1.서론

터널의 변형은 굴착면 진행의 영향과, 굴착면 주변의 하중 이력에 대응한 암반의 변형특성에 의해 결정된다. 또한, 지반보강의 종류와 특성에 따라서도 변형이 달라진다. 터널 벽면에서 발생하는 변위는 굴착 이전에 발생하는 변위와 이후에 발생하는 변위로 구분할 수 있으며, 굴착 이전에 발생하는 변위는 지반의 변형특성에 의존하는 것으로 알려져 있다. 변위는 터널의 안정성에 있어서 중요한 요소이지만, 굴착 이전에 발생하는 터널 거동을 실측할 수 없고, 다양한 영향변수를 고려하지 못함으로인하여 정량적인 예측을 할 수 없었다. 이러한 계측값 자체의 한계와 신뢰성 문제로 인해 계측변위를 이용한 역해석 (back analysis) 방법 등의 적용이 쉽지 않아서 계측한 변위값을 터널현장에서 크게 이용하지 못하고 있는 실정이다. 최근에 계측기술의 발달로 3차원 절대 계측을 통해 내공변위를 보다 정밀하게 나타내고 분석하는 기술이 중요하게 대두되고 있다.

터널 내공변위는 암반의 변형특성과 굴착 및 지보 특성에 의해 직접적인 영향을 받고, 굴착이 중지된 상태에서는 암반의 시간의존성 (time dependent characteristics)에 영향을 받게 된다. 특히, 대규모 파쇄대나 단층대 등 연약대가 존재하는 암반을 통과할 때의 내공변위는 암반의 변형특성과 굴착, 지보 특성 외에 추가로 연약대 특성의 영향으로 균질/등방 암반 굴착시의 변위거동특성과 동일하게 볼 수 없음이 이미 밝혀졌다 (Schubert 와 Budil, 1996). 특히, convergence equation을 제안한 Panet과 Guenot (1982) 및 Sulem, Panet과 Guenot (1987) 등이 Frejus 터널과 Las-Planas터널 등에 이 수식을 적용한 이래 암반의 변형특성을 표현할 수 있는 다양한 모델들이 제시되고 있고, 주로 암반 재료특성변화를 고려한 모델들이 많이 제시되고 있으나, 현재까지도 Panet의 수식은 터널 현장 계측 결과와 잘 일치하고 있으나, 터널 막장 전방의 연약대/파쇄대의 특성이 반영된 내공변위함수에 대한 연구는 아직까지도 많이 이루어지지 않고 있다. 내공변위함수 function para-meter인 X, T, C, m에 대한 연구는 주로 전체 터널 구간에 대한 내공변위 function parameter를 구해서 터널의 평균적인 내공변위 특성을 반영하는 수준에 머물러 있어서, 갑작스런 지반조건변화나 사전 예측이 어려운 막장 전방의 연약대/파쇄대의 특성에 의한 function parameter 산정 방법이 최근 매우 중요하게 대두되고 있다.

따라서, 본 논문에서는 터널 내공 변위함수 (conver-gence equation)의 형태를 결정짓는 function para-meters (X, T, C, m)를 터널 막장관찰을 통해 얻어지는 지질 및 지반조건을 이용해서 사전에 예측할 수 있는 방법론을 제시하였다. 이를 위해서 시공 중인 터널 막장관찰을 통해 얻어지는 정보와 그 구간에서의 내공특성을 결정짓는 function parameters와의 상관관계를 규명하고, 데이터베이스화하여 이를 토대로 향후 굴착될 막장에서의 내공변위 function parameters (X, T, C, m)를 결정할 수 있는 인공신경회로망 (ANN, Artificial Neural Network)을 제안하였다.

아울러, 연약대/파쇄대가 존재하는 지반에서 function parameters 중 터널 굴착에 주요한 영향을 받는 변수 X, C가 이방성 암반 및 연약대가 포함된 암반에서 균질/등방 암반에서와는 다르게 나타난다는 것을 다양한 3차원 수치해석 매개변수 변환연구를 통해서 확인하였고, 실제 Alpine 터널 계측 사례를 통해서 이를 비교․분석하고 실무에 사용 가능함을 확인하였다.

