[논문]인공신경망 기법을 이용한 사면의 내진성능평가 모델 제안

곽신영; 함대기

doi:10.7734/coseik.2019.32.2.93

문제 정의

그러나 이렇게 도출된 닫힌식은 기본적으로 전통적인 통계학적 선형 근사 방법을 이용한 방법으로서 원데이터와의 정확도에 있어서 비교적 큰 차이를 발생시킬 수 있다는 단점이 있었다. 그러므로 본 논문에서는 개발된 닫힌식의 정확도를 인공신경망(artificial neural network: ANN) 기법을 이용하여 개선함으로써 사면의 확률론적 지진 안전성 평가의 정확성과 효율성을 비약적으로 증가시킬 수 있는 기법을 개발하였다.
R2값은 0에서 1사이 값을 가지며, 입력변수와 출력변수의 상관관계가 높을수록 1에 가까워진다. 그러므로 본 연구에서는 이러한 데이터를 기반으로 이를 보다 잘 예측할 수 있는 모델을 인공신경망 기법을 통하여 개발하고자 한다.
지진 취약도 해석을 통한 사면의 안전성 평가는 모든 지진세기 영역에 대하여 사면의 파괴확률을 제공하는 비교적 완전하며 정확한 방법이다. 또한, 이는 사면의 안정성을 지진으로 인한 사면 영구 변위 등의 간접적인 지표 형태가 아닌 지진의 정량적 세기인 지반최대 가속도 등의 직관적인 지표와 연결하여 지진에 대한 직접적 내력을 평가한다. 그러나 이를 위해서는 과다한 계산 비용이 요구되므로 지진 취약도 분석의 장점을 주어진 사면 조건에서 효율적인 내진 안전성 평가에 적용하기 어렵다.
우선, 입력 변수의 변화가 사면 HCLPF 내진성능에 어떠한 영향을 미쳤는지 살펴보았다. Fig.
이 논문에서는 인공신경망 기법을 적용하여 사면의 확률론적 내진 성능을 정확하면서도 효율적으로 예측하는 모델을 개발하였다. 이는 R2 값이 거의 1이 되는 값을 가지는 모델로서 도출된 모델의 정확성은 기존의 다중 선형 및 다중 비선형 회귀 분석을 통한 모델과 비교하여 각각 약 17% 및 약 3% 상승함을 확인할 수 있었다.
이러한 경향을 기반으로 다차원 변수 영역에서 모든 변수의 임의적인 변화에 따른 HCLPF 내진성능 변화를 살펴보기 위하여 아래와 같은 추가적인 분석을 실시하였다.

가설 설정

이 이론에서 파괴가 예상되는 토체는 Fig. 1(a) 에서와 같이 하나의 강체 블록으로 간주하게 되고, 강체 블록 내에서는 내부 변형이 일어나지 않는다고 가정한다. 이러한 가정 아래 바닥으로 유입되는 특정 지진 가속도 하중에서 이러한 블록이 활동하기 시작하는 가속도를 항복가속도라 하고, 지진 가속도 기록이 항복가속도를 초과하면 강체 블록이 움직이기 시작하고, 강체 블록의 가속도와 지진 가속도 기록이 같아질 때까지 영구변위가 발생하게 된다.

