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
장영은 (한국원자력연구원) 정재호 (한국원자력연구원) 한진태 (한국건설기술연구원) 유용균 (한국원자력연구원)
저널정보
한국지반공학회 한국지반공학회논문집 한국지반공학회논문집 제38권 제3호
발행연도
2022.3
수록면
35 - 42 (8page)

이용수

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

초록· 키워드

오류제보하기
지반조사방법 중 표준관입시험 결과인 N치를 통해 알 수 있는 지반 지지층의 깊이는 각종 지반 구조물의 설계를 위한 기본적인 지반 정보를 제공하는 중요한 지표이다. 이러한 지반조사 결과는 시간과 비용 측면을 고려해 간헐적으로 수행될 수밖에 없으며, 그 결과는 현장 지반의 대표성을 갖게 된다. 그러나 지반 내에는 다양한 지층 변동성 및 불확실성이 존재하므로 간헐적인 현장조사를 통해 지반의 특성을 모두 파악하는 것은 어렵다. 따라서 시추공 정보로부터 미계측 지점을 예측하기 위한 방법들이 제시되어 왔으며, 대표적인 방법으로는 공간보간기법인 크리깅(Krigging), 역거리가중법(IDW)등이 있다. 최근에는 보간기법의 정확성을 높이기 위해 지반분야와 딥러닝 기술을 접목한 연구들이 수행되고 있다. 본 연구에서는 약 2만 2천공의 지반조사 결과를 바탕으로 딥러닝과 공간보간기법으로 지반 지지층 깊이 예측을 위한 비교 연구를 수행하였다. 이를 위해 딥러닝 알고리즘인 완전연결 네트워크와 포인트넷 방법, 공간보간기법으로는 IDW를 사용하였다. 각 분석 모델의 지지층 예측 결과 중 오차의 평균은 IDW가 3.01m 였으며, 완전연결 네트워크 및 포인트넷이 각 3.22m와 2.46m 였다. 결과의 표준편차는 IDW가 3.99였으며, 완전연결네트워크와 포인트넷이 3.95와 3.54로 나타났다. 연구 결과 3차원 정보에 특화된 포인트넷 구조를 적용한 네트워크가 IDW 및 완전연결 네트워크에 비해 개선된 결과를 나타냈다.
#Spatial Interpolation #IDW #Deep learning network #PointNet #Fully connected network #Depth to Bearing Layer

목차

Abstract
요지
1. 서론
2. 지질 지지지층 깊이 예측을 위한 적용 알고리즘
3. 시추공 보간을 위한 데이터 베이스 구축
4. 공간보간기법과 딥러닝의 결측치 추정결과 비교
5. 결언
참고문헌 (References)

참고문헌 (11)

참고문헌 신청
Ahn, J.M. and Park, I.H. (2012), “An Assessment on the Hydraulic Characteristics of a Multi-dimensional Model in Response to Measurement Resolution and Spatial Interpolation Methods”, Journal of Korean Society for Geospatial Information Science, Vol. 20, No.1, pp.43-51. google schola Alobaidi, M.H., Meguid, M.A., and Chebana, F. (2019), “Predicting seismic-induced liquefaction through ensemble learning frameworks”, Scientific Reports, Vol. 9, No.11786. google schola Bargaoui, Z.K. and Chebbi, A. (2009), “Comparison of Two Kriging Interpolation Methods Applied to Spatiotemporal Rainfall”, Journal of Hydrology, Vol.365, No.1-2, pp.56-73. google schola Gül, E. and Erşahin, S. (2019), “Evaluating the Desertification Vulnerability of a Semiarid Landscape under Different Land uses with the Environmental Sensitivity Index”, Land Degradation & Development, Vol.30, No.7, pp.811-823. google schola Kim, A.R., Kim, D., B. Y.S., and Lee, S.W. (2018), “Crack Detection of Concrete Structure Using Deep Learning and Image Processing Method in Geotechnical Engineering”, Journal of the korean geotechnical society, Vol.34, No.12, pp.145-154. 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

공간정보와 BIM의 상호연계 활용방안
홍진기 ,  김재명 ,  최윤수 외 1명 대한토목학회 학술대회 2022 .10
페루 친체로 신공항 부지조성공사 연약지반개량 설계/시공 및 BIM 적용 소개
남정현 ,  정민아 ,  김광표 외 1명 대한토목학회 학술대회 2022 .10
지표 투과 레이더 탐사 데이터 구축과 인공지능 기반 지하 공동 탐지에 대한 연구
정다혜 ,  유혜림 ,  차준엽 외 6명 한국정보과학회 학술발표논문집 2022 .12
머신러닝 및 베이지안 최적화를 이용한 타이어 최적 설계
황하은 ,  조윤상 ,  황석철 외 1명 대한산업공학회지 2022 .08
딥러닝과 영상처리기법을 이용한 콘크리트 지반 구조물 균열 탐지
김아람 ,  김동현 ,  변요셉 외 1명 한국지반공학회논문집 2018 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-531-001159420