한국지반공학회논문집 (Journal of the Korean Geotechnical Society)

  • 제19권6호
  • /
  • Pages.343-350
  • /
  • 2003
  • /
  • 1229-2427(pISSN)
  • /
  • 2288-646X(eISSN)
한국지반공학회 (Korean Geotechnical Society)
권호 표지

초음파-토양수세법을 이용한 오염지반 복원률증대에 인공신경망의 적용

Application of Artificial Neural Networks(ANN) to Ultrasonically Enhanced Soil Flushing of Contaminated Soils

  • 황명기 (명지대학교 토목환경공학과) ;
  • 김지형 (고려대학교 토목환경공학과) ;
  • 김영욱 (명지대학교 토목환경공학과)
  • 발행 : 2003.12.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

인공신경망(Artificial Neural Network, ANN) 해석기술을 지반공학 분야에서 활용하는 경우가 점점 다양해지고 있다. 이 연구에서는 초음파에 의해 증가된 토양수세법의 효율성을 해석하는 모델개발에 인공신경망기법을 적용하였다. 실내시험을 통하여 인공신경망을 위한 입력자료를 확보한 뒤 이를 이용하여 모델을 학습시킨 후 모델검증을 실시하였다. 해석 변수, 즉 모멘텀항, 학습률, 전이함수 종류, 은닉층 수 및 노드 수 등을 달리하여 연구를 수행하였으며 최적의 조건을 도출한 후 개발된 모델의 검증을 실시하였다. 개발된 모델의 검증결과 측정값과 예측값의 상관관계가 매우 높게 나타났으며 이를 통하여 수학적 모델 수립이 곤란한 토양수세 초음파 기법의 전반적인 고찰의 기초를 확립하였다.

The range of applications of artificial neural networks(Am) in many branches of geotechnical engineering is growing rapidly. This study was undertaken to develop an analysis model representing ultrasonically enhanced soil flushing by the use of ANN. Input data for the model-development were obtained by laboratory study, and used for training and verification. Analyses involved various ranges of momentum, loaming rate, activation function, hidden layer, and nodes. Results of the analyses were used to obtain the optimum conditions for establishing and verifying the model. The coefficient of correlation between the measured and the predicted data using the developed model was relatively high. It shows potential application of ANN to ultrasonically enhanced soil flushing which is not easy to build up a mathematical model.

키워드

참고문헌

  1. 신경망 이론과 응용(I, II) 김대수
  2. 대한토목학회논문집 v.22 no.6-C 피에조콘을 이용한 연약지반 선행압밀하중 결정의 인공 신경망 이론 적용 연구 김영상;이승래;김종수
  3. 한국지반공학회논문집 v.18 no.5 동적신경망을 이용한 이암풍화토의 전단거동예측 김영수;정성관;김기영;김병탁;이상웅;정대웅
  4. 한국지반공학회논문집 v.18 no.5 인공신경망을 이용한 지반의 액상화 가능성 판별 이송;박형규
  5. 퍼지·신경망·유전진화 이상부;임영도
  6. 한국지반공학회지 v.13 no.2 인공신경망을 이용한 암반의 투수계수 예측 이인모;조계춘;이정학
  7. Al Expert v.3 no.6 Neural networks primer, Part III Caudill,M.
  8. Waste Management Proceeding of the Gulf Coast Hazardous Substance Research Centers Symposium on Emerging Technologies: Metals, Oxidation, and Separation v.13 no.5-7 Field demonstration of enhanced soil washing system for in-situ treatment of low-permeability soils Cleveland,T.G.;Garg, sanjay
  9. Contaminated Soil '95 Acoustic Soil Remediation: Introduction of A New Concept Ellen,T.V.;Lansink,C.J.E.;Sandker,J.E.;W.J. van den Brink(ed.);R.Bosman(ed.);F.Arendt(ed.)
  10. Journal of Computing in Civil Engineering v.8 no.2 Neural Networks In Civil Engineering Flood,I.;Kartam,N. https://doi.org/10.1061/(ASCE)0887-3801(1994)8:2(131)
  11. Ph.D. Dissertation, The Pennsylvania State University Effect Of Sonication On Removal Of Petroleum hydrocarbon From Contaminated Soils By Soil Flushing Method Kim,Y.U.
  12. Proceedings of the 3rd international Symposium v.1 Ultrasonic Enhanced Soil Washing, Environmental Geotechnology Meegoda,J.N.;Ho,D.;Frederick,R.M.
  13. Learning Internal Representaion by Error Propagation in Parallel Distributed Processing Rumelhart,D.E.;Hilton,G.E.;Williams,R.J.
  14. Journal of Geotechnical and Geo-environmental Engineering v.128 no.9 Predicting Settlement of Shallow Foundations using Neural Networks Shahin,M.A.;Maier,H.R.;Jaksa,M.B. https://doi.org/10.1061/(ASCE)1090-0241(2002)128:9(785)
  15. J. R. Stat. Soc. v.B 36 Cross-validatory choice and assessment of statistical predictions Stone,M.
  16. Artificial neural networks for civil engineers: Fundamentals and applications Validation and verification Twomey,J.M.;Smith,A.E.;N.Kartam(ed.);I.Flood(ed.);J.H.Garret(ed.)