Journal of the Korean Geotechnical Society. 31 August 2022. 53-66
https://doi.org/10.7843/kgs.2022.38.8.53

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 데이터 수집 및 분석

  •   2.1 데이터 수집

  •   2.2 데이터 전처리

  •   2.3 데이터 분석

  • 3. N-VS 모델 개발 및 분석

  •   3.1 N-VS 데이터

  •   3.2 N-VS 모델 개발

  • 4. N-VS 모델 성능평가

  • 5. 결 론

1. 서 론

최근 국내에서 발생한 2016년 규모 5.8의 경주 지진은 1978년 지진 관측을 시작한 후에 한반도에서 발생한 역대 최대 규모의 지진이다. 연이어 발생한 2017년 규모 5.4의 포항지진은 가장 큰 피해를 동반한 지진으로 중앙재난안전대책본부에서 집계한 시설물의 피해금액은 총 551억으로 경주지진보다 5배 크게 나타났다(Kim et al., 2019). 1988년 제정된 내진설계기준 이래로 2005년에 내진설계의무 건축물이 3층이상으로 변경됐음에도 불구하고, 2005년 이후 건설된 3~5층 건축물은 여전히 지진으로부터 안전하지 않은 성능을 보였다(Hwang and Lee, 2018). 이처럼 최근 국내에서 발생한 지진에 의한 피해는 지진의 위험성을 알리고 내진설계의 중요성을 부각시키는 계기가 되었다.

내진설계 시 지반분류는 기반암 깊이 및 토층 평균 전단파속도(VS,soil)를 기준으로 분류한다(MOIS, 2017). 그러나 VS의 측정은 시간적, 경제적인 이유로 많은 조사가 이루어지지 않았다. VS정보가 부족할 경우 상대적으로 데이터가 풍부한 표준관입시험(SPT)의 N치로부터 VS를 추정할 수 있다. N치와 VS의 경험적 관계는 국내외 많은 선행연구가 존재한다(Ohta and Goto, 1978; Imai and Tonouchi, 1982; Hasancebi and Ulusay, 2007; Dikmen, 2009; Sun et al., 2008; Jung et al., 2009; Akin et al., 2011; Do et al., 2011; Kim et al., 2014; Sil and Sitharam, 2014; Kwak et al., 2015). 일반적으로 경험식의 신뢰도는 수집된 데이터의 양과 질에 영향을 받는다. Sun et al.(2008)은 국내 8개 지역 26개의 시추공에서 크로스홀, 다운홀, 업홀 기법으로 측정된 VS를 이용하여 N-VS경험식을 제안하였다. Jung et al.(2009)은 전국 227곳의 한국토지주택공사 건설현장의 지반조사보고서를 수집하여 시추공 408공에 대한 SPS검층법으로 측정된 VS데이터를 이용하여 N-VS경험식을 제안하였으며, Do et al.(2011) 또한 충청도 지역 한국토지주택공사 9개 부지의 19개 시추공에서 SPS검층법으로 측정된 VS를 이용하여 N-VS경험식을 제안하였다. 국외 연구로는 약 300개의 데이터를 수집하여 경험식을 제안한 Ohta and Goto(1978), 1,654개의 시추공 자료를 수집하여 경험식을 제안한 Imai and Tonouchi(1982), Kyoshin network(K-NET) 지진관측소의 1,102개 시추주상도로부터 16,845개의 N-VS 데이터를 수집하여 경험식을 제안한 Kwak et al.(2015)의 연구 등이 존재한다. Table 1은 국내외 선행연구들의 경험식을 보여준다.

Table 1.

N-VS relationships from previous studies

Country Author Model Type
Japan Ohta and Goto (1978) 85.34N0.348 All
61.62 N0.254 D0.222
88.4N0.333 Sand
86.9N0.333 Clay
Imai and Tonouchi (1982) 97N0.314 All
87.8N0.314 Sand
107N0.274 Clay
Korea Sun et al. (2008) 65.64N0.407 All
78.63N0.361 Gravel
82.01N0.319 Sand & Silt
75.76N0.371 WS
107.94N0.418 WR
Jung et al. (2009) 175.6N0.161 Gravel
173.9N0.176 Sand
151.2N0.225 Clay
163.9N0.21 WS
182.3N0.229 WR
Do et al. (2011) 125.3N0.26 All
111.1N0.27 Gravel
111.7N0.32 Sand
117.6N0.28 Clay
176.5N0.17 WS
215.5N0.18 WR
Turkey Akin et al. (2011) 59.44 N0.109 D0.426 All
38.55 N0.176 D0.481 Sand
78.1 N0.116 D0.35 Clay
India Sil and Sitharam (2014) 123 N0.22 All
106.91 N0.11 D0.217

국토지반정보 통합DB센터(GeoInfo)는 전국의 시추정보를 DB화하고 자료를 배포하고 있다(MOLIT, 2022). GeoInfo에는 2022년 6월 현재 약 330,000공의 시추정보가 존재한다. 그 중 VS 계측 정보 및 표준관입시험 모두가 존재하는 시추공은 약 1,000여 개이다. 이러한 시추정보는 다양한 연구에 활용되고 있다. Kim et al.(2020)은 포항시 2,084공의 지반 시추데이터를 활용하여 지표면 최대가속도 산출 적절성을 검토하였으며, Choi and Kwak(2020)은 얕은 심도 VS주상도를 활용하여 VS30예측 모델을 개발하였다.

