$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

정보 엔트로피에 의한 RC 교량 상판의 상태속성 및 등급 영향 구조 분석

The State Attribute and Grade Influence Structure for the RC Bridge Deck Slabs by Information Entropy

초록

기 수행된 1, 2종 교량에 관한 정밀안전진단 등의 많은 사례를 분석해 보면, 실제로 많은 경우 외관상태가 교량의 대표등급 결정에 지배적인 요인이 되는 것을 볼 수 있다. 본 연구는 기 시행된 점검 및 진단 자료를 학습사례집합으로 인공지능 분야의 귀납적 학습법을 활용하여 철근 콘크리트 교량 바닥판의 상태평가를 지배하는 상태속성들의 교량등급에 대한 계층적 영향도와 구조적 연관성을 분석하였다. 이는 세부적으로 목표속성은 평가등급으로, 평가속성은 1방향균열, 2방향균열, 백태, 박락 및 층분리, 재료분리 등 7가지로 구성하고, 엔트로피 분석을 통해 주요 속성의 정보량, 정보기대값 및 정보 이득을 산정하고 범주별 상태 등급 분포를 분석하였다. 이를 위해 본 논문은 먼저 6개 교량에 대한 안전진단보고서를 토대로 상태등급 평가 과정에서 각 속성이 미치는 간접적 영향을 개관하고 정보공학적 분석의 동기를 부여하였다. 아울러 본 연구는 정보 변별력에 대한 순서로 평가를 지배하는 주 속성 및 조건별 하위 속성 연관성을 의사결정트리 형태로 나타내어 계층적 영향 및 속성간의 구조적 연관성을 보임으로써 손상에 대한 이해도를 높이고 차후 상태평가를 위한 합리적 접근을 지원할 수 있도록 하였다.

Abstract

The attributes related to the health condition of RC deck slabs are analyzed to help us identify and rate the safety level of the bridges in this study. According to the related reports the state assessment for the outward aspects of bridges is the important and critical part for rating the overall structural safety. In this respect, the careful identification for the various state attributes make the field inspection and structural diagnosis very effective. This study analyzes the influence of the state attributes on evaluation classes and the relationship of them by the inductive reasoning, which raise the understanding and performance for evaluation work, and support the logical approach for the state assessment. ID3 algorithm applied to the case set which is constructed from the field reports indicates the main attributes and the precedence governing the assessment, and derives the decision hierarchy for the state assessment.

저자의 다른 논문

참고문헌 (17)

  1. 건설교통부 (1997) 교량관리체계개선에 관한 연구보고서, 건설교통부. 
  2. 건설교통부 (1999) 교량점검 편람, 건설교통부. 
  3. 건설교통부 (2003) 시설물의 안전점검 및 정밀안전진단 지침, 건설교통부. 
  4. 건설교통부 (2003) 안전점검 및 정밀안전진단 세부지침(교량편), 한국시설안전(기술)공단, 건설교통부. 
  5. 건설교통부 (2003) 안전점검 및 정밀안전진단 세부지침(터널편), 한국시설안전(기술)공단, 건설교통부. 
  6. 건설교통부 (2009) 안전점검 및 정밀안전진단 세부지침(교량편), 한국시설안전(기술)공단, 건설교통부 
  7. 서울시 (1999) 성수대교 안전점검 편람, 서울시 건설안전관리본부. 
  8. 안종필, 이증빈, 박주원 (2001) 인공신경망에 의한 터널의 상 태 및 안정성 평가, 한국구조물진단학회 학술발표회 논문집, pp.155-160. 
  9. 황진하, 박종회, 안승수, 김기현 (2002) RC 교량의 현장 안 전진단을 위한 지식기반시스템의 원형개발, 한국구조물진단 학회지, 6(3), pp.185-192. 
  10. 황진하, 안승수 (2008) 손상유형 분할에 의한 콘크리트 바닥판의 상태평가 개선, 한국구조물진단학회지, 12(2), pp.139-148. 
  11. Dan, W.P. (1990) Introduction to Artificial Intelligence and Expert Systems, Prentice-Hall, p.448. 
  12. Pomorski, D., Perche, P.B. (2001) Inductive Learning of Decision Trees : Application to Fault Isolation of an Induction Motor, Engineering Applications of Artificial Intelligence, 14(2), pp.155-166. 
  13. Haykin, S. (1999) Neural Networks, 2nd. ed., Prentice-Hall, p.842. 
  14. Kawamura, K., Miyamoto, A. (2003) Condition State Evaluation of Existing Reinforced Concrete Bridges using Neuro-Fuzzy Hybrid System, Computers & Structures, 81(18-19), pp.1931-1940. 
  15. Luger, G., Stubblefield, W. (1993) Artificial Intelligence, 2nd Ed., The Benjamin/Cummings Pub, p.740. 
  16. Quinlan, J.R. (1986) Induction of Decision Trees, Machine Learning, 1, pp.81-106. 
  17. Shao, X., Zhang G., Li P., Chen Y. (2001) Application of ID3 Algorithm in Knowledge Acquisition for Tolerance Design, Journal of Materials Processing Technology, 117(1-2) pp.66-74. 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :
  • KCI :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

이 논문과 연관된 기능

DOI 인용 스타일