선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- , 1986)을채택한다. 또한, 실제 사면붕괴 및 미붕괴 현장을 대상으로 적용하여 개발된 인공신경망 모델의 적합성을 검증하고자 한다.
- 본 연구에서는 사면의 기하학적 요소, 지반 공학적 요소 및 강우의 요소를 적용하여 인공신경망 모델을 개발하고, 이를 이용하여 절개사면에서의 사면파괴 가능성을 예측하고자 한다. 이를 위하여 먼저 사면의 기하학적 요소, 지반공학적 요소 및 강우의 요소에 해당하는 사면안정성 평가인 자를 추출한다.
- 본 연구에서는 절개사면의 안정성을 평가하기 위하여 인공신경망 모델을 적용하였으며, 이에 대한 해석이 가능하도록 프로그램을 개발하였다. 개발된 프로그램은 정확한 해석을 수행할 수 있도록 은닉층수와 노드수를 조절할 수 있도록 하였다.
- 한계평형해석법과 사면 위험성평가법에 적용된 인자들을 정리하고, 강우와 관련된 국내 사면파괴 및 산사태 연구 결과들을 토대로 하여 인공신경망모델에 적용하기 위한 인자를 추출하였다. 한계 평형 해석법의 경우 실제 사면안전율 계산에 필요한 항목인 점착력, 내부마찰각, 단위중량, 사면 높이 및 사면경사를 선정하였다.
제안 방법
- 1)앞에서 설명한 인공신경망 구조를 적용하여 사면안정성 평가가 가능한 프로그램을 개발하였다. 본 프로그램은 Windows를 기반으로 제작된 프로그램 이 며, 멀티테스킹의 지원, 그래픽디바이스 인터페이스, 시각적인 환경 등을 갖추고 있다.
- 각각의 자료는 앞서 선정된 인공신경망모델 적용 인자별로 구분하여 정리하였다. 즉, 사면의 기하학적 요소 및 지반 공학적 요소들은 사면조사자료를 이용하여 정리하였으며, 강우의 요소는 기상청에 의뢰하여 해당년도 및 해당지역의 강우기록을 정리하였다.
- 해석이 가능하도록 프로그램을 개발하였다. 개발된 프로그램은 정확한 해석을 수행할 수 있도록 은닉층수와 노드수를 조절할 수 있도록 하였다. 개발된 프로그램을 이용하여 절개사면의 사면붕괴 예측을 실시한 결과 다음과 같은 결론을 얻을 수 있다.
- 이로부터 선정한 가장 효과적인 학습회수를 결정하였으며, 은닉층수를 1개인 경우와 2개인 경우로 수정이 가능하도록 하였다. 그리고 노드수를 2개부터 15개까지 변경하여 최적의 오차 값을 갖는 구조를 선택하도록 구성하였다. 학습에 있어서 선택된 데이터는 내부적으로 난수를 발생시켜서 선택되도록 프로그래밍을 하였다.
- 한계 평형 해석법의 경우 실제 사면안전율 계산에 필요한 항목인 점착력, 내부마찰각, 단위중량, 사면 높이 및 사면경사를 선정하였다. 그리고 사면 위험성평가법의 경우 국내외 여러 기관에서 제안된 방법에 공통적으로 적용되는 사면높이, 사면경사각, 상재하중, 토질조건, 암반조건, 강우량, 강우 강도 등을 선정하였다. 따라서 인공신경망 모델에 적용될 인자는 사면의 기하학적 요소로서 사면 경사각, 사면높이, 상재하중을 선정하였고, 지반 공학적 요소로서 전체토층깊이, 각 토층의 깊이, 점착력, 내부마찰각, 단위중량을 선정하였다(홍원표 외 2인, 2004).
- 따라서 본 연구에서도 은닉층의 수가 1개인 경우와 2개인 경우를 학습에 사용하였다. 또한, 입력인자중에서 BLAS(편견)값을 1로 설정하였으며, 은닉층의 노드개수는 2개에서 15개로 조정하여 최적의 오차값을 갖는 구조를 선택하였다. 입력된 데이터는 2.
- 2)그림 2는 전체적인 프로그램의 흐름도를 설명한 모식도이다. 본 프로그램에서는 사면 안정성 평가인자들을 0에서 1사이로 정규화(Nomalize)하여 입력하였다. 그리고, 최적의 학습회수를 결정하기 위하여 은닉층수 1개, 노드수 10개의 구조를 대상으로 해석을 수행하였다.
- 학습회수에 따른 정확성을 판단하기 위하여 은닉층수가 1개인 경우와 2개인 경우에 대한 오차율을 검토하였으며, 학습회수는 3000에서 15000까지 범위를 대상으로 하였다. 은닉층수는 보다 안정적인 2개인 경우를 적용하였으며, 첫 번째 은닉층수의 노드수는 12개이고 두 번째 은닉층수의 노드수는 8개인 구조를 채택하였다.
