심층 신경망을 이용한 TBM 데이터 기반의 굴착 지반 예측 연구

김태환; 곽노상; 김택곤; 정사범; 고태영

추천

검색

자료유형: 학술저널

저자정보: 김태환 (SK건설) 곽노상 (SK C&C) 김택곤 (SK 건설(주)) 정사범 (SK C&C) 고태영 (강원대학교)

저널정보: 한국터널지하공간학회 한국터널지하공간학회 논문집 한국터널지하공간학회 논문집 제23권 제1호

발행연도: 2021.1

수록면: 13 - 24 (12page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

암반 및 연약지반을 포함한 다양한 지반 조건에서 TBM (Tunnel Boring Machine) 터널링이 활용되고 있다. 굴착 성능을 높이기 위해서 지반 조건에 따라 최적으로 장비를 운영해야 하며, 이를 통해 공기단축을 통한 비용 절감 효과를 기대할 수 있다. 하지만 시추 조사를 통해 획득한 지반 정보는 시추공 사이 불확실성이 존재하므로, 실시간 최적 운전에 부족함이 있다. 본 연구에서는 지반의 불확실성 문제를 해결하고자 5초마다 기록된 TBM 데이터를 활용하여 굴착 지반 예측 시스템을 구축하고자 한다. 싱가포르 현장에서 획득한 화강암의 풍화도를 고려하여 암반, 토사, 복합지반 세 가지로 지질로 재분류하였고, 실시간으로 도출되는 기계 데이터로 이를 예측하고자 한다. 현장에서 획득한 TBM 데이터에 대해 이상치 제거, 정규화, 특성 추출 등의 전처리 방법을 적용하였고, 지질을 분류하기 위해 6개의 은닉층을 가진 심층 신경망(Deep Neural Network, DNN)을 활용하였다. 10겹 교차검증을 통해 분류 시스템을 평가한 결과, 평균 75.4%의 정확도를 확인하였다(총 데이터 388,639개). 본 연구를 통해 지질 불확실성을 감소시키고, 지반 조건에 따른 실시간 최적 운전에 도움이 될 것으로 판단된다.

#쉴드 TBM #심층 신경망 #딥러닝 #풍화암 #예측모델

참고문헌 (12)

참고문헌 신청

Barton, N. / 1974 / Engineering classification of rock masses for the design of tunnel support / Rock Mechanics 6(4):189~236

Bieniawski, Z. T. / 1973 / Engineering classification of jointed rock masses / The Civil Engineer in South Africa 15(12):335~343

British Standard Institution / 1999 / BS 5930: Soils for civil engineering purpose: classification

Han, S. Y. / 2020 / Classification of pilots’ mental states using a multimodal deep learning network / Biocybernetics and Biomedical Engineering 40(1):324~336

홍창호 / 2020 / 순환인공신경망을 활용한 터널굴착면 전방 Ｑ값 예측에 관한 연구 / 한국터널지하공간학회 논문집 22(3):239~248

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김태환

소속기관 SK건설

주요연구분야 공학 > 건축공학 > 토목공학

논문수 2 이용수 32

곽노상

소속기관 SK C&C

주요연구분야 공학 > 건축공학 > 토목공학

논문수 1 이용수 12

김택곤

소속기관 SK 건설(주)

주요연구분야 공학 > 건축공학 > 환경공학 공학 > 건축공학 > 토목공학

논문수 6 이용수 25

정사범

소속기관 LG 에너지솔루션

주요연구분야 공학 > 건축공학 > 토목공학

논문수 1 이용수 12

고태영

소속기관 강원대학교

주요연구분야 공학 > 건축공학 > 토목공학

논문수 7 이용수 46

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)