Feasibility of Artificial Neural Network Model Application for Evaluation of Undrained Shear Strength from Piezocone Measurements

피에조콘을 이용한 점토의 비배수전단강도 추정에의 인공신경망 이론 적용

  • 김영상 (국립 여수대학교 해양시스템공학)
  • Published : 2003.08.01


The feasibility of using neural networks to model the complex relationship between piezocone measurements and the undrained shear strength of clays has been investigated. A three layered back propagation neural network model was developed based on actual undrained shear strengths, which were obtained from the isotrpoically and anisotrpoically consolidated triaxial compression test(CIUC and CAUC), and piezocone measurements compiled from various locations around the world. It was validated by comparing model predictions with measured values about new piezocone data, which were not previously employed during development of model. Performance of the neural network model was compared with conventional empirical method, direct correlation method, and theoretical method. It was found that the neural network model is not only capable of inferring a complex relationship between piezocone measurements and the undrained shear strength of clays but also gives a more precise and reliable undrained shear strength than theoretical and empirical approaches. Furthermore, neural network model has a possibility to be a generalized relationship between piezocone measurements and undrained shear strength over the various places and countries, while the present empirical correlations present the site specific relationship.

본 논문에서는 피에조콘 관입시험 결과로부터 점토의 비배수전단강도를 예측하기 위한 인공신경망 이론의 적용과 최적 모델 구축에 대하여 기술하였다. 먼저 등방 및 비등방 삼축압축실험(CIUC and CAUC)으로 얻어진 비배수전단강도 결과를 바탕으로 오차역전파 알고리즘에 의하여 간단한 다층 구조를 갖는 최적 인공신경망 모델이 구성되었다. 구성된 인공신경망 모델은 모델 구축 시에 사용되지 않은 새로운 자료에 대해 비배수전단강도 예측을 수행하고 예측결과와 실내시험 결과를 비교함으로써 그 타당성이 검증되었다. 또한 기존의 이론적 방법, 경험적 방법 및 direct correlation method 등으로 예측된 비배수전단강도와 제안된 모델의 예측결과를 비교하였다. 본 논문에서 제안된 인공신경망 모델링 기법은 피에조콘 관측결과들과 비배수전단강도 간의 비선형적 상관관계를 정의하는 데에 유용하며 구성된 인공신경망 모델은 기존의 이론적 및 경험적 방법들에 비하여 예측 신뢰성이 높은 것으로 나타났다. 또한, 지금까지 주로 사용되어 온 경험적 방법들이 특정 지역에 대한 상관관계에 만족하던 것과 비교해 인공신경망 모델은 다양한 지역과 국가에서 일반적으로 적용 가능한 상관관계로서 발전될 가능성이 있음을 알 수 있었다.



  1. 대한토목학회논문집 v.22 no.6-C 피에조콘을 이용한 연약지반 선행압밀하중 결정의 인공신경망 이론 적용 연구 김영상;이승래;김종수
  2. 박사학위논문, 서울대학교 피에조콘을 이용한 국내지반의 공학적 특성 연구 이선재
  3. 한국지반공학회논문집 v.17 no.6 국내 점성토 지반의 피에조콘 계수 장인성;이선재;정충기;김명모
  4. Ph.D thesis, Georgia Institute of Technology Profiling stress history of clays using piezocone with dual pore pressure measurements Chen,B.S.Y.
  5. $11^ {th}$ Southeast Asian Geotechnical conference Piezocone Evaluation of Undrained Shear Strength in Clays Chen,B.S.Y;Mayne,P.W.
  6. AI expert v.6 no.7 Interpreting neural-network connection weights Garson,G.D.
  7. ASCE Journal of Geotechnical Engineering v.120 no.9 Seismic liquefaction potential assessed by neural-networks Goh,A.T.C.
  8. Neural Networks v.2 no.5 Multilayer feed-forward networks are universial approximators Hornik,K.;Stinchcombe,M.;White,H.
  9. Canadian Geotechnical Journal v.24 Undrained Strength from piezocone tests Konard,J.M.;Law,K.T.
  10. ASCE Journal of Geotechnical and Geoenvironmental Engineering v.128 no.7 Neural networks for profilng stress history of clays from PCPT data Kurup,P.U.;Dudani,N.
  11. ASCE Journal of Geotechnical Engineering v.106 no.11 Cam Clay predictions of undrained strength Mayne,P.W.
  12. ISOPT-1 v.2 Direct Correlations between Piezocone Test Results and Undrained Shear Strength of Clay Rad,N.R.;Lunne,T.
  13. Electronic Journal of Geotechnical Engineering Artificial Intelligence Applications in Geotechnical Engineering Toll,D.