초록 ▼

기관R&R및연구사업계획달성을위해8개세부연구(대표과제1, 시드과제4, 장기조사1, 기획과제1, 노피어과제1)를통해지반분야재난재해대응과미래건설산업신성장을위한지반기술을확보하는 연구 수행
○ (대표과제, WBS 1) SIP(PHC) 말뚝 시공 Pile Driver MG를 위한 기초 품질관리 자동화 기술 개발(3/4)
○ (시드과제, WBS 2) DIP(Digital Image Processing) 기반지반재료특성평가기술(3/3)
○ (시드과제, WBS 3) 지반공학분야AI 활용및확산을위한기초기술개발(1/1)
○ (시드

기관R&R및연구사업계획달성을위해8개세부연구(대표과제1, 시드과제4, 장기조사1, 기획과제1, 노피어과제1)를통해지반분야재난재해대응과미래건설산업신성장을위한지반기술을확보하는 연구 수행
○ (대표과제, WBS 1) SIP(PHC) 말뚝 시공 Pile Driver MG를 위한 기초 품질관리 자동화 기술 개발(3/4)
○ (시드과제, WBS 2) DIP(Digital Image Processing) 기반지반재료특성평가기술(3/3)
○ (시드과제, WBS 3) 지반공학분야AI 활용및확산을위한기초기술개발(1/1)
○ (시드과제, WBS 4) 지반설계정수디지털맵구축활용화를위한전략수립연구(1/2)
○ (시드과제, WBS 5) 지반공학분야DA(Domain Adaptation) 기술활용데이터전처리기술개발(1/1)
○ (장기조사, WBS 6) 국내포장도로의동결상태조사및평가(3/3)
○ (기획과제, WBS 7) 저활용순환자원유효활용을위한지반개량및보강기술개발기획(1/1)
○ (노피어과제, WBS 8) 신개념암반굴착용레이저천공기술개발(1/1)

(출처 : 서지자료 532p)

목차 Contents

• 표지 ... 1
• 제출문 ... 4
• 요약문 ... 6
• 목차 ... 8
• 제1장 연구개발 과제개요 ... 34
• 1. 개념 및 정의 ... 34
• 2. 추진배경 및 필요성 ... 36
• 2.1 부서 일반현황 ... 36
• 2.2 대내외 환경변화 ... 38
• 2.3 연구부서의 역할과 책임(R&R) ... 39
• 제2장 연구개발과제의 수행과정 및 수행내용 ... 44
• 1. 연구개발 수행과정 ... 44
• 1.1 연구개발 추진체계 ... 44
• 1.2 연구개발 추진전략 ... 46
• 2. 수행내용 ... 50
• 2.1 연구개발의 목표 및 내용 ... 50
• 2.2 평가의 착안점 및 기준 ... 58
• 2.3 연구개발 결과의 활용 방안 및 활용시나리오 ... 63
• 2.4 기대 및 파급효과 ... 67
• 제3장 연구개발과제의 수행결과 및 목표달성 정도 ... 72
• 1. WBS 1 : SIP(PHC) 말뚝시공 Pile Driver MG(Machine Guidance)를 위한 기초 품질관리 자동화 기술 개발 ... 72
• 1.1 과제 개요 ... 72
• 1.2 연차 수행 내용 ... 76
• 1.3 연차실적 ... 76
• 참고문헌 ... 113
• 2. WBS 2 : DIP(Digital Image Processing) 기반 지반재료 특성 평가 기술 ... 116
• 2.1 과제 개요 ... 116
• 2.2 연차 수행 내용 ... 119
• 2.3 연차 실적 ... 120
• 참고문헌 ... 146
• 3. WBS 3 : 지반공학 분야 AI 활용 및 확산을 위한 기초기술 개발 ... 148
• 3.1 과제개요 ... 148
• 3.2 연차 수행 내용 ... 152
• 참고문헌 ... 245
• 4. WBS 4 : 지반설계정수 디지털 맵 구축 활용화를 위한 전략 수립 연구 ... 256
• 4.1 과제 개요 ... 256
• 4.2 연차 수행 내용 ... 258
• 4.3 연차실적 ... 291
• 참고문헌 ... 293
• 5. WBS 5 : 지반공학 분야 DA(Domain Adaptation) 기술 활용 데이터 전처리 기술 개발 ... 294
• 5.1 과제 개요 ... 294
• 5.2 도메인 적응 관련 연구 ... 296
• 5.3 시계열 데이터 딥러닝 DA ... 313
• 5.4 응용분야별 딥러닝 DA ... 324
• 5.5 딥러닝 DA 주요 개념 ... 352
• 5.6 지반공학 분야 DA 활용 검토 ... 364
• 5.7 지반공학 분야 데이터 분석 ... 368
• 참고문헌 ... 409
• 6. WBS 6 : 국내 포장국도의 동결상태 조사 및 유지관리 ... 414
• 6.1 과제 개요 ... 414
• 6.2 연구 수행 내용 ... 415
• 6.3 결론 ... 430
• 참고문헌 ... 431
• 7. WBS 7 : 저활용 순환자원의 유효활용을 위한 지반 개량 및 보강기술 개발 기획 ... 434
• 7.1 과제 개요 ... 434
• 7.2 연차 수행 내용 ... 438
• 7.3 연구개발 성과의 활용계획 및 기대효과 ... 487
• 참고문헌 ... 488
• 8. WBS 8 : 신개념 암반 굴착용 레이저 천공 기술 개발 ... 490
• 8.1 과제 개요 ... 490
• 8.2 연차 수행 내용 ... 493
• 8.3 연차실적 ... 493
• 참고문헌 ... 519
• 제4장 차년도 연구개발계획 ... 522
• 1. 차년도 연구개발계획 수요조사 ... 522
• 2. WBS별 차년도 연구개발계획 ... 524
• 2.1 SIP(PHC) 말뚝시공 Pile Driver MG (Machine Guidance)를 위한 기초 품질관리 자동화 기술 개발 ... 524
• 2.2 AI기술 기반 국토지반정보연계 스마트 지진안전평가 핵심기술 개발 ... 525
• 2.3 지반설계정수 디지털 맵 구축 활용화를 위한 전략수립 연구 ... 526
• 2.4 지반공학 분야 DA(Domain Adaptation)기술 활용 데이터 전처리 기술 개발 ... 527
• 2.5 멀티소스 데이터 기반 비탈면 위험예측 기술 개발 ... 528
• 2.6 산업부산물과 나노버블수를 활용한 시멘트 저감형 지반보강 기술 개발 기초연구 ... 529
• 2.7 본부 목적형 R&R 과제의 수행·성과관리, 선정·점검·평가, 운영전략 수립 ... 530
• 서지자료 ... 532
• 표목차 ... 13
• <표 1.1.1> 당해연도 과제구성 ... 35
• <표 3.1.1> 개발 장치의 시스템 사양 (시제품) ... 83
• <표 3.1.2> 개발 장치 시작품의 목표성능 검증 (실내실험) ... 86
• <표 3.1.3> 시험말뚝개요 ... 89
• <표 3.1.4> CAPWAP분석결과 ... 90
• <표 3.1.5> 현장별 시간경과일수 및 SUF 범위와 평균값 (1차) ... 94
• <표 3.1.6> 현장별 시간경과일수 및 SUF 범위와 평균값 (2차) ... 95
• <표 3.1.7> 현장별 에너지전달률 분포 (1차) ... 98