본 연구에서는 GeoInfo에서 제공하는 SPT, 지층정보, VS 자료를 수집하여 N-VS의 관계를 분석하고 새로운 경험식을 제안하였다. 현재까지 국내에서 제안된 경험식들은 측정 기법이 다양하고 지역이 제한되어 있으며 데이터의 수가 많지 않아 국내 모든 지역 및 기법, 토층의 종류를 대표하는 평균적인 관계식으로 사용하기에 한계가 존재하였다. 반면에 본 연구에서 제안하는 N-VS 모델은 GeoInfo에 등록된 많은 수의 시추공 정보로부터 유추된 경험식이기에 GeoInfo에 등록된 시추공에 적용시 가장 편향성이 적은 모델이라 할 수 있다. 데이터의 수집 및 전처리, 토층 속성 및 깊이 별 VS의 분포, N-VS경험식 제안 및 기존 경험식과의 비교가 후술되어 있다.

2. 데이터 수집 및 분석

2.1 데이터 수집

GeoInfo에서 제공하는 시추공 자료로부터 SPT, 지층정보, VS의 3종류의 데이터를 수집하였다. 전체 수집 자료 중 SPT데이터가 존재하는 시추공의 수는 204,959공, 지층정보가 존재하는 시추공의 수는 217,756공, VS정보가 존재하는 시추공의 수는 1,404공이다. Table 2는 수집한 SPT, 지층정보, VS 데이터의 시추공 수 및 시추공 내 데이터의 수를 보여준다.

Table 2.

VS, SPT, soil layer statistics collected from GeoInfo

Data Location Count
SPT 204,959 2,186,902
Layer 217,576 883,528
Vs 1,404 20,523

2.2 데이터 전처리

GeoInfo의 시추공 정보는 지반조사 결과를 수기로 입력하여 등록되었기 때문에 입력 실수로 인한 오류 데이터가 존재한다(Park et al., 2021). 따라서 이런 오류 데이터를 제거 또는 적합하게 변경해야 할 필요가 있다. 그리고 데이터의 분석 이전에 데이터를 정제하여 모델 개발에 용이하도록 SPT와 지층정보 데이터의 전처리가 수행되어야 한다.

SPT는 30cm 관입에 필요한 타격횟수인 N치를 측정하는 시험으로, 시험결과로 N치 및 관입량을 동시에 표현한다(N치/관입량). 30cm 관입에 필요한 N치는 0/30 - 50/30으로 표현되며, 만약 50번의 타격에도 30cm관입이 이루어지지 않는다면 50/1 - 50/29와 같이 50번 타격횟수에 30cm 미만의 관입량으로 표현한다. 만약 위와 같이 표현되지 않은 데이터(예: 0/0, 30/50, 150/30, -1/30 등)는 오류 데이터로 판단하여 데이터에서 제외시켰다. 만약 관입량이 30cm 보다 작을경우 30cm가 되도록 N치를 외삽하여 등가환산하였다.

지층정보 데이터의 전처리로는 지층정보 오류 데이터를 제거하고 지층명을 지층 성격이 유사한 것끼리 압축하여 간소화하였다. 데이터 오류의 경우는 지층 하부보다 상부의 깊이가 더 깊게 표기되어 있는 경우, 현장관찰기록 결과와는 다른 흙의 공학적 분류 및 지층명 표기의 경우 등이다. Figure 1에 SPT 및 지층정보의 오류데이터 처리과정이 요약되어 있다. 지층명은 매립토층, 전답토층, 퇴적토층, 붕적토층, 충적토층, 잔류토층, 풍화토층, 풍화암층, 연암층, 보통암층, 경암층, 기타의 12가지 경우가 존재하나, 매립토층과 전답토층을 매립토층(Fill)으로, 퇴적토층, 붕적토층, 충적토층을 퇴적층(Alluvial soil, AS)으로, 잔류토층과 풍화토층을 풍화토층(Weathered soil, WS)으로 하여 풍화암층(Weathered rock, WR), 연암층(Soft rock, SR), 보통암층(Moderate rock, MR), 경암층(Hard rock, HR)과 함께 총 7가지 형태로 간소화하였다. 7개의 지층 중 매립토층과 퇴적토층은 자갈(Gravel), 모래(Sand), 점토(Fine), 유기질토(Organic Soil)로 구성되어 있으며, 풍화토층은 잔류토(주로 모래)로 구성되어 있다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F1.jpg
Fig. 1

Flow chart of data preprocessing

전처리 후 지층정보 데이터의 시추공 수는 188,892공이며 지층정보의 수는 747,625개이다. SPT와 지층정보가 모두 존재하는 전체 데이터의 시추공 수는 160,622공이다.

