장단기 기억신경망을 이용한 필로티 구조물의 화재시 온도 시계열 예측모델

• 영문명: Time-series forecasting of temperature distribution for piloti structures based on LSTM networks
• 발행기관: 한국화재소방학회
• 저자명: 김선중 신진원 최성모
• 간행물 정보: 『한국화재소방학회 학술대회논문집』2022년도 추계학술대회 논문집, 101~101쪽, 전체 1쪽
• 주제분류: 공학 > 공학일반
• 파일형태: PDF
• 발행일자: 2022.11.17

국문 초록

필로티 구조는 시공성 및 공간 활용성에서의 장점으로 인해 많은 도시형생활주택의 주차장으로 활용되고 있다. 그러나 화재가 발생하였을 경우 다수의 차량, 사방이 트인 구조 등으로 인해 빠른 화염 확산이 발생할 수 있으며, 이를 고려하여 화재 발생에 따른 필로티 구조물의 온도 분포 및 내화성능을 평가하는 해석적 연구가 다수 수행되었다. 본 연구에서는 이러한 해석 데이터를 활용하여 화재시 필로티 내부의 온도 시계열을 예측하는 모델을 제안한다. 다양한 딥러닝 네트워크 중 시계열 분석 및 예측에 특화된 장단기 기억신경망을 활용하였다. 화재 발생원 및 차량 배치에 따른 네 가지의 해석 시나리오를 고려하여 화재확산에 대한 전산유체역학 해석을 수행, 모델의 학습데이터를 획득하였다. 층별 높이 및 가로방향에 따른 총 38개의 위치로부터 획득한 온도 시계열을 학습에 활용함으로써 시간적/공간적 상관성을 학습할 수 있도록 하였다. 베이지안 최적화를 통해 모델의 초변수들을 최적화하였고 모델 경량화를 위해 학습시 다양한 입/출력 데이터 구성에 따른 모델 성능을 확인함으로써 입력값의 사이즈를 최소화하였다. 최종적으로 얻은 예측값과 해석값과 비교하여 제안한 모델의 높은 시계열 예측 및 재구성 성능을 확인하였다. 추후 다양한 해석 시나리오 및 실제 화재실험을 통해 데이터를 보강하여 예측 모델의 강건성을 개선하고, 궁극적으로 제한된 계측 온도만을 활용하여 필로티 공간 전체의 온도분포 및 시계열 추이를 예측할 수 있는 모델의 개발을 목표로 한다.

키워드

Piloti Structure Fire Dynamic Simulator Deep Learning Time Series Forecasting