2.터널 내공 변위

터널 굴착 시 계측된 변위에 대한 가장 일반적인 표현 방법은 시간에 따른 변위양상을 나타내는 것이며, 균질한 암반을 일정한 속도로 굴착을 하는 경우는 변위양상 파악이 매우 용이하고, 굴착 직후 터널의 안정은 점진적인 변위량의 감소로 나타나게 되며, 최종적으로 일정한 값에 수렴되는 양상을 보여준다. 반면에. 불균질한 이방성 암반을 일정하지 않은 속도로 굴진할 경우에는 계측데이터의 분석이 매우 어려워지게 되며, 또한, 동일한 조건의 터널에서 굴진율이 틀린 경우, 시간에 따른 내공변위 양상은 암반의 시간 의존적 특성 (time dependent characteristic)에 의해 다르게 나타날 수 있다. 터널 막장 진행에 따른 변위를 고려하지 못한다면 변위 양상을 정량적으로 해석하기 어려워지며, 추가적인 굴착, 불균질한 암반조건 또는 시간 의존적인 지보의 거동에 대해 변위이력만을 가지고 적절하게 분석하기는 힘들기 때문에 최근에는 이러한 여러 복합적인 상황에서도 변위를 예측할 수 있는 기법들이 많이 개발되고 있으며, 이러한 기법을 이용하여 막장진행효과, 지보의 시간 의존적 거동을 분석 할 수 있게 되었다.

표 1은 내공변위양상을 표현할 수 있는 여러 함수들을 보여주고 있다. 지수함수, 로그함수 및 분수함수 등 다양한 모델들이 제시되고 있지만, 최근까지 가장 많이 활용되고 있는 convergence equation은 Panet과 Guenot  (1982) 및 Sulem, Panet과 Guenot (1987) 등이 제안한 분수함수 형태이다 (표 1의 5번 수식).

표 1의 5번 수식은 Panet (1982), Sulem, Panet, Guenot 등 (1987)에 의해 제안된 convergence equation으로 현재까지도 내공변위를 분석하는 데 유용하게 활용되고 있다. 식 (1)은 일반적인 convergence equation을 보여주고 있으며, 이 식에서 는 터널 막장면 굴착 영향거리 관련 상수, 는 암반의 시간 의존적

변형특성 상수, 는 굴착면이 무한히 멀 때 굴착면

진행의 영향에 의해서만 발생되는 변위 최종변위, 은 굴착과 시간 의존적 변형 상수를 나타낸다.

          (1)

일반적으로 값은 0.3을 사용하고 있으나, 실제로 몇몇 터널의 경우를 비교해보면 이 수치가 실제보다도 과대 혹은 과소평가하는 사례가 많아 주의 요해서 사용해야 함을 확인 할 수 있다 (Kim, 2003). 그 예로서 오스트리아 Wolfsgruben 터널에서 각 Station별로 분석해본 결과 값은 약 1.5 ～ 2.0 정도를 보였고, chainage 25.5의 경우는 약 0.2정도를 보여서 Panet과 Sulem의 식에서 값을 일정하게 0.3으로 보는 것이 암반조건에 따라서는 변위결과를 과대평가할 수 있는 개연성을 보여주었다.

Sulem, Panet, Guenot 등 (1987)은 Frejus 및 Las Planas 터널의 계측 결과와 수치해석 결과를 토대로 본 수식을 만들었으며, 그 이후에도 순차적인 터널 굴착과정 및 지보효과를 고려한 수정된 convergence equation을 Barlow (1986)가 제안하였고, Sellner (2000)는 Barlow의 수식을 기초로 추가적인 지보과정을 반영할 수 있는 convergence equation과 내공함수식 fitting을 매우 간편하고 수행하고, 현장 계측결과를 직접 분석할 수 있는 Geofit이라는 시스템을 개발하여 활용하고 있다 (그림 2).

그림 2는 3차원 절대계측을 통해서 얻어진 천단침하에 대해서 굴착 이력에 따른 전형적인 내공변위 형상을 보여주고 있다. 굴착 history에서는 초기 굴착 후 일정기간 굴착이 정지된 상태에서 시간 의존적인 creep거동을 볼 수 있으며, 벤치 굴착에 의한 영향도 볼 수 있다. 이렇게 터널 굴착 history에 따른 터널 내공변위거동 형상을 규정할 수 있는 function parameter , , , 으로 이러한 내공변위 거동 형상을 규정지을 수 있다. 이러한 내공변위 거동 형성은 한 계측 단면에서 뿐만 아니라 연속적으로 연결된 계측 단면에서 분석해 볼 수 있고, 각 계측 station별로 이들 function parameter를 연결시켜볼 경우, 지반조건 변화에 따른 function para- meter의 변화를 확인해볼 수 있다.

