$\require{mediawiki-texvc}$

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.

지하매설물 속성을 활용한 기계학습 기반 지반함몰 위험도 예측모델 개발
Development of Machine Learning Model to Predict the Ground Subsidence Risk Grade According to the Characteristics of Underground Facility 원문보기

한국지반환경공학회논문집 = Journal of the Korean Geoenvironmental Society, v.23 no.8, 2022년, pp.5 - 10  

이성열 (Department of Geotechnical Engineering Research, Korea Institute of Civil Engineering and Building Technology) ,  강재모 (Department of Geotechnical Engineering Research, Korea Institute of Civil Engineering and Building Technology) ,  김진영 (Department of Geotechnical Engineering Research, Korea Institute of Civil Engineering and Building Technology)

초록
AI-Helper 아이콘AI-Helper

인구 밀집도가 높은 도시 중심지에서 발생하는 지반함몰의 주요 원인은 하수관 및 상수관과 같은 지하매설물의 손상으로 알려져 있다. 이와 관련하여 지반함몰의 원인 규명과 지반함몰 위험 예측에 관한 연구가 꾸준히 수행되고 있다. 현재 지반함몰은 지중탐사레이더를 통해 선제적으로 공동을 발견하여 대응하고 있으나, 이는 인력 및 비용의 소비가 크기 때문에 효율적인 장비의 운영을 위해 위험지역을 예측하고 예측된 지역을 우선순위로 탐사해야 할 필요가 있다. 따라서 본 연구에서는 ◯◯시의 2개 구를 500m×500m 크기의 그리드로 분할하고, 해당 그리드 내의 지하매설관 속성과 지반함몰 발생 데이터를 활용하여 데이터셋을 구축하였다. 구축된 데이터셋으로 기계학습을 통한 적절한 지반함몰 위험등급 예측 모델을 제시하였고, 제시된 모델을 활용하여 대상지역의 지반함몰 위험지도를 제시하고자 하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Ground Subsidence has been continuously occurring in densely populated downtown. The main cause of ground subsidence is the damaged underground facility like sewer. Currently, ground subsidence is being dealt with by discovering cavities in ground using GPR. However, this consumes large amount of ma...

주제어

#지반함몰   #지하매설물   #기계학습   #지반함몰 위험지도   #지반함몰 위험 예측모델  

표/그림 (11)

참고문헌 (12)

  1. Breiman, L. (2001), Random Forest. Machine Leaerning, Kluwer Academic Publishers, 45, pp. 5~32. 

  2. G. Ke, Q. Meng, T. Finley, T. Wang, W. Chen, W. Ma, Q. Ye and T. Liu. (2017), LightGBM: A Highly Efficient Gradient Boosting Decision Tree, Part of Advances in Neural Information Processing Systems 30. 

  3. Ha, J. E., Shin, H. C. and Lee, Z. K. (2017), Korean text classification using randomforest and XGBoost focusing on Seoul metropolitan civil complaint data, The Journal of Bigdata, Vol. 2, Issue 2, pp. 95~104. 

    crossref

  4. Han, M. S. (2017), A risk assessment of ground subsidence by GPR and CCTV investigation, Master's thesis, Seoul National University of Science and Technology (In Korean). 

  5. Jin, Y. S. (2020), The Analysis on Correlation of Precipitation and Risk Factors to the Soil Subsidence, Ph D. dissertation, Chonnam National University, pp. 104~105 (In Korean). 

  6. Kim, K. Y. (2018), Susceptibility Model for Sinkholes Caused by Damaged Sewer Pipes Based on Logistic Regression, Master's thesis, Seoul National University. 

  7. Kuwano, R., Horii, T., Kohashi, H. and Yamauchi, K. (2006), Defects of sewer pipes causing cave-in's in the road, Proc. 5th International Symposium on New Technologies for Urban Safety of Mega Cities in Asia,Phuket, Thailand, pp. 347~353. 

  8. Lee, S. Y., Kim, J. Y., K, J. M. and Baek, W. J. (2022), Comparison of machine learning models to predict the occurrence of ground subsidence according to the characteristics of sewer, Journal of Korean Geo-Environmental Society, Vol. 23, Issue 4, pp. 5~10. 

  9. Mukunoki, T., Kuwano, N., Otani, J. and Kuwano, R. (2009), Visualization of three dimensional failure in sand due to water inflow and soil drainage from defected underground pipe using X-ray CT, Soils and Foundations, Vol. 49, No. 6. 

  10. Seoul Seokchon-dong Cavity Cause Investigation Committee, (2014), Cause Analysis of Cavity at Seokchon Underground Roadway and Road Cavity. 

  11. Seoul Institute (2016), The Road Subsidence Conditions and Safety Improvement Plans in Seoul (In Korean). 

  12. Tom Fawcett (2005), An introduction to ROC analysis, Patter Recognition Letters, Edited by Francesco Tortorella, Vol. 27 Issue 8, pp. 861~874. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
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