제안 방법

결과적으로, ANN을 통한 사면의 확률론적 내진성능 예측 모델과 기존의 다중 선형회귀방법을 통한 예측모델 관련한 상호 비교 연구를 통하여 결론을 아래와 같이 정리하였다.
사면의 HCLPF 내진성능 예측 모델을 도출하기 위하여 10,000개의 데이터(2장 참조)를 무작위로 Training Sample 과 Testing Sample로 구분하였다. 구체적으로 90%의 데이터 즉 9,000 Sample은 Training Set으로 할당하여 예측 모델을 도출하는데 활용하였고, 나머지 10%의 데이터 즉 1,000 Sample은 도출된 예측 모델의 정확성(유효성)을 확인하는데 사용하였다. 본 연구에서 소개한 ANN 기법을 통한 예측모델의 성능 유효성을 검증하기 위해서는 일반적인 통계학적 회귀방법인 다중 선형회귀(multiple linear regression: MLR) 및 다중 다항식기반 회귀(multiple polynomial regression: MPR) 방법을 동일한 데이터 조건에 적용하였고, 도출된 결과를 ANN 기법을 통한 결과와 비교하였다.
구체적으로 사면의 확률론적 내진 성능은 사면에 대한 지진 취약도 방법을 통하여 분석하였고, 95% 신뢰도 구간의 5% 파괴확률 즉, HCLPF를 대표 성능 값으로 규정하였다.
이렇게 얻어진 영구변위-관측된 사면파괴 상관성 분석을 바탕으로 Kwag과 Hahm(2018)은 지진 시 파괴를 일으키는 한계 영구변위를 통계적 기법을 통하여 도출하였다. 또한, 이 연구에서는 이를 위하여 Newmark 영구변위 경험식을 기준으로 MCS 샘플링 기법을 통하여 지진유발 사면 취약도를 평가하는 방법을 제시하였다. 이는 기존 2~20cm의 Newmark 영구변위가 지진으로 인한 사면의 붕괴 위험도 기준이 된다는 정성적인 연구 결과 대한 유효성을 정량적인 분석을 통하여 입증하였다.
이는 기존 2~20cm의 Newmark 영구변위가 지진으로 인한 사면의 붕괴 위험도 기준이 된다는 정성적인 연구 결과 대한 유효성을 정량적인 분석을 통하여 입증하였다. 마지막으로 사면의 지진 취약도 방법을 통하여 다양한 조건 하에 있는 사면의 무작위성 및 불확실성을 하나의 내진 성능 지표로서 반영할 수 있는 고신뢰도 저파괴확률(high confidence low probability of failure: HCLPF) 개념을 도입하였고, 이로부터 다양한 조건을 가진 사면의 확률론적 내진 성능을 산정하였다. 구체적으로 특정 사면의 지진취약도 분석은 무작위성 및 불확실성으로 인하여 다양한 취약도 곡선을 도출한다.
본 연구에서 소개한 ANN 기법을 통한 예측모델의 성능 유효성을 검증하기 위해서는 일반적인 통계학적 회귀방법인 다중 선형회귀(multiple linear regression: MLR) 및 다중 다항식기반 회귀(multiple polynomial regression: MPR) 방법을 동일한 데이터 조건에 적용하였고, 도출된 결과를 ANN 기법을 통한 결과와 비교하였다. 여기서, MLR 모델의 경우는 입력변수의 상호간 연계작용을 고려하지 않는 일반적인 모델과 이를 고려하는 모델(MLR with Interaction)을 구분하여 적용하였다. MPR 모델의 경우는 2차 다항식 기반으로 비선형 모델로 구성하였고, 이와 관련된 매개변수를 최적화 기법을 통하여 산정하였다.
은닉층 및 출력층의 뉴런은 각각 총 10개 및 1개를 사용하였고, 출력층 뉴런의 최종값은 사면의 HCLPF 내진성능을 의미한다. 여기서, 전달 함수는 은닉층에서 Sigmoid 함수를 활용하였고, 출력층에서 선형 출력 함수를 사용하였다. 은닉층의 뉴런 개수와 관련하여 최적의 값을 정하는 일반적인 방법이 없기 때문에 이에 대한 매개변수연구를 통하여 결정하였다.
여기서, 전달 함수는 은닉층에서 Sigmoid 함수를 활용하였고, 출력층에서 선형 출력 함수를 사용하였다. 은닉층의 뉴런 개수와 관련하여 최적의 값을 정하는 일반적인 방법이 없기 때문에 이에 대한 매개변수연구를 통하여 결정하였다. ANN 모델 학습을 위한 BP 알고리즘은 Levenberg-Marquardt기법을 활용하였고, ANN의 성능을 표현하는 오차함수로는 평균제곱오차(mean squared error)를 이용하였다.
6개의 파라미터로 구성된 다차원 공간에서 가능한 모든 조합을 효율적으로 고려하기 위하여 라틴하이퍼큐브 샘플링 방법(Kwag and Ok, 2013)을 통하여 10,000개의 다양한 사면 조건을 추출하였다. 이렇게 추출된 10,000개의 사면 조건을 기반으로 지진에 의한 사면 취약도 분석을 통하여 사면의 HCLPF 내진성능을 산정하였고, 이러한 데이터를 통계적으로 분석하여 아래와 같은 다중 선형 회귀모델을 제시하였다(Fig. 2 참조).