표 2는 Panet과 Sulem에 의해서 내공변위함수식을 만들기 위해 사용되었던 대표적인 두 개의 알프스 터널 현장으로서 Frejus 터널 내공함수 function parameter 계산 사례에서는 각 계측 section별로 지반조건이 유사한 경우에는 function parameter값들의 편차가 크지 않게 나타나고 있으나, 지반조건이 달라지는 경우에는 값들의 편차가 다소 커짐을 알 수 있다. 이것은 주로 등방/균질 암반에 대해서는 function parameter, , , 값을 터널의 평균치로 활용할 수 있지만, 지반조건 변화가 급격히 이루어지는 연약대/파쇄대에서는 다른 접근방법이 필요함을 보여준다. 즉, 이미 굴착된 지역에서 얻어지는 내공변위 특성과 막장의 상태, 굴착조건 등을 반영하여 향후 굴착될 터널 전방의 내공 특성치들을 사전에 예측할 수 있다면 좀 더 합리적인 굴착 및 지보/보강 공법 변경을 위한 의사결정이 이루어질 수 있음을 보여주고 있다.

그림 3은 균질한 암반의 경우와 파쇄대/연약대가 존재하는 암반에서의 내공변위 function parameters 변화를 비교해 본 것이다. 앞서 표 2에서 보여준 바와 같이 균질한 암반에서는 function parameter값이 급격히 변화하지는 않으나, 연약대/파쇄대와 같이 변위경향에 지대하게 영향을 미칠 수 있는 암반에서는 그 영향에 의해서 그림 3 (b)와 같이 파쇄대 진입 전에 있는 계측 단면에서는 값이 급격히 상승하다가 연약대/파쇄대 내에서는 급격히 감소하는 전형적인 경향성을 보여준다. 값도 유사한 경향성을 보여준다. 이렇듯 연약대/파쇄대 존재 암반의 경우는 균질암반과 달리 , 값이 일정한 경향성을 갖기 때문에 이에 대한 고려가 필요하다.

그림 4는 연약대 존재 암반의 전형적인 응력/변위 및 function parameters 변화를 보여주는 그림으로서 function parameter 값은 동일지점에 발생되는 응력의 변화와 유사한 경향성을 보였고, 시간 의존변수인 나 은 대체로 파쇄대에 진입하면서 점차 증가하는 형태를 보여주고 있다. 물론 이러한 결과는 이론적인 접근방법에 의해서 얻어진 결과임으로 실제 현장 사례를 토대로 이에 대한 검증이 필요하다.

따라서 실제 현장에서 지속적으로 얻어지는 현장 조건과 터널 내공변위 function parameter와의 관계를 이용하면, 시공 중에 전방에 발생 가능한 내공 특성을 사전에 예측할 수 있을 것으로 판단된다.

3.터널 내공변위 Function Parameters 예측기법

굴착 전 기 시공된 구간에 대한 정보를 토대로 향후 시공될 구간에 대한 내공변위 함수 function para-meters 결정을 위해서 본 연구에서는 인공신경회로망기법을 이용하였다. 인공신경망을 이용한 터널 내공변위 function parameters 예측은 터널 시공 시 지반의 정보와 굴착에 관한 정보를 이용하여 최종변위 및 사전에 발생 가능한 변위를 예측하여 터널막장에 대한 안정성을 판단하고 적합한 굴착 및 지보/보강의 의사결정에 도움을 주고자 함이다. 암반의 거동과 지보의 영향에 대해 필요한 정보는 역계산한 기 터널시공의 이력들과 프로젝트들로 구성된 지식들을 저장하는 DB에서 얻게 된다. 특정 단면에 대한 지질학적/지반공학적 상태를 기술한 정보는 막장에서 얻게 된다. 이러한 정보 중 현장에서 얻기 쉬운 토피, 절리변수, GSI, 풍화정도 등이 함수의 변수를 결정하는 ANN의 입력변수로 사용된다.

