본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

투수 및 이완하중 파악을 위한 터널 라이닝의 인공신경망 역해석
Tunnel-lining Back Analysis Based on Artificial Neural Network for Characterizing Seepage and Rock Mass Load

공정식   (고려대학교 사회환경시스템공학과UU0000159  ); 최준우   (고려대학교 사회환경시스템공학과UU0000159  ); 박현일   (삼성물산(주)건설부문 기술연구소CC0101987  ); 남석우   (삼성물산(주)건설부문 토목기술팀CC0101987  ); 이인모   (고려대학교 사회환경시스템공학과UU0000159  );
  • 초록

    터널과 관련된 여러 영향인자중 시간의 따른 투수상태와 지반의 장기거동은 터널의 이상 거동을 이해하는데 있어서 중요하다. 터널은 이러한 인자에 의해서 심각한 손상을 입을 수 있으나 시공 후 이러한 인자들에 의해 발생한 영향을 정량적으로 분석해 내는 것은 쉽지 않다. 입력과 출력간의 상관관계가 비교적 독립적이라면 터널거동에 미치는 인자들의 영향은 역해석 기법을 적용하여 예측할 수 있다. 모델을 구성하는 입출력 자료의 특성에 따라 인공신경망 기법이나 최소제곱법 등 다양한 역해석 방법이 개발 될 수 있으며 수치해석, 실험 또는 계측 결과가 역해석 모델의 구성 및 검증을 위해 쓰일 수 있다. 본 연구에서는 시공 후 터널의 내공 변위 변화로부터 투수 및 지반의 장기거동과 관련된 인자들 중 배수재의 투수계수, 지하수위, 장기 이완 하중 크기 및 암반 손상 패턴 등의 변화에 의한 영향을 정량적으로 분석할 수 있는 역해석 기법을 개발하였다. 역해석은 인공신경망 기법을 적용하였으며 학습데이터 확보를 위해 수치해석 모델이 개발 되고 다양한 하중 상태에 대한 거동 분석이 이루어졌다.


    Among a variety of influencing components, time-variant seepage and long-term underground motion are important to understand the abnormal behavior of tunnels. Excessiveness of these two components could be the direct cause of severe damage on tunnels, however, it is not easy to quantify the effect of these on the behavior of tunnels. These parameters can be estimated by using inverse methods once the appropriate relationship between inputs and results is clarified. Various inverse methods or parameter estimation techniques such as artificial neural network and least square method can be used depending on the characteristics of given problems. Numerical analyses, experiments, or monitoring results are frequently used to prepare a set of inputs and results to establish the back analysis models. In this study, a back analysis method has been developed to estimate geotechnically hard-to-known parameters such as permeability of tunnel filter, underground water table, long-term rock mass load, size of damaged zone associated with seepage and long-term underground motion. The artificial neural network technique is adopted and the numerical models developed in the first part are used to prepare a set of data for learning process. Tunnel behavior, especially the displacements of the lining, has been exclusively investigated for the back analysis.


  • 주제어

    Artificial neural network .   Long-term behavior .   Rock mass load .   Seepage .   Tunnel-lining.  

  • 참고문헌 (15)

