3D Subsurface Integration and Site Classification for Geotechnical Informationization
연구 내용
시추·지구물리·지형 데이터를 3차원 지반모델로 통합하고 지반탐사 불확실성을 반영한 Machine Learning 기반 사이트 분류 체계를 개발하는 연구
건설현장에서는 제한된 시추·조사량으로 인해 지반층위와 공학적 파라미터의 공간 불확실성이 커집니다. 김한샘 연구실은 borehole log와 지구물리 정보를 outlier 제거 후 3D 통합 데이터베이스로 구축하고, kriging과 simulation 기반 보간으로 층 경계와 지반 프로파일을 예측합니다. 이후 Random forest, SVM, ANN 등 지도학습 분류모델에 PCA와 k-fold 교차검증을 적용하여 지형 프록시와 Vs30뿐 아니라 액상화·산사태 취약도 지표를 함께 입력해 부지 상태 클래스를 산정합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 서울 지역 borehole 데이터베이스를 활용해 3차원 지반층위를 Deep neural network 기반 모델로 매핑하는 연구를 수행했습니다. 이후 지하철 공사 현장에서 시추 자료와 지구물리 데이터를 outlier 제거와 digitization으로 정합하고, 지진파 속도 기반으로 층 경계를 최적화하는 통합 기법으로 확장했습니다. 이어 전국 단위 사이트 분류를 목표로 지구공간 빅데이터 플랫폼에서 PCA와 k-fold 검증을 포함한 ML 분류체계를 구축했습니다. 최근에는 SPT 기반 지반 강성을 대상으로 mosaic 기반 3D 예측을 적용해 도시 고위험 구역의 공간 변동성을 보수적으로 반영하는 방향으로 연구를 발전시켰습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Three-dimensional geotechnical-layer mapping in Seoul using borehole database and deep neural network-based model
Geostatistical-learning-based site-optimum 3D integration of borehole logs and geophysical data in urban area in South Korea
Machine Learning-based Site Classification System for Earthquake-Induced Multi-Hazard in South Korea
Geospatial Mosaic-Based 3D Ground Model of SPT-Derived Subsurface Stiffness in Seoul, South Korea