KR101618713B1 - 지반정보에 기초한 3차원 공간 모델링 방법 - Google Patents
지반정보에 기초한 3차원 공간 모델링 방법 Download PDFInfo
- Publication number
- KR101618713B1 KR101618713B1 KR1020140110813A KR20140110813A KR101618713B1 KR 101618713 B1 KR101618713 B1 KR 101618713B1 KR 1020140110813 A KR1020140110813 A KR 1020140110813A KR 20140110813 A KR20140110813 A KR 20140110813A KR 101618713 B1 KR101618713 B1 KR 101618713B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- dimensional
- value
- borehole
- boreholes
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005553 drilling Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000000704 physical effect Effects 0.000 claims description 16
- 238000003325 tomography Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000002790 cross-validation Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 9
- 230000005477 standard model Effects 0.000 claims description 7
- 101710200331 Cytochrome b-245 chaperone 1 Proteins 0.000 claims description 3
- 102100037186 Cytochrome b-245 chaperone 1 Human genes 0.000 claims description 3
- 101710119396 Cytochrome b-245 chaperone 1 homolog Proteins 0.000 claims description 3
- 241001505295 Eros Species 0.000 claims description 3
- ULGZDMOVFRHVEP-RWJQBGPGSA-N Erythromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=O)[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 ULGZDMOVFRHVEP-RWJQBGPGSA-N 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 14
- 239000006185 dispersion Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
- G01V2210/665—Subsurface modeling using geostatistical modeling
- G01V2210/6652—Kriging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
본 발명은 지반정보에 기초한 3차원 공간 모델링 방법에 관한 것으로서, 구체적으로는 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하고, 선별된 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성한 후 상기 지반정보에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 방법에 관한 것이다.
본 발명은 위 사항을 반영하여 「(A) 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하는 단계; (B) 상기 (A)단계를 통한 선별 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성하는 단계; 및 (C) 상기 지반정보를 고려하여 3차원 그리드 사이즈를 결정하고, 상기 3차원 그리드에 의해 영역화된 셀(Cell)별로 대표 프로파일과 동적 특성을 분류한 DB를 구축하고, 상기 DB에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 단계; 를 포함하는 지반정보에 기초한 3차원 공간 모델링 방법」을 제공한다.
본 발명은 위 사항을 반영하여 「(A) 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하는 단계; (B) 상기 (A)단계를 통한 선별 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성하는 단계; 및 (C) 상기 지반정보를 고려하여 3차원 그리드 사이즈를 결정하고, 상기 3차원 그리드에 의해 영역화된 셀(Cell)별로 대표 프로파일과 동적 특성을 분류한 DB를 구축하고, 상기 DB에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 단계; 를 포함하는 지반정보에 기초한 3차원 공간 모델링 방법」을 제공한다.
Description
본 발명은 지반정보에 기초한 3차원 공간 모델링 방법에 관한 것으로서, 구체적으로는 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하고, 선별된 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성한 후 상기 지반정보에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 방법에 관한 것이다.
불연속 분포 자료를 연속화하기 위한 방법인 공간 자료 보간 기법에는 단술 평균법(simple average method), 삼각형법(triangular method), 거리 반비례법(inverse weighted distance method) 등과 같은 단순 수학적 방법이 적용될 수 있으나, 대상 영역 내의 전체 자료를 수학적 또는 통계학으로 처리하기에는 한계가 있다. 반면 지구통계학적 기법인 크리깅(Krigign)은 수학적 방법과 통계학적 방법이 결합된 형태이며, 기지 자료간의 상관관계, 기지자료와 예측될 지점 값의 상관관계, 기지 자료의 경향성 등을 반영할 수 있어서 넓은 영역의 공간적 보간에 매우 효과적이다.
크리깅은 지역 변수 이론으로부터 유도된다. 지역 변수란 값이 장소에 따라 연관성을 보이며 변화하지만 일반적인 함수로 나타낼 수 없는 변수를 말한다. 또한, 크리깅은 가우스의 최소오차이론에서 파생되었으며 예측 오차의 분산값을 최소화하는 최적화된 공간 보간 기법이다. 크리깅은 공간적인 변수들을 예측할 뿐만 아니라 예측 시의 오차를 확인할 수 있는 장점이 있으며 예측 시 기존 자료의 경향성을 고려할 수 있고 기존 자료값을 전혀 손상시키지 않는다. 특히 경계지역에서의 오차가 없다. 하지만, 예측 과정 내의 역행렬 계산 과정으로 인해 다른 방법에 비해 계산 시간이 오래 걸린다.
크리깅에서 한 미지점에 대한 기존 자료의 신뢰도(혹은 가중치)는 통계학적으로 분산으로 정의된다. 크리깅 방법은 자료값과 예측값이 분산에 의해 서로 밀접하게 관련되어 있어 기존 자료의 위치로부터 공간상으로 멀리 떨어진 미지점일수록 그 미지점의 분산값은 커지며 가중치는 작아지는 상관관계를 지닌다. 즉, 크리깅 방법에서 분산은 가중치의 함수로 쓰이며 기존 자료에 가까운 부분은 분산값이 작고 신뢰도가 높으며 멀어질수록 분산값은 커지며 신뢰도는 떨어진다. 즉, 미지점과 기존 자료점의 거리가 가까울수록 예측 시 기존 자료점에 적용되는 가중치가 크고 멀어질수록 가중치는 줄어들게 된다.
