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 제31권 제6호(통권 제155호)
발행연도
2021.12
수록면
494 - 507 (14page)

이용수

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

초록· 키워드

오류제보하기
TBM의 활용이 증가하면서 최근 국내에서도 머신러닝 기법으로 TBM 데이터를 분석하여 TBM 전방의 지반을 예측하고 디스크커터의 교환주기 예측 및 굴진율을 예측하는 연구가 수행되고 있다. 본 연구에서는 TBM 굴진 시 기계 데이터를 대상으로 전통적 암반에 대한 분류 기법과 최근에 다양한 분야에서 널리 사용되고 있는 머신러닝 기법들을 접목하여 슬러리 쉴드 TBM 현장의 암반 특성에 대한 분류 예측을 하였다. 암반 특성 분류 기준 항목을 RQD, 일축압축강도, 탄성파속도로 설정하고 항목별 암반상태를 클래스 0(양호),1(보통),2(불량)의 3개 클래스로 구분한 다음, 6개의 분류 알고리즘에 대한 기계학습을 수행하였다. 그 결과, 앙상블 계열의 모델이 좋은 성능을 보여주었고 특히 학습성능과 더불어 학습속도에서 우수한 결과를 보인 LigthtGBM 모델이 대상 현장 지반에서 최적인 것으로 나타났다. 본 연구에서 설정한 3가지 암반 특성에 대한 분류 모델을 활용하면 지반정보가 제공되지 않은 구간에 대한 암반 상태를 제공할 수 있어 굴착작업 시 도움을 줄 수 있을 것으로 판단된다.
#TBM #Rock #classification #Machine learning #Prediction #쉴드TBM #암석 #머신러닝 #분류 #예측

목차

ABSTRACT
초록
1. 서론
2. 지반분류와 학습알고리즘
3. 분류기준 및 데이터세트 구성
4. 학습 결과
5. 결론
REFERENCES

참고문헌 (30)

참고문헌 신청
Anon, O.H / 1979 / Classification of rocks and soils for engineering geological mapping, Part I: Rock and soil materials / Bulletin of the International Association of Engineering Geology 19:364~371 google schola Armaghani, D. J / 2017 / Development of hybrid intelligent models for predicting TBM penetration rate in hardrock condition / Tunn. Undergr. Space Technol 63:29~43 google schola 배규진 / 2014 / 해저 배출관로 건설을 위한 토압식 쉴드TBM 커터헤드의 설계･제작 및 현장 굴진성능의 분석 / 한국터널지하공간학회 논문집 16(2):161~172 dbpia Barton N / 1974 / Engineering classification of rock masses for the design of tunnel support / Rock Mech 6:189~236 google schola Bieniawski ZT / 1989 / Engineering rock mass classifications / John Wiley & Sons google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

다양한 색상 특징 추출 방법에 따라 강화된 CNN 기반 암석 분류 성능 비교
김동휘 ,  윤희정 대한토목학회 학술대회 2024 .10
Automatic Fracture Detection in CT Scan Images of Rocks Using Modified Faster R-CNN Deep-Learning Algorithm with Rotated Bounding Box
Chuyen Pham ,  Li Zhang ,  Sun Yeom 외 1명 터널과 지하공간 2021 .10
골재입자의 형상 분류를 위한 디지털 이미지 처리 기법
황택진 ,  조재윤 ,  이관호 외 1명 대한토목학회 학술대회 2009 .10
2022 FIBA 남자농구 아시안컵 경기결과를 활용한 머신러닝 분류 모형의 예측 성능 비교
예원진 ,  이성노 한국체육측정평가학회지 2022 .09
이커머스 유료회원제 가입자/비가입자 주요 이슈 비교: 텍스트마이닝 기법 활용
우유란 ,  이중정 ,  이소현 인터넷전자상거래연구 2020 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-532-000136122