메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이병식 (공주대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제22권 제10호
발행연도
2021.10
수록면
268 - 276 (9page)
DOI
10.5762/KAIS.2021.22.10.268

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
이론적, 경험적 방법으로 예측한 말뚝지지력은 현장 재하시험을 통해 신뢰도를 검증해야 한다. 하지만 일반적으로 말뚝재하시험은 비용이 많이 소요되므로 시험횟수에 제약이 따른다. 최근에는 말뚝지지력 예측의 보조수단으로서 머신러닝이나 딥러닝 등 인공지능 모델을 이용한 연구가 수행되고 있다. 인공지능 알고리즘, 개발플랫폼과 하드웨어, 데이터 등의 매우 빠른 변화와 발전을 감안하면 보다 명확하고 타당한 모델의 개발과 적용 가능성은 무한하다. 이 연구에서는 다음의 목적으로 말뚝 지지력 추정을 위한 선형회귀 및 결정트리 알고리즘에 기반한 앙상블 머신러닝 모델들의 적용성을 평가하였다. 1) 오픈소스 파이선 플랫폼, 구글코랩, 쥬피터노트북 등 인공지능모델 개발을 위한 최신 개발 환경구축, 2) 말뚝지지력 예측을 위한 머신러닝 모델의 평가, 3) 말뚝기초 인공지능 모델 개발을 위한 기존 말뚝재하시험 데이터베이스 검토 및 활용, 4) 향후 말뚝기초의 침하, 하중-변위 추정까지 모델을 확장하기 위한 기반연구로서 수행하였다. 검토한 머신러닝모델들은 검증데이터셋트에 대해서 결정계수 0.5 이상의 점수로 말뚝지지력을 예측할 수 있는 것으로 평가되었다. 앙상블모델 중 말뚝지지력 예측 적합성이 높은 모델로서 그라디언트부스팅과 XG 부스팅 모델의 적용을 제안하였다. 향후 연구로서 과적합의 효율적 배제 방안, 적정한 하이퍼파라미터 결정, 추가 데이터 축적 등의 문제를 제안할 수 있었다.
#Artificial Intelligence #Machine Learning #Pile Load Capacity #Random Forest #Gradient Boosting

목차

요약
Abstract
1. 서론
2. 말뚝재하시험 데이터
3. 머신러닝 모델
4. 결론
References

참고문헌 (21)

참고문헌 신청
M. Shahin, 8-Artificial Intelligence in Geotechnical Engineering: Applications, Modeling Aspects, and Future Directions, Metaheuristics in Water, Geotechnical and Transport Engineering, p.484, Elsevier Inc., 2013, pp.169-204. DOI:https://doi.org/10.1016/B978-0-12-398296-4.00008-8 google schola L. Bragagnolo, R. V. da Silva, J. M. V. Grzybowski, “Artificial neural network ensembles applied to the mapping of landslide susceptibility”, CATENA , Vol.184, 104240, 2020. DOI: https://doi.org/10.1016/j.catena.2019.104240 google schola R. A. T. M. Ranasinghe, M. B. Jaksa, F. Pooya Nejad, Y. L. Kuo, “Genetic programming for predictions of effectiveness of rolling dynamic compaction with dynamic cone penetrometer test results”, Journal of Rock Mechanics and Geotechnical Engineering , Vol.11, No.4, pp.815-823, 2019. DOI: https://doi.org/10.1016/j.jrmge.2018.10.007 google schola H. Harandizadeh, “Developing a new hybrid soft computing technique in predicting ultimate pile bearing capacity using cone penetration test data”, Artificial Intelligence for Engineering Design, Analysis and Manufacturing , Vol.34, No.1, pp.114-126, 2020. DOI: https://doi.org/10.1017/S0890060420000025 google schola R. U. Kulkarni, D. M. Dewaikar, “Prediction of Interpreted Failure Loads of Rock-Socketed Piles in Mumbai Region using Hybrid Artificial Neural Networks with Genetic Algorithm”, Internatinal Journal of Engineering Research & Technology (IJERT) , Vol.6, No.6, pp.365-372, 2017. DOI: http://dx.doi.org/10.17577/IJERTV6IS060196 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

머신러닝 기법을 활용한 영농형 태양광 시스템 성능 예측
윤창용 ,  오광혁 ,  김소정 한국태양에너지학회 학술대회논문집 2021 .05
작물 생산량 예측을 위한 머신러닝 기법 활용 연구
김세원 ,  김영희 한국산학기술학회 논문지 2021 .07
머신러닝 알고리즘을 활용한 선박 접안속도 예측모델에 관한 연구
이형탁 ,  강은지 ,  조익순 외 1명 한국정보과학회 학술발표논문집 2021 .06
머신러닝 알고리즘을 이용한 사파이어 정밀 가공에서 절삭력 예측
맹상진 ,  민상기 ,  권석범 외 2명 한국정밀공학회 학술발표대회 논문집 2021 .05
머신러닝 모델을 이용한 대한민국 코로나 신규 확진자 예측
배진수 ,  김성범 대한산업공학회지 2021 .06

최근 본 자료

전체보기

댓글(0)

0