이미 굴착된 구간에서의 계측결과와 막장관찰정보 및 굴착정보 등을 활용해서 향후 굴착될 구간에 대한 내공함수 function parameters를 사전에 예측하기 위해서 터널 굴착정보/막장관찰정보/계측결과 등 총 15개 입력변수들과 각 계측 지점에서의 function parameters(, , , )등 4개 출력변수들을 하나의 set로 하는 인공신경회로망(ANN) 모델을 그림 5와 같이 설계하였다. 표 3에는 이러한 입력 변수를 결정하기 위한 터널 막장정보, 지보조건, 굴착조건 및 이에 대한 계측 결과를 하나의 데이터베이스 tree를 보여주는 것이다. 본 인공신경회로망 모델에는 총 15개의 막장정보를 입력패턴을 구성하였다.

오스트리아 Wolfsgruben 터널의 총 103개 막장 및 Galgenberg 터널의 총 65개 막장에서 얻어진 정보를 이용하여 학습을 수행하였고, 추론 대상 막장을 제외하고 학습을 수행/추론하여 각 막장별로 function para-meter 변화를 curve-fitting 결과와 비교하였다. 그림 6은 그 결과를 보여주는 그림으로서 curve-fitting 결과와 매우 유사한 결과를 보여주었다 (Kim, 2003). 이는 인공신경회로망의 학습 및 추론능력이 매우 우수함을 보여 주는 결과이며, 오스트리아의 Galgenberg 터널 현장자료에 대한 적용에서도 매우 높은 추론 능력을 보여 주었다 (Kim, 2003).

4.이방성/비균질 암반 굴착시 내공변위 거동분석

4.1 이방성 암반에서의 내공변위거동

이방성 암반에서의 터널내공변위의 거동을 알기 위하여 횡등방성 (transeverse isotropy)암반에서의 원형터널 굴착에 대하여 3차원 유한요소 해석을 수행하였다. 본 연구에서 사용된 유한유소 프로그램은 이방성 암반특성을 반영할 수 있는 UTAH III 코드를 이용하였다 (문현구, 김창용 등 1991). 본 UTAH III 코드는 다수의 절리, 파쇄대 등 연약대가 임의의 방향성, 두께, 탄성계수를 갖고 3차원 공간에 분포할 때, 각 3차원 유한요소에 개별적으로 연약대의 특성을 반영할 수 있는 장점을 가지고 있으며, 이에 대한 전후 처리를 위해서 연약대의 물성을 계산할 수 있는 PM코드와 공간상에서 절리나 파쇄대의 기하 특성을 파악할 수 있는 VOL3 코드 등을 활용하였다. 또한, 터널 굴착면에서의 변위 결과를 별도로 분석할 수 있도록 하기 위해서 GeoFit (Sellner, 2000)이라는 3차원 계측 분석 전용 프로그램을 활용하였다. 그림 7은 등방성 (isotropy), 및 3방향 (X, Y, Z) 횡등방성 (transverse isotropy)의 모델을 나타내고 있다. 횡등방성의 경우 횡등방 평면이 터널 축과 수평, 수직한 경우로 구분하여 모델링 하였다.

본 논문에서는 터널 직경 (D) 10 m, 터널 심도는 5D로 설정하였고, 총 100 m를 굴진하는 것으로 모델을 구성하였다. 지보는 고려하지 않았으며, 전단면 굴착을 기본으로 하고, 매 막장 2.5 m 굴진하는 것으로 설정하였다. 이방성을 나타내는 연약대/파쇄대는 Intact Rock과의 전체 Matrix에서 차지하는 VF (Volume Fraction: 체적비)를 약 0.2 정도로 설정하였으며, 연약대/파쇄대의 물성은 균질하게 Intact rock의 1/10배를 취하였다. 또한 측압계수는 0.5로 가정하였다. 이에 대한 입력 물성치는 표 4와 같다.

표 5와 그림 8, 그림 9에서 보여 지는 바와 같이 터널 굴착의 영향 요소인 값은 앞서 그림 4에서 보인 것과 같이 응력상태로부터 유추할 수 있다. 천단침하의 경우 터널 굴진방향(Z방향)으로 이방성일 경우가 값이 가장 작았고, 터널 굴진방향과 수직인 수평방향(X방향)으로 이방성일 경우가 가장 큰 값을 보였다. 값이 크다는 의미는 그 만큼 터널 굴착에 의한 영향거리가 멀리까지 미친다는 의미로 이해할 수 있다. 또한 최종침하량 의 경우는 Y방향 즉 터널 단면상에서 수직방향으로 이방성일 경우가 가장 큰 침하량을 보였다. 등방의 경우에 비해서는 터널 굴진방향으로 이방성일 경우가 굴착의 영향거리가 짧게 나타났지만 최종 침하량은 등방의 경우가 가장 적은 값을 보였다. 측벽부의 경우도 값의 경우는 천단침하와 유사하게 나타났지만, 침하량은 터널 단면상의 수평방향으로 이방성일 경우가 최종 변위량이 가장 크게 나타났다. 또한 천정부의 vector orientation의 경우도 function parameter 값의 경향과 유사하게 X방향으로 이방성일 경우가 가장 크게 나타났고, 터널 굴진방향 Z방향으로 이방성일 경우가 가장 적은 값을 보였다.

