[논문]경사면의 안정성 모니터링 데이터의 품질관리를 위한 2 단계 접근방안

최준혁; 김용진; 조준휘; 정우철; 석송희; 최송; 김용성; 지봉준

doi:10.12814/jkgss.2023.22.1.067

[국내논문] 경사면의 안정성 모니터링 데이터의 품질관리를 위한 2 단계 접근방안
Two-Phase Approach for Data Quality Management for Slope Stability Monitoring 원문보기

한국지반신소재학회논문집 = Journal of the Korean Geosynthetics Society, v.22 no.1, 2023년, pp.67 - 74

최준혁 (Department of Industrial Management Engineering, Pohang University of Science and Technology) , 김용진 (Smart Geotech) , 조준휘 (Department of Regional Infrastructure Engineering, Kangwon National University) , 정우철 (Department of Regional Infrastructure Engineering, Kangwon National University) , 석송희 (Department of Regional Infrastructure Engineering, Kangwon National University) , 최송 (Department of Regional Infrastructure Engineering, Kangwon National University) , 김용성 (Department of Regional Infrastructure Engineering, Kangwon National University) , 지봉준 (Department of Regional Infrastructure Engineering, Kangwon National University)

초록
AI-Helper

경사면의 안정성을 모니터링 하기 위해 데이터 기반으로 사면의 붕괴를 예측, 경보를 하려는 연구가 증가하고 있다. 하지만 대부분의 논문에서는 데이터의 품질에 대해 간과하고 있다. 이는 오경보와 같은 문제를 발생시킬 수 있다. 이에 본 논문에서는 사면에서 수집된 데이터의 품질관리를 위한 규칙과 기계학습 모델로 구성된 2 단계의 접근 방안을 제안하였다. 규칙 기반은 높은 정확도와 직관적인 해석이 가능하다는 장점이 있으며 기계학습 모델은 명시적으로 표현할 수 없는 패턴을 도출할 수 있다는 장점이 있으며 2단계의 접근 방안은 이 두 장점을 모두 취할 수 있었다. 사례연구를 통해 두 방법을 단독으로 사용하였을 경우와 2단계의 접근 방안을 사용하였을 때의 성능을 비교하였고 2단계 접근 방안이 높은 성능을 보이는 것으로 판단되었다. 따라서 데이터의 품질관리를 위해 단독으로 두 방법을 사용하는 것보다 2단계 접근 방안 방법을 사용하는 것이 적절할것으로 판단된다.

Abstract ▼ AI-Helper

In order to monitor the stability of slopes, research on data-based slope failure prediction and early warning is increasing. However, most papers overlook the quality of data. Poor data quality can cause problems such as false alarms. Therefore, this paper proposes a two-step hybrid approach consisting of rules and machine learning models for quality control of data collected from slopes. The rule-based has the advantage of high accuracy and intuitive interpretation, and the machine learning model has the advantage of being able to derive patterns that cannot be explicitly expressed. The hybrid approach was able to take both of these advantages. Through a case study, the performance of using the two methods alone and the case of using the hybrid approach was compared, and the hybrid method was judged to have high performance. Therefore, it is judged that using a hybrid method is more appropriate than using the two methods alone for data quality control.

Keyword

표/그림 (9)

그림 Fig. 1. Conceptualized architecture for Autoencoder
그림 Fig. 2. Conceptualized architecture for LSTM
그림 Fig. 3. Sensor used for colleting data
그림 Fig. 4. Visualized collected data (Temperature)
그림 Fig. 5. Data which anomaly is deleted usign rule-based model
그림 Fig. 6. Architecture of the machine learning model used in this study
그림 Fig. 7. Distribution of the reconstructed error
표 Table 1. Statistics of MSE in train and test data
그림 Fig. 8. Result of removing values that has greater MES than threshold

참고문헌 (22)

Bosman, H. H., Iacca, G., Tejada, A., Wortche, H. J. and Liotta,？A. (2017), "Spatial anomaly detection in sensor networks using？neighborhood information", Information Fusion, Vol.33, pp.41-56.

상세보기
Chen, Z., Yeo, C. K., Lee, B. S. and Lau, C. T. (2018),？"Autoencoder-based network anomaly detection", In 2018 Wireless telecommunications symposium (WTS), Arizona, pp.1-5.
Dereszynski, E. W. and Dietterich, T. G. (2011), "Spatiotemporal models for data-anomaly detection in dynamic？environmental monitoring campaigns", ACM Transactions on？Sensor Networks, Vol.9, No.1, pp.1-36.
Duffield, N., Haffner, P., Krishnamurthy, B. and Ringberg,？H. (2009), "Rule-based anomaly detection on IP flows", In？IEEE INFOCOM 2009, Rio de Janeiro, pp.424-432.
Hochreiter, S. and Schmidhuber, J. (1997), "Long short-term？memory", Neural computation, Vol.9, No.8, pp.1735-1780.
Ilgun, K. (1992), A real-time intrusion detection system for？unix, Master Thesis, University of California Santa Barbara.
Jesus, G., Casimiro, A. and Oliveira, A. (2017), "A survey？on data quality for dependable monitoring in wireless sensor？networks", Sensors, Vol.17, No.9, pp.2010.
Lane, T. and Brodley, C. E. (1997), "An application of？machine learning to anomaly detection", In Proc. of the 20th？national information systems security conference, Baltimore,？Vol.377, pp.366-380.
Li, Y. and Parker, L. E. (2014), "Nearest neighbor imputation？using spatial-temporal correlations in wireless sensor networks", Information Fusion, Vol.15, pp.64-79.
Liu, H., Shah, S. and Jiang, W. (2004), "On-line outlier？detection and data cleaning", Computers & Chemical Engineering, Vol.28, No.9, pp.1635-1647.

상세보기
Liu, P., Sun, X., Han, Y., He, Z., Zhang, W. and Wu, C.？(2022), "Arrhythmia classification of LSTM autoencoder？based on time series anomaly detection", Biomedical Signal？Processing and Control, Vol.71, Part B, 103228.

상세보기
Mahalanobis, P. C. (1936), "On the generalised distance in？statistics", In Proc. of the National Institute of Science of？India, Kolkata, Vol.12, pp.49-55.
Mori, A., Subramanian, S. S., Ishikawa, T. and Komatsu, M.？(2017), "A case study of a cut slope failure influenced by？snowmelt and rainfall", Procedia engineering, Vol.189,？pp.533-538.

상세보기
Nassif, A. B., Talib, M. A., Nasir, Q. and Dakalbab, F. M.？(2021), "Machine learning for anomaly detection: A systematic review", Ieee Access, Vol.9, pp.78658-78700.

상세보기
Omar, S., Ngadi, A. and Jebur, H. H. (2013), "Machine？learning techniques for anomaly detection: an overview",？International Journal of Computer Applications, Vol.79,？No.2.
Rabatel, J., Bringay, S. and Poncelet, P. (2011), "Anomaly？detection in monitoring sensor data for preventive maintenance", Expert Systems with Applications, Vol.38, No.6,？pp.7003-7015.

상세보기
Rassam, M. A., Maarof, M. A. and Zainal, A. (2014), "Adaptive and online data anomaly detection for wireless sensor？systems", Knowledge-Based Systems, Vol.60, pp.44-57.
Rumelhart, D. E., Hinton, G. E. and Williams, R. J. (1986),？"Learning representations by back-propagating errors", Nature,？Vol.323, No.6088, pp.533-536.

상세보기
Teh, H. Y., Kempa-Liehr, A. W. and Wang, K. I. K. (2020),？"Sensor data quality: A systematic review", Journal of Big？Data, Vol.7, No.1, pp.1-49.
Zhang, H., Liu, J. and Pang, A. C. (2018), "A Bayesian？network model for data losses and faults in medical body？sensor networks", Computer Networks, Vol.143, pp.166-175.

상세보기
Zhang, L. L., Zhang, J., Zhang, L. M. and Tang, W. H.？(2011), "Stability analysis of rainfall-induced slope failure:？a review", Proc. of the Institution of Civil Engineers-Geotechnical Engineering, Vol.164, No.5, pp.299-316.
Zhang, Y., Meratnia, N. and Havinga, P. J. (2010), "Ensuring？high sensor data quality through use of online outlier？detection techniques", International Journal of Sensor Networks, Vol.7, No.3, pp.141-151.

상세보기

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