• <표 3.1.8> 현장별 에너지전달률 분포(2차) ... 98
• <표 3.1.9> 수정항타공식별 DRF 비교 ... 101
• <표 3.1.10> 수정 항타공식 및 말뚝 종류별 DRF 비교 ... 102
• <표 3.1.11> 관입량을 활용한 지지력산정 방법 ... 105
• <표 3.1.12> 측정 및 분석자료(의왕 내손 현장) ... 108
• <표 3.2.1> 연차 수행내용 ... 119
• <표 3.2.2> 연구목표 달성도 ... 120
• <표 3.2.3> 정량적 연구 성과 (3차년도) ... 121
• <표 3.2.4> 정량적 연구 성과 (총차년도) ... 122
• <표 3.2.5> 야외 현장 조건에서 측정한 자연광의 조도 및 색온도 ... 126
• <표 3.2.6> 지반재료 디지털 이미지 촬영 조건 ... 127
• <표 3.2.7> 안성 풍화토의 광조건에 따른 CIELAB 색상강도 ... 132
• <표 3.2.8> CIELAB 색상강도 및 광조건(색온도 및 조도) 사이의 선형 회귀식 기울기 ... 134
• <표 3.2.9> 건조 흙의 절편값과 구성성분 간 회귀모델의 결정계수 ... 136
• <표 3.2.10> 토색 및 구성광물 간 선형 회귀 분석 결과 값 ... 136
• <표 3.2.11> 앱 개발 환경 ... 139
• <표 3.3.1> 성과 목표 ... 151
• <표 3.3.2> 성과 달성도 (자체평가) ... 152
• <표 3.3.3> MATLAB에서 지원하는 특징 선택 알고리즘 ... 202
• <표 3.3.4> 2021 CSMS 기초조사 관리 그룹 ... 215
• <표 3.3.5> 비탈면 기초, 정밀, 추가 정보 데이터 항목과 AI 툴 적용 항목 ... 219
• <표 3.3.6> 각 CASE별 데이터 수 ... 220
• <표 3.3.7> CSMS 데이터를 활용한 AI 분석 결과 ... 229
• <표 3.3.8> 손상 탐지 정확도 (%) ... 237
• <표 3.3.9> 손상 측정 정확도 (㎜) ... 240
• <표 3.4.1> 국토지반정보 통합DB센터 데이터의 문제점 및 개선방향 ... 257
• <표 3.4.2> 지반설계정수 데이터 구축기획 고도화 연구내용 ... 258
• <표 3.4.3> 세부연구내용 Activity ... 258
• <표 3.4.4> 국외 지반설계정수 및 디지털 맵 관련 자료 수집 현황 ... 259
• <표 3.4.5> 지반설계정수 분류(Bridge Design Guide) ... 261
• <표 3.4.6> Goodman(2010)이 제시한 암석분류에 따른 점착력과 마찰각 ... 262
• <표 3.4.7> 흙의 단위체적 중량(도로교통시방서·동해설공통편IV 하부구조편 발췌) ... 263
• <표 3.4.8> 지반설계정수 디지털 맵 구성 레이어 ... 275
• <표 3.4.9> 보간법 종류 ... 276
• <표 3.4.10> 디지털 맵 실용화 관련 전문가 의견 ... 284
• <표 3.4.11> 디지털 맵 실용화 관련 주요 의견 ... 287
• <표 3.4.12> 지반설계정수 디지털 맵 구축 단기/장기 계획 ... 289
• <표 3.4.13> 지반설계정수 디지털 맵 실용화 전략 ... 290
• <표 3.4.14> 연구목표 달성도 ... 291
• <표 3.6.1> 연구 세부 추진내용 ... 415
• <표 3.6.2> 세부연구내용 Activity ... 415
• <표 3.6.3> 2023년도 Methylene Blue 동결깊이 측정장치 유지보수 ... 416
• <표 3.6.4> 2023년도 동결깊이 측정 결과 ... 417
• <표 3.6.5> 지역별 구분 ... 421
• <표 3.6.6> 지역별 동결깊이 정수 C ... 422
• <표 3.6.7> 동결지수별 정수 C ... 423
• <표 3.6.8> 포장두께별 동결깊이 정수 C ... 424
• <표 3.6.9> 보조기층+동상방지층 두께별 동결깊이 정수 C ... 424
• <표 3.6.10> 지역조건에 따른 정수 C ... 429
• <표 3.6.11> 음양조건에 따른 정수 C ... 429
• <표 3.7.1> 성과 목표 ... 437
• <표 3.7.2> 성과 달성도 (자체평가) ... 438
• <표 3.7.3> 연소방식에 따른 연소재 발생 및 처리현황 ... 443
• <표 3.7.4> 국내 순환유동층 보일러 연소재 발생량(김홍주 외, 2017) ... 443
• <표 3.7.5> 심층혼합공법 현장 적용 과정 ... 447
• <표 3.7.6> 현장 시험시공 배합조건 ... 447
• <표 3.7.7> 심층혼합공법 현장제작 고롸토의 양생일별 압축강도 측정결과 ... 448
• <표 3.7.8> 심층혼합공법 확인보링 시료 채취 과정 ... 449
• <표 3.7.9> 심층혼합공법 확인보링 시료 압축강도 측정결과 ... 449
• <표 3.7.10> 매입말뚝 주면채움재 혼합비 ... 452
• <표 3.7.11> 매입말뚝공법 주면고정재 시공과정 ... 453
• <표 3.7.12> 동재하시험 과정 ... 453
• <표 3.7.13> 동재하시험결과 ... 455
• <표 3.7.14> 약액주입공법용 겔타임 및 호모겔 시료의 배합비 ... 458
• <표 3.7.15> 겔타임 시험결과 ... 460
• <표 3.7.16> 호모겔 강도시험 결과 ... 461
• <표 3.7.17> 수급된 연소재의 화학조성(단위 %) ... 462
• <표 3.7.18> 배출처별 순환유동층보일러 바텀애시의 XRF 분석결과 ... 466
• <표 3.7.19> 사용 바인더의 개략적인 순환자원 적용 비율(단위 : %) ... 473
• <표 3.7.20> 사용 바인더 및 OPC, 고로슬래그의 화학성분(단위: %) ... 474
• <표 3.7.21> 페이스트 실험 조건 ... 475
• <표 3.7.22> 순환자원 활용 바인더 및 배합수 종류에 따른 압축강도시험 결과 ... 476
• <표 3.7.23> 저활용 순환자원의 유효 활용 기술의 정의 ... 479
• <표 3.7.24> 특허 검색을 위한 검색식 ... 480
• <표 3.7.25> 전체 발명단위 특허의 상위출원인 ... 484
• <표 3.7.26> 주요 지반 안정화 및 보강 기술 관련 기준 ... 486
• <표 3.8.1> 연차 수행내용 ... 493
• <표 3.8.2> 성과 달성도 ... 493
• <표 3.8.3> 레이저 암석 천공 실험 선행연구 ... 504
• <표 3.8.4> 암석 천공 실험에 활용된 레이저 장비 제원(모델명: HY-F10) ... 510
• <표 3.8.5> 암석 천공 실험에 활용된 암석 시편 ... 511
• <표 4.1.1> 차년도 연구개발계획 수요조사 결과 ... 523
• 그림목차 ... 17
• <그림 1.1.1> 연구개발 기본 추진방향 ... 34
