Development of a System Predicting Maximum Displacements of Earth Retaining Walls at Various Excavation Stages Using Artificial Neural Network

인공신경망을 이용한 굴착단계별 흙막이벽체의 최대변위 예측시스템 개발

In the present study, artificial neural network based on the multi-layer perceptron is used and an optimum model is chosen through the process of efficiency evaluation in order to develop a system predicting maximum displacements of the earth retaining walls at various excavation stages. By analyzing the measured field data collected at various urban excavation sites in Korea, factors influencing on the behaviors of the excavation wall are examined. Among the measured data collected, reliable data are further selected on the basis of the performance ratio and are used as a data base. Data-based measurements are also utilized for both teaming and verifying the artificial neural network model. The learning is carried out by using the back-propagation algorithm based on the steepest descent method. Finally, to verify a validity of the formulated artificial neural network system, both the magnitude and the occurring position of the maximum horizontal displacement are predicted and compared with measured data at real excavation sites not included in the teaming process.

본 연구에서는, 흙막이 벽체의 변위 예측시스템 개발을 위하여 다층퍼셉트론을 이용해 임의의 인공신경망 모델을 구축하고 그 성능을 평가하여 최적의 모델을 선정하였다. 인공신경망모델의 학습과 검증을 위해 국내 도심지에 실제 시공이 완료된 다양한 현장의 계측자료를 수집하였고, 수집된 계측자료의 분석을 통해 흙막이벽체의 거동에 영향을 미치는 인자를 조사하였다. 아울러 실행비를 기준으로 선별한 신뢰성 있는 계측자료를 조사된 영향인자를 토대로 데이터 베이스화하여 인공신경망 모델의 학습과 검증에 사용하였으며, 학습은 최급강하법을 기초로 하는 역전파 알고리즘을 이용하여 수행하였다. 학습에 포함되지 않은 현장들에 대하여 흙막이벽체의 최대수평변위와 그 발생위치를 예측하고 이를 계측치와 비교하여, 제시한 변위 예측시스템의 적용성을 부분적으로 확인하였다.