연약지반상에서 대상지반의 압밀 및 팽창 특성을 정확히 파악하는 것은 경제적, 효율적 시공이라는 측면에서 매우 중요하다. 이를 결정하기 위한 기존 제안자들의 경험식에 의해 추정하거나 현장시험과 실내시험을 통하여 측정 또는 추정하는 기존의 방법은 많은 시간과 수고를 필요로 한다는 어려움이 있다. 이에 본 연구에서는 팽창지수에 대한 기본 물성들의 영향을 검토하여 팽창지수를 예측하는 최적의 인공신경망 구조를 개발하고, 그 적용성을 검증하였다. 본 논문에서는 팽창지수를 예측하는 최적의 인공신경망구조 선정을 위해 인공 신경망 기술중 ...
연약지반상에서 대상지반의 압밀 및 팽창 특성을 정확히 파악하는 것은 경제적, 효율적 시공이라는 측면에서 매우 중요하다. 이를 결정하기 위한 기존 제안자들의 경험식에 의해 추정하거나 현장시험과 실내시험을 통하여 측정 또는 추정하는 기존의 방법은 많은 시간과 수고를 필요로 한다는 어려움이 있다. 이에 본 연구에서는 팽창지수에 대한 기본 물성들의 영향을 검토하여 팽창지수를 예측하는 최적의 인공신경망 구조를 개발하고, 그 적용성을 검증하였다. 본 논문에서는 팽창지수를 예측하는 최적의 인공신경망구조 선정을 위해 인공 신경망 기술중 오류 역전파 알고리즘 기법과 국내 8 개지구 연약지반층의 실내시험을 통한 결과치를 사용하였다. 이때 자연함수비, 초기간극비, 액성한계, 깊이, 0.005mm 통과율, 소성지수를 입력변수로 사용하였다. 그 결과 팽창지수 예측을 위한 최적의 인공신경망 구조는 2개의 은닉층에 첫 번째 은닉층 노드 수 = 5, 두 번째 은닉층 노드 수 = 7의 구조로 학습율 =0.05, 모멘텀 = 0.7인 구조로 나타났다. 선정한 인공신경망 구조로 예측한 결과와 Nagarag & Murty(1985)가 제안한 경험식에 의한 결과와의 비교에서 학습상관계수는 인공신경망 0.974, 경험식 0.0026이며, 예측 상관계수는 인공신경망 0.974, 경험식 0.013으로 인공신경망에 의한 팽창지수 예측이 기존 경험식에 비교하여 매우 높은 신뢰성을 나타내었다. 따라서 팽창지수의 예측에 인공신경망 기법을 적용한다면 비교적 신뢰성 있게 산정할 수 있는 가능성을 입증하였다.
연약지반상에서 대상지반의 압밀 및 팽창 특성을 정확히 파악하는 것은 경제적, 효율적 시공이라는 측면에서 매우 중요하다. 이를 결정하기 위한 기존 제안자들의 경험식에 의해 추정하거나 현장시험과 실내시험을 통하여 측정 또는 추정하는 기존의 방법은 많은 시간과 수고를 필요로 한다는 어려움이 있다. 이에 본 연구에서는 팽창지수에 대한 기본 물성들의 영향을 검토하여 팽창지수를 예측하는 최적의 인공신경망 구조를 개발하고, 그 적용성을 검증하였다. 본 논문에서는 팽창지수를 예측하는 최적의 인공신경망구조 선정을 위해 인공 신경망 기술중 오류 역전파 알고리즘 기법과 국내 8 개지구 연약지반층의 실내시험을 통한 결과치를 사용하였다. 이때 자연함수비, 초기간극비, 액성한계, 깊이, 0.005mm 통과율, 소성지수를 입력변수로 사용하였다. 그 결과 팽창지수 예측을 위한 최적의 인공신경망 구조는 2개의 은닉층에 첫 번째 은닉층 노드 수 = 5, 두 번째 은닉층 노드 수 = 7의 구조로 학습율 =0.05, 모멘텀 = 0.7인 구조로 나타났다. 선정한 인공신경망 구조로 예측한 결과와 Nagarag & Murty(1985)가 제안한 경험식에 의한 결과와의 비교에서 학습상관계수는 인공신경망 0.974, 경험식 0.0026이며, 예측 상관계수는 인공신경망 0.974, 경험식 0.013으로 인공신경망에 의한 팽창지수 예측이 기존 경험식에 비교하여 매우 높은 신뢰성을 나타내었다. 따라서 팽창지수의 예측에 인공신경망 기법을 적용한다면 비교적 신뢰성 있게 산정할 수 있는 가능성을 입증하였다.
It is very important to have an exact understanding about consolidation and expansion characteristics of targeted ground on the soft ground in the respect of economic and effective construction. Until now those characteristics have been inferred from empirical equations of existing proposers or from...
It is very important to have an exact understanding about consolidation and expansion characteristics of targeted ground on the soft ground in the respect of economic and effective construction. Until now those characteristics have been inferred from empirical equations of existing proposers or from the result of field tests and indoor tests, which takes a lot of time and efforts. In the study, therefore, the optimum artificial neural network which predicts swelling index by reviewing effects of basic property of matter on swelling index is developed and its adaptability is verified. In order to choose the optimum artificial neural network predicting swelling index, back propagation algorithm and the results from indoor test of soft grounds in eight areas of Korea are used in the paper. For this natural moisture, initial pore ratio, liquid limit, depth, 0.005mm of permeation rate, plasticity index are used as input variables. As a result, the structure of the optimum neural network has two hidden layers the first one has five nodes and the second one has 7 nodes. It also has 0.05 of learn ratio and 0.7 of momentum. When the result predicted by the selected neural network structure and the one suggested by Nagarag & Murty(1985)'s empirical equation are compared, the artificial neural network has 0.974 of learn correlation coefficient and 0.974 of expected correlation coefficient and the empirical equation has 0.0026 of learn correlation coefficient and 0.013 of expecting correlation coefficient, which means the prediction of swelling index through the artificial neural network is much more reliable than the existing empirical equations. So it is verified that the reliable prediction of swelling index is possible if the technology of artificial neural network is applied.
It is very important to have an exact understanding about consolidation and expansion characteristics of targeted ground on the soft ground in the respect of economic and effective construction. Until now those characteristics have been inferred from empirical equations of existing proposers or from the result of field tests and indoor tests, which takes a lot of time and efforts. In the study, therefore, the optimum artificial neural network which predicts swelling index by reviewing effects of basic property of matter on swelling index is developed and its adaptability is verified. In order to choose the optimum artificial neural network predicting swelling index, back propagation algorithm and the results from indoor test of soft grounds in eight areas of Korea are used in the paper. For this natural moisture, initial pore ratio, liquid limit, depth, 0.005mm of permeation rate, plasticity index are used as input variables. As a result, the structure of the optimum neural network has two hidden layers the first one has five nodes and the second one has 7 nodes. It also has 0.05 of learn ratio and 0.7 of momentum. When the result predicted by the selected neural network structure and the one suggested by Nagarag & Murty(1985)'s empirical equation are compared, the artificial neural network has 0.974 of learn correlation coefficient and 0.974 of expected correlation coefficient and the empirical equation has 0.0026 of learn correlation coefficient and 0.013 of expecting correlation coefficient, which means the prediction of swelling index through the artificial neural network is much more reliable than the existing empirical equations. So it is verified that the reliable prediction of swelling index is possible if the technology of artificial neural network is applied.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.