• <그림 1.2.1> 지반연구본부 중장기 목표 ... 39
• <그림 1.2.2> 성과목표 1-1 내 지반연구본부 기여도 ... 41
• <그림 1.2.3> 성과목표 1-2 내 지반연구본부 기여도 ... 41
• <그림 1.2.4> 성과목표 2-1 내 지반연구본부 기여도 ... 42
• <그림 1.2.5> 성과목표 2-2 내 지반연구본부 기여도 ... 42
• <그림 3.1.1> 말뚝시공 품질관리 자동화 기술 개요도 ... 72
• <그림 3.1.2> 기존 말뚝 관입량 측정 모습 (인력 기반 시공품질 관리 방법) ... 73
• <그림 3.1.3> 수기로 측정된 말뚝 관입량 기록지 ... 74
• <그림 3.1.4> 공동연구 협약 진행 ... 79
• <그림 3.1.5> KICT-LH 공동연구기관 합동 현장 시험 수행(‘23.9.21) ... 80
• <그림 3.1.6> 개발 장치의 측정 원리 ... 81
• <그림 3.1.7> 비접촉식 말뚝 항타 관입량 측정 시스템(KPM) 시제품 ... 82
• <그림 3.1.8> KPM SW화면 및 지지력 산정 모듈 추가 ... 82
• <그림 3.1.9> 개발 장치의 타겟 및 공인기관 성적서 획득 ... 84
• <그림 3.1.10> 실내실험 환경 ... 85
• <그림 3.1.11> 실내실험 결과(Y축 이동) ... 85
• <그림 3.1.12> 실내실험 결과(X축 이동) ... 86
• <그림 3.1.13> 현장실험 환경 ... 87
• <그림 3.1.14> 기존 자동화 장치와 비교 측정 결과 ... 87
• <그림 3.1.15> 항타 말뚝 변위 측정 결과: 고속카메라(좌), KPM(우) ... 88
• <그림 3.1.16> 고속카메라 활용 KPM 성능 검증 및 sampling rate별 피크 변위 조사 ... 88
• <그림 3.1.17> 항타공식별 극한지지력과 동재하시험 극한지지력 상관관계 ... 92
• <그림 3.1.18> 항타공식별 극한지지력과 동재하시험 극한지지력 상관관계(강관(복합말뚝 포함) ... 93
• <그림 3.1.19> 시간경과와 SUF의 상관관계(말뚝종류별) ... 96
• <그림 3.1.20> 말뚝종류별 타격에너지 전달률(ETR) 분포도 ... 99
• <그림 3.1.21> 동일말뚝, 동일낙하고 에너지 측정결과 ... 103
• <그림 3.1.22> 에너지 효율에 따른 민감도 ... 104
• <그림 3.1.23> 관입량을 이용한 지지력산정 절차도 ... 107
• <그림 3.2.1> 기존 건설현장 지반재료 특성 평가 기술 ... 116
• <그림 3.2.2> WBS 2 목표 기술 As-Is To-Be ... 118
• <그림 3.2.3> WBS 2 목표기술 모식도 ... 118
• <그림 3.2.4> 실내 스튜디오 개념도 및 구축 사진 ... 123
• <그림 3.2.5> 구축된 디지털 카메라의 정보 획득 가능 파장 범위 ... 125
• <그림 3.2.6> 다양한 광조건에서의 주문진 표준사 이미지 색상 변화 ... 128
• <그림 3.2.7> 다양한 광조건에서의 안성 풍화토 이미지 색상 변화 ... 128
• <그림 3.2.8> 함수비 10%로 조성된 주문진 표준사 이미지 색상 변화 ... 131
• <그림 3.2.9> 색온도 5,500K 및 조도 65,000lux 조건에서의 주문진 표준사 이미지 색상 변화 ... 131
• <그림 3.2.10> 실내에서의 토색(laboratory value)과 자연광을 받는 토색(field value) 비교 결과 ... 135
• <그림 3.2.11> 예측 함수비와 실제 함수비 비교 그래프 ... 137
• <그림 3.2.12> 현장 등록 화면 ... 139
• <그림 3.2.13> 사진 촬영 화면 ... 140
• <그림 3.2.14> 건조 상태 분석 화면 ... 140
• <그림 3.2.15> 구성광물 분석 결과 표출 화면 ... 141
• <그림 3.2.16> 젖은 상태 분석 화면 ... 141
• <그림 3.2.17> 함수비 분석 결과 표출 화면 ... 142
• <그림 3.2.18> 분석 결과 비교 화면 ... 142
• <그림 3.2.19> 구성광물 분석 결과 비교 화면 예시 ... 143
• <그림 3.2.20> 현장 관리 수행 화면 ... 143
• <그림 3.3.1> 도로비탈면관리시스템 (cut-slope management system; CSMS) 모식도 ... 153
• <그림 3.3.2> 네트워크를 활용한 검출 결과와 Ground truth 간 비교 ... 154
• <그림 3.3.3> Ma et al. (2021) 제안 비탈면 진단 시스템 ... 155
• <그림 3.3.4> 제안 네트워크를 활용하여 분류한 암비탈면 ... 155
• <그림 3.3.5> 제안 알고리즘의 모식도 ... 156
• <그림 3.3.6> Seismic 이미지로부터 Local slope를 추정하는 딥러닝 네트워크 모식도 ... 156
• <그림 3.3.7> CNN 기반 경사면 안정성 분석 알고리즘(1): (a) Network architecture, (b) Slope image data ... 157
• <그림 3.3.8> CNN 기반 경사면 안전성 분석 알고리즘(2): (a) 프레임워크, (b) Computation cost 분석 ... 157
• <그림 3.3.9> 경사면 붕괴 감지 (a) 네트워크 검출 결과, (b) Motion detection 결과 ... 158
• <그림 3.3.10> 암석 블록 분류 네트워크: (a) 암석 클래스 분류, (b) 네트워크 검출 결과 ... 158
• <그림 3.3.11> Bazimen landslide 테스트베드 정보 ... 159
• <그림 3.3.12> 딥러닝 기반 경사면 안정성 예측 알고리즘 ... 159
• <그림 3.3.13> 다양한 네트워크를 활용한 산사태 예측 성능 검증 ... 160
• <그림 3.3.14> 산사태 취약성 예측 성능 검증: (a) FLDA, (b) MLP, (c) QDA, (d) DL ... 161
• <그림 3.3.15> Mask R-CNN 기반 비탈면 붕괴 피해 평가: (a)프레임워크, (b)검출 결과 ... 162
• <그림 3.3.16> 경사면 균열 검출을 위한 딥러닝 네트워크 개발: (a) 경사면 균열 예시, (b) 프레임워크 ... 162
• <그림 3.3.17> 인공지능 기반 비탈면 동적 반응 분석: (a) 경사면 동적 데이터 취득을 위한 Shaking-table test, (b) 센서 레이아웃 ... 163
• <그림 3.3.18> 제안 딥러닝 네트워크 기반 비탈면 취약도 평가 결과 ... 163
• <그림 3.3.19> 제안 CNN Network architecture ... 164
• <그림 3.3.20> 터널 천장 붕괴 감지 데이터셋: (a) 위험지역 이미지, (b) 안전지역 이미지 ... 167
