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
박세진 (강원대학교) 고태영 (강원대학교)
저널정보
한국암반공학회 터널과 지하공간 터널과 지하공간 제34권 제6호(통권 제173호)
발행연도
2024.12
수록면
787 - 805 (19page)

이용수

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

초록· 키워드

오류제보하기
본 연구에서는 비파괴적 시험 방법을 통해 다양한 암석의 일축압축강도(UCS)를 예측하는 모델을 개발하고, Leeb 경도(LH)와 UCS 간의 비선형 관계를 규명하였다. 직접 실험을 통해 수집한 94개와 문헌에서 수집한 101개를 포함하여 총 195개의 데이터셋을 분석하여 LH, P파 속도(VP), 건조밀도(Density)와 UCS 간의 상관관계를 평가하였다. LH와 UCS의 관계 분석 결과, 암석 유형에 따라 상관성의 차이가 나타났으며, 특히 화성암에서 가장 높은 상관관계(R² = 0.74)를, 변성암에서 가장 낮은 상관관계(R² = 0.12)를 보였다. 예측 방법을 비교한 결과, 머신러닝 모델이 선형회귀(R² = 0.626)와 비선형회귀(R² = 0.644) 방법보다 현저히 우수한 성능을 보였다. 다양한 머신러닝 모델 중 XGBoost가 가장 높은 예측 성능(R² = 0.902, RMSE = 16.282)을 보였으며, 특히 여러 변수(LH, VP, Density, Rock type)를 결합했을 때 예측 정확도가 크게 향상되었다. 본 연구는 비파괴적 시험과 머신러닝을 결합하여 현장과 실험실에서 암석 강도를 신속하고 경제적으로 예측할 수 있는 방법론을 제시하며, 다양한 암석 물성의 통합을 통해 예측 정확도를 더욱 향상시킬 수 있는 가능성을 보여준다.
#Non-destructive testing #Machine learning #Uniaxial Compressive Strength #Leeb hardness #XGBoost #비파괴시험 #머신러닝 #일축압축강도 #Leeb 경도

목차

ABSTRACT
초록
1. 서론
2. 데이터 수집
3. Leeb 경도와 다양한 변수들 간의 상관관계
4. 머신러닝 모델 학습
5. 머신러닝 모델 결과 및 토의
6. 토의
7. 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!

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092105924