Development of Ground Motion Models within Rock Based on Ground Motion Data Measured at Borehole Seismic Stations

Sinhang Kang

doi:10.7474/TUS.2024.34.4.301

Preview

Original Article

Tunnel and Underground Space. 31 August 2024. 301-311
https://doi.org/10.7474/TUS.2024.34.4.301

Development of Ground Motion Models within Rock Based on Ground Motion Data Measured at Borehole Seismic Stations

시추공 관측소 계측 자료에 기반한 암반의 지반운동 모델 개발

Sinhang Kang¹^*

강 신항¹^*

¹Assistant Professor, Hannam University

¹한남대학교 조교수

^{*Corresponding Author}

License (open-access, http://creativecommons.org/licenses/by-nc/4.0/):

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

ABSTRACT

In South Korea, following the 2016 Gyeongju and 2017 Pohang earthquakes, the need for earthquake disaster prevention has been increasing. Reliable techniques for probabilistic seismic hazard analysis and ground motion models are required for quantifying earthquake damage. Recently, there has been growing demand for deep underground facilities, necessitating accurate quantification techniques for earthquake damage in deep underground. In this study, ground motion models within rock were proposed using ground motion data measured at borehole seismic stations. A regression analysis, a type of empirical technique, was applied to 17 periods selected in a range from 0.01 to 10 s of spectral accelerations to develop the ground motion models. Residual analysis was performed to evaluate and improve the prediction performance of the ground motion model, with correction factors added to the model equation. When applying the proposed model, the group means of residuals approached zero, and the standard deviation of total residuals, similar to existing models proposed in other countries, confirmed the reliability of the proposed model.

Keywords

Ground motion model

Spectral acceleration

Regression analysis

Residual analysis

우리나라는 2016년 경주 지진과 2017년 포항 지진 이후 지진 재해 방지 대책의 필요성이 증가하고 있으며, 지진 피해 정량화를 위해 신뢰성 있는 지진 재해도 해석 기법과 지반운동 모델이 요구된다. 최근 심층 지하 시설에 대한 수요가 증가하고 있다. 이에 따라 지하 암반층에서의 지진 재해 정량화 기법의 정확성 확보가 필요하다. 본 연구에서는 국내 시추공 관측소에서 계측된 지반운동 자료를 활용하여 지하 암반층에서의 지반운동을 예측할 수 있는 모델을 제안하였다. 스펙트럴 가속도의 0.01~10초 주기 중 17개를 대상으로 경험적 기법 중 회귀분석을 적용하여 지반운동 모델을 개발하였다. 지반운동 모델의 예측 성능을 평가 및 개선하기 위해 잔차 분석을 수행하고, 보정 인자를 모델식에 추가하였다. 제안된 모델을 적용하였을 때 잔차의 구간 평균이 0에 근접하였고, 기존 국외 모델들과 유사한 종합 잔차의 표준편차를 확인함으로써 제안된 모델의 신뢰성을 확인하였다.