크리깅에서 한 미지점에 대한 기존 자료점의 가중치는 기존 자료점의 분산 분포로부터 계산되는데 이때 사용되는 값은 예측하려는 지점의 기존 자료점에 대한 분산의 절대적인 크기가 아니고 기존 자료점으로부터의 예측하려는 지점사이의 분산의 상대적인 변화량과 분산의 최대값이다. 또한, 크리깅에서는 기존 자료점들이 서로 다른 개개의 분산 분포를 가지지 않고 예측하고자 하는 한 영역 내에서 모두 같은 분산 분포를 가지게 된다. 한 영역 내에서 기존 자료점들의 분산 분포는 하나의 함수 형태로 나타낼 수 있으며 이를 분산 함수라 한다. 다시 말해, 각 기존 자료점은 불확실성(혹은 신뢰도)와 관련되는 각각의 분산 함수를 가지며 분산 함수는 예측 시 기존 자료점으로부터 거리에 따른 분산의 변화량을 결정하고 가중치를 계산하는데 사용된다. 크리깅에서는 이러한 분산 함수를 배리오그램(variogram)이라 한다. 배리오그램의 형태는 경험적으로 결정되어 있으며 직선형(linear) 모델, 구형(spherical) 모델, 지수형(exponential) 모델, 가우시안(Gaussian) 모델 등이 제시되어 있다. 각각의 배리오그램 곡선은 기지점에서 최소값을 가지며 기지점으로부터 멀어질수록 증가하며 또한 일정거리 이상 떨어진 후로는 항상 최대값을 가지게 된다. 즉, 기지점으로부터 일정거리 이상 떨어진 미지점들은 기지점들의 영향을 받지 않게 된다. 기지점으로부터 영향을 받는 거리를 유효거리(α) 또는 영향범위라 한다.
불확실성을 대표하는 분산과 영향범위 이외에도 크리깅은 기지점에서의 분산의 불연속성, 즉 분산의 급진적인 증가와 감소를 반영할 수 있는 너겟(nugget)이 있다. 분산의 불연속성은 너겟으로 일반적으로 정의되며 너겟은 기지점에서 분산의 급진적인 증가 또는 감소를 일으키기 때문에 자료값에 잠재적인 오차가 있을 때 사용된다. 너겟효과(Nugget effect)를 사용하면 자료의 전체적인 경향에 비해 각각 자료값의 중요도가 떨어지게 되어 크리깅 결과값의 변화폭이 너겟효과를 사용하지 않았을 때보다 줄어들게 된다.
[참고도 1]
위의 [참고도 1]은 가장 대표적인 네 개의 배리오그램 곡선을 보여주고 있다. 그림에서 실(sill)값은 위의 배리오그램이 가질 수 있는 최대값이다. 또한 [참고도 1]에서 a는 일반적으로 유효범위(range)로 정의되며, 유효범위보다 먼 거리에서 배리오그램은 항상 최대값을 가진다.
하지만, 자료값에서 일반적으로 제시된 배리오그램을 직접적으로 찾아내는 것은 불가능하다. 따라서 영역내의 자료값의 대표적인 배리오그램을 찾아내기 위해 우선 영역 내의 자료값들 간의 거리에 따른 분산값의 분포, 즉 세미 배리오그램을 구하고 난 후 가장 세미 배리오그램에 유사한 배리오그램의 형태와 그 배리오그램의 변수값을 결정한다. 이때, 배리오그램의 변수값은 유효거리, 너겟(nugget), 실(sill)값을 의미한다. 주의할 점은 세미 배리오그램으로부터 일반적인 배리오그램을 찾는 과정이 크리깅 예측 시 일련의 과정 속에서 일괄적으로 진행되기 때문에 일반적으로 세미 배리오그램을 흔히 배리오그램이라고도 한다. 세미 배리오그램은 일정한 거리 사이에 있는 자료쌍들의 값차이의 제곱 평균의 1/2이며 수식으로 나타내면 다음과 같다.
[식 1]
본 발명은 실 지반과 근사한 3차원 공간 모델을 도출해내는 방법을 제공함에 그 목적이 있다. 구체적으로는 조사대상지역 내의 유효 시추정보를 선별하는 방법, 유효 시추정보 및 물리탐사 자료를 통합 활용하여 3차원적 지반정보를 생성하는 방법, 생성된 지반정보에 기초하여 3차원 모델을 생성하는 방법을 통해 오차를 최소화한 3차원 공간 모델을 도출하고자 한다.
본 발명은 다수의 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공(유효 시추공)을 선별하고, 시추조사 결과와 물리탐사 데이터를 통합하는 지리통계적 방법을 제공한다. 또한 본 발명에서는 공간 속성의 가변성을 형상화하기 위한 지리통계학적 비선형 절차에 의해 특성화된 지시자 크리깅(Indicator Kriging)이 3차원 공간 모델을 도출하는데 이용된다.
