KSCE Journal of Civil and Environmental Engineering Research (대한토목학회논문집)

Korean Society of Civil Engeneers (대한토목학회)
권호 표지
DOI QR코드

DOI QR Code

Prediction of Field Permeability Using by Artificial Neural Network

인공신경망을 이용한 현장투수계수 예측

  • 김영수 (경북대학교 공과대학 건설공학부 토목공학) ;
  • 정성관 (경북대학교 농업생명과학대학 조경학과) ;
  • 김대만 (경북대학교 공과대학 건설공학부)
  • Received : 2009.01.22
  • Accepted : 2009.04.22
  • Published : 2009.05.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this study, artificial neural network was performed using the data of soils characteristic value, standard penetration test, and field permeability test of the 12 embankment that are located in the near Nak-dong and Kum-ho river to estimate the coefficient of field permeability of river embankment. The 89 data of total 108, 82% was used in learning step, and the other 19 data was used in estimation step. Also the results of generally used empirical equations were compared with those of artificial neural network for evaluation of application. As results, all of the coefficient of field permeability by empirical equation showed below 0.4 in terms of the coefficient of correlation with the measured values, but the coefficient of correlation of the predicted results by artificial neural network was up 0.8 in the all case. Therefore artificial neural network could predict more the precise field permeability well than the empirical equations.

본 연구에서는 하천제방의 현장투수계수를 예측하기 위하여 낙동강과 금호강 유역에 위치한 12개소 제방의 지반물성치, 표준관입실험 그리고 현장투수실험 자료를 이용하여 인공신경망해석을 실시하였다. 총 108개의 자료 중 82%인 89개 자료를 학습단계에 그리고, 나머지 19개 자료는 예측단계에 사용하였다. 또한 그 적용성 평가를 위하여 현재 널리 사용되고 있는 경험식들에 의한 결과와 비교하였다. 그 결과 경험식을 통한 현장투수계수는 모두 실측치와의 상관계수가 0.3 이하로 나와 실측치와는 큰 차이가 있으나, 그에 비하여 신경망에 의한 예측결과는 모든 Case에서 실측치와의 상관계수가 모두 0.8이상으로 기존 경험식들에 비하여 정확한 현장투수계수를 예측을 하였다.

Keywords

References

  1. 김영수, 정우섭, 정환철, 임안식(2003) 인공신경망을 이용한 연약지반의 지반설계정수 예측, 대한토목학회논문집, 대한토목학회,제23권, 제5C호, pp. 273-279.
  2. 김병탁, 김영수, 배상근(2001) 압축지수의 추정을 위한 인공신경망 적용과 경험식 제안. 한국지반공학회논문집, 한국지반공학회, 제17권, 제6호. pp. 25-36.
  3. 윤길림, 김병탁(2003) 국내 해양지반에 적합한 압축지수 경험식 제안. 대한토목학회논문집, 대한토목학회, 제23권, 제3C호, pp. 169-176.
  4. 이인모, 조계춘, 이정학(1997) 인공신경망을 이용한 암반의 투수 계수 예측. 한국지반공학회논문집, 한국지반공학회, 제13권, 제2호, pp. 77-89.
  5. Amer, A.M. and Awad, A.A. (1974) Permeability of cohesionless soils. Journal of the Geotechnical Engineering Division, ASCE, Vol. 100, No. GT12, pp. 1309-1316.
  6. Carman, P.C. (1956) Flow of gases through porous media. Academic Press, New York, N.Y.
  7. Carrier, W.D. (2003) Goodbye, Hazen; Hello, Kozeny-Carman. Journal of Geotechnical and Geoenvironmental Engineeing, ASCE, Vol. 129, No. 11, pp. 1054-1056. https://doi.org/10.1061/(ASCE)1090-0241(2003)129:11(1054)
  8. Chapuis, R.P., Gill, D.E., and Baass, K. (1989) Laboratory permeability tests on Sand: Influence of compaction method on anisotropy. Canadian Geotechnical Journal, Vol. 26, pp. 614-622. https://doi.org/10.1139/t89-074
  9. Fair, G.M. and Hatch, L.P. (1933) Fundamental factors governing the streamline flow of water through sand. Journal of the American Water Works Association, Vol. 25, No. 11, pp. 1551-1565.
  10. Hazen, A. (1930) Water supply. American Civil Engineers Handbook, John Wiley & Sons, New York, N.Y.
  11. Garson, G.D. (1991) Interpreting neural-network connection weights. AI Expert, Vol. 6, No. 7, pp. 47-51.