대상 데이터

사면의 HCLPF 내진성능 예측 모델을 도출하기 위하여 10,000개의 데이터(2장 참조)를 무작위로 Training Sample 과 Testing Sample로 구분하였다. 구체적으로 90%의 데이터 즉 9,000 Sample은 Training Set으로 할당하여 예측 모델을 도출하는데 활용하였고, 나머지 10%의 데이터 즉 1,000 Sample은 도출된 예측 모델의 정확성(유효성)을 확인하는데 사용하였다.

데이터처리

은닉층의 뉴런 개수와 관련하여 최적의 값을 정하는 일반적인 방법이 없기 때문에 이에 대한 매개변수연구를 통하여 결정하였다. ANN 모델 학습을 위한 BP 알고리즘은 Levenberg-Marquardt기법을 활용하였고, ANN의 성능을 표현하는 오차함수로는 평균제곱오차(mean squared error)를 이용하였다.
MPR 모델의 경우는 2차 다항식 기반으로 비선형 모델로 구성하였고, 이와 관련된 매개변수를 최적화 기법을 통하여 산정하였다. 도출된 모델의 성능은 선형상관계수(R), 결정계수(R2), 평균절대오차(MAE) 및 평균제곱근오차(RMSE)로 정량화하였다. 여기서 R 및 R2는 클수록(값이 1에 가까울수록), MAE 및 RMSE는 작을수록 해당 모델 성능이 우수함을 의미한다.
구체적으로 90%의 데이터 즉 9,000 Sample은 Training Set으로 할당하여 예측 모델을 도출하는데 활용하였고, 나머지 10%의 데이터 즉 1,000 Sample은 도출된 예측 모델의 정확성(유효성)을 확인하는데 사용하였다. 본 연구에서 소개한 ANN 기법을 통한 예측모델의 성능 유효성을 검증하기 위해서는 일반적인 통계학적 회귀방법인 다중 선형회귀(multiple linear regression: MLR) 및 다중 다항식기반 회귀(multiple polynomial regression: MPR) 방법을 동일한 데이터 조건에 적용하였고, 도출된 결과를 ANN 기법을 통한 결과와 비교하였다. 여기서, MLR 모델의 경우는 입력변수의 상호간 연계작용을 고려하지 않는 일반적인 모델과 이를 고려하는 모델(MLR with Interaction)을 구분하여 적용하였다.

이론/모형

다양한 조건에 대한 사면 모델 고려는 Newmark 영구변위를 결정하는 다음의 주요한 6개 인자의 범위 내에서 이루어졌다: c = 30~120 kPa; Φ = 10~60°; γ =10~70°; α = 11~ 30kN/m 3 ; t = 1~5 m; m = 0~1. 6개의 파라미터로 구성된 다차원 공간에서 가능한 모든 조합을 효율적으로 고려하기 위하여 라틴하이퍼큐브 샘플링 방법(Kwag and Ok, 2013)을 통하여 10,000개의 다양한 사면 조건을 추출하였다. 이렇게 추출된 10,000개의 사면 조건을 기반으로 지진에 의한 사면 취약도 분석을 통하여 사면의 HCLPF 내진성능을 산정하였고, 이러한 데이터를 통계적으로 분석하여 아래와 같은 다중 선형 회귀모델을 제시하였다(Fig.
여기서, MLR 모델의 경우는 입력변수의 상호간 연계작용을 고려하지 않는 일반적인 모델과 이를 고려하는 모델(MLR with Interaction)을 구분하여 적용하였다. MPR 모델의 경우는 2차 다항식 기반으로 비선형 모델로 구성하였고, 이와 관련된 매개변수를 최적화 기법을 통하여 산정하였다. 도출된 모델의 성능은 선형상관계수(R), 결정계수(R2), 평균절대오차(MAE) 및 평균제곱근오차(RMSE)로 정량화하였다.
이는 해당 사면 모델의 종합적인 내진성능을 나타낼 수 있지만, 하나의 값으로 표현할 수 없다는 단점이 있다. 그러므로 이 연구에서는 HCLPF 개념을 도입하였다. 이 개념은 수학적으로 95% 신뢰도 취약도 곡선에서 5% 파괴확률을 의미하여, 취약도 곡선의 불확실성을 반영하고 이를 요약하여 나타낼 수 있는 척도가 된다(EPRI, 1994).
구체적으로 사면의 확률론적 내진 성능은 사면에 대한 지진 취약도 방법을 통하여 분석하였고, 95% 신뢰도 구간의 5% 파괴확률 즉, HCLPF를 대표 성능 값으로 규정하였다. 사면 지진 취약도 분석을 위하여, 지진유발 사면안정해석은 Newmark 영구변위 기법에 기반한 경험적 모델을 활용하였고, 사면파괴를 규정하는 한계상태는 과거 지진 시 실제 관측된 사면파괴 기록과 영구변위 값에 대한 상관성 데이터를 통하여 추정하였다.
생성된 인공신경망은 각 뉴런의 가중치 및 편향값을 변경하여 이 모형으로부터 예측된 출력값과 실제 출력값의 차이를 최소화하는 방식으로 경사하강법(gradient decent method)을 활용하여 학습한다. 이 때 신경망의 수많은 가중치를 동시에 바꾸는 것은 매우 힘들기 때문에 통상적으로 역전파(back propagation: BP) 기법을 사용하여 출력층부터 입력층까지 거꾸로 한 층씩 업데이트한다.