이에 따라 본 발명은 「(A) 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하는 단계; (B) 상기 (A)단계를 통한 선별 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성하는 단계; 및 (C) 상기 지반정보를 고려하여 3차원 그리드 사이즈를 결정하고, 상기 3차원 그리드에 의해 영역화된 셀(Cell)별로 대표 프로파일과 동적 특성을 분류한 DB를 구축하고, 상기 DB에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 단계; 를 포함하는 지반정보에 기초한 3차원 공간 모델링 방법」을 제공한다.
구체적으로, 상기 (A)단계는, 「(A-1) 조사대상지역 내에서 선정된 n개 시추공 중 평가대상 시추공 하나를 제외한 나머지 시추공의 시추정보에 기초한 크리깅을 순차적으로 수행하여 n개의 평가 배리오그램을 도출하는 단계; (A-2) 상기 평가 배리오그램을 통해 도출된 특정 지층의 깊이 추정값을 상기 평가대상 시추공을 통해 측정한 특정 지층의 깊이 측정값과 비교하여 오차를 계산하는 과정을 n차례 수행하는 단계; (A-3) 상기 추정값과 측정값의 오차가 상대적으로 큰 평가대상 시추공을 이상치로 분류하여 정보 수집 대상 시추공에서 배제하는 단계」를 포함하여 시행되도록 할 수 있다.
이 때, 상기 (A-3)단계는 상기 n개 시추공을 오차의 절대값이 큰 순으로 10%에 해당하는 개수만큼을 이상치로 분류하여 정보 수집 대상 시추공에서 배제하는 방법으로 구현할 수 있다.
상기 (B)단계는, 「(B-1) 상기 조사대상지역에 대한 물리탐사 자료에 기초하여 토모그래피(tomography)를 생성하는 단계; (B-2) 지반의 층상을 구분하기 위한 물성값을 각 층마다 m개의 기준값으로 설정하고, 상기 토모그래피로부터 해석되는 지점별 물성값을 상기 기준값과 비교하여, 상기 토모그래피를 층상별로 m개의 이진 데이터(binary data)로 변환하는 단계; (B-3) 기준값에 따른 이진데이터 및 상기 선별 시추공의 시추정보를 기초로 지시자 크리깅(indicator kriging)을 하여 층상별로 m개의 가정모델(assumed model)을 생성하는 단계; 및 (B-4) 상기 선별 시추공 중의 p개 시추공을 대상으로 상기 가정모델마다 개별적 교차검증을 실시하여 도출한 RMSE(root mean squared erros)가 가장 작은 가정모델을 표준모델로 선정하여, 각 층상의 표준모델을 취합하는 단계」를 포함하여 시행되도록 할 수 있다.
이 때, 상기 물성값으로는 전단파 속도 또는 전기 비저항을 적용할 수 있으며, 상기 물성값으로 전단파 속도를 적용하는 경우, 상기 기준값은 경험적으로 설정한 중심값과 상기 중심값 전후의 비교값으로 구분되며, 상기 m은 5~9의 범위 내에서 정할 수 있다.
또한, 상기 (B-2)단계는, 상기 토모그래피를 일정 사이즈의 그리드로 구획하고 상기 그리드에 의해 영역화된 각 지점별 물성값이 상기 기준값과 매칭되는 지점의 위치정보는 1로 변환하고, 상기 지점별 물성값이 상기 기준값과 매칭되지 않는 지점의 위치정보는 0으로 변환함으로써 토모그래피를 이진 데이터(binary data)로 변환하는 방법으로 구현할 수 있다.
또한, 상기 (B-4)단계의 교차검증은, 상기 가정모델의 기초정보에서 p개의 시추공 중 어느 하나의 층상정보를 제외한 상태로 지시자 크리깅을 하여 검증모델을 도출하고, 상기 검증모델의 지층 위치를 상기 검증모델 도출시에 제외된 시추공의 층상정보와 비교하여 오차를 계산하는 과정을 p차례 반복하는 방법으로 구현할 수 있다.
한편, 상기 (C)단계에서는 배리오그램 모델링을 통해 상기 지반정보에서 추출한 공간좌표와 기준 속성정보의 유효거리를 결정하여 그리드 사이즈를 결정할 수 있다.
본 발명에 따라 도출된 3차원 공간 모델은 실 지반과 유사하여, 지진피해 예측, 건축·토목 구조물 건설 계획 전의 지반정보 제공, 지하수량 산정, 준설토량 산정 등에 널리 활용될 수 있다.
구체적인 효과는 다음과 같다.
- 도심지 시공 현장뿐만 아니라, 다양한 건설 시공 현장에서 지반조사 정보의 장기 안전 관리에 활용 가능
- 지반조사 신뢰도 분석을 통한 지반조사 결과의 신뢰성 확인 가능
- 지반조사 신뢰도 분석 결과를 이용한 설계 조건에 따른 설계 지반 정수 제시 가능
- 지반조사 신뢰도 분석 결과를 이용한 지반조사 지점 최적화 가능
- 시추조사와 물리탐사 자료의 통합 분석을 통한 3차원 공간보간 결과는 향후 지반조사 결과의 신뢰성과 유용성 확대로 지반공학 구조물 설계 및 재해 관리에 매우 활용 가치가 높음
- 지반 분야의 신뢰도 기반의 자료 분석 및 활용 방법은 LRFD 설계법 등과 연관하여 다양한 구조물과 지반 조건에 대한 토목 설계법 개발로 연계될 것임.
[도 1]은 본 발명의 실시 과정을 개략적으로 정리하여 도시한 것이다.
[도 2]는 조사대상지역 내 시추공 분포를 도시한 것이다.
[도 3]은 시추공의 교차검증을 통한 오차의 분포를 나타낸 그래프이다.
[도 4]는 토모그래피를 이진 데이터로 변환하는 과정의 모식도이다.
[도 5]는 기준값에 따라 토모그래피를 변환한 이진데이터 및 시추정보를 기초로 지시자 크리깅(indicator kriging)을 하는 과정의 모식도이다.
[도 6]은 가정모델별 RMSE값의 분포를 나타낸 그래프이다.
[도 2]는 조사대상지역 내 시추공 분포를 도시한 것이다.
[도 3]은 시추공의 교차검증을 통한 오차의 분포를 나타낸 그래프이다.
[도 4]는 토모그래피를 이진 데이터로 변환하는 과정의 모식도이다.
[도 5]는 기준값에 따라 토모그래피를 변환한 이진데이터 및 시추정보를 기초로 지시자 크리깅(indicator kriging)을 하는 과정의 모식도이다.
[도 6]은 가정모델별 RMSE값의 분포를 나타낸 그래프이다.
본 발명은 「(A) 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하는 단계; (B) 상기 (A)단계를 통한 선별 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성하는 단계; 및 (C) 상기 지반정보를 고려하여 3차원 그리드 사이즈를 결정하고, 상기 3차원 그리드에 의해 영역화된 셀(Cell)별로 대표 프로파일과 동적 특성을 분류한 DB를 구축하고, 상기 DB에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 단계; 를 포함하는 지반정보에 기초한 3차원 공간 모델링 방법」을 제공한다. [도 1]은 위와 같은 본 발명의 실시 과정을 개략적으로 정리하여 도시한 것이다.
이하에서는 본 발명을 첨부된 도면과 함께 각 단계별로 상세히 설명한다.
Ⅰ. (A)단계
본 (A)단계는 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하는 단계이다. 이상치(Outlier)란 나머지 데이터에서 수치적으로 큰 차이가 있는 데이터를 말하는 것으로서 시추공 데이터로부터 절대적인 이상치를 정의하기는 곤란하다. 그러나 통계적 도구를 이용하여 상대적인 이상치를 분류하는 것은 가능하다. 본 발명은 교차 검증 기반의 이상치 분석 방법을 제공한다. 다수의 시추공에 대한 교차 검증을 통한 이상치 분석은 아래의 각 단계를 세분 시행함으로써 구현할 수 있다.
1. (A-1)단계
본 단계는 조사대상지역 내에서 선정된 n개 시추공 중 평가대상 시추공 하나를 제외한 나머지 시추공의 시추정보에 기초한 크리깅을 순차적으로 수행하여 n개의 평가 배리오그램을 도출하는 단계이다.
크리깅에 이용되는 시추공의 수 n은 조사대상지역 내에 분포된 시추공 수와 동일하거나 다소 작을 수 있다. 물론 [도 2]에 도시된 바와 같이 원래 존재하였던 시추공 이외에 추가적인 시추작업을 하여 생성된 시추공의 시추정보를 함께 이용할 수도 있다.
본 단계에서는 n개 시추공 중 어느 하나를 제외한 나머지 시추공의 시추정보에 기초한 크리깅을 순차적으로 수행하여 n개의 평가 배리오그램을 도출한다.
2. (A-2)단계
본 단계는 상기 평가 배리오그램을 통해 도출된 특정 지층의 깊이 추정값을 상기 평가대상 시추공을 통해 측정한 특정 지층의 깊이 측정값과 비교하여 오차를 계산하는 과정을 n차례 수행하는 단계이다.
3. (A-3)단계
본 단계는 추정값과 측정값의 오차가 상대적으로 큰 평가대상 시추공을 이상치로 분류하여 정보 수집 대상 시추공에서 배제하는 단계이다.
[도 3]은 시추공의 교차검증을 통한 오차의 분포를 나타낸 그래프이다. 그래프에서 실선은 추정값과 측정값이 동일한 시추공의 분포 라인이고, 점선은 이상치를 구분하는 기준라인이다. 따라서 그래프 상의 백점이 곧 이상치로 분류되는 시추공을 나타내는 것이다.
구체적으로는 상기 n개 시추공을 오차의 절대값이 큰 순으로 10%에 해당하는 개수만큼을 이상치로 분류하여 정보 수집 대상 시추공에서 배제시킬 수 있다.
위의 과정을 통해 본 (A)단계에서는 하기 (B)단계 실시를 위한 정보 수집 대상 시추공 선별이 이루어지게 된다.
Ⅱ. (B)단계
본 (B)단계는 상기 (A)단계를 통한 선별 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성하는 단계이다.
특정 지역의 지반 상태를 전반적으로 이해하기 위해서는 지구통계학적(geotechnical) 방법이 요구된다. 지반 상태 파악을 위해 시추공 탐사가 이루어지지만, 시추공은 3차원적 지반 공간에 대해 1차원적 정보를 제공할 뿐이므로 그 정보 내용이 한정적일 수밖에 없다. 시추공 탐사 외에도 지반의 종단면 정보를 수반한 토모그래피(tomography)를 도출하는 여러 가지 물리탐사 방법이 이용되고 있는데, 이 역시 2차원적 정보를 제공할 뿐이므로 지반 상태를 전체적으로 파악하기는 어렵고 시추공에 의해 지반을 직접적으로 조사하는 경우보다는 조사결과의 신뢰성이 낮다.
이에 본 단계에서는 1차원적 정보를 제공하는 시추공의 시추정보와 2차원적 정보를 제공하는 물리탐사 자료를 통합하여 조사대상지역에 대한 3차원적 지반정보를 생성한다. 시추정보와 물리탐사 자료 통합에 의한 3차원적 지반정보의 생성은 아래의 각 단계를 세분 시행함으로써 구현할 수 있다.
1. (B-1)단계
본 (B-1)단계는 상기 조사대상지역에 대한 물리탐사 자료에 기초하여 토모그래피(tomography)를 생성하는 단계이다. 상기 토모그래피는 물리탐사 라인으로 설정된 측선을 따라 절단된 가상의 지반 입면으로서 물리탐사 방법에 따라 해당 입면의 물성정보를 제공한다.
2. (B-2)단계
본 (B-2)단계는 지반의 층상을 구분하기 위한 물성값을 각 층마다 m개의 기준값으로 설정하고, 상기 토모그래피로부터 해석되는 지점별 물성값을 상기 기준값과 비교하여, 상기 토모그래피를 층상별로 m개의 이진 데이터(binary data)로 변환하는 단계이다.
지반의 층상은 통일분류법에 따라 모래층(S-), 점토층(C-), 모래자갈층(SW), 실트질모래(SM) 등으로 분류할 수 있으며, 지반의 층상을 구분하기 위한 근거 자료인 물성값으로는 물리탐사 방법에 따라 전단파 속도, 전기 비저항 등을 적용할 수 있다.
물리탐사를 탄성파 시험으로 시행한 경우, 지반 층상 구분을 위한 물성값으로 전단파 속도를 이용할 수 있다. 다만, 층상과 전단파 속도의 관계가 일정-명확하지가 않다. 따라서 기존의 연구자료와 실험적, 경험적으로 취득한 데이터를 종합하여 층상 구분을 위한 전단파 속도의 기준값을 설정한다. 그러나 상기 기준값은 어디까지나 추정값이므로, 상기 기준값 전후 단계로 몇 가지의 기준값을 추가로 설정한다. 즉 경험적으로 설정한 중심값과 상기 중심값 전후의 비교값을 포함한 5~9개의 기준값을 설정한다(즉, m=5~9).
아래의 [표 1]은 지반이 층상 구분을 위한 전단파 속도 기준값을 중심값((Vp)cr)과 상하 각각 3가지의 비교값(3/5(Vp)cr, 3/4(Vp)cr, 7/8(Vp)cr, 9/8(Vp)cr, 6/5(Vp)cr, 5/4(Vp)cr), 총 7가지 기준값으로 구분한 예를 정리한 것이다.
[표 1]
위와 같이 특정 층상을 결정하는 기준값을 m개 설정했으면, 상기 토모그래피로부터 해석되는 지점별 물성값을 상기 기준값과 비교하여, 상기 토모그래피를 층상별로 m개의 이진 데이터(binary data)로 변환한다. 즉, 인디케이터 크리깅(Indicator Kriging)을 위해 지반공학적 조사 자료를 [0,1]의 이진 데이터로 변환하는 것이다.
이와 같이 토모그래피를 이진 데이터로 변환하는 과정은 [도 4]에 도시된 바와 같이 상기 토모그래피를 일정 사이즈의 그리드로 구획하고 상기 그리드에 의해 영역화된 각 지점별 물성값이 상기 기준값과 매칭되는 지점의 위치정보는 1로 변환하고, 상기 지점별 물성값이 상기 기준값과 매칭되지 않는 지점의 위치정보는 0으로 변환함으로써 간편하게 수행할 수 있다.
3. (B-3)단계
본 (B-3)단계는 [도 5]에 도시된 바와 같이 기준값에 따른 이진데이터 및 상기 선별 시추공의 시추정보를 기초로 지시자 크리깅(indicator kriging)을 하여 층상별로 m개의 가정모델(assumed model)을 생성하는 단계이다. 이에 따라 시추정보와 물리탐사 자료가 3차원적으로 통합화된다.
4. (B-4)단계
본 (B-4)단계는 상기 선별 시추공 중의 p개 시추공을 대상으로 상기 가정모델마다 개별적 교차검증을 실시하여 도출한 RMSE(root mean squared erros)가 가장 작은 가정모델을 표준모델로 선정하여, 각 층상의 표준모델을 취합하는 단계이다.
상기 교차검증은 상기 가정모델의 기초정보에서 p개(p는 상기 (A)단계에서 선별된 시추공의 개수와 동일하거나 이하의 수)의 시추공 중 어느 하나의 층상정보를 제외한 상태로 지시자 크리깅을 하여 검증모델을 도출하고, 상기 검증모델의 지층 위치를 상기 검증모델 도출시에 제외된 시추공의 층상정보와 비교하여 오차를 계산하는 과정을 p차례 반복함으로써 수행할 수 있다.
즉, 하나의 층상을 구분하는 전단파 속도 기준값마다 각각 가정모델을 생성하고(층상별 가정모델 m개), 각각의 가정모델 당 p개의 검증모델을 생성하여, p개의 오차값이 도출된다. RMSE는 상기 오차값 제곱의 루트값의 평균값이고, 하나의 층상에 대해 7개의 RMSE가 도출되며, 최소의 RMSE가 도출된 가정모델을 해당 층상의 표준모델로 선정한다. 위의 과정을 각 층상별로 수행함으로써 도출된 각 층상별 표준모델을 축적한 지반 전체의 3D 모델이 생성된다.
[도 6]은 가정모델별 RMSE값의 분포를 나타낸 그래프로서, 토양퇴적층과 연암층을 구분하는 전단파속도의 기준값 7개에 대한 교차검증을 통해 RMSE가 가장 작은 기준값이 1400m/sec임을 도출해낸 그래프를 도시한 것이다.
Ⅲ. (C)단계
본 단계는 상기 지반정보를 고려하여 3차원 그리드 사이즈를 결정하고, 상기 3차원 그리드에 의해 영역화된 셀(Cell)별로 대표 프로파일과 동적 특성을 분류한 DB를 구축하고, 상기 DB에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 단계이다.
본 단계에서도 배리오그램 모델링을 통해 상기 지반정보에서 추출한 공간좌표와 기준 속성정보의 유효거리를 도출하고, 상기 유효거리를 3차원 그리드의 격자 크기로 결정할 수 있다.
본 발명은 상기에서 언급한 바와 같이 바람직한 실시예와 관련하여 설명되었으나, 본 발명의 요지를 벗어남이 없는 범위 내에서 다양한 수정 및 변형이 가능하며, 다양한 분야에서 사용 가능하다. 따라서 본 발명의 청구범위는 이전 발명의 진정한 범위 내에 속하는 수정 및 변형을 포함한다.
해당없음
Claims (9)
- (A) 조사대상지역 내 다수 시추공에 대한 이상치 분석(Outlier Analysis)을 통해 정보 수집 대상 시추공을 선별하는 단계;
(B) 상기 (A)단계를 통한 선별 시추공의 시추정보 및 상기 조사대상지역에 대한 물리탐사 자료를 통합한 배리오그램(Variogram) 모델링을 통해 조사대상지역에 대한 3차원적 지반정보를 생성하는 단계; 및
(C) 상기 지반정보를 고려하여 3차원 그리드 사이즈를 결정하고, 상기 3차원 그리드에 의해 영역화된 셀(Cell)별로 대표 프로파일과 동적 특성을 분류한 DB를 구축하고, 상기 DB에 기초한 공간 보간을 통해 조사대상지역에 대한 3차원 모델을 생성하는 단계; 를 포함하고,
상기 (A)단계는,
(A-1) 조사대상지역 내에서 선정된 n개 시추공 중 평가대상 시추공 하나를 제외한 나머지 시추공의 시추정보에 기초한 크리깅을 순차적으로 수행하여 n개의 평가 배리오그램을 도출하는 단계;
(A-2) 상기 평가 배리오그램을 통해 도출된 특정 지층의 깊이 추정값을 상기 평가대상 시추공을 통해 측정한 특정 지층의 깊이 측정값과 비교하여 오차를 계산하는 과정을 n차례 수행하는 단계; 및
(A-3) 상기 추정값과 측정값의 오차가 상대적으로 큰 평가대상 시추공을 이상치로 분류하여 정보 수집 대상 시추공에서 배제하는 단계;를 포함하는 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
- 삭제
- 제1항에서,
(A-3)단계는 상기 n개 시추공을 오차의 절대값이 큰 순으로 10%에 해당하는 개수만큼을 이상치로 분류하여 정보 수집 대상 시추공에서 배제하는 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
- 제1항에서, 상기 (B)단계는,
(B-1) 상기 조사대상지역에 대한 물리탐사 자료에 기초하여 토모그래피(tomography)를 생성하는 단계;
(B-2) 지반의 층상을 구분하기 위한 물성값을 각 층마다 m개의 기준값으로 설정하고, 상기 토모그래피로부터 해석되는 지점별 물성값을 상기 기준값과 비교하여, 상기 토모그래피를 층상별로 m개의 이진 데이터(binary data)로 변환하는 단계;
(B-3) 기준값에 따른 이진데이터 및 상기 선별 시추공의 시추정보를 기초로 지시자 크리깅(indicator kriging)을 하여 층상별로 m개의 가정모델(assumed model)을 생성하는 단계; 및
(B-4) 상기 선별 시추공 중의 p개 시추공을 대상으로 상기 가정모델마다 개별적 교차검증을 실시하여 도출한 RMSE(root mean squared erros)가 가장 작은 가정모델을 표준모델로 선정하여, 각 층상의 표준모델을 취합하는 단계; 를 포함하는 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
- 제4항에서,
상기 물성값은 전단파 속도 또는 전기 비저항인 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
- 제5항에서,
상기 물성값은 전단파 속도이고, 상기 기준값은 경험적으로 설정한 중심값과 상기 중심값 전후의 비교값으로 구분되며, 상기 m은 5~9인 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
- 제4항에서, 상기 (B-2)단계는,
상기 토모그래피를 일정 사이즈의 그리드로 구획하고 상기 그리드에 의해 영역화된 각 지점별 물성값이 상기 기준값과 매칭되는 지점의 위치정보는 1로 변환하고, 상기 지점별 물성값이 상기 기준값과 매칭되지 않는 지점의 위치정보는 0으로 변환함으로써 토모그래피를 이진 데이터(binary data)로 변환하는 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
