DOI QR코드

DOI QR Code

A Propose on Seismic Performance Evaluation Model of Slope using Artificial Neural Network Technique

인공신경망 기법을 이용한 사면의 내진성능평가 모델 제안

  • Kwag, Shinyoung (Structural and Seismic Safety Research Team, Korea Atomic Energy Research Institute) ;
  • Hahm, Daegi (Structural and Seismic Safety Research Team, Korea Atomic Energy Research Institute)
  • 곽신영 (한국원자력연구원 구조지진안전연구실) ;
  • 함대기 (한국원자력연구원 구조지진안전연구실)
  • Received : 2018.10.11
  • Accepted : 2018.12.20
  • Published : 2019.04.30

Abstract

The objective of this study is to develop a model which can predict the seismic performance of the slope relatively accurately and efficiently by using artificial neural network(ANN) technique. The quantification of such the seismic performance of the slope is not easy task due to the randomness and the uncertainty of the earthquake input and slope model. Under these circumstances, probabilistic seismic fragility analyses of slope have been carried out by several researchers, and a closed-form equation for slope seismic performance was proposed through a multiple linear regression analysis. However, a traditional statistical linear regression analysis has shown a limit that cannot accurately represent the nonlinearistic relationship between the slope of various conditions and seismic performance. In order to overcome these problems, in this study, we attempted to apply the ANN to generate prediction models of the seismic performance of the slope. The validity of the derived model was verified by comparing this with the conventional multi-linear and multi-nonlinear regression models. As a result, the models obtained through the ANN basically showed excellent performance in predicting the seismic performance of the slope, compared to the models obtained by the statistical regression analyses of the previous study.

이 연구의 목적은 인공신경망 기법을 이용하여 사면의 내진 성능을 비교적 정확하면서도 효율적으로 예측하는 모델을 도출하는데 있다. 사면의 내진 성능은 지진입력 및 사면모델의 무작위성 및 불확실성으로 인하여 정량화하기 쉽지 않다. 이러한 배경 아래 사면에 대한 확률론적 지진 취약도 분석이 몇몇 연구자에 의해 수행되었고, 이를 기반으로 다중 선형회귀분석을 통하여 사면 내진성능에 대한 닫힌식이 제안된 바 있다. 그러나 전통적인 통계학적 선형회귀분석은 다양한 조건의 사면과 이에 따른 내진 성능 사이의 비선형적 관계를 정확하게 표현하지 못하는 한계를 보였다. 이에 따라 본 연구에서는 이러한 문제점을 극복하고자 인공신경망 기법을 사면 내진성능 예측 모델을 생성하는데 적용하였다. 도출된 모델의 유효성은 기존의 다중 선형 및 다중 비선형 회귀분석을 통한 모델과 비교하여 검증하였다. 결과적으로 이전 연구의 전통적인 통계학적 회귀 분석을 통한 모델과 비교 결과, 기본적으로 인공신경망 기법을 통하여 도출된 모델이 사면의 내진성능을 예측하는데 있어 우수한 성능을 보여주었다. 이러한 정확도 높은 모델은 향후 확률에 기반한 사면의 지진취약도 지도를 개발하고, 주요 구조물의 인근 사면으로 인한 리스크를 효과적으로 평가하는데 활용될 수 있을 것이라 기대된다.

Keywords

References

  1. Jibson, R.W. (2011) Methods for Assessing the Stability of Slopes during Earthquakes-A Retrospective, Eng. Geol., 122(1), pp.43-50. https://doi.org/10.1016/j.enggeo.2010.09.017
  2. Jibson, R.W. (2007) Regression Models for Estimating Coseismic Landslide Displacement, Eng. Geol., 91(2), pp.209-218. https://doi.org/10.1016/j.enggeo.2007.01.013
  3. Yiannis, T., Nikos, D.L., Prodromos, N.P., Evaggelos, C.G. (2010) Probabilistic Seismic Slope Stability Assessment of Geostructures, Struct. & Infrastruct. Eng., 6(1-2), pp.179-191. https://doi.org/10.1080/15732470802664001
  4. Wu, X.Z. (2015) Development of Fragility Functions for Slope Instability Analysis, Landslides, 12(1), pp.165-175. https://doi.org/10.1007/s10346-014-0536-3
  5. Xu, B., Low, B.K. (2006) Probabilistic Stability Analyses of Embankments based on Finite-element Method, J. Geotech. & Geoenvironmental Eng., 132(11), pp.1444-1454. https://doi.org/10.1061/(ASCE)1090-0241(2006)132:11(1444)
  6. Huang, J., Griffiths, D.V., Fenton, G.A. (2010) System Reliability of Slopes by RFEM, Soils and Foundations, 50(3), pp.343-353. https://doi.org/10.3208/sandf.50.343
  7. Kim, J. M., Sitar, N. (2013) Probabilistic Evaluation of Seismically Induced Permanent Deformation of Slopes, Soil Dyn. & Earthq. Eng., 44, pp.67-77. https://doi.org/10.1016/j.soildyn.2012.09.001
  8. Lagaros, N.D., Tsompanakis, Y., Psarropoulos, P.N., Georgopoulos E.C. (2009) Computationally Efficient Seismic Fragility Analysis of Geostructures, Comput. & Struct., 87(19), pp.1195-1203. https://doi.org/10.1016/j.compstruc.2008.12.001
  9. Park, N.-S., Cho, S.-E. (2016) Development of Seismic Fragility Curves for Slopes using ANN-based Response Surface, J. Korean Geotech. Soc., 32(11), pp.31-42. https://doi.org/10.7843/KGS.2016.32.11.31
  10. Kwag, S., Hahm, D. (2018) Development of an Earthquake-induced Landslide Risk Assessment Approach for Nuclear Power Plants, Nucl. Eng. & Technol., 50, pp.1372-1386. https://doi.org/10.1016/j.net.2018.07.016
  11. Newmark, N.M. (1965) Effects of Earthquakes on Dams and Embankments, Geotech., 15, pp.139-159. https://doi.org/10.1680/geot.1965.15.2.139
  12. Jibson, R.W., Harp, E.L., Michael, J.A. (2000) A Method for Producing Digital Probabilistic Seismic Landslide Hazard Maps, Eng. Geol., 58(3), pp.271-289. https://doi.org/10.1016/S0013-7952(00)00039-9
  13. EPRI (1994) Methodology for Developing Seismic Fragilities, TR-103959, Electric Power Research Institute.
  14. Kwag, S., Ok, S-.Y. (2013) Robust Design of Seismic Isolation System using Constrained Multi-objective Optimization Technique, KSCE J. Civil Eng., 17(5), pp.1051-1063. https://doi.org/10.1007/s12205-013-0334-9
  15. Yegnanarayana, B. (2009) Artificial Neural Networks, PHI Learning Pvt. Ltd. New Delhi, p.197.