Journal of the Korea institute for structural maintenance and inspection (한국구조물진단유지관리공학회 논문집)

Korea Institute for Structural Maintenance Inspection (한국구조물진단유지관리공학회)
권호 표지

Assessment of Shear Strength Parameter for Weathered Soils Using Artificial Neural Network

인공신경망을 이용한 풍화토의 강도정수 산정

  • 이무철 (서울시립대학교 토목공학과) ;
  • 이송 (서울시립대학교 토목공학과)
  • Received : 2007.07.19
  • Published : 2008.05.30
Download PDF
⟨ Previous Next ⟩

Abstract

Weathered soil slope loses its shear strength if it is exposed in the air for a long time or in contact with water. And this kind of strength loss is remarkable in dam slope which has very big difference in water level according to the season. In this study, shear strength loss of weathered soil due to saturation had been found out through dryness and wetness repetition direct shear test. Also relation between penetration blow number(Nc) and shear strength parameter had been found out through small sized dynamic cone penetration test device and the correlation equation of Nc had been proposed through artificial neural network analysis to estimate shear strength parameter easily.

풍화토 사면은 장시간 공기에 노출되거나 물과 접촉을 하게 되면 전단강도가 급격히 저하되며 계절에 따른 수위의 변화가 매우 큰 댐사면의 경우는 강도저하가 더욱 크게 발생한다. 풍화토 사면의 강도저하 파악을 위하여 반복전단시험 및 수침 건조를 반복한 시료에 대한 잔류강도 시험을 통해 포화에 따른 강도의 저하를 파악하였다. 또한 소형동적콘관입시험기를 이용하여 관입타격횟수와 전단강도정수관계를 파악하고 인공신경망 해석을 통하여 관입타격횟수 Nc를 이용한 전단강도정수의 예측이 용이하도록 상관식을 구성하였다.

Keywords

References

  1. 김찬기, 이강일, 배기목, '풍화화강암과 풍화토의 공학적 성질과 응용', 창우출판, 1999
  2. 김홍택, '인공신경망을 이용한 굴착단계별 흙막이 벽체의 최대변위 예측시스템 개발', 한국지반공학회 논문집, 제 16권, 제 1호, 2000, pp. 83-98
  3. 박병기, '화강암질 풍화토의 특성연구(I)', 대한토목학회지, 제 21권, 제 4호, 1973, pp. 83-96
  4. 박형규, '인공신경망을 이용한 압밀거동 예측', 한국지반공학회 가을학술발표회, 2000, pp. 673-680
  5. 오창석, '뉴로컴퓨터', 지성출판사, 1997. 6. Anthony T. C. Goh., 'Seismic Liquefaction Potential Assessed by Neural Network', J. Geotech. Engng., ASCE, Vol. 120, No. 9, 1994, pp. 1467-1480 https://doi.org/10.1061/(ASCE)0733-9410(1994)120:9(1467)
  6. Anthony T. C. Goh., 'Estimation of lateral wall movements in braced excavations using neural networks', Can. Geotech. J., Vol. 32, 1995, pp. 1059-1064 https://doi.org/10.1139/t95-103
  7. Anthony T. C. Goh., 'Neural-Network Modeling of CPT Seismic Liquefaction Data', J. Geotech. Engng. ASCE, Vol. 122, No. 1, 1996, pp. 70-73 https://doi.org/10.1061/(ASCE)0733-9410(1996)122:1(70)
  8. Anthony T. C. Goh., 'Pile driving records reanalyzed using neural network', J. Geotech. Engng. ASCE, Vol. 122, No. 6, 1996, pp. 492-495 https://doi.org/10.1061/(ASCE)0733-9410(1996)122:6(492)
  9. Asaoka, A., 'Observational procedure of settlement prediction', Soil and Foundation, Vol. 18, No. 4, 1978, pp. 87-101 https://doi.org/10.3208/sandf1972.18.4_87
  10. Bailey, D., and Thompson, D., 'How to develop neural network application.', AI Expert, 5(6), 1990, pp. 38-47
  11. Braja M. Das, 'Principles of Geotechnical Engineering', PWS Publishing Company
  12. Ellis, G. W., 'Neural network modeling of the mechanical behavior ofsand.' Proc., 9th Conf., ASCE Engng. Mech., ASCE, New York, N. Y., 1992, pp. 421-424