- 은닉층수에 따른 사면안정성 평가의 정확성에 미치는 영향을 살펴보고, 최적의 은닉층수를 선정하기 위하여 개발된 인공신경망 모델을 이용하여 해석을 실시하였다. 이를 위하여 사면파괴가 발생된 5개 지역(stT~st-5)과 발생되지 않은 5개 지역(un-1~un-5)을 선정하여 평가를 실시하였다.
- 그리고, 최적의 학습회수를 결정하기 위하여 은닉층수 1개, 노드수 10개의 구조를 대상으로 해석을 수행하였다. 이로부터 선정한 가장 효과적인 학습회수를 결정하였으며, 은닉층수를 1개인 경우와 2개인 경우로 수정이 가능하도록 하였다. 그리고 노드수를 2개부터 15개까지 변경하여 최적의 오차 값을 갖는 구조를 선택하도록 구성하였다.
- 개발하고, 이를 이용하여 절개사면에서의 사면파괴 가능성을 예측하고자 한다. 이를 위하여 먼저 사면의 기하학적 요소, 지반공학적 요소 및 강우의 요소에 해당하는 사면안정성 평가인 자를 추출한다. 이와 같이 추출된 사면안정성 평가인자를 토대로 인공신경망 모델을 개발하고, 이를 토대로 프로그램을 개발한다.
- 이를 위하여 먼저 사면의 기하학적 요소, 지반공학적 요소 및 강우의 요소에 해당하는 사면안정성 평가인 자를 추출한다. 이와 같이 추출된 사면안정성 평가인자를 토대로 인공신경망 모델을 개발하고, 이를 토대로 프로그램을 개발한다. 적용된 인공신경망 모델의 알고리즘은 현재까지 가장 보편적이고, 정확성을 보이고 있는 오류역전파(error back propagation) 알고리즘(Rumelhart et al.
- 각각의 자료는 앞서 선정된 인공신경망모델 적용 인자별로 구분하여 정리하였다. 즉, 사면의 기하학적 요소 및 지반 공학적 요소들은 사면조사자료를 이용하여 정리하였으며, 강우의 요소는 기상청에 의뢰하여 해당년도 및 해당지역의 강우기록을 정리하였다.
- 그리고 노드수를 2개부터 15개까지 변경하여 최적의 오차 값을 갖는 구조를 선택하도록 구성하였다. 학습에 있어서 선택된 데이터는 내부적으로 난수를 발생시켜서 선택되도록 프로그래밍을 하였다.
- 학습에 적용된 인자는 총 14가지로서 사면경사, 사면높이, 상재하중, 전체토층깊이, 첫 번째 층의 깊이, 점착력, 내부마찰각, 단위중량, 두 번째 층의 깊이, 점착력, 내부마찰각, 단위중량, 최대 시간 강우 강도, 2일 누적강우량을 사용하였다.
- 학습회수에 따른 인공신경망 모델의 정확성을 알아보기 위하여 사면파괴가 발생한 5개 지역과 발생하지 않은 5개 지역을 선택하여 평가를 실시하였다. 학습회수에 따른 정확성을 판단하기 위하여 은닉층수가 1개인 경우와 2개인 경우에 대한 오차율을 검토하였으며, 학습회수는 3000에서 15000까지 범위를 대상으로 하였다.
대상 데이터
- 이를 위하여 사면파괴가 발생된 5개 지역(stT~st-5)과 발생되지 않은 5개 지역(un-1~un-5)을 선정하여 평가를 실시하였다. 그리고 은닉층수에 따른 정확성을 판단하기 위하여 안정적인 노드수를 선정하여 해석을 수행하였으며, 학습회수는 5000 일 경우를 대상으로 하였다.
- 본 프로그램에서는 사면 안정성 평가인자들을 0에서 1사이로 정규화(Nomalize)하여 입력하였다. 그리고, 최적의 학습회수를 결정하기 위하여 은닉층수 1개, 노드수 10개의 구조를 대상으로 해석을 수행하였다. 이로부터 선정한 가장 효과적인 학습회수를 결정하였으며, 은닉층수를 1개인 경우와 2개인 경우로 수정이 가능하도록 하였다.
- 위하여 개발된 인공신경망 모델을 이용하여 해석을 실시하였다. 이를 위하여 사면파괴가 발생된 5개 지역(stT~st-5)과 발생되지 않은 5개 지역(un-1~un-5)을 선정하여 평가를 실시하였다. 그리고 은닉층수에 따른 정확성을 판단하기 위하여 안정적인 노드수를 선정하여 해석을 수행하였으며, 학습회수는 5000 일 경우를 대상으로 하였다.
- 인공신경망 모델에 적용된 자료는 1987년도부터 2002년까지 서울, 부산, 대전, 경기도 부천, 강원도 정선, 태백, 충청북도 옥천, 단양, 충청남도 진안, 경상남도 마산, 창원, 진해, 거제, 통영, 전라북도 군산, 전라남도 여수 등 국내 16개 지역에서 조사된 총 96개의 사면조사자료를 대상으로 하였다(건설교통부, 1994; 경기도, 1997; 고려대학교, 1994; 단양군, 1995; 대한토목학회, 1987; 1991; 1993; 2001; 대한토질공학회, 1990; 부산대학교, 1987; 1990; 비 엔지 컨설턴트, 1997; 삼성중공업, 1999; 서울시립대학교, 1993; 2000; 전라북도, 1994; 중앙대학교, 1995; 1997; 2003; 한국건설기술연구원, 1998; 한국도로공사, 1995; 1996; 한국지 반공학회, 1994; 한국토지공사, 1999; 한남지 질주식 회사, 1989), 96개소의 사면조사자료는 사면파괴가 발생된 26개소와 사면파괴가 발생되지 않은 70개소로 구성되어 있다.
- 않은 5개 지역을 선택하여 평가를 실시하였다. 학습회수에 따른 정확성을 판단하기 위하여 은닉층수가 1개인 경우와 2개인 경우에 대한 오차율을 검토하였으며, 학습회수는 3000에서 15000까지 범위를 대상으로 하였다. 은닉층수는 보다 안정적인 2개인 경우를 적용하였으며, 첫 번째 은닉층수의 노드수는 12개이고 두 번째 은닉층수의 노드수는 8개인 구조를 채택하였다.
이론/모형
- 대부분의 다층신경망의 학습은 Rumelhart et al.(1988)에 의해서 제시된 오류역전파 알고리즘을 사용하여 수행할 수 있다. 이 알고리즘은 주어진 입력에 대하여 원하는 출력결과를 학습시키고자 할 때 사용되며, 출력층의 각 뉴런에서 발생되는 출력오차를 각 층으로 역으로 전파시켜 나가면서 연결링크의 가중치 수정을 통해 오차를 최소화시키는 기법이다.
- 본 연구에서는 인공신경망의 훈련방법 중의 하나인 오류역전파 알고리즘을 적용하였다. 전형적인 오류역전파 신경망의 구조는 입력층, 은닉층 및 출력층으로 구성되어 있다.
- 이와 같이 추출된 사면안정성 평가인자를 토대로 인공신경망 모델을 개발하고, 이를 토대로 프로그램을 개발한다. 적용된 인공신경망 모델의 알고리즘은 현재까지 가장 보편적이고, 정확성을 보이고 있는 오류역전파(error back propagation) 알고리즘(Rumelhart et al., 1986)을채택한다. 또한, 실제 사면붕괴 및 미붕괴 현장을 대상으로 적용하여 개발된 인공신경망 모델의 적합성을 검증하고자 한다.
성능/효과
- 1) 절개사면의 안정성 평가를 위하여 인공신경망 모델에 적용될 평가인자는 사면의 기하학적 요소로서 사면경사각, 사면높이, 상재하중, 지반공학적 요소로서 전체토층깊이, 각 토층의 깊이, 점착력, 내부마찰각, 단위중량, 그리고 강우의 요소로서 최대시간강우강도와 2일 누적강우량으로 선정할 수 있다.
- 2) 인공신경망을 이용하여 사면붕괴 발생을 예측할 경우 은닉층수가 1개인 경우보다 2개인 경우가 오차율이 적으며, 은닉층수가 2개인 경우에는 학습회수가 5000일 경우 최소 오차율을 갖는다.
- 3) 개발된 인공신경망 모델을 적용하여 절개사면의 사면붕괴 발생가능성을 예측할 수 있으며, 이에 대한 예측결과도 매우 정확도가 높음을 알 수 있다.
- 그림의 점선은 사면파괴 발생유무를 구분하는 것으로서, 발생가능성이 50%이상일 경우 사면파괴가 발생하는 것으로 예측하게 된다. 그림에서 보는 바와 같이 사면파괴가 발생된 현장의 경우 사면파괴 발생확률은 96.9%~100.0%인 것으로 나타났으며, 사면파괴가 발생되지 않은 현장의 경우 사면파괴 발생확률은 0.0%~1.4%인 것으로 나타났다. 따라서 사면파괴 발생지역 및 미 발생지역에 대한 인공 신경망 예측 결과는 매우 정확한 것으로 나타났다.
- 나타났다. 따라서 본 연구에서 개발된 인공신경망 모델은 2개의 은닉층수를 갖는 것이 보다 정확함을 알 수 있다.
- 4%인 것으로 나타났다. 따라서 사면파괴 발생지역 및 미 발생지역에 대한 인공 신경망 예측 결과는 매우 정확한 것으로 나타났다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.