키워드

지반운동 모델

스펙트럴 가속도

회귀분석

잔차 분석

MAIN

1. 서 론
2. 지반운동 계측 자료
3. 지반운동 모델 개발
4. 잔차 분석 및 모델 보정
5. 결 론

1. 서 론

우리나라는 중간 규모(moderate-magnitude) 이하의 지진이 주로 발생하고, 안정 판내부 지역(stable intraplate region)으로 분류되어 지진에 대해 안전한 국가로 인식되어 왔으나(Kang et al., 2019b), 2016년 경주 지진과 2017년 포항 지진으로 인해 피해를 겪은 이후 지진 재해에 대한 경각심과 재해 방지 대책의 필요성이 증가하였다. 특히, 2017년 11월 15일에 발생한 포항 지진으로 인해 막대한 규모의 인명 및 재산 피해가 발생하였으며, 지반 침하, 건물 침하 및 파손, 지반 갈라짐, 옹벽 손상, 액상화 등 다양한 형태의 재해가 발생하였다(Kang et al., 2019a). 지진으로 인한 재해를 예방하기 위해서 지진 피해 정량화와 관련된 연구가 필요하고, 대표적으로 지진 재해도 해석(probabilistic seismic hazard analysis, PSHA)이 있으며, 신뢰성 있는 지진 재해도 해석을 수행하기 위해서는 지반운동 모델(ground motion model, GMM)이 필수적이다(Jee and Han, 2023). 지반운동 모델은 지반운동 세기(intensity)를 예측하기 위해 활용되고, 지반운동 세기의 종류로는 스펙트럴 가속도(pseudo-spectral acceleration, PSA), 최대 지반 가속도(peak ground acceleration, PGA), 최대 지반 속도(peak ground velocity, PGV), 최대 지반 변위(peak ground displacement, PGD) 등이 있으며(Kang et al., 2024), 이들은 지진원의 에너지, 지진파의 전파 경로, 현장 지반의 부지 특성과 밀접한 관련이 있다(Boore, 2003). 발생 지진의 규모가 크고, 진원과 관측 현장까지의 거리가 가깝고, 현장 지반이 연약할수록 지반운동 세기가 증가한다.

지반운동 모델은 전통적으로 회귀분석과 같은 경험론적 기법을 활용하여 개발되어 왔고, 대표적인 예시로 미국 NGA-West2 프로젝트에서 제안된 모델들(Bozorgnia et al., 2014)이 있다. 국내에서도 지반운동 모델 제안을 위한 연구가 다수 진행되어 왔다. Emolo et al.(2015)은 통계적 접근 기법을 기반으로 국내 지진 관측소의 부지 특성을 평가하고, 간접적으로 부지 효과를 반영한 지반운동 모델을 제안하였다. Shin et al.(2016)은 지진의 규모, 진앙 거리, 지반의 전단파속도를 주요 변수로 활용한 Graizer and Kalkan(2009)의 지반운동 모델식을 기반으로 2001~2014년에 국내에서 20건의 지진이 발생하는 동안 계측된 1404개의 지반운동 자료를 활용하여 지반운동 모델을 제안하였다. Jee and Han(2020)은 2013~2019년에 국내에서 18건의 지진(규모 3.5 이상)이 발생하는 동안 계측된 지반운동 자료를 활용하여 지진원 효과, 경로 효과, 부지 효과의 영향을 고려한 지반운동 모델을 제안하였다. Jee and Han(2023)은 유사 암반 특성을 가진 지역과 지표 아래 30 m 깊이까지의 평균 전단파 속도(V_S₃₀)를 고려하여 부지 특성을 반영할 수 있는 지반운동 모델을 제안하였다.

최근 대심도 지하 터널, 지하 석유 저장 시설, 고준위 방사성 폐기물 심층 처분장, 각종 지하 연구 시설 등 심층 지하 시설물에 대한 수요가 증가하고 있으나, 지하 암반에서의 내진 설계 기준이나 지진 재해 평가 등의 연구가 미흡한 실정이다. 해당 연구를 수행하기 위해서는 지하 암반에서의 지반운동을 예측할 수 있는 모델이 필요하며, 단단한 암반층에서 계측된 지반운동 자료를 활용해야 부지 효과에 의한 지진파 증폭 효과를 배제할 수 있다. 국외에서는 시추공 관측소에서 계측된 지진파 자료를 활용하여 지반운동 모델을 제안한 여러 연구가 진행되었다(Rodriguez-Marek et al., 2011; Sandıkkaya, 2019, Kang et al., 2024). 반면에 국내에서 기존에 제안된 지반운동 모델은 주로 지표 관측소에서 계측된 지진파 자료를 기반으로 지반운동 모델이 개발되어 왔다. 본 연구에서는 국내 시추공 관측소에서 계측된 지진파 자료로부터 획득한 스펙트럴 가속도를 활용하여 지하 암반에서의 지반운동 모델을 개발하고자 하였으며, 경험적 기법 중 회귀분석을 활용하였다. 잔차 분석을 통해 제안된 모델의 정확성을 평가하였으며, 보정 인자를 적용하여 모델의 예측 성능을 개선하였다. 본 연구에서 제시된 결과물은 향후 국내 심층 지하 시설에 대한 내진 설계를 실시할 때 지진 재해 평가, 지진 재해도 해석 시 기초 자료로써 활용할 수 있을 것으로 기대된다.

