인공 신경망 이론을 이용한 말뚝의 극한지지력 해석(I)-이론

Analysis of Ultimate Bearing Capacity of Piles Using Artificial Neural Networks Theory (I) -Theory

인간의 두뇌는 분산 병렬 처리에 효과적이라는 사실에 근거하여 인공 신경망이론이 개발되었으며, 과학의 여러 분야에서 성공적으로 적용되어지고 있다. 본 연구에서는 인공 신경망 이론의 학습방법 중 하나인 오차 역전파 학습 알고리즘을 모형 말뚝의 극한지지력 예측에 적용하여, 이 이론이 말뚝의 극한지지력의 합리적인 산정방법으로 적용될 수 있는지의 가능성을 검토하였다. 이러한 시스템의 타당성 검토를 위하여 총 28개의 모형 말뚝재하시헙 결과를 이용하였으며, 그 중에서 9, 14, 21개의 자료를 네트워크 학습에 이용하여 나머지 자료의 예측 가능 정도를 분석하여 보았다. 개발된 시스템은 14개 이상의 학습자료에 대하여 모형 말뚝재하시험의 결과와 잘 맞는 것으로 나타났다. 이와같은 결과들을 종합하여 보건데 신경망 이론이 말뚝의 극한지지력 예측 문제에 적용될 수 있는 가능성을 보여 주었다.

It is well known that human brain has the advantage of handling disperse and parallel distributed data efficiently. On the basic of this fact, artificial neural networks theory was developed and has been applied to various fields of science successfully. In this study, error back propagation algorithm which is one of the teaching technique of artificial neural networks is applied to predict ultimate bearing capacity of pile foundations. For the verification of applicability of this system, a total of 28 data of model pile test results are used. The 9, 14 and 21 test data respectively out of the total 28 data are used for training the networks, and the others are used for the comparison between the predicted and the measured. The results show that the developed system can provide a good matching with model pile test results by training with data more than 14. These limited results show the possibility of utilizing the neural networks for pile capacity prediction problems.