성능/효과

·ANN 모델은 기존의 언급한 모델들과 비교하여, HCLPF 내진성능 모든 값의 영역에서 입력변수에 대하여 평균값을 거의 정확하게 예측하고, 그 값의 분산 또한 상당히 작음을 확인할 수 있다.
·ANN 모델이 다른 이전 모델에 비하여 4가지 성능지표(R, R2, RMSE, MAE) 비교 결과 가장 우수한 예측 능력을 보여주었고, 이는 또한 관측된 모든 영역의 HCLPF 내진성능 값을 비교적 정확하게 선정하였다.
·MLR 모델은 비교적 낮은 값의 사면 HCLPF 내진성능값 관측 영역에서는 평균적으로 잘 예측하는 결과를 보였지만, 그 예측값의 변동성이 매우 컸다.
·MPR 모델은 HCLPF 0~6g 값 사이에서 입력변수에 대하여 실제값을 평균적으로 잘 예측하고, 기존의 MLR 모델과 비교할 때 그 값의 분산이 상대적으로 작음을 확인할 수 있다.
4에 나타내었다. Fig. 4를 통하여 사면의 점착력 및 내부마찰각이 클수록 HCLPF 내진성능이 높아지고, 반면에 사면의 경사각, 토체단위중량, 파괴 토체의 수직 두께, 및 포화도가 커질수록 HCLPF 내진성능이 낮아짐을 확인할 수 있다. 이러한 경향을 기반으로 다차원 변수 영역에서 모든 변수의 임의적인 변화에 따른 HCLPF 내진성능 변화를 살펴보기 위하여 아래와 같은 추가적인 분석을 실시하였다.
·MLR기반 모델은 HCLPF 0~3g 값 사이에서 입력변수에 대하여 실제값을 비교적 평균적으로 잘 예측하는 경향을 보이지만, 그 값의 분산이 큼을 확인할 수 있다. 또한, 3g 이상의 값 영역에서 실제값보다 작은 값을 도출하여 예측 능력이 현저히 떨어짐을 확인할 수 있다.
이는 R2 값이 거의 1이 되는 값을 가지는 모델로서 도출된 모델의 정확성은 기존의 다중 선형 및 다중 비선형 회귀 분석을 통한 모델과 비교하여 각각 약 17% 및 약 3% 상승함을 확인할 수 있었다. 또한, 이 모델은 기존의 사면 지진취약도 해석과 관련한 계산 시간을 비약적으로 줄이면서도 계산 결과의 정확도는 거의 훼손하지 않음을 확인하였다. 구체적으로 사면의 확률론적 내진 성능은 사면에 대한 지진 취약도 방법을 통하여 분석하였고, 95% 신뢰도 구간의 5% 파괴확률 즉, HCLPF를 대표 성능 값으로 규정하였다.
모델 및 MPR 모델은 기존 다중 선형식의 1차원 기본 함수 차원을 높여 예측치의 정확도를 높일 수 있었으나 여전히 예측치의 변동성이 크고, 또한 높은 값의 사면 HCLPF 내진성능 관측영역에서는 부정확한 값을 도출하였다.
·MLR w/ Int. 모델은 HCLPF 0~6g 값 사이에서 입력 변수에 대하여 실제값을 평균적으로 잘 모사하지만, 그 값의 분산이 여전히 큼을 확인할 수 있다. 또한 6g 이상의 값에서는 실제값보다 작은 편향된 값을 예측함을 확인할 수 있다.
이 논문에서는 인공신경망 기법을 적용하여 사면의 확률론적 내진 성능을 정확하면서도 효율적으로 예측하는 모델을 개발하였다. 이는 R2 값이 거의 1이 되는 값을 가지는 모델로서 도출된 모델의 정확성은 기존의 다중 선형 및 다중 비선형 회귀 분석을 통한 모델과 비교하여 각각 약 17% 및 약 3% 상승함을 확인할 수 있었다. 또한, 이 모델은 기존의 사면 지진취약도 해석과 관련한 계산 시간을 비약적으로 줄이면서도 계산 결과의 정확도는 거의 훼손하지 않음을 확인하였다.
반면에, ANN 기법은 기본적으로 입력변수의 차원을 데이터를 잘 모사할 수 있는 고차원 입력공간으로 변경하고, 이를 바탕으로 기본 모델 함수의 파라미터값을 찾기 때문이다. 이러한 ANN의 특징으로 인하여, 본 연구의 비선형성이 큰 사면모델-HCLPF 내진성능 데이터와 관련하여 ANN 모델이 기존의 MLR 및 MPR 모델과 비교하여 유연하게 실제 데이터를 표현하여 모델의 정확도를 상대적으로 높인 것으로 판단된다.
이러한 결과의 원인은 입력변수에 대한 실제값 데이터를 MLR 및 MPR은 저차원의 선형적인 입력변수 공간에서 실제 데이터를 잘 모사하는 구조화된 함수의 기본 파라미터를 찾아 적합한 모델을 도출한다. 반면에, ANN 기법은 기본적으로 입력변수의 차원을 데이터를 잘 모사할 수 있는 고차원 입력공간으로 변경하고, 이를 바탕으로 기본 모델 함수의 파라미터값을 찾기 때문이다.
구체적으로 특정 사면의 지진취약도 분석은 무작위성 및 불확실성으로 인하여 다양한 취약도 곡선을 도출한다. 이를 통계적으로 정리하면, 평균 취약도 곡선, 5% 신뢰도 취약도 곡선, 및 95% 신뢰도 취약도 곡선으로 나타낼 수 있다(Fig. 3 참조). 이는 해당 사면 모델의 종합적인 내진성능을 나타낼 수 있지만, 하나의 값으로 표현할 수 없다는 단점이 있다.

