지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.12
- 수록면
- 37 - 46 (10page)
이용수
초록· 키워드
오류제보하기
동적 물성치는 지반의 상세한 거동을 예측하기 위한 필수인자이나, 샘플 채취와 추가적인 실험이 동반되는 한계가 있다. 본 연구의 목적은 정적 지반 물성치를 기반으로 동적 지반 물성치를 예측하는 것으로 인공신경망을 활용하고자 하였다. 정적 물성치는 점착력, 내부마찰각, 함수비, 비중 그리고 일축압축강도로 선정하였으며 출력 값인 동적물성치는 압축파 속도와 전단파 속도로 결정하였다. 인공신경망 적용시 결과값의 신뢰성을 높이기 위해 Levenberg-Marquardt와 Bayesian regularization 방법을 적용하였으며, 각 최적화 방법에 따른 신뢰성을 비교하였다. 인공신경망 모델의 정확도는 결정계수로 나타냈으며, train과 test 과정 모두 0.9 이상의 값을 보여 해당 연구에서 구축한 인공신경망의 신뢰성이 높은 것으로 나타났다. 또한, 구축된 인공신경망 모델의 검증을 위해 새로운 입력 데이터에 대해서도 출력값의 신뢰성을 검증하였으며, 그 결과 높은 정확도를 보였다.
목차
Abstract
요지
1. 서론
2. 배경이론
3. 인공신경망 적용
4. 인공신경망 적용 결과
5. 고찰
6. 결론
참고문헌 (References)
참고문헌 (20)
참고문헌 신청
Burden, F. and Winkler, D. (2009), Bayesian regularization of neural networks. Artificial neural networks: methods and applications, 23-42.
Cho, N. J., Cha, W., and Kim, H. K. (2016), Non-destructive Detection of Underground Cavities Using Thermal Images. Electron, Journal of the Korean Geotechnical Society, Vol.21, No.16, pp. 5465-5476.
Go, G. H. and Lee, S. J. (2021), A Study on Numerical Analysis for GPR Signal Characterization of Tunnel Lining Cavities, Journal of the Korean Geotechnical Society, Vol.37, No.10, pp.65-76.
Gu, D., Shen, J., and Wang, X. (2018), Deep learning, Instructor.
Hateffard, F., Dolati, P., Heidari, A., and Zolfaghari, A. A. (2019), Assessing the Performance of Decision Tree and Neural Network Models in Mapping Soil Properties, Journal of Mountain Science, Vol.16, No.8, pp.1833-1847.
Cho, N. J., Cha, W., and Kim, H. K. (2016), Non-destructive Detection of Underground Cavities Using Thermal Images. Electron, Journal of the Korean Geotechnical Society, Vol.21, No.16, pp. 5465-5476.
Go, G. H. and Lee, S. J. (2021), A Study on Numerical Analysis for GPR Signal Characterization of Tunnel Lining Cavities, Journal of the Korean Geotechnical Society, Vol.37, No.10, pp.65-76.
Gu, D., Shen, J., and Wang, X. (2018), Deep learning, Instructor.
Hateffard, F., Dolati, P., Heidari, A., and Zolfaghari, A. A. (2019), Assessing the Performance of Decision Tree and Neural Network Models in Mapping Soil Properties, Journal of Mountain Science, Vol.16, No.8, pp.1833-1847.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
인공신경망을 적용한 지반 전단강도정수와 콘지수 사이의 상관관계 분석 1
한국산학기술학회 논문지
2015 .03
-
지반-상부 구조물 효과를 고려한 인공신경망 기반 지진 응답 예측 모델 개발
한국지반공학회논문집
2020 .08
-
인공 신경망 소개
설비저널
2021 .04
-
Development of Prediction Model for Root Industry Production Process Using Artificial Neural Network
Journal of the Korean Society for Precision Engineering
2017 .01
-
고정식 자켓형 해양구조물의 지반 물성치에 따른 구조 응답에 관한 연구
대한조선학회 논문집
2018 .10
-
극초음속 유동 해석을 위한 인공신경망 기반 열화학적 평형유동 모델 개발 II. 인공신경망 모델 학습
한국항공우주학회 학술발표회 초록집
2021 .11
-
우리나라 토양환경보전 정책의 패러다임 전환
지하수토양환경
2018 .01
-
인공신경망 기반(ANN) 차량 질량 추정 알고리즘 개발 및 검증
한국자동차공학회 추계학술대회 및 전시회
2024 .11
-
도심지 지하굴착 및 터널시공 예비설계를 위한 인공신경망 개발에 관한 연구
한국지반신소재학회 논문집
2020 .03
-
인공신경망 기반 다중 기상인자 단기예측 모형 개발
대한환경공학회 학술발표논문집
2021 .11
-
Three dimensional dynamic soil interaction analysis in time domain through the soft computing
Steel and Composite Structures, An International Journal
2021 .12
-
인공신경망을 활용한 구체축열 시스템의 예측제어
건축환경설비
2017 .12
-
합성곱 인공 신경망의 네트워크 종류에 따른 객체 인식 성능에 대한 실험적 고찰
유공압건설기계학회 학술대회논문집
2020 .12
-
토양오염 및 훼손 통합관리를 위한 정책방향 설정
지하수토양환경
2017 .01
-
인공신경망 학습의 최적화 알고리즘에서 초모수의 영향
대한기계학회 춘추학술대회
2023 .05
-
Issues on Optimization Algorithms in Training Artificial Neural Networks
대한기계학회 춘추학술대회
2022 .11
-
토양생태계 건강성 평가기법 비교연구: 토양건강성 평가항목을 중심으로
지하수토양환경
2015 .01
-
파손 위험성 예측을 위한 순환신경망 기반 데이터 학습
한국항공우주학회 학술발표회 초록집
2024 .06
-
인공신경망을 이용한 지하수위 예측과 계절효과 반영을 위한 입력치의 영향
Ecology and Resilient Infrastructure
2018 .09
-
인공신경망 소개 및 발전 동향
전기의세계
2017 .08
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0