2.3 데이터 분석

이상치의 존재는 데이터 통계 결과에 영향을 줄 수 있다. 사분위수는 전체 데이터의 분포를 크기 순서에 따라 누적백분율 제1사분위수(Q1, 25%), 제2사분위수(Q2, 50%), 제3사분위수(Q3, 75%), 극단값(최솟값, 최댓값)으로 나타낸 것으로, 이상치를 제외한 데이터의 분석에 유용하다. Q2는 중간값을 의미하며, 사분위수 범위(Inter Quartile Range, IQR)는 Q3에서 Q1을 뺀 값을 의미한다. IQR은 데이터의 산포도를 나타내는 방법의 하나로 그 수치는 이상치에 큰 영향을 받지 않는다. Q3와 Q1의 위치에서 1.5×IQR을 더하거나 뺀 위치의 값을 각각 상내부울타리(Upper fence), 하내부울타리(Lower fence)로 정의하며, 정의된 울타리를 넘는 값을 보통 이상치로 본다(Fig. 2). 이러한 사분위수 범위를 이용한다면 이상치의 영향 없이 지층 및 흙의 종류에 따른 N치의 범위 및 VS의 범위를 분석할 수 있다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F2.jpg
Fig. 2

Description of box plot and inter quartile range (IQR)

2.3.1 지층 및 흙의 종류에 따른 N치의 범위

Figure 3의 (a)와 (b)는 지층 및 흙의 종류에 따른 N치의 사분위수를 상자그림으로 보여준다. Table 3에는 N치의 통계수치가 요약되어 있다. 흙의 종류에 따른 N치의 사분위 구간(Q1 - Q3)은 점토 2 - 9, 유기질토 3 - 11, 사질토 6 - 21, 자갈 20 - 125으로 점토와 유기질토는 비슷한 사분위수를 가지며, 사질토, 자갈의 순으로 사분위수 값이 커진다. 한국토지주택공사(Jung et al., 2009)에서 측정한 흙의 종류에 따른 N치의 평균값은 점토 6.8, 사질토 17.4, 자갈 54.5로 본 연구에서 조사한 N치의 사분위수 범위 내에 존재한다. 흙의 종류에 따른 N치의 상내부울타리는 점토 20, 유기질토 23, 사질토 44, 자갈 283이다. 표준편차(σ)는 자갈에서 가장 크게 나타났다(= 245). 분석에 사용한 데이터 개수는 점토 205,360개, 유기질토 2,204개, 사질토 310,947개, 자갈 176,664개이다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F3.jpg
Fig. 3

Box plot of N-value per soil type and layer type

Table 3.

Statistics of N-value per soil type and layer type

Type N-Value
Count µ σ 25% 50% 75% Upper fence
Fine 205,360 10 42 2 5 9 20
Organic 2,204 13 54 3 6 11 23
Sand 310,947 27 86 6 11 21 44
Gravel 176,664 139 245 20 43 125 283
Fill 139,684 44 149 5 9 18 38
AS 555,491 52 147 5 12 32 73
WS 563,512 54 60 22 43 75 155
WR 359,984 344 274 167 250 500 1000

지층의 종류에 따른 N치의 사분위 구간은 매립토층 5 - 18, 퇴적토층 5 - 32, 풍화토층 22 - 75, 풍화암층 167 - 500으로 매립토층과 퇴적토층은 사질토와 비슷한 구간을 가지며, 풍화토층은 자갈과 비슷하다. σ는 매립토층 149, 퇴적토층 147로 사분위 구간이 비슷한 사질토보다 높은 σ를 나타내는데, 이는 매립토층과 퇴적토층에 존재하는 자갈의 영향으로 높은 N치가 다수 분포되어 있기 때문이다. 자갈로 분류되는 데이터 개수는 매립토층에서 33,853개, 퇴적토층에서 142,811개로 각각 24%, 26%를 차지한다. Chris et al.(2003)와 Kim et al.(2008)은 자갈에서 측정된 N치의 신뢰성 문제로 대형관입시험(Large penetration test, LPT)을 이용하여 보다 신뢰성 있는 N치를 추정하였다. 지층의 종류에 따른 N치의 상내부울타리는 매립토층 38, 퇴적토층 73, 풍화토층 155, 풍화암층 1,000으로 결정되었다. 분석에 사용한 데이터 개수는 매립토층 139,684개, 퇴적토층 555,491개, 풍화토층 563,512개, 풍화암층 359,984개이다.

2.3.2 지층별 VS의 범위

지층별 VS의 분포를 분석하기 위해 지층정보 데이터의 지층두께와 동일한 측정구간을 갖는 VS데이터를 추출하였다. 추출된 데이터의 수는 272공의 919개 데이터이다. 지층별 두께와 VS의 사분위수는 Table 4에 정리되어 있다. 지층별 상단깊이와 하단깊이의 중간값은 매립토층 0 - 3m, 퇴적토층 4 - 8m, 풍화토층 5 - 15m, 풍화암층 15 - 22m, 연암층 18 - 30m, 보통암층 17 - 30m, 경암층 21 - 30m이며, VS의 Q1 및 Q3의 범위는 매립토층 180 - 240m/s, 퇴적토층 210 - 310m/s, 풍화토층 340 - 450m/s, 풍화암층 540 - 710m/s, 연암층 790 - 1,070m/s, 보통암층 1,050 - 1,490m/s, 경암층 1,170 - 1,640m/s으로 나타났다. 일반적으로 심도가 깊어질수록 매립토층, 퇴적토층, 풍화토층, 풍화암층, 연암층, 보통암층, 경암층의 순서로 지층이 변화하며 이 순서에 따라 VS가 증가하는 것을 확인할 수 있다(Fig. 4(a)). Fig. 4(b)는 지층두께에 따른 지층별 VS를 보여준다. 전체적으로 심도가 깊을수록 지층두께가 두꺼워져 지층의 대표 VS가 증가한다.

