한국지반공학회논문집 (Journal of the Korean Geotechnical Society)

  • 제17권1호
  • /
  • Pages.47-56
  • /
  • 2001
  • /
  • 1229-2427(pISSN)
  • /
  • 2288-646X(eISSN)
한국지반공학회 (Korean Geotechnical Society)
권호 표지

Readjusting 기법을 적용한 인공신경망의 모형말뚝 수평변위 예측

Prediction of Lateral Deflection of Model Piles Using Artificial Neural Network by the Application Readjusting Method

  • 김병탁 (한국해양연구원 연구원) ;
  • 김영수 (경북대학교 공과대학 토목공학과) ;
  • 정성관 (경북대학교 농과대학 조경학과)
  • 발행 : 2001.02.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

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

참고문헌

  1. 하이테크 정보 신경망 이론과 운용(I) 김대수
  2. 한국지반공학회지 v.14 no.6 균질지반과 비균질지반에서 강관모형말뚝의 수평거동 특성에 관한 모형실험 김영수;김병탁
  3. 한국지반공학회지 v.15 no.6 비균질지반에서 항타 관입한 단일 강성말뚝의 수평거동 연구 김영수;김병탁
  4. 한국지반공학회지 v.15 no.5 비균질사질토지반에서 단일 휨성 말뚝의 수평거동에 대한 말뚝두부 구속효과 연구 김영수;정성관;김병탁
  5. 한국지반공학회지 v.16 no.1 사질토 지반에서 군말뚝의 수평거동에 관한 연구 김영수;김병탁
  6. 박사학위논문 비균질 사질토 지반에서 말뚝의 수평거동 연구 김병탁
  7. 한국지반공학회지 v.16 no.5 인공신경망을 이용한 말뚝의 수평변위와 최대 휨모멘트의 예측 김병탁;김영수;이우진
  8. 한국지반공학회지 v.10 no.4 인공 신경망 이론을 이용한 말뚝의 극한지력 해석(I) 이인모;이정학
  9. IEEE Transactions on Neural Networks v.3 Mean field annealing: A formalism for constructing GNC-like algorithms Bilbro, G.L.;Snyder, W.E.;Gramier, S.J;Gault, J.W
  10. Neural Networks v.11 A modified back-propagation method to avoid false local minima Fukuoka, Y.;Matsuki, H.;Minamitani, H;Ishida, A
  11. ASCE v.124 no.12 General regression neural networks for driven piles in cohesionless soils Kiefa, M.A.A
  12. Science v.220 Optimization by simulated annealing Kirkpatrick, S.;Gelatt, C.D. Jr;lVecchi, M.P
  13. Advances in Neural Information Processing Systems 3 Back propa-gation is sensitive to initial condition Kolen, J.F;Pollack, J.B
  14. Electronic Journal of Geotech, Eng. v.4 Artificial intelligence techniques for the design andanalysis of deep foundations Nawari, N.O;Nusairat, J
  15. Int. J. of Neural Systems v.3 Recent advances on the techniques of static feedforward networks with supevised learning Xu, L., Klass, S;Yuille, A