Leeb 경도와 머신러닝 기법을 통한 암석 일축압축강도 추정

초록

본 연구에서는 비파괴적 시험 방법을 통해 다양한 암석의 일축압축강도(UCS)를 예측하는 모델을 개발 하고, Leeb 경도(LH)와 UCS 간의 비선형 관계를 규명하였다. 직접 실험을 통해 수집한 94개와 문헌에 서 수집한 101개를 포함하여 총 195개의 데이터셋을 분석하여 LH, P파 속도(VP), 건조밀도(Density) 와 UCS 간의 상관관계를 평가하였다. LH와 UCS의 관계 분석 결과, 암석 유형에 따라 상관성의 차이가 나타났으며, 특히 화성암에서 가장 높은 상관관계(R2 = 0.74)를, 변성암에서 가장 낮은 상관관계(R2 = 0.12)를 보였다. 예측 방법을 비교한 결과, 머신러닝 모델이 선형회귀(R2 = 0.626)와 비선형회귀(R2 = 0.644) 방법보다 현저히 우수한 성능을 보였다. 다양한 머신러닝 모델 중 XGBoost가 가장 높은 예측 성능(R2 = 0.902, RMSE = 16.282)을 보였으며, 특히 여러 변수(LH, VP, Density, Rock type)를 결합했을 때 예측 정확도가 크게 향상되었다. 본 연구는 비파괴적 시험과 머신러닝을 결합하여 현장과 실험실에서 암석 강도를 신속하고 경제적으로 예측할 수 있는 방법론을 제시하며, 다양한 암석 물성의 통합을 통해 예측 정확도를 더욱 향상시킬 수 있는 가능성을 보여준다.

키워드