Table 4.

VS and depth range per layer type (this study)

Layer Count Top-Bot (m) Vs (m/s)
25% 50% 75% 25% 50% 75%
Fill 169 0 - 2 0 - 3 0 - 5 180 210 240
AS 166 2 - 5 4 - 8 7 - 12 210 250 310
WS 173 2 - 9 5 - 15 8 - 20 340 390 450
WR 193 9 - 15 15 - 22 19 - 30 540 610 710
SR 144 11 - 22 18 - 30 25 - 30 790 900 1070
MR 30 11 - 19 17 - 30 23 - 30 1050 1300 1490
HR 44 14 - 30 21 - 30 24 - 30 1170 1420 1640

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F4.jpg
Fig. 4

(a) Box plot of VS per layer type and (b) VS versus thickness

본 연구에서 제안하는 지층별 대표 VS는 지층별 VS분포의 중간값인 매립토층 210m/s, 퇴적토층 250m/s, 풍화토층 390m/s, 풍화암층 610m/s, 연암층 900m/s, 보통암층 1,300m/s, 경암층 1,420m/s이다. 이는 선행연구의 수치와 크게 다르지 않다. Sun et al.(2012)은 국내 183개 부지에서 측정한 다양한 현장 탄성파시험 자료를 종합하여 지층별 심도의 범위와 대표 VS를 제안하였다(Table 5). Sun et al.(2012)이 제안한 국내 지층별 대표 VS와 본 연구에서 제안한 지층별 대표 VS의 차이는 크지 않으며, Sun et al.(2012)의 지층 분포 심도 또한 본 연구의 지층두께 사분위수 중간값에 포함되는 것을 확인할 수 있다.

Table 5.

VS and depth range per layer type (Sun et al., 2012)

Layer Count Vs (m/s) Top-Bot (m) Frequency of occurrence (m)
Fill 242 190 0.2 - 6.2 1
AS 1,224 280 3.6 - 20.1 4
WS 1,064 350 2.3 - 20.4 7
WR 911 650 10.1 - 32.8 15
Bedrock 1,787 1,300 14.1 - 33.1 30

3. N-VS 모델 개발 및 분석

3.1 N-VS 데이터

N-VS 관계의 경험적 모델 개발을 위해 우선 유효한 데이터를 추출하였다. 매립토층, 퇴적토층 등 상대적으로 연약한 지층에도 시추공 위치에 국부적으로 자갈이 존재한다면 지층 전체의 VS 대비 과대한 N치가 측정될 수 있다. 이러한 문제를 고려하여 관계식 개발에 사용할 데이터의 상한경계값을 상내부울타리로 설정하고 그 이상의 N치 데이터는 모델 개발에서 제외하였다. 또한 전술한 것과 같이 오류가 존재하는 데이터를 제거하였다. 결과적으로 모델 개발에 사용한 지층정보-N-VS가 연결되는 시추공의 수는 총 577공이다. Figure 5는 모델 개발에 사용한 시추공의 위치를 보여준다. 도심지역인 수도권과 5대 광역시에 집중적으로 분포하는 것을 알 수 있다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F5.jpg
Fig. 5

Location of boring log data used in N-VS model development

지층정보-N-VS가 동시에 존재하는 시추공은 전체 시추공의 한 부분이다. 따라서 모델 개발을 위해 샘플링된 데이터의 N치가 전체 데이터의 N치에 비하여 편향되어 있는지 확인해볼 필요가 있다. Figure 6은 샘플링된 데이터와 전체 데이터의 지층에 따른 N치의 분포를 보여준다. 각 지층에서 두 분포 범위가 유사하기 때문에 모델 개발에 사용한 데이터에 편향성이 존재하지 않는다고 할 수 있다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F6.jpg
Fig. 6

Distribution of N-values per layers for total data, sampled data, and test data. (a) Fill (b) AS (Alluvial soil) (c) WS (Weathered soil) (d) WR (Weathered rock) (e) All layers

