$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

인공신경망을 이용한 터널 주변 폭파 시 파쇄영역의 빠른 예측에 관한 연구
A study on the fast prediction of the fragmentation zone using artificial neural network when a blasting occurs around a tunnel 원문보기

Journal of Korean Tunnelling and Underground Space Association = 한국터널지하공간학회논문집, v.15 no.2, 2013년, pp.81 - 95  

유광호 (수원대학교 토목공학과) ,  전석원 (서울대학교 지구환경시스템공학부)

초록
AI-Helper 아이콘AI-Helper

터널 인근에서 폭발이 일어나 붕괴가 발생될 경우 터널의 기능을 회복시키기 위해서는 파쇄영역에 대하여 빠르게 파악하여야 한다. 본 연구에서는 폭발에 따른 거동을 파악하고 파쇄영역을 빠르게 예측할 수 있는 방법을 서술하였다. 이를 위해 SolidWorks를 이용하여 다양한 3차원 요소망을 작성하고, AUTODYN을 이용하여 폭발해석을 수행하였다. 민감도 분석을 실시하여 해석결과를 이용해 폭발위치 등과 같은 폭발변수가 파쇄부피에 미치는 영향을 살펴보았다. 또한 인공신경망 학습자료로 구축하고, 최적의 학습모델을 선정하고, 파쇄부피와 반지름의 예측결과를 검증하였다. 연구결과, 본 연구에서 서술된 방법이 파쇄영역을 빠르고 효과적으로 예측할 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

When collapse occurs due to explosion near a tunnel, fragmentation zone should be comprehended quickly to recover the function of the tunnel itself. In this study, a method to interpret explosion behavior and predict the fragmentation zone fast. For this purpose, the various 3D-meshes were generated...

주제어

#폭발   #터널   #인공신경망   #파쇄영역  

질의응답

핵심어 질문 논문에서 추출한 답변
인공신경망이란 무엇인가? 인공신경망이란 인간의 신경조직을 모방하여 간단한 기능의 처리기 사이를 서로 대규모로 연결시킨 네트워크 형태의 정보처리 구조이다. 또한 복잡하고 비선형적인 특성을 가지는 값을 이용하여 특정값을 예측하고자 할 때 유용하여 최근에 다양한 분야에 적용되고 있다.
GDM 알고리즘이란 무엇인가? 또한 GD (gradient descent) 알고리즘는 기울기 하강법으로 기울기에 비례한 현재 위치에서 단계적으로 함수의 최소 또는 최대에 점근적으로 접근하는 방법이다. GDM (gradient descent with momentum) 알고리즘은 국부적인 최소값을 얻기 위해 관성항에 따라 경사를 감소시키는 방법이다. GDM은 역전파 알고리즘의 가중치를 개선하는 학습율과 관성항을 포함하고 있다.
인공신경망은 어떤 경우에 유용한가? 인공신경망이란 인간의 신경조직을 모방하여 간단한 기능의 처리기 사이를 서로 대규모로 연결시킨 네트워크 형태의 정보처리 구조이다. 또한 복잡하고 비선형적인 특성을 가지는 값을 이용하여 특정값을 예측하고자 할 때 유용하여 최근에 다양한 분야에 적용되고 있다. 생물학적 신경조직은 Fig.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. Ahn, M.S., Ryu C.H., Park, J.N., Kwun J.A. (2001), "A study on the safe blast design to increase slope stability", The Journal of Korea Society for Explosives and Blasting Engineering, Vol. 19, No. 1, pp. 85-92. 

  2. ANSYS, Inc. (2010), ANSYS AUTODYN, Ver. 13, ANSYS Inc., USA. 

  3. Cho, J.W., Yu, S.H., Jeon, S.W., Chang, S.H. (2008), "Numerical study on rock fragmentation by TBM disc cutter", Journal of Korea Tunnelling Association, Vol. 10, No. 2, pp. 139-152. 

  4. Konya, C.J., Walter, E.J. (1991), Rock blasting and overbreak control, National Highway Institute, p. 430. 

  5. Math Works Inc. (2010), MATLAB : Neural Network $Toolbox^{TM}$ User's Guide, Ver. R2011b, Math Works Inc., p. 404. 

  6. Pao, Y. (1989), Adaptive pattern recognition and neural networks, Addison - Wesley, p. 309. 

  7. Park, J.W. (2012), Analysis of structure subjected to blast load using parallel and domain, Master Thesis, Hanyang University, p. 50 

  8. Riedel, W., Thoma, K., Hiermaier, S., Schmolinske, E. (1999), "Penetration of reinforced concrete by BETAB-500 numerical analysis using a new macroscopic concrete model for hydrocodes" The 9th Int. Sym. Interaction of the Effects of Munitions with Structures, Berlin, Germany, pp. 315-322. 

  9. Shin, H.S., Kwon, Y.C. (2009), "Development of a window-shifting ANN training method for a quantitative rock classification in unsampled rock zone", Journal of Korea Tunnelling Association, Vol. 11, No. 2, pp. 151-162. 

  10. SolidWorks Corp. (2011), SolidWorks 3D, Ver. 2011, SolidWorks Corp, Massachusetts, USA. 

  11. Wasserman, P.D. (1989), Neural computing : Theory and practice, Van Nostrand Reinhold Co., New York, USA, p. 230. 

  12. You, K.H., Kim, D.H. (2012), "A study on the influence of blasting location on tunnel fragmentation zone", 2012 Korean Geotechnical Society, Geo Expo, pp. 1611-1615. 

  13. You, K.H., Son, M.K. (2013), "Hauling time prediction of the muck generated by a blasting around a tunnel", Journal of Korean Tunnelling and Underground Space Association, Vol. 15, No. 1, pp. 33-47. 

    원문보기 상세보기 crossref

  14. You. K.H., Song, W.Y. (2012), "A case study on a tunnel back analysis to minimize the uncertainty of ground properties based on artificial neural network", Journal of Korean Tunnelling and Underground Space Association, Vol. 14, No. 1, pp. 37-53. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로