국 서부 지역의 특성과 비교하였다. 이를 토대로 미국 서부의 지역적 지반 특성에 근거한 기존 분류 체계를 국내 지반 특성에 적합하도록 보완한 효율화 방안을 평균 전단파 속도의 심도별 변화 분석 및 상관관계 정립을 통해 제안하고자 하였다.
- 평가하고, 국내 특성을 현행 지반 분류 체계의 근간인 미국 서부 지역의 특성과 비교하였다. 이를 토대로 미국 서부의 지역적 지반 특성에 근거한 기존 분류 체계를 국내 지반 특성에 적합하도록 보완한 효율화 방안을 평균 전단파 속도의 심도별 변화 분석 및 상관관계 정립을 통해 제안하고자 하였다.
- 대체로 국내 부지에서는 기반암 심도가 깊은 경우 30~50m 정도의 분포를 보였고 일부 부지에서는 70m 이상의 분포를 보이기도 하였다(표 2 참조). 더불어, 국내 부지의 일반적인 K, - 분포 확인을 위하여 전체 부지의 평균 Ks 분포 (범례의 Ave)를 표준 편차(범례의 SD)를 고려한 분포와 함께 도시하였으며, 지반 분류(B, C, D, E)별 평균 분포도 분류 조건별 상대적인 비교를 위하여 제시하였다. 표 2에서도 확인할 수 있는 바와 같이 대체로 국내 부지들은 지반 분류 C 또는 D에 해당되었으며, 그로 인해 전반적으로 전체 부지의 평균 吨가 지반 분류 C와 D의 평균 展의 중간적인 분포 경향을 보였다.
- 이러한 활용 방안 및 필요성은 최근 국내 내륙 부지 응답 특성의 정량적 평가 관련 연구들(선창국 등, 2005b; Sun 등, 2005)에서 Ks20, Pgl5 그리고 吨10의 규격화된 추가 기준들의 형태로 소개된 바 있다. 본 연구에서는 기존 연구의 일부 부지들을 포함한 보다 다양한 조건 부지들에서의 지반 특성을 토대로 30m 이하 임의의 심도(Ds)까지의 평균 KO£Ds)를 기존 Es-30 이외의 추가적인 지반 분류 기준으로 제시하기 위하여 原0과 吨Ds의 상관관계를 도출하고자 하였다. 이런 3s의 활용은 30m까지 吨가 획득되지 못한 경우에도 내진 설계를 위한 지반 분류 및 그에 따른 설계 지반 운동 결정을 가능케 하므로, 기존 지반 동적 특성 조사 자료의 활용성을 배가시킬 수 있을 것으로 판단된다.
- 또한, 상관도를 의미하는 결정계수 (R2)와 Ds의 관계도 비교 도시하였다. 이러한 상관분석 결과로부터 식 (4)와 같은 厚0과 KJk의 일반적인 상관관계식을 도출하였으며, 국내와 같이 기반암 심도가 얕은 지역의 지반 분류를 위한 추가적이고 효율적인 기준을 위한 방안으로 제시하였다.
- 현재까지의 자료에 근거한 그림 7의 깊이(Ds)에 따른 결정계수GV)의 정량적 변화를 살펴볼 때, 활용 심도(Ds)가 얕아질수록 비선형적으로 결정계수가 감소하고 있으며, 특히 10m보다 얕을 경우 상관도는 현저히 낮아지므로 현장에서 최소 10m 이상의 깊이에 따른 분포를 획득하여 내진 설계 지반 운동 결정을 위한 지반 분류를 수행함이 바람직할 것으로 보인다. 따라서 부지 특성 자료의 여건에 따른 차선의 분류 기준으로서 10m이상 30m 이하 심도까지의 평균 吨가 유용하게 활용될 수 있을 것으로 판단되며, 도출된 상관관계의 구체적 활용 예로서 본 연구에서는 표 3과 같이 선창국 등(2005b)이 국내 내륙 지역에 대해 제안한 지반 분류 체계의 효율적 개선 방안을 제시하였다.
가설 설정
- 그림 4에는 기존 연구들의 미국 서부 지역 비교 부지로 활용된 ROSRINE 부지들과 본 연구 대상 부지들의 지반 특성 차이를 파악하고자 국내의 주요 지반 분류 범주인 C와 D의 «s30과 己의 분포를 비교 도시하였다. 지반 특성인 Ks30과 7切는。보다 큰 값으로만 존재할 수 있으므로 확률 밀도 분포는 대수정규 분포(lognormal distribution)로 가정하였고(Devore, 1991), 확률 분포 결정에 이용된 자료 수는 범례(그림 4)에서 확인할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.