2. 지반운동 계측 자료

기상청에서 운영 중인 국가지진종합정보시스템(national earthquake comprehensive information system, NECIS)에서는 총 327개의 지진 관측소를 설치 및 운영하고 있으며(2024년 1월 기준), 이 중 96개의 속도계와 192개의 가속도계를 포함하여 총 288개소의 시추공 관측소가 운영 중이다. 시추공 관측소는 대부분 지하 30~100 m 심도에 설치되어 있다(Ahn et al., 2024). 국가지진종합시스템에서는 관측 지진파 자료와 지진 관련 정보(발생 시간, 지역 규모(local magnitude, M_L), 진앙 위치, 진앙 거리(epicentral distance, R_epi), 관측소 관련 정보(위치, 센서 및 기록계 종류)를 확인할 수 있다. 본 연구에서는 2008년 12월 19일부터 2018년 11월 28일까지 발생한 지진 중 지역 규모가 3.0 이상인 95회의 지진에 대하여 시추공 관측소 75개소에서 계측된 971개의 지반운동 자료를 획득하였다. Fig. 1은 지역 규모, 진앙 거리에 따른 지진파 자료의 분포 양상과 수집 대상 지진의 지역 규모와 지반운동을 계측한 관측소까지의 진앙 거리의 관계를 나타낸다. 수집 대상 지진의 지역 규모는 3.0에서 5.8까지 분포하며, 3.5 이하 범위의 비중이 가장 높았다. 진앙 거리의 경우 250 km 이하에 분포하고 있으며, 75~100 km의 범위에 주로 분포하였다.

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F1.jpg

Fig. 1.

Histograms of (a) magnitude of earthquakes and (b) epicentral distance and (c) distribution of magnitude against epicentral distance

Band-pass Bufferworth 필터(주파수 상한 및 하한: 0.1-4.85~25 Hz)를 이용하여 지반운동 계측 자료의 신호 처리를 수행하였고, 2개의 수평 방향(동서 방향, 남북 방향)에 대한 스펙트럴 가속도(spectral acceleration, Sa)를 활용하여 수평 방향에 대한 평균 성분(Boore and Atkinson, 2008)으로 변환하였다. Fig. 2는 진앙 거리에 대한 특정 주기(0.2, 0.5, 2, 5초)에서의 스펙트럴 가속도 크기의 분포를 지역 규모별로 구분하여 나타낸다. 지역 규모가 작을수록, 그리고 진앙 거리가 클수록 스펙트럴 가속도의 값이 작아지는 경향을 보였으며, 단주기보다 장주기에서 스펙트럴 가속도의 값이 더 작게 나타났다.

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F2.jpg

Fig. 2.

Spectral acceleration against epicentral distance for four spectral periods (T=0.2, 0.5, 2, and 5 s)

3. 지반운동 모델 개발

Boore and Atkinson(2008)은 지진원의 에너지 크기와 지진파의 기하학적 전파 특성을 고려할 수 있도록 규모와 거리를 주요 변수로 활용하여 지진원 항( $f_{M}$ ), 경로 항( $f_{R}$ ), 보정 항( $f_{C}$ )으로 구성된 지반운동 모델을 제안하였으며, 사용되는 변수의 수가 최소화되어 활용이 간편하다는 장점이 있다. 본 연구에서는 Boore and Atkinson(2008)의 모델 형식을 적용하였으며, 수집한 지진파 자료를 이용하여 회귀분석을 통해 암반에서의 지반운동을 예측할 수 있는 모델을 개발하였다. 이때 고려된 예측식은 식 (1)과 같다.