• <그림 3.3.21> 매개변수 중 챔버압력 예측 결과 (a~c) 제안 알고리즘, (d~f) 비교군 알고리즘 ... 168
• <그림 3.3.22> NATM 터널 건설 작업 공정 CCTV 데이터셋 ... 168
• <그림 3.3.23> 제안 shield-ground interaction prediction 알고리즘: (a) 테스트베드 정보, (b) LSTM과 Random Forest 간 예측 성능 비교 ... 169
• <그림 3.3.24> 제안 알고리즘 모식도(1) ... 169
• <그림 3.3.25> 제안 알고리즘 모식도(2) ... 170
• <그림 3.3.26> Mask Scoring R-CNN을 활용한 검출 결과 ... 170
• <그림 3.3.27> GPR 데이터 3D화 ... 171
• <그림 3.3.28> B 스캔 이미지 기반의 3D 모델 구축 네트워크 구조 ... 171
• <그림 3.3.29> RGB-D 카메라와 GPR 융합 데이터 기반의 3D 모델 구축 네트워크 구조 ... 172
• <그림 3.3.30> 제안 기술 네트워크 비교 검증 결과 ... 172
• <그림 3.3.31> Scancloud와 DDPG 기반의 GPR 데이터 3D 모델 구축 절차 ... 173
• <그림 3.3.32> 제안 네트워크 Architecture(1) ... 173
• <그림 3.3.33> 제안 네트워크 Architecture(2) ... 174
• <그림 3.3.34> GPR 기반 도로 손상 검출: (a) 대표적인 손상 유형, (b) Faster R-ConvNet 검출 결과 ... 174
• <그림 3.3.35> 제안 네트워크 Architecture(3) ... 175
• <그림 3.3.36> 제안 네트워크 Architecture(4) ... 175
• <그림 3.3.37> MAM-LSTM model의 댐 변위 예측 결과 ... 178
• <그림 3.3.38> 제안 콘크리트 댐 변형 예측 모델 ... 178
• <그림 3.3.39> 제안 네트워크 DRLSTM의 프레임워크 ... 179
• <그림 3.3.40> 댐 균열 검출을 위한 Semantic segmentation network: (a) 제안 네트워크, (b) 검출 결과 ... 179
• <그림 3.3.41> 제방 시스템 균열 탐지를 위한 제안 네트워크 IterLUNet Architecture ... 180
• <그림 3.3.42> Single Shot MultiBox Detector 제방 균열 검출 결과 ... 180
• <그림 3.3.43> 제안 네트워크 프레임워크(1) ... 181
• <그림 3.3.44> 제안 댐 변형 예측 알고리즘(1): (a) 테스트베드 정보 (b) 수직 변위 및 온도 모니터링 시계열 데이터 ... 181
• <그림 3.3.45> 제안 알고리즘 프레임워크(2) ... 182
• <그림 3.3.46> 제안 댐 변위 예측 알고리즘(2): (a) 그래프화 정보 (b) 예측 결과 ... 183
• <그림 3.3.47> 댐 수평 변위 예측 다이어그램 ... 183
• <그림 3.3.48> 극한 하중 후 댐 안정성 평가를 위한 제안 프레임워크 ... 184
• <그림 3.3.49> 댐 붕괴 및 범람 시계열 시뮬레이션 ... 184
• <그림 3.3.50> 굴착기 모션 실시간 감지 예시 ... 186
• <그림 3.3.51> ANN, LSTM, GRU, Conv1d 4종 네트워크 검증 결과 ... 187
• <그림 3.3.52> Acoustic emission data를 활용한 딥러닝 기반의 Pile 손상 예측 ... 188
• <그림 3.3.53> 제안한 4가지 머신러닝 기법을 활용한 지반 최대 표면 침하 검증 결과 ... 188
• <그림 3.3.54> 제안 알고리즘 모식도(1) ... 189
• <그림 3.3.55> 제안 알고리즘 모식도(2) ... 190
• <그림 3.3.56> 제안 알고리즘 모식도(3) ... 193
• <그림 3.3.57> MATLAB 주요 기능 ... 198
• <그림 3.3.58> 분류 학습기 모델 섹션(모든 빠른 훈련) ... 204
• <그림 3.3.59> 모델 유형(모든 빠른 훈련) ... 204
• <그림 3.3.60> 분류 학습기 모델 섹션(모두) ... 205
• <그림 3.3.61> 훈련 이후 모델별 결과 ... 205
• <그림 3.3.62> 수동 분류기 선택 방법 ... 206
• <그림 3.3.63> 모델별 정확도 점수 플로팅 및 해석 섹션 ... 207
• <그림 3.3.64> 레이아웃을 통한 정확도 점수 플로팅 및 해석 예시 ... 207
• <그림 3.3.65> 특징 선택 예시 ... 208
• <그림 3.3.66> PCA 사용 예시 ... 208
• <그림 3.3.67> 하이퍼파라미터 설정 예시 ... 209
• <그림 3.3.68> 산점도를 통한 변수별 특성 구분 ... 210
• <그림 3.3.69> 산점도를 통한 변수별 특성 구분 예시 ... 210
• <그림 3.3.70> 전체 모델 대상 특징 선택 기능의 사용 순서 ... 211
• <그림 3.3.71> 개별 모델별 특징 선택 기능의 사용 순서 ... 212
• <그림 3.3.72> 전체 모델 대상 PCA 기능의 사용 순서 ... 213
• <그림 3.3.73> 전체 모델 대상 하이퍼파라미터 최적화 기능의 사용 순서 ... 214
• <그림 3.3.74> 상시계측시스템 운영도 ... 216
• <그림 3.3.75> 국토비탈면 통합관제 대시보드 ... 216
• <그림 3.3.76> 데이터 분류 및 검증방식 설정 ... 221
• <그림 3.3.77> 특징 선택 ... 221
• <그림 3.3.78> Case 1에 대한 모델별 검증, 테스트 정확도 ... 222
• <그림 3.3.79> 앙상블 모델의 특징 중요도(Case1) ... 223
• <그림 3.3.80> Case 2 모델별 검증, 테스트 정확도 ... 224
• <그림 3.3.81> 앙상블 모델의 특징 중요도(Case2) ... 224
• <그림 3.3.82> Case 3 모델별 검증, 테스트 정확도 ... 225
• <그림 3.3.83> 앙상블 모델의 특징 중요도(Case3) ... 225
• <그림 3.3.84> Case4 모델별 검증, 테스트 정확도 ... 226
• <그림 3.3.85> 앙상블 모델의 특징 중요도(Case4) ... 227
• <그림 3.3.86> 정자교 보행로 붕괴사고 (2023.4) ... 230
• <그림 3.3.87> 콘크리트 손상 영상(왼쪽 2장) 및 정상 영상(오른쪽 2장) ... 232
• <그림 3.3.88> 라벨 데이터의 비율에 따른 학습의 종류 ... 233
• <그림 3.3.89> 계층적 신경망 기반 적대적 학습 구조 (Shim et al., 2020) ... 234
