Abstract
In this paper a back-propagation neural network model is developed to estimate the preconsolidation pressure of Korean soft soils based on 176 oedometer tests and 63 piezocone test results, which were compiled from 11 sites - western and southern parts of Korea. Only 147 data were used for the training of the neural network and 29 data, which were not used during the training phase, were used for the verification of trained network. Empirical and theoretical models were compared with the developed neural network model. A simple 4-4-9-1 multi-layered neural network has been developed. The cone tip resistance $q_T$ penetration pore pressure $u_2$, total overburden pressure $\sigma_{vo}$ and effective overburden pressure $\sigma'_{vo}$ were selected as input variables. The developed neural network model was validated by comparing the prediction results of the proposed neural network model for the new data which were not used for the training of the model with the measured preconsolidation pressures. It can also predict more precise and reliable preconsolidation pressures than the analytical and empirical model. Furthermore, it can be carefully concluded that neural network model can be used as a generalized model for prediction of preconsolidation pressure throughout Korea since developed model shows good performance for the new data which were not used in both training and testing data.
본 논문에서는 국내 서남해안 11개 지역에서 수행된 63회의 피에조콘 시험결과와 176개의 선행압밀하중 자료로부터 국내 연약지반의 선행압밀하중 예측을 위한 오차 역전파 알고리즘으로 학습된 피에조콘 인공신경망 모델을 구축하였다. 전체 자료 중 147개의 자료만이 인공신경망 모델 구축을 위한 학습과정에 사용되었으며 학습에 사용되지 않은 29개의 자료를 구축된 인공신경망의 검증에 활용하였다. 또한 기존의 경험모델 및 이론모델과 비교하여 제안된 인공신경망 모델의 유용성을 확인하였다. 연구를 통하여 4-4-9-1의 구조를 갖는 간단한 다층 인공신경망이 구축되었으며 입력값으로는 피에조콘 선단저항력 $q_T$, 관입간극수압 $u_2$그리고 지반의 총상재하중 $\sigma_{vo}$ 및 유효상재하중 $\sigma'_{vo}$ 이 사용되었다. 제안된 인공신경망 모델은 학습되지 않은 새로운 검증자료에 대한 예측을 통하여 입력변수들과 선행압밀 하중 간의 비선형적 상관관계를 성공적으로 모델하는 것으로 검증되었으며 정확성면에서는 기존의 이론모델과 국내외 경험모델과 비교할 때 월등히 향상된 예측능력을 가진 것으로 나타났다. 뿐만 아니라 제안된 모델은 국내 특정지 역에 대한 모델이 아니라 서남해안의 다양한 지반특성을 갖는 지반에서 수행된 자료를 바탕으로 구축되어 데이터베이스에 포함되지 않은 지역에 대하여도 매우 타당성있는 예측결과를 주어 특정지역에 국한된 지역의존적 예측이 아닌 일반화된 지역에서 적용할 수 있을 것으로 판단된다.
