한국지반환경공학회 논문집 (Journal of the Korean GEO-environmental Society)

  • 제10권5호
  • /
  • Pages.49-57
  • /
  • 2009
  • /
  • 1598-0820(pISSN)
  • /
  • 2714-1233(eISSN)
한국지반환경공학회 (Korean Geo-Environmental Society)
권호 표지

Levenberg-Marquardt 알고리즘의 지반공학 적용성 평가

Evaluation for Applications of the Levenberg-Marquardt Algorithm in Geotechnical Engineering

  • 김영수 (경북대학교 토목공학과) ;
  • 김대만 (경북대학교 토목공학과)
  • 투고 : 2009.03.30
  • 심사 : 2009.05.19
  • 발행 : 2009.08.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서는 Levenberg-Marquardt(LM) 알고리즘 인공신경망을 통하여 지반공학 문제 중의 하나인 압축지수를 예측하였고, 예측된 결과는 현재 지반공학에 널리 사용되고 있는 Back Propagation(BP) 알고리즘 인공신경망의 예측 결과와 비교하여 LM 알고리즘의 지반공학 적용성을 평가하였다. 또한 두 알고리즘에 의한 예측치는 기존에 제안된 압축지수의 경험식들에 의하여 산정된 결과들과 비교를 통하여 예측결과의 정확성을 확인하였다. 경험식에 의한 압축지수의 산정치는 전반적으로 BP 알고리즘과 LM 알고리즘 인공신경망에 의한 예측치에 비하여 더 큰 오차를 나타냈다. LM 알고리즘에 의한 압축지수의 예측치는 BP 알고리즘의 예측치와 비교할 때 정확도는 비슷하나 수렴속도에서 더 좋은 결과를 보여 LM 알고리즘의 지반공학 적용성은 우수한 것으로 나타났다.

In this study, one of the complicated geotechnical problem, compression index was predicted by a artificial neural network method of Levenberg-Marquardt (LM) algorithm. Predicted values were compared and evaluated by the results of the Back Propagation (BP) method, which is used extensively in geotechnical engineering. Also two different results were compared with experimental values estimated by verified experimental methods in order to evaluate the accuracy of each method. The results from experimental method generally showed higher error than the results of both artificial neural network method. The predicted compression index by LM algorithm showed better comprehensive results than BP algorithm in terms of convergence, but accuracy was similar each other.

키워드

참고문헌

  1. 김병탁, 김영수, 배상근 (2001), 압축지수의 추정을 위한 인공 신경망 적용과 경험식 제안, 한국지반공학회논문집, 한국지반공학회, 제17권, 제6호, pp. 25-36.
  2. 윤길림, 김병탁 (2003), 국내 해양지반에 적합한 압축지수 예측식 제안, 대한토목학회논문집, 대한토목학회, 제23권, 제3C호, pp. 169-176.
  3. 이윤규, 윤여원, 강병희 (2000), 인공신경회로망을 이용한 압밀 응력비에 따른 정규압밀점토의 비배수전단강도 예측, 한국지반공학회논문집, 한국지반공학회, 제16권, 제1호, pp. 75-81.
  4. 이인모, 조계춘, 이정학 (1997), 인공신경망을 이용한 암반의 투수계수 예측, 한국지반공학회논문집, 한국지반공학회, 제13권, 제2호, pp. 77-89.
  5. Al-Khafaji, A.W.N. and Andersland, O.B. (1992), Equations for compression index approximation, J. Geothch. Engrg., ASCE, Vol. 118, No. 1, pp. 148-153. https://doi.org/10.1061/(ASCE)0733-9410(1992)118:1(148)
  6. Azzouz, A.S., Krizek, R.J., and Corotis, R.B. (1976), Regression analysis of soil compressibility, Soil and Foundation, Vol. 16, No. 2, pp. 19-29.
  7. Hagan, M.T. (1996), Neural network design, 1st ed", PWS Pub., Boston.
  8. Koppula, S.D. (1981), Statistical estimation of compression index, Geotech. Testing J., Vol. 4, No. 2, pp. 68-73. https://doi.org/10.1520/GTJ10768J
  9. Nacci, V.A., Wang, M.C., and Demars, K.R. (1975), Engineering Behavior of Calcareous Soils, Proc. of Conf. on Civil Engrg. in the Oceans III, ASCE, University of Delaware, Newark, Del., Vol. 1, pp. 380-400.
  10. Nishida, Y. (1956), A brief note on compression index of soil, J. Soil Mech. and Found. Engrg., ASCE, Vol. 82, No. SM3, pp. 1-14.
  11. Rendon-Herrero, O. (1983), Universal Compression Index Equation; Closure, J. Geotech. Engrg. Div., ASCE, Vol. 109, No. 10, pp. 1349.
  12. Terzaghi, K. and Peck, R.B. (1967), Soil mechanics in engineering practice, 3nd Ed., John Wiley and Sons Inc., New York.