2017년 11월 15일 대한민국 포항에서 규모 5.4의 지진이 발생하였다. 이 지진은 대한민국에서 기록된 지진 중 두 번째로 큰 규모였으며 지반과 기반시설에 치명적인 영향을 미쳤다. 모든 지반 변형 가운데서도 진앙 부근에서 관찰된 수백 건의 액상화로 인한 모래 분출(sand boils)과 지반 붕괴가 주요 쟁점이었다. 그러나 지하 특성과 액상화 취약도 지수가 지역 단위의 액상화 발현을 유발하는지, 그리고 그 결과로서 국소 액상화가 어떻게 발생하는지 여부는 여전히 불명확하다. 본 연구에서는 주요 액상화 취약도 지수의 공간적 불확실성을 고려하는 부지 특이적 액상화 유발(site-specific liquefaction triggering) 분석을 위한 새로운 데이터 기반 모델을 제시한다. 이를 위해 최적화 지향의 지도학습 및 비지도학습 기계학습 모델을 결합하는 고도 인공지능 기술을 구축함으로써 달성하였다. 단계적 의사결정 과정은 클러스터링 앙상블(clustering ensemble) 방법론에 기반한 통합 액상화 위험 구역 설정(hazard zonation)을 개발할 수 있으며, 액상화 인벤토리(liquefaction inventory)와의 성능 평가를 최적화한 분류를 통해 실현 가능한 액상화 영향(impact) 지도 작성 절차를 파악하는 데 도움이 될 수 있다. 지오데이터(geo-data)와 지리공간 모델링의 가능성에 따라 달라지는 대안적 3단계 접근은 3차원 격자 네트워크(3D grid network)를 기반으로 한 세 가지 구역 설정 방법(매크로-, 마이크로-, 나노-구역 설정)으로 구성되며, 각 단계에서 최적 적합(best-fitting) 기계학습 모델을 배정한다. 그 결과로 도출된 액상화 영향 지도는 고해상도를 가지며 나노-구역 설정 기반의 군집화된 액상화 지수로 할당되어, 액상화로 인한 지반 변위의 구역화를 위한 부지 특이적 의사결정을 지원할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.