    1. 이준석, 최일윤 (2002), '정적 내공변위를 이용한 터널 라이닝 손상 검출기법에 관한 연구', 한국지반공학회논문집, Vol.18, No.6, pp.153-160     
    2. 최준우 (2005), 투수 및 이완하중 파악을 위한 터널 라이닝의 해석 및 역해석, 석사학위논문, 고려대학교 
    3. 한국도로공사 (2003), 도로설계요령 제4권 터널, pp.16-28 
    4. Khanna, T. (1989), Foundations of Neural Networks, Addison-Wesley 
    5. Hertz, J., Krogh, A. and Palmer, R. (1991), 'Introduction to the Theory of Neural Computation', Addison-Wesley 
    6. Aleksander, I. and Morton, H. (1990), An Introduction to Neural Computing, Chapman and Hall 
    7. Barton, N. (2002), 'Some New Q-value Correlations to Assist in Site Characterisation and Tunnel Design', Journal of Rock Mechanics and Mining Science & Geomechanics, Vol.39, No.2, pp.185-216 
    8. Hagan, M.T., Demuth, H.B. and Beale, M.H. (1996), Neural Network Design, PWS Pub 
    9. 한국시설안전기술공단 (2003), 공용중인 터널(산악터널)에 작용하는 지반응력 측정에 관한 연구, 한국시설안전기술공단 
    10. Hoek, E., Carranza-Torres, C. and Corkum, B. (2002). 'Hoek-Brown Failure Criterion - 2002 Edition', North American rock mechanics symposium, pp.267-274 
    11. Dowla, F.U. and Rogers, L.L. (1995), Solving Problems in Environmental Engineering and Geoscience with Artificial Neural Networks, MIT 
    12. Kohonen, T. (1988), 'An Introduction to Neural Computing', Neural Networks, Vol.1, No.1, pp.3-16 
    13. 이성진, 이승래, 장범수 (2002), '인공신경망 모델을 이용한 불포화토 겉보기 점착력 추정에 관한 연구', 대한토목학회논문집, Vol.22, No.3, pp.331-344 
    14. Forsee, F.D. and Hagan, M.T. (1997), 'Gauss-Newton Aproximation to Bayesian Learning', Proceedings of the 1997 International Join Conference on Neural Networks, pp.1930-1935 
    15. Kurup, P.U. and Dudani, N.K. (2002), 'Neural Networks for Profiling Stress History of Clays from PCPT Data.', Journal of Geotechnical and Geoenvironmental Engineering, Vol.28, No.7, pp.569-578 

 저자의 다른 논문

  • 공정식 (15)

    1. 2006 "투수 및 암반거동을 고려한 터널 라이닝의 거동 분석" 大韓土木學會論文集, Journal of the Korean Society of Civil Engineers, C. 지반공학, 터널공학 26 (c5): 359~368    
    2. 2006 "생애주기 성능 및 비용에 기초한 교량 유지관리기법 개발" 大韓土木學會論文集, Journal of the Korean Society of Civil Engineers. A. 구조공학, 원자력공학, 콘크리트공학 26 (a6): 1023~1032    
    3. 2006 "전산구조 프로그램 길라잡이" 전산 구조 공학 = Journal of the Computational Structural Engineering Institute of Korea 19 (3): 7~16    
    4. 2008 "응답면 기법을 이용한 강교의 열화 및 보수보강 정량화 이력 모델" 大韓土木學會論文集, Journal of the Korean Society of Civil Engineers. A. 구조공학, 원자력공학, 콘크리트공학 28 (a6): 765~778    
    5. 2010 "기후변화에 따른 수공구조물 영향분석 최신 연구동향" 물과 미래 : 한국수자원학회지 = Water for future 43 (9): 37~42    
    6. 2014 "ICT 기반 교량 안전 진단 및 통합 유지 관리 기술" 한국구조물진단유지관리공학회지 = Magazine of the Korea institute for structural maintenance and inspection 18 (1): 49~52    
    7. 2015 "교량전산관리시스템 및 의사결정" 전산 구조 공학 = Journal of the Computational Structural Engineering Institute of Korea 28 (2): 15~19    
    8. 2016 "교량의 생애주기관리를 위한 전산시스템의 개발" 전산 구조 공학 = Journal of the Computational Structural Engineering Institute of Korea 29 (1): 5~10    
    9. 2016 "교량 성능 모델의 개발 및 업데이트" 전산 구조 공학 = Journal of the Computational Structural Engineering Institute of Korea 29 (1): 11~15    
    10. 2018 "원전 구조물의 내진성능 평가 방법론 고찰" 한국압력기기공학회 논문집 = Transactions of the Korean Society of Pressure Vessels and Piping 14 (2): 32~40    
  • 최준우 (2)

  • 이인모 (91)

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • NDSL :
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 이용한 콘텐츠
이 논문과 함께 출판된 논문 + 더보기