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
김민관 (Korea Institute of Civil Engineering and Building Technology)
저널정보
한국지반환경공학회 한국지반환경공학회 논문집 한국지반환경공학회 논문집 제26권 제4호
발행연도
2025.4
수록면
5 - 14 (10page)

이용수

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

초록· 키워드

오류제보하기
본 연구에서는 폐광산 지반침하를 효율적으로 예측하기 위하여 다층 인공신경망(MSA, Mines Subsidence Artificial neural network) 모델을 제안하고, 석탄광과 일반광의 구분에 따른 특성 차이를 반영하기 위해 암반(Rock), 채광(Mining), 침하(Subsidence) 정보군으로 나누어 예측 정확도를 검증하였다. 총 247개 침하 사례 분석 결과, 제안된 모델은 2개의 은닉층(30-45노드) 구조에서 평균 추론 오차율 19%와 높은 상관계수(R² 최대 0.87)를 보여 폐광산 지반안정성 평가에 대한 적용 가능성을 확인하였다. 광종별로는 석탄광이 일반광보다 예측 오차가 다소 크게 나타났는데, 이는 석탄층의 복잡한 지질구조 및 불규칙한 침하 메커니즘에 기인하는 것으로 추정된다. 또한 정보군별로는 암반 정보군에서 가장 낮은 오차율(8-9%), 침하 정보군에서 가장 높은 오차율(17-19%)을 보였으며, 침하정보(R²=0.45)에서 상대적으로 낮은 상관성을 보여 해당 인자의 세분화 및 추가 데이터 확보가 필요한 것으로 판단되었다.
#Ground subsidence #Artificial Neural Network #Abandoned mine #Resilient Propagation Algorithm #Ground stability #지반침하 #인공신경망 #폐광산 #복원 전파 알고리즘 #지반안정성

목차

ABSTRACT
요지
1. 서론
2. 인공신경망 이론
3. 지반침하 문헌 수집 및 분석
4. 인공신경망의 구조설계 및 학습 최적화
5. 인공신경망 모델의 성능 검증 및 분석
6. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0