VS 데이터의 경우 데이터의 깊이 간격에 따라 다음과 같이 총 3가지로 구분된다. 1) 1 - 1.5m의 일정한 간격으로 측정된 경우; 2) 지층두께와 동일하게 측정된 경우; 3) 지층두께와 불규칙한 간격으로 측정된 경우이다. N치의 측정간격 또한 1 - 1.5m 이기 때문에, 첫번째 경우는 N치와 VS가 일대일로 연결되어 N-VS 관계식을 추정하기에 가장 적합하다. 두번째 및 세번째의 경우는 N치와 VS가 일대일로 연결되지 않아 한 VS의 값에 여러 N치가 존재한다. 이 경우에는 하나의 VS간격에 존재하는 N치들의 중간값을 대표 N치로 설정하여 VS와 N치가 일대일로 연결이 되도록 하였다. 본 연구에서는 VS와 N치의 측정간격이 1 - 1.5m로 서로 일정한 데이터를 DATAT1로 명명하며 하나의 지층과 VS, 그리고 N치의 중간값이 연결된 데이터를 DATAlayer로 명명하였다. DATAT1의 각 지층의 데이터 수는 매립토층 215, 퇴적토층 537, 풍화토층 980, 풍화암층 775이고, DATAlayer의 각 지층의 데이터 수는 매립토층 382, 퇴적토층 801, 풍화토층 1,407, 풍화암층 1,151이다. 다음 절에는 DATAT1과 DATAlayer를 사용하여 각 지층 및 전체 지층에 대한 회귀분석 내용이 기술되어 있다.

3.2 N-VS 모델 개발

N치와 깊이(D)의 조합을 입력변수로 하여 VS를 추정하는 회귀분석을 진행하였다. 국내외 선행연구의 회귀식을 살펴보면 지층 또는 토층별로 N치에 대한 VS를 예측하는 멱함수 모델이 자주 사용되었다(Ohta and Goto, 1978; Imai and Tonouchi, 1982; Sun et al., 2008; Jung et al., 2009; Do et al., 2011). 또한 VS와 N치의 구속압력에 대한 정규화를 고려하기 위해 구속압력 또는 D가 변수로 추가된 멱함수 모델이 여러 연구에서 제안되었다(Ohta and Goto, 1978; Akin et al., 2011; Sil and Sitharam, 2014). 본 연구에서는 N치만을 사용하는 모델, N치와 D를 사용하는 모델 두 경우로 구분하여 회귀분석을 진행하고 그 결과를 분석하였다.

Figure 7은 DATAT1과 DATAlayer의 VS-N 및 VS-D의 관계를 보여준다. N치가 커질수록, D가 깊어질수록 VS가 증가한다. 그리고 연약한 지층(매립토)에서 단단한 지층(풍화암)으로 변화할수록 N치 및 D가 증가하는 경향 또한 볼 수 있다. Table 6은 회귀분석 결과를 보여준다. DATAlayer 또는 DATAT1의 사용, N치만의 단독 입력변수 또는 N치와 D 두개의 입력변수 사용에 따라 LayerN, LayerND, T1N, T1ND의 네 경우로 구분하여 회귀분석모델을 제시하였다. 이 네 경우는 지층 또는 토층의 구분없이 모든 데이터를 통합하여 개발한 결과이다. 회귀분석 결과 DATAT1을 사용한 T1N, T1ND모델이 DATAlayer를 사용한 LayerN, LayerND 모델보다 더 우수한 성능을 보였다. 가장 우수한 성능을 보이는 T1ND의 결정계수(R2)는 0.734, 로그잔차의 표준편차(σln)는 0.246으로 나타났다. 선행연구와의 비교를 위해 N치만을 입력으로 하고 점토(Fine), 사질토(Sand), 자갈(Gravel), 풍화토층(WS), 풍화암층(WR)에 따라 데이터를 구분하여 회귀분석 또한 진행하였고 Table 6에 그 결과를 나타내었다. 본 연구에서는 전체층에 대한 모델을 추천하는데, 그 이유는 Fig. 7에 나타나듯이 각 지층에 따라 N치의 범위가 비교적 명확히 구분되어 있고 범위가 작아 지층별 모델의 적용범위가 한정적이기 때문이다. 또한 Fig. 8과 같이 전체층에 대한 모델과 지층 또는 토층별로 구분한 모델의 VS예측에 큰 차이가 존재하지 않기 때문이다. Hasancebi and Ulusay(2007)Dikmen(2009)도 흙의 종류에 따른 N-VS영향은 거의 없어 전체층에 대한 모델을 제시하였다. 단, 본 연구에서 제시하는 전체층에 대한 모델(LayerN, LayerND, T1N, T1ND)은 N치가 각 지층의 상한경계값(Table 3)을 초과할 때는 상한경계값을 사용하게 하여 VS가 과대예측되는 것을 방지하였다. 상한경계값을 사용하였을 때 N치만을 활용하는 모델 중 우수한 성능을 보이는 T1N으로부터 추정할 수 있는 지층별 최대 VS는 매립토층 352m/s, 퇴적토층 415m/s, 풍화토층 502m/s, 풍화암층 805m/s이다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F7.jpg
Fig. 7

(a) VS versus N-value and (b) VS versus D of DATAlayer, and (c) VS versus N-value and (d) VS versus D of DATAT1

Table 6.