• <그림 3.3.90> 임베디드 시스템을 활용한 균열 탐지 ... 236
• <그림 3.3.91> 초거대 AI 산업의 탄생 ... 241
• <그림 3.3.92> Text 2 Image 데이터 세트 ... 242
• <그림 3.3.93> 확산 모델 구조도(Stable diffusion) ... 242
• <그림 3.4.1> 샘플 지반설계정수 디지털 맵(고양시, 투수계수) ... 257
• <그림 3.4.2> 점토층 영향 N값 저하부와 점토분 함유로 N값 저하 예시(평균대비 63%) ... 262
• <그림 3.4.3> 상시미동계 종합 주파수 특성도(좌), 내진설계상의 지반종류(우)[2007년판 건축물 구조관계기술기준해설서] ... 263
• <그림 3.4.4> 레이저 표고지형(일본 국토지리원) ... 264
• <그림 3.4.5> 활단층 DB제공 단층도(일본 AIST 제공) ... 264
• <그림 3.4.6> 활단층 확실도 분류(일본 국토지리원 도시권 활단층도); 실선-추정활단층(지표), 파선-추정활단층, 굵은 파선-추정활단층(지하) ... 264
• <그림 3.4.7> Bearing Capacity Map ... 272
• <그림 3.4.8> Maps of soil properties for Denmark for the topsoil layer: (A)clay, (B)silt, (C)fine sand, (D)coarse sand, (E)soil organic carbon content, (F)soil pH, (G)oxalate-extractable aluminum, (H)oxalate-extractable iron, (I)soil bulk density ... 273
• <그림 3.4.9> Ground elevation segmentation map of the study area based on USCS(USA Soil Classification Soil) types ... 274
• <그림 3.4.10> 격자 대푯값 결정 개념도 ... 276
• <그림 3.4.11> 데이터 구축 구간 격자 대푯값 결정 ... 277
• <그림 3.4.12> 데이터 미구축 구간 격자 대푯값 결정 ... 278
• <그림 3.4.13> 시범지구 선정 지역 ... 279
• <그림 3.4.14> 시범지구 지반조사 자료 정리 ... 279
• <그림 3.4.15> 지반설계정수 디지털 맵 초기 화면 ... 280
• <그림 3.4.16> 지반조사 자료 입력 화면 ... 280
• <그림 3.4.17> 시추공 위치 표현 화면 ... 281
• <그림 3.4.18> 디지털 맵 작성 지반설계정수 선택 ... 281
• <그림 3.4.19> 디지털 맵 작성 지층 종류 선택 ... 282
• <그림 3.4.20> 마찰각 디지털 맵(경암, 좌: 인접수량, 우: 반경지정) ... 282
• <그림 3.4.21> 투수계수 디지털 맵(경암, 좌: 인접수량, 우: 반경지정) ... 283
• <그림 3.4.22> 디지털 맵 메타데이터 결과 ... 283
• <그림 3.4.23> 영국지질조사소 데이터 제공 홈페이지 ... 287
• <그림 3.4.24> 영국지질조사소 토목 데이터 항목 ... 288
• <그림 3.4.25> BGS Civils excavatability 샘플 지도 ... 288
• <그림 3.4.26> BGS Civils strength 샘플 지도 ... 289
• <그림 3.5.1> 머신러닝 및 전이학습 및 DA 관계 ... 294
• <그림 3.5.2> Domain shift 문제 ... 298
• <그림 3.5.3> Synthetic data 활용한 image segmentation ... 299
• <그림 3.5.4> Subspace representation 주요 방법들 ... 301
• <그림 3.5.5> Maximum Mean Discrepancy (MMD) [5] ... 302
• <그림 3.5.6> Sample Re-weighting (left)[6] , Sample Resampling (Right) [7] ... 302
• <그림 3.5.7> Transfer Component Analysis (TCA) ... 303
• <그림 3.5.8> Domain Invariant Projection [8] ... 303
• <그림 3.5.9> Domain Invariant Projection 수식 ... 304
• <그림 3.5.10> SURF 결과 ... 305
• <그림 3.5.11> Decaf 결과 ... 305
• <그림 3.5.12> 라벨된 데이터 사이즈에 의한 DA 기법 분류 ... 306
• <그림 3.5.13> Transfer learning ... 307
• <그림 3.5.14> Semi-supervised DA ... 307
• <그림 3.5.15> Transductive Unsupervised DA ... 308
• <그림 3.5.16> Self-Supervised Learning과 다른 기법 조합 ... 308
• <그림 3.5.17> Multi-source Domain Generalization ... 309
• <그림 3.5.18> Single-source Domain Generalization ... 309
• <그림 3.5.19> Deep domain confusion ... 310
• <그림 3.5.20> Unsupervised Domain Adaptation by Back-propagation ... 311
• <그림 3.5.21> Image translation with CycleGAN ... 311
• <그림 3.5.22> Image translation 문제 ... 312
• <그림 3.5.23> CycleGAN 양방향 학습구조 ... 312
• <그림 3.5.24> 시계열 데이터 특성 ... 313
• <그림 3.5.25> 시계열 처리 방법 종류 ... 314
• <그림 3.5.26> pretext 종류 (이미지 데이터로 설명) ... 314
• <그림 3.5.27> pretext 종류 (시계열 데이터로 설명) [2] ... 315
• <그림 3.5.28> 시계열 데이터 가공 방법 ... 316
• <그림 3.5.29> 시계열 전이학습 성능개선 예시 ... 317
• <그림 3.5.30> inter-class distance 알고리즘 ... 318
• <그림 3.5.31> DTW 성능개선 ... 319
• <그림 3.5.32> CoDATS 사용 환경 ... 319
• <그림 3.5.33> CoDATS 모델 구조 ... 320
• <그림 3.5.34> CoDATS 결과 ... 320
• <그림 3.5.35> Unsupervised DA 응용예시 ... 321
