AI 기반의 발파진동 계수 예측 및 보정계수 산정에 관한 연구 (Prediction and Determination of Correction Coefficients for Blast Vibration Based on AI)

서지정보

· 발행기관 : 대한화약발파공학회
· 수록지 정보 : 화약 발파 / 41권 / 3호 / 26 ~ 37페이지
· 저자명 : 유광호, 송명규, 이현구, 김남중

초록

발파공법을 이용한 터널 건설 시 발생하는 진동을 최소화할 수 있는 폭약량의 결정을 위해서는 현장에서
시험발파, 혹은 유사조건에서의 진동기록을 분석하여 발파진동계수 K, n을 도출해야 한다. 본 연구에서는 시험발
파를 수행하지 못할 경우, 합리적인 K 및 n을 도출할 수 있는 기법의 개발을 목적으로 하였다. 이를 위해 실규모
시험발파 자료를 수집한 후, 심층학습(DL)을 활용하여 화약류의 종류, 심발공법, 암반의 성인 및 종류, 암반등급
에 따라 발파진동계수(K, n)를 예측할 수 있는 방법을 연구하였다.
또한 시추공 시험발파 결과의 한계성을 보완하고, 현실에 좀 더 부합하는 설계 수행을 목적으로 실규모 및 시추
공 시험발파 결과 간의 보정값을 산정하였다. 본 연구결과 시추공 시험발파 결과식에 따른 사용 가능한 폭약량을
비교하였을 경우, 심층학습(DL)에 의한 결과는 50%이상, 보정값을 반영한 결과는 기타 발파진동 추정식과 유사
하거나 약 20% 더 사용할 수 있어서 보다 경제적 설계가 가능하였다.

영어초록

In order to determine the amount of explosives that can minimize the vibration generated during
tunnel construction using the blasting method, it is necessary to derive the blasting vibration coefficients, K
and n, by analyzing the vibration records of trial blasting in the field or under similar conditions. In this
study, we aimed to develop a technique that can derive reasonable K and n when trial blasting cannot be
performed. To this end, we collected full-scale trial blast data and studied how to predict the blast
vibration coefficient (K, n) according to the type of explosive, center cut blasting method, rock origin and
type, and rock grade using deep learning (DL). In addition, the correction value between full-scale and
borehole trial blasting results was calculated to compensate for the limitations of the borehole trial blasting
results and to carry out a design that aligns more closely with reality. In this study, when comparing the
available explosive amount according to the borehole trial blasting result equation, the predictions from
deep learning (DL) exceed 50%, and the result with the correction value is similar to other blast vibration
estimation equations or about 20% more, enabling more economical design.

참고자료

· 없음