N-VS model proposed in this study

Data Type Location Count Model R2 σln
DATAT1 All 246 2,507 140.3 N0.2529 0.715 0.254
129.5 N0.2184 D0.0982 0.734 0.246
DATAlayer All 577 3,741 136.5 N0.2547 0.689 0.273
125 N0.2147 D0.1183 0.716 0.261
Fine 118 323 140.5 N0.2142 0.176 0.292
Sand 303 625 159.2 N0.1706 0.169 0.265
Gravel 114 265 153.2 N0.201 0.29 0.321
WS 454 1,407 151 N0.2363 0.321 0.272
WR 439 1,151 313.8 N0.1149 0.057 0.250

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F8.jpg
Fig. 8

N-VS model suggested in this study

D에 대한 영향을 살펴보기 위해 Figure 9에 8가지 N치(5, 10, 25, 50, 100, 150, 375, 500)에 대한 D-VS의 데이터 분포와 T1ND 모델의 결과를 나타내었다. 동일한 N치에서 D가 증가할수록 VS는 소폭 증가하는 경향을 나타낸다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F9.jpg
Fig. 9

Data points and T1ND model of VS versus D with specific N-values. (a) N = 5 and 10, (b) N = 10 and 150, (c) N = 25 and 375, and (d) N = 50 and 500

4. N-VS 모델 성능평가

본 연구에서 개발한 N-VS경험식과 기존의 국내외 경험식(Table 1)간의 비교를 진행하였고, 모델 개발에 사용하지 않은 데이터를 이용하여 개발한 모델의 성능을 평가하였다.

국내 선행연구의 경우 점토, 사질토, 자갈, 풍화토층, 풍화암층, 전체토층에 대한 경험식을 각각 제안하였다(Sun et al., 2008; Jung et al., 2009; Do et al., 2011). Figure 10은 점토, 사질토, 자갈에 대한 국내 선행연구의 경험식과 본 연구에서 제안하는 경험식을 보여준다. 각 연구간의 차이는 존재하나, 한 연구 내에서 토층의 변화에 따른 경험식의 변화는 크지 않은 것을 확인할 수 있다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F10.jpg
Fig. 10

Comparison of N-VS domestic models by soil type. (a) This study, (b) Sun et al. (2008), (c) Jung et al. (2009), and (d) Do et al. (2011)

Figure 11은 각 연구에서 개발한 모델 간의 지층별 비교를 보여준다. N치의 사분위수 범위가 상대적으로 좁은 점토의 경우, 본 연구의 모델과 Jung et al.(2009)Do et al.(2011)의 모델 모두 유사한 N-VS 경향을 보인다. 사질토와 자갈의 경우, 본 연구의 모델과 Jung et al.(2009)의 모델은 비슷하나, Do et al.(2011)Sun et al.(2008)은 N치의 증가에 따라 상대적으로 가파른 VS의 증가를 보이고 있다. 풍화토층의 경우 본 연구와 Jung et al.(2009), 그리고 Do et al.(2011)은 비슷한 경향을 보이나 Sun et al.(2008)은 가파른 증가를 보여준다. 풍화암층의 경우 본 연구에서 제안하는 모델이 가장 평탄하여 N치에 따른 VS의 변화가 크지 않으며, Sun et al.(2008)의 모델이 가장 가파른 증가를 나타낸다. 이러한 지층에 따른 경험식의 차이는 모델 개발에 사용한 데이터의 양과 불확실성 차이 때문인 것으로 판단된다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F11.jpg
Fig. 11

Comparison of N-VS models between domestic studies by soil type of (a) clay, (b) sand, (c) gravel, (d) WS, and (e) WR

Figure 12는 전체층에 대하여 국외 경험식(일본)과 국내 데이터로부터 추정한 경험식의 비교를 보여준다. 국내 경험식의 경우 Do et al.(2011)이 본 연구에서 개발한 모델과 가장 유사하며, 국외 경험식은 가파른 기울기를 나타내고 있다. Sun et al.(2008) 모델이 비교 모델 중 가장 가파른 기울기를 나타낸다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F12.jpg
Fig. 12

Comparison of N-VS models with international models

선행연구의 경험식과 본 연구의 경험식의 성능을 판단하기 위해 모델개발에 사용하지 않은 N-VS 데이터를 검증용 데이터로 활용하였다. 이 데이터는 N-VS정보는 있으나 지층정보가 없고 VS와 N치의 일대일 매칭이 적용되어 있는 총 273개 시추공의 1,879개의 데이터이다. 전체 데이터, 모델 개발을 위해 샘플링한 데이터, 그리고 검증용 데이터의 N치의 분포는 Fig. 6(e)에 나타나듯이 유사하다. 모델 적용 시 검증용 데이터는 지층정보를 이용하지 않았기 때문에 각 지층별 N치의 상한경계값(Table 3)을 고려하지 않았다.

Figure 13은 검증용 데이터로부터 선행연구와 본 연구에서 제안한 모델들의 VS 잔차 분포를 보여준다. T1ND 모델이 로그잔차의 평균과 표준편차가 각각 µ = 0.015, σln = 0.309로 선행 연구와 본 연구에서 제안하는 모델 중에 가장 높은 예측 정확도를 보여준다. 잔차분포에서 특이값 데이터를 확인한 결과, 예측값이 계측값보다 큰 음의 잔차는 주로 3 m 깊이 이내의 상대적으로 큰 N치(300 - 1500)에서 나타나며, 예측값이 계측값보다 작은 양의 잔차는 주로 기반암으로 추정되는 높은 VS에서 나타난다. N-VS 경험식으로는 기반암을 추정할 수 없기에 높은 잔차가 나오는 것으로 추정된다.

