|
|
|
한국지반공학회 / v.17, no.6, 2001년, pp.25-36 
|
압축지수의 추정을 위한 인공신경망 적용과 경험식 제안
( Proposition Empirical Equations and Application of Artificial Neural Network to the Estimation of Compression Index ) |
| 김병탁;김영수;배상근; 한국해양연구원;경북대학교 공과대학 토목공학과;경북대학교 공과대학 토목공학과;
|
|
|
 |
|
| |
| 초 록 |
| 본 연구목적은 압축지수에 대한 기본 물성들의 영향을 검토하고 국내 점토에 대한 새로운 압축지수 경험식을 제안하고 오류 역전파 신경망 알고리즘의 적용성을 검증함에 있다. 11개 지구의 점토에 대한 실내시험결과에서 얻어진 압축지수 값은 최소 0.01에서 최대 3.06 정도의 범위로 나타났다. 기존 제안된 경험식에 의한 압축지수의 추정값과 시험결과를 비교한 결과, 단일 지반변수를 이용하는 경험식의 결과들은 과소평가될 가능성이 크게 나타났으며 복합 지반변수를 이용하는 경험식의 결과는 단일 지반변수의 경우보다 추정의 정확성이 높으나 시험결과와의 표준오차가 최소 0.05로서 다소 크게 나타나고 있다. 이에 본 연구에서는 시험결과에 근거한 압축지수에 대하여 회귀분석으로 단일 및 복합 지반변수를 이용하는 경험식을 제안하였으며 이들의 결정계수는 최소 0.89 이상으로 결정되었다. 본 연구에서 사용한 인공 신경망 구조에서 시험결과와 신경망 결과의 상관계수 및 표준오차는 각각 0.925 이상과 0.0196 이하로 나타나 높은 상관성을 나타내었다. 특히, 인공 신경망에 의한 예측결과는 압축지수에 대한 영향인자들 중에서 자연 함수비, 건조단위중량 그리고 현장 간극비의 3개 변수만으로도 압축지수를 예측할 수 있었으며, 상관계수는 0.974로 나타났다. 따라서, 인공 신경망이 이용된다면 간편한 현장실험에서 얻어진 변수들에 의하여 압축지수를 예측 할 수 있는 가능성을 입증하였다. |
|
| The purpose of this paper is to discuss the effects of soil properties such as liquid limit, water content, etc. on the compression index and to propose the empirical equation of compression index far regional clay and to verify the application Back Propagation Neural Network(BPNN). The compression index values obtained from laboratory tests are in the range of 0.01 to 3.06 for clay soils sampled in eleven regions. As the compare with the results of laboratory test and the predicted compression index value from the proposed empirical equations, the results of empirical equations including single soil parameter have a possibility to be overestimated. Also, the results of empirical equations including multiple soil parameters closed to the measured value more than that of empirical equations including single soil parameter, but the standard error for measured value obtained larger than 0.05. For these reasons, the empirical equations including single or multiple soil parameters proposed base on the results of laboratory test and the determination coefficient is up to 0.89. The result of BPNN shows that correlation coefficient and standard error between test and neural network result is larger than 0.925 and smaller than 0.0196, which means high correlativity, respectively. Especially, the estimated result by neural network, using only three parameters such as natural water content, dry unit weight and in-situ void ratio among various factors is available to the estimation of compression index and the correlation coefficient is 0.974. This result verified the possibility that if BPNN use, the compression index can be predicted by the parameters, which obtained from simplex field test. |
| |
| 키워드 |
| Compression index;Empirical equation;Neural network;Single and multiple soil parameters; |
| |
|
|
|
|
한국지반공학회논문집 / v.17, no.6, 2001년, pp.25-36
한국지반공학회
ISSN : 1229-2427
UCI : G100:I100-KOI(KISTI1.1003/JNL.JAKO200111920879459)
언어 : 한국어 |
|
| 논문 제공 : KISTI 한국과학기술정보연구원 |
|
|
|
|
|
|