• <그림 3.5.36> Fault Diagnosis of Rolling Bearings 예시 ... 322
• <그림 3.5.37> Remaining Useful Lifetime Estimation 예시 ... 323
• <그림 3.5.38> EEG Based BCI 예시 ... 323
• <그림 3.5.39> 제안 구조 (Unsupervised Vehicle Counting via Multi-Cam. DA) ... 324
• <그림 3.5.40> 제안 구조 성능 (Unsupervised Vehicle Counting via Mul. Cam. DA) ... 325
• <그림 3.5.41> MDAN 구조 ... 326
• <그림 3.5.42> MDAN 성능 ... 326
• <그림 3.5.43> Faster R-CNN with DA ... 327
• <그림 3.5.44> Faster R-CNN with DA 성능 ... 327
• <그림 3.5.45> 문제 해결 컨셉 ... 328
• <그림 3.5.46> 제안 구조 ... 329
• <그림 3.5.47> 제안구조 성능 ... 329
• <그림 3.5.48> 뇌 MRI 영상 intensity DS ... 330
• <그림 3.5.49> 조건에 따른 DA 분류 ... 330
• <그림 3.5.50> cycle-GAN을 이용한 Unsupervised DA ... 332
• <그림 3.5.51> 흉부영상 적용 Unsupervised DA ... 332
• <그림 3.5.52> Spectral Normalization 주파수 도메인 ... 333
• <그림 3.5.53> unsupervised shallow DA ... 333
• <그림 3.5.54> 자율주행 DA 문제 ... 334
• <그림 3.5.55> 제안 구조 ... 335
• <그림 3.5.56> 제안 구조 ... 336
• <그림 3.5.57> 성능 비교 ... 337
• <그림 3.5.58> 안개상황 domain shift ... 337
• <그림 3.5.59> 제안 구조 ... 338
• <그림 3.5.60> 성능 비교 ... 338
• <그림 3.5.61> 자율주행 Domain Gap ... 339
• <그림 3.5.62> AdvEnt에서의 Entropy 방법 ... 339
• <그림 3.5.63> DADA에서의 depth 효과 ... 340
• <그림 3.5.64> AdvEnt & DADA 성능 ... 340
• <그림 3.5.65> 논문 알고리즘 적용 예시 ... 341
• <그림 3.5.66> GraspGAN ... 342
• <그림 3.5.67> GraspGAN 성능 ... 342
• <그림 3.5.68> DDACDN 개념 ... 343
• <그림 3.5.69> DDACDN 구조 ... 344
• <그림 3.5.70> DDACDN 성능 ... 344
• <그림 3.5.71> 논문 개념 ... 345
• <그림 3.5.72> 논문 구조 ... 345
• <그림 3.5.73> 논문 구조에 의해 생성된 결과 ... 346
• <그림 3.5.74> 논문 성능 ... 346
• <그림 3.5.75> sub-image 단위 처리 ... 347
• <그림 3.5.76> DCNN에 사용된 Alex-net ... 348
• <그림 3.5.77> Edge-detcetor & DCNN 모드별 결과 비교 ... 348
• <그림 3.5.78> 논문에서 채용한 DANN ... 348
• <그림 3.5.79> DANN 구조 ... 349
• <그림 3.5.80> 논문 성능 ... 349
• <그림 3.5.81> U-Net advanced 버젼들 ... 349
• <그림 3.5.82> U-Net advanced 버전 구조 ... 350
• <그림 3.5.83> U-Net advanced 버전 구조 성능 ... 350
• <그림 3.5.84> 검토한 구조물 파라미터 ... 351
• <그림 3.5.85> Probability Density Function ... 353
• <그림 3.5.86> Importing necessary modules ... 354
• <그림 3.5.87> t-분포 ... 355
• <그림 3.5.88> t-SNE 이미지 예제 ... 357
• <그림 3.5.89> t-SNE 예시 ... 357
• <그림 3.5.90> High-confidence prediction을 보여주는 예시 ... 358
• <그림 3.5.91> CAM 예시 ... 360
• <그림 3.5.92> CAM 구조 예시 ... 361
• <그림 3.5.93> CAM 계산 방법 예시 ... 361
• <그림 3.5.94> Grad-CAM 구조 예시 ... 362
• <그림 3.5.95> Guided Grad-CAM 예시 ... 363
• <그림 3.5.96> Guided Backpropagation 예시 ... 363
• <그림 3.5.97> Counterfactual 예시 ... 364
• <그림 3.5.98> 지반굴착 데이터 ... 365
• <그림 3.5.99> 균열 데이터 ... 366
• <그림 3.5.100> 지반계측 시계열 데이터 ... 366
• <그림 3.5.101> 매입 말뚝 동재하시험 데이터 ... 367
• <그림 3.5.102> 4개 후보 데이터 ... 368
• <그림 3.5.103> 4개 후보 base model (시계열 데이터) ... 369
• <그림 3.5.104> 계측 항목(그림 표시) ... 372
• <그림 3.5.105> 계측 항목 설명 ... 372
• <그림 3.5.106> 데이터셋 준비 ... 373
• <그림 3.5.107> 대표 domain 추출 ... 374
• <그림 3.5.108> 지중경사계 원본데이터 ... 375
• <그림 3.5.109> 지중경사계 입출력 정의 ... 376
• <그림 3.5.110> 심도계 개수 normalization ... 377
• <그림 3.5.111> 샘플갯수 normalization ... 377
• <그림 3.5.112> 전처리 전체 과정 ... 378
• <그림 3.5.113> Interpolation for L & H ... 378
• <그림 3.5.114> Train/Test Split ... 379
• <그림 3.5.115> W windowing & Labeling ... 379
• <그림 3.5.116> Normalization ... 380
• <그림 3.5.117> Normalization 구현(정의 및 호출 방법) ... 380
• <그림 3.5.118> Evidently API ... 381
• <그림 3.5.119> Evidently용 Data Set 생성 ... 382
• <그림 3.5.120> Evidently용 Data Set 처리 ... 382
• <그림 3.5.121> Domain Shift용 데이터 ... 383