/media/sites/kgs/2022-038-08/N0990380805/images/kgs_38_08_05_F13.jpg
Fig. 13

Distribution of residuals for (a) LayerN, (b) LayerND, (c) T1N, (d) T1ND, (e) Do et al. (2001), (f) Sun et al. (2008), (g) Ohta and Goto (1978), and (h) Imai and Tonouchi (1982)

5. 결 론

본 연구에서는 GeoInfo에서 배포하는 많은 수의 지반조사 자료를 이용하여 새로운 N-VS 모델을 개발하였다. 유효한 데이터를 추출하기 위해 데이터 전처리를 진행하였으며, 사분위수 분석으로 데이터의 범위를 확인하였다. 연구 결과를 요약하면 다음과 같다.

(1) 흙의 종류에 따른 N치의 사분위 구간(Q1에서 Q3)은 점토층 2 - 9, 사질토층 6 - 21, 자갈층 20 - 125이고 지층의 종류에 따른 N치의 사분위 구간은 매립토층 5 - 18, 퇴적토층 5 - 32, 풍화토층 22 - 75, 풍화암층 167 - 500으로 단단한 지층일수록 N치의 범위가 증가한다.

(2) 지층별 상단과 하단 심도의 중간값은 매립토층 0 - 3m, 퇴적토층 4 - 8m, 풍화토층 5 - 15m, 풍화암층 15 - 22m, 연암층 18 - 30m, 보통암층 17 - 30m, 경암층 21 - 30m로 심도가 깊어질수록 지층이 변화하며 지층의 변화에 따라 VS의 범위도 증가한다. 각 지층별 대표 VS는 전체 범위의 중간값으로 매립토층 210m/s, 퇴적토층 250m/s, 풍화토층 390m/s, 풍화암층 610m/s, 연암층 900m/s, 보통암층 1,290m/s, 경암층 1,420m/s으로 나타났다.

(3) N-VS 경험식 개발 전에 지층정보-N-VS 데이터가 전부 포함되어 있는 데이터의 N치와 전체 데이터 N치의 분포유사성을 확인하였다. 두 데이터의 N치 분포가 유사하여 개발된 모델이 전체 데이터에 적용 가능하다는 것을 확인하였다.

(4) 자갈층의 존재로 과대 측정된 N치로부터 VS를 추정할 경우 과도한 VS가 추정되는 것을 방지하기 위해 상내부울타리를 N치의 상한경계값으로 설정하여 경험식을 개발하였다. 지층별 N치의 상한경계값은 매립토층 38, 퇴적토층 73, 풍화토층 155, 풍화암층 1,000이다. 경험식으로부터 추정할 수 있는 지층별 최대 VS는 매립토층 352m/s, 퇴적토층 415m/s, 풍화토층 502m/s, 풍화암층 805m/s으로 나타났다.

(5) 흙의 종류에 따른 국내외 경험식과 본 연구의 경험식을 살펴보았을 때, 흙의 종류에 따른 N-VS 경험식은 큰 차이가 없는 것으로 확인하였다. Fig. 8에 나타나듯이 각 흙에 따른 VS가 연속적이고 하나의 N-VS 관계(T1N)에서 크게 벗어나는 흙 유형이 존재하지 않는다. 따라서, 각 흙의 유형에 따른 N-VS관계를 하나의 모델로 표현할 수 있다.

(6) 모델 개발에 사용하지 않은 데이터를 활용하여 국내외 선행연구에서 제안한 N-VS 경험식과 본 연구에서 제안한 N-VS 경험식의 성능을 잔차분석으로 평가하였다. 잔차분석 결과 본 연구에서 제안하는 T1ND모델이 가장 높은 성능을 보이는 것으로 나타났다.

본 연구는 GeoInfo에 등록된 많은 수의 자료로부터 유추된 경험식이기에 GeoInfo에 등록된 시추공에 적용 시 다른 모델에 비해 편향성이 적고 불확실성이 적은 것으로 사료된다. 따라서, 이번 연구에서 제시한 국내 지층별 대표 VS와 T1ND N-VS 경험식을 이용하면 GeoInfo에 등록된 많은 수의 SPT와 지층정보 데이터로부터 신뢰적인 VS를 추정할 수 있을 것으로 기대된다.

Acknowledgements

본 연구는 국토교통부 광역단위 노후건축물 디지털 안전워치 기술개발사업의 연구비지원(과제번호 RS-2022-00143584) 및 한국기상산업기술원 「지진·지진해일·화산감시 및 예측기술 개발」사업의 연구비지원(과제번호 KMI2021-01911)에 의해 수행되었습니다. 이에 깊은 감사를 드립니다. 또한, 이 논문은 2022 지반공학회 봄학술발표회 논문을 수정·보완하여 작성되었습니다.

