[논문]임의 위치 구조물의 손상예측을 위한 인공지능 기반 지진가속도 추정방법

이경석; 서영득; 백은림

doi:10.11112/jksmi.2023.27.3.71

초록
AI-Helper

지진이 발생한 후 구조물의 안전성을 평가하기 위해 모든 교량 및 건축물에 지진가속도 및 변위를 계측하는 유지관리시스템을 구축하기는 효율적이지 않아, 이를 유지관리하기 위해서는 현장조사가 시행되며 조사범위가 넓은 경우 많은 시간이 소요된다. 그로 인해 2차 피해가 발생할 우려가 있으므로 신속한 개별 구조물의 안전성을 추정할 필요가 있다. 구조물의 지진 손상은 구조물에 인가된 지진력 정보와 구조해석모델을 이용하여 위험도평가 해석을 통해 예측할 수 있다. 이를 위해 지진 발생 시 임의위치에서 발생한 지진력을 추정할 필요가 있다. 본 연구에서는 국내 지진계측 기록과 선형추정방법 및 인공신경망 학습 방법을 활용한 임의위치의 지반 응답스펙트럼 및 가속도시간이력을 추정하는 방법들을 제안하고 적용성을 평가하였다. 선형추정방법의 경우 추정에 사용되는 인근 관측소의 위치가 가까울 경우 오차가 적었지만 멀어질 경우 오차가 크게 증가하였다. 인공신경망 학습 방법의 경우 동일한 조건에서 더 낮은 수준의 오차로 추정할 수 있었다.

Abstract ▼ AI-Helper

It is not efficient to install a maintenance system that measures seismic acceleration and displacement on all bridges and buildings to evaluate the safety of structures after an earthquake occurs. In order to maintain this, an on-site investigation is conducted. Therefore, it takes a lot of time wh...

It is not efficient to install a maintenance system that measures seismic acceleration and displacement on all bridges and buildings to evaluate the safety of structures after an earthquake occurs. In order to maintain this, an on-site investigation is conducted. Therefore, it takes a lot of time when the scope of the investigation is wide. As a result, secondary damage may occur, so it is necessary to predict the safety of individual structures quickly. The method of estimating earthquake damage of a structure includes a finite element analysis method using approved seismic information and a structural analysis model. Therefore, it is necessary to predict the seismic information generated at arbitrary location in order to quickly determine structure damage. In this study, methods to predict the ground response spectrum and acceleration time history at arbitrary location using linear estimation methods, and artificial neural network learning methods based on seismic observation data were proposed and their applicability was evaluated. In the case of the linear estimation method, the error was small when the locations of nearby observatories were gathered, but the error increased significantly when it was spread. In the case of the artificial neural network learning method, it could be estimated with a lower level of error under the same conditions.

주제어

표/그림 (14)

그림 Fig. 1 SRS estimation at arbitrary location using a linear estimation plane
그림 Fig. 2 Machine learning process for learning artificial neural- network models with earthquake observation data
그림 Fig. 3 Method of converting a time history into a time history shape
그림 Fig. 4 Estimation error from unlearned data
그림 Fig. 5 Method of creating space-time data and mask for earthquake observation data
그림 Fig. 6 Location of earthquake observatory and Miryang earthquake (2019, M3.5) epicenter for evaluation
그림 Fig. 7 Estimation result of SRS by linear estimation plane during Miryang earthquake(2019.12.30, M3.5)
그림 Fig. 8 DNN model-based earthquake acceleration estimation process in arbitrary location for evaluation
표 Table 1 Earthquake list for learning ANN models and validation
그림 Fig. 9 Estimation result of earthquake accelerations by DNN model during Miryang earthquake(2019.12.30, M3.5)
그림 Fig. 10 Estimation result of earthquake accelerations by DNN model during Pohang earthquake(2017.11.15, M3.5)
그림 Fig. 11 CNN model-based earthquake acceleration estimation process in arbitrary area for evaluation
그림 Fig. 12 Earthquake acceleration results estimated by CNN model during Miryang earthquake(2019.12.30, M3.5)
표 Table 2 Estimation error of proposed methods during Miryang earthquake(2019, M3.5)

