$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

압축지수분포 특성이 압밀침하량 분포에 미치는 영향
The Influence of Distribution Characteristics of Compression Index on the Spatial Distribution of Consolidation Settlements 원문보기

한국지반공학회 2010년도 추계 학술발표회 2차, 2010 Sept. 09, 2010년, pp.76 - 80  

김동휘 (고려대학교 건축.사회환경공학부) ,  김민태 (고려대학교 건축.사회환경공학부) ,  김규선 (삼성물산 건설부문 기반기술연구센터) ,  이우진 (고려대학교 건축.사회환경공학과)

Abstract AI-Helper 아이콘AI-Helper

This paper describes that estimation methods for the distribution of consolidation settlements to investigate the influence of distribution characteristics of compression index on the spatial distribution of consolidation settlements. When the variation of compression index is considerable, the spat...

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 분석영역 내 압축지수의 분포특성이 압밀침하량의 공간적 분포에 미치는 영향을 분석하기 위해, 압축지수의 분포특성을 고려한 압밀침하 추정방법을 제시하고 그 결과를 비교하였다. 지반이 균질하지 않은 경우에는 압축지수의 공간적 분포 추정결과의 신뢰성을 높이기 위해 간극비를 이차변수로 이용한 정규공동크리깅을 적용하여 압축지수의 공간적 분포를 얻었다.
  • 본 논문에서는 분석영역 내 압축지수의 분포특성이 압밀침하량의 공간적 분포에 미치는 영향을 분석하였다. 이를 위해 압축지수와 간극비의 공간적 분포를 고려한 CASE-1과 지반물성치의 평균값을 사용하는 CASE-2에 대해 압밀침하량의 공간적 분포를 추정하고 각각의 방법으로 산정한 압밀침하량의 공간적 분포특성을 비교하였다.

가설 설정

  • CASE-2의 경우에는 압밀침하량을 산정하기 위하여 지반정수들의 평균을 사용하므로 압밀침하량 분포는 압밀층 두께에 가장 큰 영향을 받는다. 그림 2(b)에 보이는 압밀층 두께의 공간적 분포는 Cc/(1+e0)의 공간적 분포보다 연속성이 길다. 이는 압 밀층 두께를 추정을 위해 사용한 구형모델의 상관거리는 259m로 압축지수 추정을 위한 상관거리 86m보다 크기 때문이다.
  • 크리깅 기법은 평균을 고려하는 방법에 따라 단순크리깅, 정규크리깅, 일반크리깅 등으로 구분된다. 본 논문에서 사용한 정규크리깅 기법에서는 추정값을 얻고자 하는 위치에 인접한 영역 내의 평균값은 일정하나 알지 못한다고 가정한다. 정규크리깅은 이러한 가정 하에서 오차분산을 최소로 하는 가중치를 구하여 기지 값의 선형조합으로 미지 값을 추정하는 방법이며, 가중치를 구하는 방정식을 크리깅 방정식이라고 한다(Isaaks와 Srivastava, 1989; Cressie, 1991; Goovaerts, 1997).
본문요약 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로