(1)

\ln (S a) = f_{M} + f_{R} + f_{C}

여기서, $\ln (S a)$ 는 0.01초에서 10초 사이의 주기 중 선별된 17개 주기(0.01, 0.02, 0.05, 0.075, 0.1, 0.15, 0.2, 0.3, 0.5, 0.75, 1, 1.5, 2, 3, 5, 7, 10초)에 대한 스펙트럴 가속도의 자연 로그를 의미한다. 지진원의 에너지 특성을 나타내는 $f_{M}$ 은 지진의 지역 규모(M_L)를 변수로 활용하며, 식 (2)와 같다. 지진파의 전파 특성을 나타내는 $f_{R}$ 은 지진의 진앙 지점과 관측소까지의 거리인 진앙 거리(R_epi)를 변수로 활용하며, 식 (3)과 같다.

(2)

f_{M} = \{\begin{cases} α_{1} + α_{2} M_{L} & M_{L} < 4 \\ α_{1} + α_{2} M_{L} + α_{3} (M_{L} - 4) & 4 \leq M_{L} < 5 \\ α_{1} + α_{2} M_{L} + α_{3} (M_{L} - 4) + α_{4} (M_{L} - 5) & 5 \leq M_{L} \end{cases}

(3)

f_{R} = \{\begin{cases} β_{1} + β_{2} \ln (R_{e p i}) & R_{e p i} < 30 k m \\ β_{1} + β_{2} \ln (R_{e p i}) + β_{3} \ln (R_{e p i} / 30) & 30 k m \leq R_{e p i} \end{cases}

여기서, $α_{1}$ ~ $α_{4}$ , $β_{1}$ ~ $β_{3}$ 은 모델식을 구성하는 계수를 나타내며, 스펙트럴 가속도의 주기마다 다른 값을 가진다.

Fig. 3은 특정 주기(0.2, 0.5, 2, 5초)에서의 지역 규모에 따른 스펙트럴 가속도의 분포를 나타내고, 파란색 원과 막대는 구간 평균과 $\pm$ 표준편차를 나타낸다. 붉은 점선은 식 (1)에서 지진원 항만을 고려한 식( $\ln (S a) = f_{M}$ )과 비선형 회귀분석을 사용하여 획득한 맞춤 곡선(fitting curve)을 나타내며, 맞춤 곡선이 구간 평균의 분포를 적절하게 나타냈다. 지역 규모가 클수록 스펙트럴 가속도의 값이 커지는 경향을 보였으며, 이는 지진원 효과로써 지진원의 에너지가 크면 지반운동 세기가 증가함을 나타낸다고 볼 수 있다. Fig. 4는 $\ln (S a)$ 와 앞에서 구한 $f_{M}$ 사이의 첫 번째 잔차( $δ_{1} = \ln (S a) - f_{M}$ )를 진앙 거리에 따라 나타낸 분포이다. Fig. 4의 붉은 점선은 첫 번째 잔차와 $f_{R}$ 이 같다고 설정한 식( $\ln (S a) - f_{M} = f_{R}$ )과 비선형 회귀분석을 사용하여 획득한 맞춤 곡선을 나타낸다. 진앙 거리가 10~20 km 범위일 때 맞춤 곡선이 구간 평균을 잘 모사하지 못하고 있으나, 이러한 오차는 모델 보정을 통해 개선될 수 있다(4장 참조). 진앙과 관측소 사이의 거리가 멀수록 잔차의 값이 작아지는 경향을 보였으며, 이는 경로 효과로 인해 지진파의 전파 거리가 멀수록 지반운동 세기가 감소함을 나타낸다고 볼 수 있다.

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F3.jpg

Fig. 3.

Logarithm spectral acceleration against local magnitude and fitting line of $f_{M}$ obtained by using non-linear regression

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F4.jpg

Fig. 4.

Residual 1 against epicentral distance and fitting line of $f_{M}$ obtained by using non-linear regression

4. 잔차 분석 및 모델 보정

지반운동 모델의 예측 정확성을 분석하기 위해 식 (4), (5), (6)을 활용하여 종합 잔차(total residual, $R_{i j}$ ), 사건 간 잔차(between-event residual, $η_{i}$ ), 사건 내 잔차(within-event residual, $ε_{i j}$ )를 분석하였다(Abrahamson and Youngs, 1992).

(4)

R_{i j} = \ln (S a)_{m e a, i j} - (f_{M} + f_{d i s}) = c_{k} + η_{i} + ε_{i j}

(5)

c_{k} = R

(6)

η_{i} = \sum R_{i j} / n_{i}

여기서, $R_{i j}$ 는 $i$ 번째 지진이 발생하는 동안 $j$ 번째 관측소에서 계측된 지반운동에 대한 계측값과 모델 예측값 사이의 잔차를 나타내며, 주기에 따라 다른 값을 갖고, $c_{k}$ 는 전체 오차에 대한 평균을 나타내고, $n_{i}$ 는 $i$ 번째 지진이 발생하는 동안 계측된 지진 자료의 수를 나타낸다. 사건 내 잔차( $ε_{i j}$ )는 종합 잔차에서 $c_{k}$ 와 $η_{i}$ 를 빼서 구할 수 있다. Fig. 5는 특정 주기(0.2, 0.5, 2, 5초)에서의 지역 규모에 따른 사건 간 잔차를 나타내며, 지반운동 모델의 기하학적 전파 특성 관련 성능을 평가하기 위해 사용될 수 있다. 사건 간 잔차의 구간 평균이 대체적으로 0에 가깝게 분포하고 있으나 지역 규모가 3.5이하일 때에는 음수인 경향을, 지역 규모가 4~5의 범위일 때에는 양수인 경향을 나타냈다. 지역 규모에 따른 오차를 보정하기 위해 지진원-보정 인자(C_M)를 적용하였으며, 지역 규모가 3.5이하인 경우 사건 간 잔차의 평균값(음수)인 C_M1, 지역 규모가 4~5의 범위인 경우 사건 간 잔차의 평균값(양수)인 C_M2로 구분하여 결정하였다. 지진원-보정 인자를 활용한 지반운동 모델식( $f_{M} + f_{R} + C_{M}$ )을 적용하게 되면, 사건 간 잔차의 구간 평균은 지역 규모의 전체 범위에 대해 0에 근접하게 된다. Fig. 6은 지진원-보정 인자를 적용한 이후 특정 주기(0.2, 0.5, 2, 5초)에서의 지역 규모에 따른 사건 내 잔차를 나타내며, 구간 평균이 0을 나타내므로 지반운동 모델의 예측식이 지진원에 대해 적절히 보정되었다고 판단할 수 있다.

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F5.jpg

Fig. 5.

Between-event residuals at periods of 0.2, 0.5, 2 and 5 s with local magnitude

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F6.jpg

Fig. 6.

Within-event residuals at periods of 0.2, 0.5, 2 and 5 s with local magnitude

Fig. 7은 진앙 거리에 따른 사건 내 잔차를 나타내며, 구간 평균이 0에 근접하는 경향을 보이므로 진앙 거리에 따른 오차를 보정하기 위한 경로-보정 인자(C_R)는 0으로 설정하였다. 최종적으로, 지반운동 모델의 보정 항( $f_{C}$ )은 지진원-보정 인자와 경로-보정 인자의 합(C_M+C_R)으로 결정할 수 있으며, 식 (1)과 같이 지진원 항( $f_{M}$ ), 경로 항( $f_{R}$ )으로 구성된 기본 지반운동 모델에 보정 항( $f_{C}$ )을 더함으로써 예측값과 계측값 사이의 잔차를 보정할 수 있는 최종 형태의 지반운동 모델을 제시할 수 있다. Table 1은 국내 지하 암반층에서의 지반운동 모델의 활용을 위한 주기 별 모델 계수와 보정 인자, 종합 잔차의 표준편차( $σ$ )를 나타낸다.

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F7.jpg

Fig. 7.

Within-event residuals at periods of 0.2, 0.5, 2 and 5 s with epicentral distance

Table 1.

Model coefficients, calibration factors, and standard deviations of total residual

Period(s)	$α_{1}$	$α_{2}$	$α_{3}$	$α_{4}$	$β_{1}$	$β_{2}$	$β_{3}$	$C_{M 1}$	$C_{M 2}$	$σ$
0.01	-9.720	0.354	1.907	-1.152	5.840	-1.255	0.851	-0.533	0.632	0.488
0.02	-9.238	0.248	1.964	-1.061	5.883	-1.263	0.847	-0.533	0.632	0.466
0.05	-7.291	-0.145	2.427	-1.100	6.032	-1.295	0.917	-0.533	0.632	0.509
0.075	-8.730	0.298	1.873	-0.928	5.872	-1.259	0.759	-0.533	0.632	0.586
0.1	-9.947	0.639	1.539	-0.930	5.460	-1.170	0.607	-0.533	0.632	0.654
0.15	-11.930	1.149	0.935	-0.831	5.192	-1.111	-0.018	-0.489	0.563	0.718
0.2	-13.150	1.412	0.943	-1.417	5.270	-1.136	-0.297	-0.457	0.514	0.751
0.3	-14.754	1.682	1.079	-2.045	5.255	-1.141	-0.310	-0.413	0.445	0.739
0.5	-16.572	1.914	1.004	-1.788	5.124	-1.109	-0.461	-0.357	0.359	0.713
0.75	-18.183	2.117	1.097	-2.122	5.145	-1.118	-0.555	-0.357	0.359	0.702
1	-18.971	2.142	1.163	-2.180	5.132	-1.116	-0.621	-0.357	0.359	0.696
1.5	-19.536	2.022	1.237	-1.711	5.265	-1.140	-0.624	-0.357	0.359	0.665
2	-19.884	1.940	1.219	-1.415	5.295	-1.144	-0.606	-0.357	0.359	0.643
3	-20.534	1.888	1.039	-1.066	5.240	-1.129	-0.465	-0.357	0.359	0.613
5	-21.385	1.845	0.909	-0.940	5.060	-1.088	-0.274	-0.357	0.359	0.580
7	-21.949	1.825	0.843	-0.875	4.951	-1.064	-0.190	-0.357	0.359	0.565
10	-22.564	1.811	0.767	-0.769	4.822	-1.035	-0.119	0.398	1.188	0.553

Fig. 8은 세 가지의 가상 시나리오( $M_{L}$ =5.5, $R_{e p i}$ =60, 125, 150 km)에 대하여 지반운동 모델로부터 예측된 스펙트럴 가속도와 각 시나리오와 유사한 조건(2017년 포항 지진, M_L=5.4)에서 계측된 지반운동 자료로부터 획득한 스펙트럴 가속도를 비교한 결과를 나타낸다. 대부분의 계측 자료 기반 스펙트럴 가속도는 지반운동 모델로부터 예측된 스펙트럴 가속도의 평균 $\pm 1 σ$ 범위 안쪽에 위치하였으나, 일부 계측 스펙트럴 가속도는 0.03에서 0.3초 사이의 단주기에서 큰 값을 나타내 오차를 나타냈으며, 이는 해당 관측소로 지진파가 전파되는 과정에서 지형 효과 또는 부지 효과에 의한 지진파 증폭이 발생했을 가능성이 원인으로 판단된다.

https://cdn.apub.kr/journalsite/sites/ksrm/2024-034-04/N0120340404/images/ksrm_2024_344_301_F8.jpg

Fig. 8.

Comparison of spectral accelerations (median $\pm σ$ ) predicted by ground motion models and those obtained from ground motions measured during 2017 Pohang earthquake

5. 결 론

본 연구에서는 국내에서 발생한 지역 규모 3.0 이상인 95회의 지진에 대해 전국에 분포하는 75개소의 시추공 관측소에서 계측된 971개의 지반운동 자료를 Band-pass Bufferworth 필터를 이용하여 신호 처리를 수행한 후 스펙트럴 가속도로 변환하였다. 스펙트럴 가속도의 수평 방향에 대한 평균 성분의 0.01~10초 범위의 주기 중 17개(0.01, 0.02, 0.05, 0.075, 0.1, 0.15, 0.2, 0.3, 0.5, 0.75, 1, 1.5, 2, 3, 5, 7, 10초)에 대해 회귀분석을 활용하여 지역 규모를 주요 변수로 가지는 지진원 항과 진앙 거리를 주요 변수로 가지는 경로 항으로 구성되는 지반운동 모델을 개발하였다. 개발된 지반운동 모델의 예측 성능을 평가하기 위해 잔차 분석을 수행하였으며, 잔차를 감소시키는 보정 인자를 모델식에 추가함으로써 잔차의 구간 평균이 0에 근접하게 되어 모델 성능이 개선되었다.

본 연구에서는 시추공 관측소에서 계측된 지반운동 자료를 기반으로 지하 암반층에서의 지반운동 모델을 제안하였으며, 잔차 분석 수행 및 보정 인자 제안을 통해 국내 지하 암반층에서의 지반운동을 예측할 때 제안된 지반운동 모델의 예측 정확성과 활용 가능성을 확인하였다. 그러나, 제안된 모델에서는 국내 시추공 관측소 부지에 대한 전단파 속도 측정 자료의 부재로 인해 부지 특성이 고려되지 않았고, 국외에서 제안된 모델과 비교 시 모델 개발 과정에서 활용된 지진 관측 자료의 수가 많지 않다는 한계가 존재한다. 향후 전단파 속도 자료를 획득하여 부지 특성에 따른 지진파 증폭/감쇠 영향을 지반운동 모델에 반영하고 미래에 발생할 지진 계측 자료를 추가하여 활용한다면, 모델의 신뢰성을 더욱 증가시킬 수 있을 것으로 판단되며, 개선된 결과물은 향후 국내 심층 지하 시설에 대한 지진 재해 평가를 수행할 때 기초 자료로써 활용될 수 있을 것으로 기대된다.

Acknowledgements

이 논문은 2022학년도 한남대학교 학술연구비 지원에 의하여 연구되었습니다.

References

Abrahamson, N.A. and Youngs, R.R., 1992, A stable algorithm for regression analyses using the random effects model, Bulletin of the Seismological Society of America, 82(1), 505-510.

10.1785/BSSA0820010505

Ahn, B.S., Kang, T.S., and Jung, J.O., 2024, Station metadata integration of regional seismic networks in the southern Korean Peninsula, Journal of the Geological Society of Korea, 60(1), 111-119.

10.14770/jgsk.2024.001

Boore, D.M. and Atkinson, G.M., 2008, Ground-Motion Prediction Equations for the Average Horizontal Component of PGA, PGV, and 5%-Damped PSA at Spectral Periods between 0.01 s and 10.0 s, Earthquake Spectra, 24, 99-138.

10.1193/1.2830434

Boore, D.M., 2003, Prediction of Ground Motion Using the Stochastic Method, Pure and Applied Geophysics, 160, 635-676.

10.1007/PL00012553

Bozorgnia, Y., Abrahamson, N.A., Atik, L.A., Ancheta, T.D., Atkinson, G.M., Baker, J.W., Baltay, A., Boore, D.M., Campbell, K.W., Chiou, B.S.J., Darragh, R., Day, S., Donahue, J., Graves, R.W., Gregor, N., Hanks, T., Idriss, I.M., Kamai, R., Kishida, T., and Youngs, R., 2014, NGA-West2 research project, Earthquake Spectra, 30(3), 973-987.

10.1193/072113EQS209M

Emolo, A., Sharma, N., Festa, G., Zollo, A., Convertito, V., Park, J.H., Chi, H.C., and Lim, I.S., 2015, Ground-motion prediction equations for South Korea Peninsula, Bulletin of the Seismological Society of America, 105(5), 2625-2640.

10.1785/0120140296

Graizer, V. and Kalkan, E., 2009, Prediction of Spectral Acceleration Response Ordinates Based on PGA Attenuation, Earthquake Spectra, 25(1), 39-69.

10.1193/1.3043904

Jee, H.W. and Han, S.W., 2020, Development of the ground motion simulation model for the Korean Peninsula, Journal of the Architectural Institute of Korea, 36(10), 159-166.

Jee, H.W. and Han, S.W., 2023, Korean Region Ground Motion Prediction Equation Considering Site Effects, Journal of the Architectural Institute of Korea, 39(2), 265-272.

Kang, S., Kim, B., Bae, S., Lee, H., and Kim, M., 2019a, Earthquake-Induced Ground Deformations in the Low-Seismicity Region: A Case of the 2017 M5.4 Pohang, South Korea, Earthquake, Earthquake Spectra, 35(3), 1235-1260.

10.1193/062318EQS160M

Kang, S., Kim, B., Cho, H., Lee, J., Kim, K., Bae, S., and Sun, C.G., 2019b, Ground-Motion Amplifications in Small-Size Hills: Case Study of Gokgang-ri, South Korea, during the 2017 M_L 5.4, Bulletin of the Seismological Society of America, 109(6), 2626-2643.

10.1785/0120190064

Kang, S., Mun, E., Phuong, D.T.T., and Kim, B., 2024, Machine learning‑based ground motion models for predicting PSAs of borehole motions in Japan, Journal of Seismology, 28, 491-518.

10.1007/s10950-024-10203-w

National Earthquake Comprehensive Information System (NECIS), https://necis.kma.go.kr/

Rodriguez-Marek, A., Montalva, G.A., Cotton, F., and Bonilla, F., 2011, Analysis of single-station standard deviation using the KiK-net data, Bulletin of the Seismological Society of America, 101(3), 1242-1258.

10.1785/0120100252

Sandıkkaya, M.A., 2019, On linear site amplification behavior of crustal and subduction interface earthquakes in Japan: (1) regional effects, (2) best proxy selection, Bulletin of Earthquake Engineering, 17(1), 119-139.

10.1007/s10518-018-0459-9

Shin, D.H., Hong, S.J., and Kim, H.J., 2016, Prediction of spectral acceleration response based on the statistical analyses of earthquake records in Korea, Journal of Earthquake Engineering Society of Korea, 20(1), 45-54.

10.5000/EESK.2016.20.1.045

Tunnel and Underground SpaceISSN:1225-1275(Print) 2287-1748(Online)한국암반공학회

Preview

Development of Ground Motion Models within Rock Based on Ground Motion Data Measured at Borehole Seismic Stations

ABSTRACT

MAIN

Fig. 1.

Histograms of (a) magnitude of earthquakes and (b) epicentral distance and (c) distribution of magnitude against epicentral distance

Fig. 2.

Spectral acceleration against epicentral distance for four spectral periods (T=0.2, 0.5, 2, and 5 s)

(1)

(2)

(3)

Fig. 3.

Logarithm spectral acceleration against local magnitude and fitting line of fM obtained by using non-linear regression

Fig. 4.

Residual 1 against epicentral distance and fitting line of fM obtained by using non-linear regression

(4)

(5)

(6)

Fig. 5.

Between-event residuals at periods of 0.2, 0.5, 2 and 5 s with local magnitude

Fig. 6.

Within-event residuals at periods of 0.2, 0.5, 2 and 5 s with local magnitude

Fig. 7.

Within-event residuals at periods of 0.2, 0.5, 2 and 5 s with epicentral distance

Table 1.

Model coefficients, calibration factors, and standard deviations of total residual

Fig. 8.

Comparison of spectral accelerations (median±σ) predicted by ground motion models and those obtained from ground motions measured during 2017 Pohang earthquake

Acknowledgements

References

Logarithm spectral acceleration against local magnitude and fitting line of $f_{M}$ obtained by using non-linear regression

Residual 1 against epicentral distance and fitting line of $f_{M}$ obtained by using non-linear regression

Comparison of spectral accelerations (median $\pm σ$ ) predicted by ground motion models and those obtained from ground motions measured during 2017 Pohang earthquake