참고문헌 (13)

Jeong, S. H., and Jang, W. S. (2017), Development of earthquake safety assessment software for cable-stayed bridges using seismic acceleration measurement data, Journal of the Korea Institute for Structural Maintenance and Inspection, KISMI, 21(1), 337-340. (in Korean)？
Ahn, J. H., Jeong, J. W., Hong, Y. C., Park, J. B., and Choi, H. S. (2019), Proposal and Evaluation of Ground Response Spectrum Estimation Algorithm based on Seismic Observation Data, Journal of The Korea Institute for Structural Maintenance and Inspection, 23(5), 13-22. (in Korean)？
Lee, K. S., Ahn, J. H., Park, H. Y., Seo, Y. D., and Kim, S. C. (2023), Seismic Acceleration Estimation Method at Arbitrary Position Using Observations and Machine Learning, KSCE Journal of Civil Engineering, 27(2), 712-726. (in Korean)？

상세보기
Abrahamson, N. A., and Somerville, P. G. (1996), Effects of the hanging wall and footwall on ground motions recorded during the Northridge earthquake, Bulletin of the Seismological Society of America, 86(1B), S93-S99. DOI: 10.1785/BSSA08601B0S93？

상세보기
Shiuly, A., Roy, N., and Sahu, R. B. (2020), Prediction of peak ground acceleration for Himalayan region using artificial neural network and genetic algorithm, Arabian Journal of Geosciences, 13(215). DOI: 10.1007/s12517-020-5211-5？

상세보기
Khosravikia, F., and Clayton, P. (2021) Machine learning in ground motion prediction, Computers and Geosciences, 148, 104700. DOI: 10.1016/j.cageo.2021.104700？

상세보기
Irvine, T. (2002), An introduction to the shock response spectrum, Vibrationdata.？
Simard, P. Y., SteinKraus, D., and Platt, J. C. (2003), Best practices for convolutional neural networks applied to visual document analysis, Seventh International Conference on Document Analysis and Recognition, Edinburgh, UK, 958-963. DOI: 10.1109/ICDAR.2003.1227801.？
Wei, X., Xie, C. W., Wu, J., and Shen, C. (2018), Mask-CNN: Localizing parts and selecting descriptors for fine-grained bird species categorization, Pattern Recognit, 76, 704-714. DOI: 10.1016/j.patcog. 2017.10.002.？

상세보기
Kolasa, M., Jozwicki, W., Wojtyna, R., and Jarzemski, P. (2007), Optimization of hidden layer in a neural network used to predict bladder-cancer patient-survival, SPA Conference, Poland. DOI: 10.1109/SPA.2007.5903302？
Liu, Y., Starzyk, J. A., and Zhu, Z. (2007), Optimizing number of hidden neurons in neural networks, IASTED International Conference on Artificial Intelligence and Applications, Austria 1(1), 6.？
Wagarachchi, N. M., and Karunananda, A. S. (2013), Optimization of multi-layer artificial neural networks using delta values of hidden layers, IEEE Symposium on Computational Intelligence, Cognitive Algorithms, Mind, and Brain (CCMB), Singapore. DOI: 10.1109/CCMB.2013.6609169？
Zurada, J. M. (1992), Introduction to artificial neural networks systems, West Publishing Company.

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

임의 위치 구조물의 손상예측을 위한 인공지능 기반 지진가속도 추정방법
Method of Earthquake Acceleration Estimation for Predicting Damage to Arbitrary Location Structures based on Artificial Intelligence 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (14)

표/그림 (14)

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

임의 위치 구조물의 손상예측을 위한 인공지능 기반 지진가속도 추정방법 Method of Earthquake Acceleration Estimation for Predicting Damage to Arbitrary Location Structures based on Artificial Intelligence 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (14) 모든 표/그림 보기

표/그림 (14) 슬라이드로 보기

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

백은림 (10)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

임의 위치 구조물의 손상예측을 위한 인공지능 기반 지진가속도 추정방법
Method of Earthquake Acceleration Estimation for Predicting Damage to Arbitrary Location Structures based on Artificial Intelligence 원문보기

초록
AI-Helper

표/그림 (14)

표/그림 (14)