|
|
|
한국지반공학회 / v.17, no.1, 2001년, pp.47-56 
|
Readjusting 기법을 적용한 인공신경망의 모형말뚝 수평변위 예측
( Prediction of Lateral Deflection of Model Piles Using Artificial Neural Network by the Application Readjusting Method ) |
| 김병탁;김영수;정성관; 한국해양연구원 연구원;경북대학교 공과대학 토목공학과;경북대학교 농과대학 조경학과;
|
|
|
 |
|
| |
| 초 록 |
| 본 논문에서는 단일 및 군말뚝의 수평변위를 예측하기 위하여 신경망 학습속도의 향상과 지역 최소점 수렴을 방지하는 Readjusting 기법을 적용한 인공신경망을 도입하였다. 이 인공신경망을 M-EBPNN 이라고 한다. M-EBPNN에 의한 결과는 낙동강 모래지반에서 단일 및 군말뚝에 대하여 수행한 일련의 모형실험결과와 비교하였으며, 그리고 신경망의 학습속도와 지역 최소점의 수렴성을 평가하기 위하여 오류 역전파 신경망(EBPNN)의 결과와도 비교 분석하였다. M-EBPNN의 적용성 검증을 위하여 200개의 모형실험결과들을 이용하였으며, 신경망의 구조는 EBPNN의 구조와 동일한 한 개의 입력층과 두 개의 은닉층 그리고 한 개의 출력층으로 구성되었다. 전체 데이터의 25%, 50% 그리고 75% 결과는 각각 신경망의 학습에 이용되었으며 학습에 이용하지 않은 데이터들은 예측에 이용되었다. 그리고, 신경망의 최적학습을 위하여 적합한 은닉층의 뉴런 수와 학습률은 EBPNN에서 결정한 값들을 본 신경망에 이용하였다. 해석결과들에 의하면, 동일한 학습패턴에서의 M-EBPNN이 학습 반복횟수는 EBPNN 보다 최고 88% 감소하였으며 지역 최소점에 수렴하는 현상은 거의 나타나지 않았다. 따라서, 인공신경망 모델이 수평하중을 받는 말뚝의 수평변위 예측에 적용될 수 있는 가능성을 보여 주었다. |
|
|
| |
| 키워드 |
| Single pile;Group pile;Neural network;Lateral deflection;Readjusting method;False local minimum; |
| |
|
|
|
|
한국지반공학회논문집 / v.17, no.1, 2001년, pp.47-56
한국지반공학회
ISSN : 1229-2427
UCI : G100:I100-KOI(KISTI1.1003/JNL.JAKO200111920782922)
언어 : 한국어 |
|
| 논문 제공 : KISTI 한국과학기술정보연구원 |
|
|
|
|
|
|