후속연구

위와 같이 ANN을 통한 비교적 정확한 값을 도출하는 사면 HCLPF 내진성능 예측모델은 향후 지진에 대한 사면의 안전성을 효율적이고 정확하게 평가하는데 기본적인 분석도구로 활용될 수 있을 것이다. 구체적으로 원자력발전소(원전) 인근 사면의 내진성능 지도를 개발하고, 이를 통하여 원전 지진유발 사면붕괴로 인한 리스크를 효율적으로 분석하는데 매우 유용 하게 활용될 수 있을 것이라 기대된다. 마지막으로 향후 연구 시 개선 및 보완해야 할 사항으로는 지진유발 사면붕괴 시험이나 정밀한 사면 수치모델를 통한 지진응답 결과를 활용하여 도출된 모델의 유효성을 검증하고, 이러한 과정을 통하여 모델을 업데이트하는 연구가 필요할 것으로 판단된다.
이는 입력변수와 출력값 사이의 비선형적 관계를 잘 모사한다고 알려져 있다. 그러므로 본 연구에서는 ANN의 장점을 활용함으로써, 비선형성이 큰 사면 모델-내진성능 데이터와 관련하여 기존의 통계학적 근사 방법과 비교하여 유연하게 실제 데이터를 표현하여 모델의 정확도를 상대적으로 높일 수 있을 것이라 판단된다. 또한 궁극적으로 이로 인해 사면 지진취약도 지도를 개발하고, 원전의 인근 사면으로 인한 리스크를 효율적으로 분석하는 등 다양한 분야에 활용할 수 있을 것이라 기대된다.
그러므로 본 연구에서는 ANN의 장점을 활용함으로써, 비선형성이 큰 사면 모델-내진성능 데이터와 관련하여 기존의 통계학적 근사 방법과 비교하여 유연하게 실제 데이터를 표현하여 모델의 정확도를 상대적으로 높일 수 있을 것이라 판단된다. 또한 궁극적으로 이로 인해 사면 지진취약도 지도를 개발하고, 원전의 인근 사면으로 인한 리스크를 효율적으로 분석하는 등 다양한 분야에 활용할 수 있을 것이라 기대된다.
구체적으로 원자력발전소(원전) 인근 사면의 내진성능 지도를 개발하고, 이를 통하여 원전 지진유발 사면붕괴로 인한 리스크를 효율적으로 분석하는데 매우 유용 하게 활용될 수 있을 것이라 기대된다. 마지막으로 향후 연구 시 개선 및 보완해야 할 사항으로는 지진유발 사면붕괴 시험이나 정밀한 사면 수치모델를 통한 지진응답 결과를 활용하여 도출된 모델의 유효성을 검증하고, 이러한 과정을 통하여 모델을 업데이트하는 연구가 필요할 것으로 판단된다.
위와 같이 ANN을 통한 비교적 정확한 값을 도출하는 사면 HCLPF 내진성능 예측모델은 향후 지진에 대한 사면의 안전성을 효율적이고 정확하게 평가하는데 기본적인 분석도구로 활용될 수 있을 것이다. 구체적으로 원자력발전소(원전) 인근 사면의 내진성능 지도를 개발하고, 이를 통하여 원전 지진유발 사면붕괴로 인한 리스크를 효율적으로 분석하는데 매우 유용 하게 활용될 수 있을 것이라 기대된다.