4.2 연약대/파쇄대 존재시 내공변위거동

4.2.1 연약대 두께의 영향

그림 10은 일반적인 convergence function para-meter 변화를 보여주는 그림이다. 균질 암반에서 터널

을 굴착할 경우 (a)에는 ,값이 일률적으로 일정한 값을 보이지만, 비균질 암반(b)에서는 연약대 특성에 의해서 일정한 값을 갖지 않고, 균질 암반에 비해 연약대 전에서 치가 다소 높게 발생하다가 연약대에서는 낮게 나타난다. 이는 연약대가 존재함으로 인해서 굴착에 의한 영향거리가 더 크게 나타나서 막장 굴착에 의한 내공 수렴이 비교적 늦게 발생함을 의미한다. 즉, 연약대 내에서는 비교적 빨리 내공 수렴이 이루어지고, 그 전후에서는 연약대의 영향으로 내공 수렴이 비교적 늦게 발생됨을 의미한다. 최종 내공변위 는 연약대 중심으로 갈수록 더 크게 발생하는 경향성을 보여준다. 이는 균질 암반에서는 일정한 값을 보여주는 경향과는 다른 결과를 나타내준다.

그림 11은 강성비를 동일하게 유지하고, 연약대 두께 (Tw)를 각각 0.5D (5 m), 1.0D (10 m), 2.0D (20 m), 5.0D (50 m)로 변화시켰을 때, function parameter 변화를 보여주고 있다. 대체적으로 연약대 중심에서 0.5D～1.5D정도의 전방에서 function parameter 값은 최대치를 보이며, 연약대 중심에서 최소치를 보이는 경향성은 동일하게 나타났고, 터널 굴착에 의한 최종변위 값은 연약대 중심에서 최대치를 보이고 있다. 이러한 결과를 좀더 구체적으로 볼 경우, 그림 12는 각 chainage별 값의 변화를 보여주고 있다. 그림에서 연약대가 없는 경우의 값은 약 5.4정도이고 연약대의 두께가 커질수록 연약대 후방의 위치에서의 값은 더 커지는 경향성을 보여주고 있다. 연약대의 두께가 2.0D인 경우 값이 최대 약 7.7정도를 보여서 연약대의 두께가 커질수록 굴착에 의한 영향거리가 커져서 최종 내공 수렴이 늦어지는 경향성을 얻을 수 있었다. 반면에 연약대 중심에서는 반대로 두께가 커질수록 값 최소치가 커지는 경향성을 보여서 연약대의 존재로 인한 convergence function parameter의 변화범위가 두께가 커질수록 커지는 경향성을 보여주고 있다. 그림 13은 최종 내공변위 값을 chainage별로 나타내 주는 그림으로서 연약대 중심부에서 내공 최대 수렴치가 연약대 두께가 커질수록 커지게 됨을 확인하였다.

4.2.2 연약대 강성비의 영향

앞서 연약대 두께의 영향과 마찬가지로 동일한 두께를 갖는 연약대일 경우, 연약대의 강성비가 커질수록, 즉 연약대가 약해질수록 그림 14와 같이 연약대 후방에서의 function parameter 값은 더욱 크게 나타나고, 동일한 두께의 연약대는 비교적 동일한 지점 (0.5D)에서 값의 최대치가 발생함을 확인할 수 있었다. 그림 15는 function parameter값의 변화추이를 보여주는 그림으로 강성비 (MC)가 커질수록 최종 내공수렴치도 커짐을 알 수 있다.

4.2.3 현장 계측 사례

이와 같은 수치해석 결과와 더불어 실제 현장에서 계측된 사례를 토대로 비교․분석코자 하였다. 오스트리아 알프스 산악 터널 중 파쇄대를 통과하는 지역에서 대규모 내공 변위가 발생되었던 두 개의 현장에 대해서 그 결과를 비교하였다. 먼저 그림 16은 최대 약 400mm이상의 내공변위가 발생된 STRENGEN 터널의 경우로서 그림에서와 같이 chainage 1140～1190사이의 50m구간에 대규모 파쇄대가 형성되어 있고, chainage 1170～1190 사이에 주 파쇄대가 존재하며, 평균 30～40mm정도의 내공변위를 발생하는 균질한 구간에 비해 최대 10배정도의 내공변위가 발생되어서 지보를 변경한 사례이다. 그림에서 상부는 변위 경향선과 영향선을 보여주고 있고, 동일한 지점에서의 function parameter 분석결과는 하부와 같다. Function parameter X값은 chainage 1150지점에서 최대치를 보이며, 파쇄대가 극명히 발달된 chainage 1170～1190에서 값이 최소치를 보이고 있다. 아울러, 값도 chainage 1140에서부터 시작해서 chainage 1170～1190에서 최대치를 보여서 앞서 수치해석 결과에서와 같은 결과를 보여주고 있다. 수치해석에서는 파악할 수 없었던 function para-meter , 값은 chainage 1140에서부터 급격히 증가하여 chainage 1170～1190 구간에서 최대치를 나타내는 경향성을 보였다.

그림 17은 최대 약 600mm 이상의 내공변위가 발생된 INNTAL 터널의 경우로서 그림에서와 같이 chainage 2650～2750사이의 100 m구간에 대규모 파쇄대가 형성되어 있고, chainage 2730～2760사이에 주 단층대가 존재하며, 평균 100 mm내외 정도의 내공변위를 발생하는 균질한 구간에 비해 최대 6배정도의 내공변위가 발생된 사례이다. function parameter 값은 chainage 2700지점에서 최대치를 보이며, 파쇄대가 극명히 발달된 chainage 2730～2760에서 값이 최소치를 보이고 있다. 아울러, 값도 chainage 2650에서부터 시작해서 chainage 2750에서 최대치를 보였다. 본 사례는 앞서 그림 4에 제시한 이론적인 내공변위 function parameter 변화 경향과 유사함을 알 수 있다.

이러한 현장 사례 결과는 수치해석 결과와 더불어 convergence function parameter가 파쇄대나 단층대와 같은 연약대가 존재할 경우는 터널 전체를 단일 function parameter로 내공특성을 규정할 수 없음을 알 수 있고, 연약대 후방에서 이미 연약대의 특성으로 인해 function parameter 와 값이 변화됨을 확인시켜주고 있으며, 수치해석을 통해서 전방 연약대의 규모와 강성차이를 사전에 파악할 수 있다는 것을 주지시켜 주고 있다.

5.결론

본 논문에서는 기존의 내공변위 분석방법을 좀 더 개선하고, 시공 중에 얻어지는 계측 및 막장관찰, 굴착정보 등을 이용해서 향후 발생될 전방의 내공함수 function parameter를 사전에 예측할 수 있는 인공신경회로망 기법을 제안하였고, 현장 데이터를 이용한 추론결과 비교적 신뢰도 높은 추론이 가능함을 확인하였다. 수치해석적인 방법으로 전형적인 내공변위 거동을 분석해본 결과, 이방성의 방향성에 따라서 내공변위 function pa- rameter 경향성이 달라졌고, 암반 굴착에 의한 응력상태와 function parameter 값이 비교적 상관성이 많고, 내공변위 vector orientation도 유사한 결과를 보여줌을 확인하였다. 아울러 터널 막장 후방에서 얻어지는 function parameters값이 터널 막장 전방에 연약대가 존재할 경우, 이를 사전에 감지할 수 있는 index로서 활용될 수 있음을 증명하였고, function parameter와 연약대의 강성비, 두께 등과의 연관성이 있음을 확인하였으며, 지반조건이 급격히 변하거나 연약대가 존재하는 터널에서는 단일 function parameter로 내공특성을 표현하는 것보다는 좀 더 구체적으로 지질조건 및 지반조건과 연계해서 function parameter를 분석하는 것이 보다 합리적임을 확인하였다.

이러한 결과는 실제 터널 시공 시, 실시간으로 얻어지는 막장관찰 정보와 계측정보 분석을 통해서 사전에 터널 내공특성과 전방 연약대/파쇄대의 영향을 신속히 파악하여 굴착 및 지보 변경의 의사 결정과정에 즉각적으로 반영함으로써 좀 더 안전하고, 경제적인 터널 시공을 이루는데 일조할 수 있을 것으로 판단된다.