- 제4항에서, 상기 (B-4)단계의 교차검증은,
상기 가정모델의 기초정보에서 p개의 시추공 중 어느 하나의 층상정보를 제외한 상태로 지시자 크리깅을 하여 검증모델을 도출하고, 상기 검증모델의 지층 위치를 상기 검증모델 도출시에 제외된 시추공의 층상정보와 비교하여 오차를 계산하는 과정을 p차례 반복하는 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
- 제1항에서, 상기 (C)단계에서는,
배리오그램 모델링을 통해 상기 지반정보에서 추출한 공간좌표와 기준 속성정보의 유효거리를 결정하여 그리드 사이즈를 결정하는 것을 특징으로 하는 지반정보에 기초한 3차원 공간 모델링 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140110813A KR101618713B1 (ko) | 2014-08-25 | 2014-08-25 | 지반정보에 기초한 3차원 공간 모델링 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140110813A KR101618713B1 (ko) | 2014-08-25 | 2014-08-25 | 지반정보에 기초한 3차원 공간 모델링 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160024232A KR20160024232A (ko) | 2016-03-04 |
| KR101618713B1 true KR101618713B1 (ko) | 2016-05-10 |
Family
ID=55535922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140110813A KR101618713B1 (ko) | 2014-08-25 | 2014-08-25 | 지반정보에 기초한 3차원 공간 모델링 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101618713B1 (ko) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101669029B1 (ko) * | 2016-05-11 | 2016-11-09 | 한국건설기술연구원 | 지반정보 분석 장치 및 방법 |
| KR101708599B1 (ko) * | 2016-12-28 | 2017-03-08 | 한국가스공사 | 탄층 메탄가스 저류층의 가스 함유량 모델링방법 |
| KR101926303B1 (ko) * | 2018-05-24 | 2019-02-26 | 한국지질자원연구원 | 건축물 영역에 대한 지진가속도계측기의 최적 설치위치 선정 방법 |
| KR101993755B1 (ko) * | 2018-10-23 | 2019-07-01 | 주식회사 씨엠월드 | 3차원 격자를 이용한 공간정보관리방법 그 장치 |
| CN110702632B (zh) * | 2019-09-29 | 2022-08-19 | 核工业北京地质研究院 | 一种深部岩矿高光谱信息三维建模方法 |
| CN110929320B (zh) * | 2019-11-04 | 2022-11-29 | 长江航道规划设计研究院 | 基于Skyline软件计算航道疏浚工程施工量的方法 |
| KR102496592B1 (ko) * | 2019-12-16 | 2023-02-06 | 한국건설기술연구원 | 토공 정보 관리 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
| CN112037079A (zh) * | 2019-12-26 | 2020-12-04 | 核工业北京地质研究院 | 一种基于三维建模及空间插值的金矿原生晕异常提取方法 |
| CN111612903B (zh) * | 2020-04-29 | 2023-03-21 | 中冶沈勘工程技术有限公司 | 一种基于混合数据模型的地质数据可视化方法 |
| CN111611422B (zh) * | 2020-05-21 | 2020-12-01 | 广东省地震局 | 基于svc自动生成地震灾害风险评估中定性图件的方法及系统 |
| CN111737867B (zh) * | 2020-06-15 | 2023-12-15 | 鞍钢集团矿业有限公司 | 一种矿体三维实体模型快速更新方法 |
| CN112862967B (zh) * | 2021-03-11 | 2023-07-18 | 北京市水利规划设计研究院 | 用于建立三维地质模型的方法和装置 |
| CN114742937B (zh) * | 2022-03-08 | 2024-07-16 | 华中科技大学 | 一种三维地质解析方法和装置 |
| CN114925429B (zh) * | 2022-05-24 | 2024-03-29 | 重庆市测绘科学技术研究院(重庆市地图编制中心) | 一种用于超长轨道线路的勘察信息模型衔接方法及装置 |
| CN116109691B (zh) * | 2023-02-03 | 2023-11-07 | 煤炭科学研究总院有限公司 | 基于三维模型和插值的储量计算方法及装置 |
| CN116152456A (zh) * | 2023-03-02 | 2023-05-23 | 南京工业大学 | 一种三维地层结构可视化方法及系统 |
| CN116778096B (zh) * | 2023-06-02 | 2024-03-08 | 中国公路工程咨询集团有限公司 | 一种基于bim三维云数据的三维地质体建模方法 |
| CN117077068B (zh) * | 2023-10-18 | 2024-03-08 | 中国科学院地质与地球物理研究所 | 深地油气精准导航随钻声波测井数据实时标定方法与系统 |
| CN118504075A (zh) * | 2024-05-07 | 2024-08-16 | 南京大学 | 耦合体元分割算法和马尔可夫随机场的地层模型构建方法 |
| CN118622241A (zh) * | 2024-08-12 | 2024-09-10 | 徐州华超矿山设备有限公司 | 一种采矿钻进机械控制系统 |
-