References

1
Akin, M. K., Kramer, S. L., and Topal, T. (2011), "Empirical Correlations of Shear Wave Velocity (Vs) and Penetration Resistance (SPT-N) for Different Soils in an Earthquake-prone Area (Erbaa-Turkey)", Engineering geology, Vol.119, No.1-2, pp.1-17. 10.1016/j.enggeo.2011.01.007
2
Choi, I.H. and Kwak, D.Y. (2020), "Comparison of Methods Predicting VS30 from Shallow VS Profiles and Suggestion of Optimized Coefficients", Journal of the Korean Geotechnical Society, Vol.36, No.3, pp.15-23.
3
Daniel, C. R., Howie, J. A., and Sy, A. (2003), "A Method for Correlating Large Penetration Test (LPT) to Standard Penetration Test (SPT) Blow Counts", Canadian Geotechnical Journal, Vol.40, No.1, pp.66-77. 10.1139/t02-094
4
Dikmen, Ü. (2009), "Statistical Correlations of Shear Wave Velocity and Penetration Resistance for Soils", Journal of Geophysics and Engineering, Vol.6, No.1, pp.61-72. 10.1088/1742-2132/6/1/007
5
Do, J.N., Hwang, P.J., Chung, S.R., and Chun, B.S. (2011), "Analysis on Relation of S-wave Velocity and N Value for Stratums in Chungcheong Buk-do", Journal of the Korean GEO-environmental Society, Vol.12, No.10, pp.13-22.
6
Geotechnical Information DB System (MOLIT), accessed June 17, 2022, https://geoinfo.or.kr.
7
Hasancebi, N. and Ulusay, R. (2007), "Empirical Correlations between Shear Wave Velocity and Penetration Resistance for Ground Shaking Assessments", Bulletin of Engineering Geology and the Environment, Vol.66, No.2, pp.203-213. 10.1007/s10064-006-0063-0
8
Hwang, K.R. and Lee, H.S. (2018), "Seismic Damage to RC Low-rise Building Structures Having Irregularities at the Ground Story During the 15 November 2017 Pohang, Korea, Earthquake", Journal of the Earthquake Engineering Society of Korea, Vol.22, No.3, pp.103-111. 10.5000/EESK.2018.22.3.103
9
Imai, T. and Tonouchi, K. (1982), "Correlation of N Value with S-wave Velocity and Shear Modulus", Proceedings 2nd Europe Symposium on Penetration Testing, Vol.1, pp.67-72. 10.1201/9780203743959-1133657774
10
Jung, J.S., Park, J.B., Lim, H.S., Park, G.R., and Oh, W.G. (2009), "Measurement and Application of Shear Wave Velocity for Resonable Soil Classification in Seismic Design", Korean Land and Housing Institute.
11
Kim, B.J., Ho, J.K., and Hwang, Y. C. (2014), "Prediction of Shear Wave Velocity on Sand Using Standard Penetration Test Results: Application of Artificial Neural Network Model", Journal of the Korean Geotechnical Society, Vol.30, No.5, pp.47-54. 10.7843/kgs.2014.30.5.47
12
Kim, J.K., Han, J.T., and Kwak, T.Y. (2020), "A Study on the Applicability of Amplification Factor to Estimate Peak Ground Acceleration of Pohang Area", Journal of the Korean Geotechnical Society, Vol.36, No.11, pp.21-33.
13
Kim, J.C., Shin, S.H., and Oh, S.H. (2019), "Damage Investigation of Pilotis Structures and Analysis of Damage Causes by Pohang Earthquake", Journal of the Architectural Institute of Korea Structure & Construction, Vol.35, No.3, pp.3-10.
14
Kim, Y.S., Kim, Y.C., Lee, W.J., and An, S.W. (2008), "Evaluation of KICT-type Large Penetration Test using Calibration Chamber System", In Proceedings of the Korean Geotechical Society Conference, Korean Geotechnical Society, pp.1359-1364
15
Kwak, D.Y., Brandenberg, S.J., Mikami, A., and Stewart, J.P. (2015), "Prediction Equations for Estimating Shear‐wave Velocity from Combined Geotechnical and Geomorphic Indexes based on Japanese Data Set", Bulletin of the Seismological Society of America, Vol.105, No.4, pp.1919-1930. 10.1785/0120140326
16
MOIS (2017), Seismic Design General Application, Ministry of Interior and Safety.
17
Ohta, Y. and Goto, N. (1978), "Empirical Shear Wave Velocity Equation in Terms of Characteristic Soil Index", Earthquake Engineering and Structural Dynamics, Vol.6, No.2, pp.167-187. 10.1002/eqe.4290060205
18
Park, K.H., Han, J.T., and Yoon, Y.N., (2021), "A Study on the Automatic Digital DB of Boring Log Using AI", Journal of the Korean Geotechnical Society, Vol.37, No.11, pp.119-129.
19
Sil, A. and Sitharam, T. G. (2014), "Dynamic Site Characterization and Correlation of Shear Wave Velocity with Standard Penetration Test 'N' Values for the City of Agartala, Tripura state, India", Pure and Applied geophysics, Vol.171, No.8, pp.1859-1876. 10.1007/s00024-013-0754-y
20
Sun, C.G., Kim, H.J., and Chung, C.K. (2008), "Deduction of Correlations between Shear Wave Velocity and Geotechnical In-situ Penetration Test Data", Journal of Earthquake Engineering Society of Korea, Vol.12, No.4, pp.1-10. 10.5000/EESK.2008.12.4.001
페이지 상단으로 이동하기