• <그림 3.5.122> Domain 평균으로 domain 사이 비교 ... 383
• <그림 3.5.123> 도메인 001 & 012 데이터 비교: jensenshannon(상) / kl_div(하) ... 384
• <그림 3.5.124> 도메인 001 & 012 데이터 비교: psi(상) / wasserstein(하) ... 385
• <그림 3.5.125> 도메인 001 & 071 데이터 비교: jensenshannon(상) / kl_div(하) ... 386
• <그림 3.5.126> 도메인 001 & 071 데이터 비교: psi(상) / wasserstein(하) ... 387
• <그림 3.5.127> 도메인 012 & 071 데이터 비교: jensenshannon(상) / kl_div(하) ... 388
• <그림 3.5.128> 도메인 012 & 071 데이터 비교: psi(상) / wasserstein(하) ... 389
• <그림 3.5.129> 각 도메인 심도계 표시 ... 390
• <그림 3.5.130> 각 도메인 pdf ... 390
• <그림 3.5.131> 도메인간 심도계 5 표시 ... 390
• <그림 3.5.132> 도메인간 심도계 5 pdf 비교 ... 391
• <그림 3.5.133> CNN 모델 ... 392
• <그림 3.5.134> LSTM 모델 ... 393
• <그림 3.5.135> GRU 모델 ... 394
• <그림 3.5.136> SEQ2SEQ 모델 ... 394
• <그림 3.5.137> 시험 도메인 ... 395
• <그림 3.5.138> base model 정량시험 결과 ... 395
• <그림 3.5.139> 도메인 KED001 CNN(위) LSTM(아래) 결과 ... 396
• <그림 3.5.140> 도메인 KED001 GRU(위) SEQ2SEQ(아래) 결과 ... 397
• <그림 3.5.141> 도메인 KED071 CNN(위) LSTM(아래) 결과 ... 398
• <그림 3.5.142> 도메인 KED071 GRU(위) SEQ2SEQ(아래) 결과 ... 399
• <그림 3.5.143> 도메인 KED012 CNN(위) LSTM(아래) 결과 ... 400
• <그림 3.5.144> 도메인 KED012 GRU(위) SEQ2SEQ(아래) 결과 ... 401
• <그림 3.5.145> ADDA + NCE 예시 ... 403
• <그림 3.5.146> 시험 도메인 ... 404
• <그림 3.5.147> DA 정량시험 결과 ... 404
• <그림 3.5.148> 대표단면 #1 KED001 -> KED012 (왼상단에서 시계방향) ... 405
• <그림 3.5.149> 대표단면 #2 KED001 -> KED012 (왼상단에서 시계방향) ... 406
• <그림 3.5.150> 대표단면 #3 KED001 -> KED012 (왼상단에서 시계방향) ... 407
• <그림 3.5.151> 대표단면 #4 KED001 -> KED012 (왼상단에서 시계방향) ... 408
• <그림 3.6.1> 측정장치 구성 ... 416
• <그림 3.6.2> 동결깊이 측정지점 ... 417
• <그림 3.6.3> 계측장치 유지관리 ... 417
• <그림 3.6.4> 1991~2023년 빈도 동결깊이분포도 ... 419
• <그림 3.6.5> 동결지수선도 ... 419
• <그림 3.6.6> 다양한 추세분석을 통한 동결지수-동결깊이 상관관계 분석 ... 421
• <그림 3.6.7> 지역별 동결지수-동결깊이 상관관계 ... 422
• <그림 3.6.8> 동결지수별 동결깊이-동결지수 상관관계 ... 423
• <그림 3.6.9> 음양조건에 따른 동결깊이-동결지수 상관관계 ... 424
• <그림 3.6.10> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 30cm이하) ... 425
• <그림 3.6.11> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 35cm) ... 425
• <그림 3.6.12> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 40cm) ... 425
• <그림 3.6.13> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 45cm) ... 426
• <그림 3.6.14> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 50cm) ... 426
• <그림 3.6.15> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 55cm) ... 426
• <그림 3.6.16> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 60cm) ... 427
• <그림 3.6.17> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 65cm) ... 427
• <그림 3.6.18> 포장두께별 동결깊이 상관관계 (보조기층+동상방지층 : 70cm 이상) ... 427
• <그림 3.6.19> 기존 산정식과의 비교 ... 428
• <그림 3.7.1> 국내 플라이애시 및 바텀애시 발생량 ... 435
• <그림 3.7.2> 우리나라 화력발전소 현황(한국에너지정보문화재단) ... 439
• <그림 3.7.3> 미분탄 연소보일러 발전 과정(한국중부발전) ... 440
• <그림 3.7.4> 미분탄 보일러 연소재 발생과정(한국발전부산물 자원협회) ... 441
• <그림 3.7.5> 순환유동층 보일러 발전 모식도(한국전력기술) ... 442
• <그림 3.7.6> 철강제품 제조공정 및 부산물 발생 모식도(POSCO) ... 444
• <그림 3.7.7> 국내 철강회사의 부산물 재활용율(POSCO) ... 445
• <그림 3.7.8> 국내 슬래그시멘트(SC) 연간 국내 출하량(한국시멘트협회) ... 445
• <그림 3.7.9> 심층혼합공법 현장시험시공 위치 ... 446
• <그림 3.7.10> 심층혼합공법 현장 제작 고화토의 압축강도 ... 448
• <그림 3.7.11> 현장 제작시료 및 확인보링 시료에 대한 일축압축강도 결과 ... 450
• <그림 3.7.12> 적용현장 위치도 ... 451
• <그림 3.7.13> 매입말뚝 주면고정재 적용 현장 도면 ... 452
• <그림 3.7.14> 동재하시험 결과에 따른 허용지지력 ... 456
• <그림 3.7.15> 동재하시험 결과에 따른 주면마찰력 ... 457
• <그림 3.7.16> 동재하시험 결과 선단지지력과 주면마찰력의 비율 ... 458
• <그림 3.7.17> 약액주입공법용 주입재의 겔타임시험 과정 ... 459