2014
- 2014-08-25 KR KR1020140110813A patent/KR101618713B1/ko active IP Right Grant
Non-Patent Citations (3)
| Title |
|---|
| 시추자료와 물리탐사자료의 복합해석을 통한 3차원광체모델링연구, 지구물리와물리탐사 Vol.16(2013)* |
| 임종세, 최용근, and 김태혁. "지구통계학적 기법을 이용한 터널 주변 암반물성의 3 차원 공간정보 모델링." 2004 한국암반공학회 춘계학술발표회 논문집 (2004) |
| 통계적지반공간정보 기법을 이용한 지층구조분석, 한국지반공학회논문집 제27권7호(2011)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20160024232A (ko) | 2016-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101618713B1 (ko) | 지반정보에 기초한 3차원 공간 모델링 방법 | |
| US10324229B2 (en) | System and method of pore type classification for petrophysical rock typing | |
| Rogers et al. | Volumetric fracture intensity measurement for improved rock mass characterisation and fragmentation assessment in block caving operations | |
| CA2641867C (en) | Methods and apparatus for predicting the hydrocarbon production of a well location | |
| KR101642951B1 (ko) | Ｇｉｓ 기반 실시간 지진피해 예측 방법 | |
| Dell'Arciprete et al. | Comparison of three geostatistical methods for hydrofacies simulation: a test on alluvial sediments | |
| Vogt et al. | Stochastic inversion of the tracer experiment of the enhanced geothermal system demonstration reservoir in Soultz-sous-Forêts—revealing pathways and estimating permeability distribution | |
| EP2795527B1 (en) | Systems and methods for selecting facies model realizations | |
| Mahjour et al. | Developing a workflow to represent fractured carbonate reservoirs for simulation models under uncertainties based on flow unit concept | |
| CN105242307B (zh) | 复杂碳酸盐储层地震孔隙度获取方法及装置 | |
| Kim et al. | A three-dimensional geotechnical spatial modeling method for borehole dataset using optimization of geostatistical approaches | |
| CN110632657B (zh) | 泥岩涂抹型断层封闭性分析方法及装置 | |
| CN104011566A (zh) | 用于分析地质构造的特性的基于小波变换的系统和方法 | |
| Jiskani et al. | Integrated 3D geological modeling of Sonda-Jherruck coal field, Pakistan | |
| Akiska et al. | Three-dimensional subsurface modeling of mineralization: a case study from the Handeresi (Çanakkale, NW Turkey) Pb-Zn-Cu deposit | |
| CN117852416B (zh) | 基于数字化地质模型的多模态注浆预控分析方法及系统 | |
| Ray et al. | Characterizing and modeling natural fracture networks in a tight carbonate reservoir in the Middle East: A methodology | |
| KR101131517B1 (ko) | 물리검층 자료의 통계학적 해석결과를 활용한 오일샌드 지역 지하정보의 처리시스템 및 이를 이용한 오일샌드 지역 지하정보의 처리방법 | |
| Sun et al. | Geostatistical assessment for the regional zonation of seismic site effects in a coastal urban area using a GIS framework | |
| Tao et al. | Rock mass quality prediction of open-pit gold mine slope based on the kriging interpolation method | |
| KR101926303B1 (ko) | 건축물 영역에 대한 지진가속도계측기의 최적 설치위치 선정 방법 | |
| Narciso et al. | Developing a site-conditions map for seismic hazard assessment in Portugal | |
| CN108897061B (zh) | 一种确定储层砂体比例的方法、装置及系统 | |
| CN111815769A (zh) | 逆冲推覆构造带构造的建模方法、计算设备及存储介质 | |
| CN118430692B (zh) | 一种三维找矿预测方法、系统、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |