성토 하중을 고려한 Seq2Seq-LSTM 모델 기반 압밀침하 예측

• 영문명: Consolidation Settlement Prediction Based on Seq2Seq-LSTM Considering Preloading
• 발행기관: 한국방재학회
• 저자명: 정재우(Jaewoo Jung) 배병규(Byongkyu Bae) 안재훈(Jaehun Ahn)
• 간행물 정보: 『2. 한국방재학회 논문집』25권 5호, 145~152쪽, 전체 8쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2025.10.31

국문 초록

연약지반 위에 시공된 구조물은 장기간 침하로 인해 문제가 발생할 수 있으며, 구조물의 안정성을 확보하기 위해 시공 중 침하 계측 및 관리는 매우 중요한 사항이다. 계측값을 바탕으로 한 침하예측에는 쌍곡선법, Hoshino법, Asaoka법 등을 사용하고 있으나, 이러한 기법은 성토 완료 이후 침하를 바탕으로 최종 침하량을 예측하므로, 성토 기간이 길어지는 등 계측 데이터가 부족한 경우에는 침하예측이 어려워지는 한계가 발생한다. 본 연구에서는 이러한 기존 기법의 한계를 극복하기 위해, 성토 하중을 고려한 Seq2Seq-LSTM 모델 기반 침하량 예측 기법을 제안하였다. 제안 모델의 학습을 위해 특정 현장 성토 및 침하량의 38개 데이터셋을 사용하였으며, 학습된 모델의 평가는 다른 현장의 침하량을 예측하고 검증하는 것으로 수행하였다. 해석결과, 학습된 모델은 타 현장의 침하량을 성공적으로 예측하였으며, 특히 기존 쌍곡선법, Hoshino법, Asaoka법과 비교하여 상대적으로 우수한 성능을 보였다. 제안된 모델은 향후 연약지반 장기침하 계측관리에 유용하게 적용될 수 있을 것으로 판단된다.

영문 초록

Structures constructed on soft ground can experience long-term settlement, which may lead to problems. Thus, settlement monitoring and management during construction are crucial for ensuring structural stability. Settlement predictions based on monitoring data are commonly performed using the hyperbolic, Hoshino, and Asaoka methods. However, these approaches estimate the final settlement based on the data obtained after completing preloading. This makes prediction challenging when the construction period is prolonged or when monitoring data are insufficient. To address these limitations, we propose a settlement prediction method based on a Seq2Seq-long short-term memory (LSTM) model that incorporates embankment load as an input factor. The model was trained on 38 datasets containing embankment load and settlement measurements from a specific site. In evaluations, the proposed model successfully predicted the settlement at different sites, demonstrating a relatively superior performance compared to the hyperbolic, Hoshino, and Asaoka methods. Therefore, the proposed approach can be useful for long-term settlement monitoring and management under soft ground conditions.

목차

1. 서 론

2. 현장 개요 및 데이터

3. 계측 기반 침하예측 기법

4. 침하예측 결과

5. 결 론

감사의 글

References

키워드

압밀침하 연약점토 딥러닝 침하량 예측 Consolidation Settlement Soft Clay Deep Learning LSTM Settlement Prediction