인공신경망을 이용한 흙의 포화투수계수 예측 모델 개발

• 영문명: Development of the Prediction Model for Saturated Hydraulic Conductivity of Soils Using Artificial Neural Networks
• 발행기관: 한국방재학회
• 간행물 정보: 『2. 한국방재학회 논문집』22권3호, 179~185쪽, 전체 7쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2022.06.30

국문 초록

흙의 포화투수계수는 지반구조물의 안정성 평가에 매우 중요한 흙의 물성치이지만 높은 불확실성을 가지기 때문에 높은 성능을 가진 예측모델의 구축이 상대적으로 어렵다. 본 연구에서는 인공신경망을 이용하여 11가지 흙에 대한 포화투수계수 예측모델을 구축하고 그 성능을 평가하였다. 1~3개의 은닉층수와 6~54개의 노드수의 10가지 시나리오에 대한 ANN모델을 구축하여 각각의 모델의 성능을 평가하고 최적의 모델을 도출하였다. 모델의 성능 평가에는 결정계수와 평균제곱근오차, 그리고 측정된 투수계수의 0.1배와 10배 사이의 예측 성능을 나타내는 Fr값을 이용하였다.

영문 초록

Saturated hydraulic conductivity of soil is critical soil properties in stability of geotechnical infrastructures. However, the development of a prediction model with high performance for saturated hydraulic conductivity is relatively challenging because of its high uncertainty. This study developed a prediction model for saturated hydraulic conductivity of 11 soils using an artificial neural network (ANN). The performance of the developed ANN model was evaluated for 10 scenarios comprising 1 to 3 hidden layers with 6 to 54 nodes. The coefficient of determination, root mean squared error, and Fr values (predictability of the developed model between 0.1 to 10 times) were used to evaluate the performance of the developed ANN model.

목차

1. 서 론

2. 학습 데이터베이스

3. ANN 예측모델 개발

4. 결과 및 토의

5. 결 론

감사의 글

References

키워드

투수계수 머신러닝 인공신경망 은닉층 결정계수 Saturated Hydraulic Conductivity Machine Learning Artificial Neural Network Hidden Layer Coefficient of Determination