센서 데이터를 활용한 옹벽 변위 예측 성능 비교

• 영문명: Comparison of Retaining Wall Displacement Prediction Performance Using Sensor Data
• 발행기관: 한국전자통신학회
• 저자명: 실라(Sheilla Wesonga) 박장식(Jang-Sik Park)
• 간행물 정보: 『한국전자통신학회 논문지』제19권 제5호, 1035~1040쪽, 전체 6쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2024.10.31

국문 초록

구조물 검사의 주요 목적은 주의를 기울이지 않을 경우 구조물의 균열이 심각한 재난으로 이어질 수 있으므로 이러한 구조물을 활용하는 모든 기관의 안전을 보장하는 것이다. 이러한 목표를 염두에 두고 특히 구조물의 옹벽에는 인간 검사자를 보조하는 인공지능(AI) 기반 기술이 필요한다. 본 논문에서는 PR(Polynomial Regressive) 분석 모델과 LSTM(Long Short Term Memory), GRU(Gated Recurrent Unit) 딥러닝 모델을 이용하여 옹벽의 균열 변위를 예측하고 그 성능을 비교한다. 성능 비교를 위해 옹벽의 균열 변위에 영향을 줄 수 있는 온도 및 강수량 데이터를 활용하여 다변수 특성 입력을 적용했다. 훈련 및 추론 데이터는 경사계, 온도계, 우량계 등의 측정 센서를 통해 수집되었다. 그 결과, 다변수 특성 모델의 MAE는 0.00186, 0.00450, 0.00842로, 수행된 평가에서 다항식 회귀 모델, LSTM 모델, GRU 모델에서 각각 0.00393, 0.00556, 0.00929로 단일 변수 특성 모델보다 우수한 성능을 보였다.

영문 초록

The main objective of inspecting structures is to ensure the safety of all entities that utilize these structures as cracks in structures if not attended to could lead to serious calamities. With that objective in mind, artificial intelligence (AI) based technologies to assist human inspectors are needed especially for retaining walls in structures. In this paper, we predict the crack displacement of retaining walls using an Polynomial Regressive (PR) analysis model, as well as Long Short Term Memory (LSTM) and Gated Recurrent Unit (GRU) deep learning models, and compare their performance. For the performance comparison, we apply multi-variable feature inputs, by utilizing temperature and rainfall data that may affect the crack displacement of the retaining wall. The training and inference data were collected through measuring sensors such as inclinometers, thermometers, and rain gauges. The results show that the multi-variable feature model had a MAE of 0.00186, 0.00450 and 0.00842, which outperformed the single variable feature model at 0.00393, 0.00556 and 0.00929 for the polynomial regression model, LSTM model and the GRU model respectively from the evaluation performed.

목차

Ⅰ. INTRODUCTION

Ⅱ. RETAINING WALL ANALYSIS AND CRACK DISPLACEMENT PREDICTION

Ⅲ. PROPOSED RETAINING WALL MONITORING AND CRACK PREDICTION

Ⅳ. EXPERIMENTAL RESULTS

Ⅴ. Conclusion

References

키워드

옹벽 센서 균열 변위 예측 Retaining wall Sensors Crack Displacement Prediction