• <그림 3.7.18> 약액주입공법용 호모겔 압축강도시험 과정 ... 461
• <그림 3.7.19> 주요 순환유동층 보일러 연소재 모습 ... 464
• <그림 3.7.20> 바텀애시 분쇄시간에 따른 입도변화 결과 ... 466
• <그림 3.7.21> 저급 순환자원 활용 지반개량 보강재료 개발을 위한 배합시험 ... 467
• <그림 3.7.22> 결합재 1을 사용한 재료의 압축강도 측정 결과(혼합비 1:6) ... 468
• <그림 3.7.23> 결합재 1을 사용한 재료의 압축강도 측정 결과(혼합비 1:3) ... 469
• <그림 3.7.24> 결합재 2를 사용한 재료의 압축강도 측정 결과(혼합비 1:6) ... 469
• <그림 3.7.25> 결합재 2를 사용한 재료의 압축강도 측정 결과(혼합비 1:3) ... 470
• <그림 3.7.26> 결합재 3을 사용한 재료의 압축강도 측정 결과 ... 470
• <그림 3.7.27> 물/결합재비에 따른 주입재료의 유동성 분석 ... 471
• <그림 3.7.28> 나노버블 생성 개념도 ... 473
• <그림 3.7.29> 고로슬래그의 잠재수경성 반응 모식도 ... 474
• <그림 3.7.30> 압축강도시험 모습 ... 475
• <그림 3.7.31> 순환자원 활용 바인더 및 배합수 종류에 따른 압축강도시험 결과 ... 477
• <그림 3.7.32> 특허 조사 및 분석 절차 ... 479
• <그림 3.7.33> 국가별-연도별 출원동향 ... 480
• <그림 3.7.34> 발명단위 특허의 연도별 출원 동향 ... 481
• <그림 3.7.35> 발명단위 특허 국적별 현황(좌) 및 IP5 2개국이상 특허 출원 국적별 현황(우) ... 482
• <그림 3.7.36> 저활용 순환자원의 유효활용 기술 발전단계 ... 483
• <그림 3.7.37> 순환자원 활용 시멘트 저감 기술의 적용 가능 분야(지안산업, 2021) ... 485
• <그림 3.8.1> 워터젯 자유면을 이용한 암반발파 굴착공법의 효과 ... 491
• <그림 3.8.2> 레이저 활용처 개념도(AI생성 컨셉 이미지 DALL·E 3) ... 491
• <그림 3.8.3> 레이저 특성(방출 종류, 광원 특성, 레이저 구조) ... 492
• <그림 3.8.4> 암석 Kerfing 실험 시 조사 지점에서의 레이저 상호작용 ... 494
• <그림 3.8.5> 일본 토카이 대학 레이저 실험 환경 및 20도 경사도 암석 시편 조건 ... 495
• <그림 3.8.6> National Energy Technology Lab에서 수행한 Nd:YAG 레이저 및 purge gas delivery system 실험 환경 ... 496
• <그림 3.8.7> 3cm 두께의 대리석 슬래브 장기간 레이저 조사 실험 결과 ... 496
• <그림 3.8.8> Moving Perforation 실험 결과;(a) 화강암, (b) 대리석, (c) 셰일 ... 497
• <그림 3.8.9> 레이저에 의한 thermal softening 현상을 활용한 scratch test 수행 ... 498
• <그림 3.8.10> 사암 시편에서 2초간 레이저 조사에 의한 균열 유도 현상;(a) 1000W, (b) 1200W, (c) 1400W, (d) 1600W, and (e) 1800W ... 499
• <그림 3.8.11> 1600W 레이저 2초간 조사에 의한 주변 사암 변화 양상 ... 499
• <그림 3.8.12> 사암 시편 레이저 조사에 의한 천공 원리 ... 500
• <그림 3.8.13> 암석 천공 실험;(a) 연속 조사-수중 조건, (b) 연속 조사-공기 노출 조건, (c) 펄스 조사-수중 조건, (d) 펄스 조사-공기 노출 조건 ... 501
• <그림 3.8.14> 다양한 레이저 암석 천공 패턴 분석 결과 ... 501
• <그림 3.8.15> 레이저 조사 실험 개요도 ... 502
• <그림 3.8.16> 레이저 조사빔 폭에 따른 암석 온도 분포도;(a) 6 mm, (b) 8 mm, (c) 10 mm, (d) 12 mm ... 502
• <그림 3.8.17> 휴대용 레이저 기기를 활용한 콘크리트 시편 절단 실험 ... 503
• <그림 3.8.18> 9kW 레이저를 활용한 콘크리트 절단 실험 결과 ... 503
• <그림 3.8.19> 구속압 조건의 Nd:YAG 레이저(400W급) perforation 실험 수행 ... 505
• <그림 3.8.20> 화강암 시편에 대한 구속압력에 따른 레이저 천공;(a) 비에너지 소요량(SE), (b) 천공속도(ROP) ... 505
• <그림 3.8.21> 30W급 CO2레이저의 조사 시간에 따른 Perforated 된 암석 시편;(좌)건조상태, (우)습윤상태 ... 506
• <그림 3.8.22> 레이저 암석 천공 과정 개념도;(좌)건조상태, (우)습윤상태 ... 507
• <그림 3.8.23> 워터젯을 활용한 암석 파쇄 적용성 검증;(좌)워터젯 개념도, (우)자유면 형성을 위한 파쇄 결과 ... 508
• <그림 3.8.24> 열-폭열(Thermal spallation) 드릴 개요도 ... 508
• <그림 3.8.25> 고압 워터젯에 의한 디스크 커터 선행 굴착 공법 ... 509
• <그림 3.8.26> 상용 레이저 커팅기 사용 가능한 물질 종류 ... 509
• <그림 3.8.27> 레이저 마킹기 장비 및 광원 ... 510
• <그림 3.8.28> 레이저 천공 실험 암석 시편 크기 차원 ... 511
• <그림 3.8.29> 레이저 천공 실험 암석 시편 ... 511
• <그림 3.8.30> 레이저 천공 비에너지 및 천공속도의 결과 비교 ... 513
• <그림 3.8.31> 암석 시편(2종) 대상 Point 조사 실험 결과 ... 513
• <그림 3.8.32> 암석 시편(2종) 대상 Line 조사 및 Fixed Interval 조사 실험 결과 ... 514
• <그림 3.8.33> 암석 시편(2종) 대상 수분(지하수) 영향 실험 결과 ... 514
• <그림 3.8.34> 레이저 조사 유발 열랑 측정 실험;(좌)열화상 카메라,(우)계측 전경 ... 515
• <그림 3.8.35> 레이저 조사에 따른 열분포;(좌)20초 조사 후,(우) 40초 경과 후 ... 515
• <그림 3.8.36> 레이저 Thermal Softening 유도에 의한 디스크커터 보조 기술 ... 517
• <그림 3.8.37> 워터젯 자유면을 이용한 암반발파 굴착공법의 효과 ... 517
• <그림 3.8.38> Laser perforated wellbore geometry ... 517
• <그림 3.8.39> 레이저 암반 굴착 기술 예상도 (AI생성 컨셉 이미지 DALL·E 3) ... 518
• 끝페이지 ... 534