핵심어	질문	논문에서 추출한 답변
	인공신경망이란 무엇인가?	인공신경망은 인간 두뇌 신경세포(neuron)의 지식 습득 및 처리 과정을 모사한 전산 모형이다. 20세기 초 인간 신경세포에 대한 이해가 크게 발전함에 따라 이러한 특징을 전산으로 모사한 뉴런 모형이 제안되었다.
	전통적인 통계학적 선형회귀분석의 한계점은?	이러한 배경 아래 사면에 대한 확률론적 지진 취약도 분석이 몇몇 연구자에 의해 수행되었고, 이를 기반으로 다중 선형회귀분석을 통하여 사면 내진성능에 대한 닫힌식이 제안된 바 있다. 그러나 전통적인 통계학적 선형회귀분석은 다양한 조건의 사면과 이에 따른 내진 성능 사이의 비선형적 관계를 정확하게 표현하지 못하는 한계를 보였다. 이에 따라 본 연구에서는 이러한 문제점을 극복하고자 인공신경망 기법을 사면 내진성능 예측 모델을 생성하는데 적용하였다.
	지진 취약도 해석을 통한 사면 안정성 평가의 단점은?	또한, 이는 사면의 안정성을 지진으로 인한 사면 영구 변위 등의 간접적인 지표 형태가 아닌 지진의 정량적 세기인 지반최대 가속도 등의 직관적인 지표와 연결하여 지진에 대한 직접적 내력을 평가한다. 그러나 이를 위해서는 과다한 계산 비용이 요구되므로 지진 취약도 분석의 장점을 주어진 사면 조건에서 효율적인 내진 안전성 평가에 적용하기 어렵다. 더욱이 다양한 지형학적/토질학적 조건의 수많은 사면이 공간상에 분포되어 있는 지진유발 사면 취약도 지도 개발에는 적용이 불가능하다는 단점이 있다. 이러한 배경아래 Kwag과 Hahm (2018)이 Newmark 영구변위해석 개념을 기반으로 지진으로 인한 사면 취약도 분석 방법을 개발하고, 이를 기반으로 다양한 조건의 사면에 대하여 빠른 취약도 분석을 가능하게 하는 닫힌식(closed-form equation)을 제안한 바 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

인공신경망 기법을 이용한 사면의 내진성능평가 모델 제안
A Propose on Seismic Performance Evaluation Model of Slope using Artificial Neural Network Technique 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

인공신경망 기법을 이용한 사면의 내진성능평가 모델 제안 A Propose on Seismic Performance Evaluation Model of Slope using Artificial Neural Network Technique 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

곽신영 (3) 함대기 (15)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

인공신경망 기법을 이용한 사면의 내진성능평가 모델 제안
A Propose on Seismic Performance Evaluation Model of Slope using Artificial Neural Network Technique 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper