경량혼합토의 일축압축강도는 배합비에 크게 의존한다. 경량혼합토와 다양한 경량혼합토의 구성성분들의 관계를 특징짓기 위한 기존연구에서는 시험을 통한 회귀모델을 사용하여 정규화계수를 제안하였다. 그러나 실내시험에서 얻은 결과는 재료와 배합비사이의 관계가 복잡하기 때문에 일정한 예측의 정확도를 기대할 수 없다. 이 연구에서는 다양한 배합조건에서 수행된 실내시험결과를 바탕으로 심층신경망모델을 적용함으로써 경량혼합토의 일축압축강도를 예측하였다. 제안된 심층신경망 모델을 사용함으로써 설계 배합조건으로 구성된 경량혼 합토의 일축압축강도 값을 합리적으로 산정할 수 있다.

The unconfined compressive strength of lightweight treated soils strongly depends on mixing ratio. To characterize the relation between various LTS components and the unconfined compressive strength of LTS, extensive studies have been conducted, proposing normalized factor using regression models based on their experimental results. However, these results obtained from laboratory experiments do not expect consistent prediction accuracy due to complicated relation between materials and mix proportions. In this study, deep neural network model(Deep-LTS), which was based on experimental test results performed on various mixing conditions, was applied to predict the unconfined compressive strength. It was found that the unconfined compressive strength LTS at a given mixing ratio could be resonable estimated using proposed Deep-LTS.