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
강태호 (한국건설기술연구원) 최순욱 (한국건설기술연구원) 이철호 (한국건설기술연구원) 장수호 (한국건설기술연구원)
저널정보
한국암반공학회 터널과 지하공간 터널과 지하공간 제34권 제6호(통권 제173호)
발행연도
2024.12
수록면
709 - 721 (13page)

이용수

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

초록· 키워드

오류제보하기
본 연구에서는 TBM 터널 현장의 지반정보와 기계 데이터 간의 영향 분석과 최근에 다양한 분야에서 널리 사용되고 있는 기계학습 회귀 모델을 활용하여 이수식 TBM의 대표적인 운전 변수인 총 추력, 커터헤드 토크, 막장압력 및 배니유량에 대한 예측 모델을 제시하였다. TBM 운전 변수 예측을 위해서 학습 세트와 테스트 세트를 7:3으로 분할하였으며, 최적의 파라미터를 선정하기 위해서 분할 교차검증을 포함하는 그리드 서치를 활용하였다. 그 결과, 부스팅 계열의 그래디언트 부스팅 모델의 결정계수와 평균 제곱근 오차가 각각 0.917~0.991 및 0.091~0.325로서 가장 좋은 성능을 나타내었고, 학습성능과 속도에서도 양호한 결과를 산출하였다. 향후 추가적으로 다양한 현장의 학습데이터를 충분히 확보하여 예측모델을 발전시킨다면 이수식 쉴드 TBM의 운전 변수 모델로의 활용이 가능할 것으로 판단된다.
#Shield TBM #Slurry type #Machine learning #Geotechnical information #Machine data #Operating parameters #이수식 쉴드 TBM #기계학습 #지반정보 #기계데이터 #운전 변수

목차

ABSTRACT
초록
1. 서론
2. 기계학습 알고리즘
3. 기계학습 모델의 데이터세트 구성
4. 분석 결과
5. 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!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092105200