A Prediction of Shear Behavior of the Weathered Mudstone Soil Using Dynamic Neural Network

The purpose of this study is to predict the shear behavior of the weathered mudstone soil using dynamic neural network which mimics the biological system of human brain. SNN and RNN, which are kinds of the dynamic neural network realizing continuously a pattern recognition as time goes by, are used to predict a nonlinear behavior of soil. After analysis, parameters which have an effect on learning and predicting of neural network, the teaming rate, momentum constant and the optimum neural network model are decided to be 0.5, 0.7, 8$\times$18$\times$2 in SU model and 0.3, 0.9, 8$\times$24$\times$2 in R model. The results of appling both networks showed that both networks predicted the shear behavior of soil in normally consolidated state well, but RNN model which is effective fir input data of irregular patterns predicted more efficiently than SNN model in case of the prediction in overconsolidated state.

동적신경망을 이용한 이암풍화토의 전단거동예측

본 연구에서는 인간의 사고과정을 근거로 개발된 동적 인공신경망을 이용하여 이암풍화토의 전단거동을 예측하였다. 흙의 비선형거동을 예측함에 있어 피드백 과정에 의해 시간경과에 따른 패턴의 특성변화를 연속적으로 예측할 수 있는 동적신경망의 종류인 SNN모델과 RNN모델을 이용하였다. 인공신경망의 학습능력과 예측능력에 영향을 미치는 여러 변수등을 분석후 SNN모델에서는 학습율, 모멘텀 상수, 신경망구조가 0.5, 0.7, 8$\times$18$\times$2, RNN모델인 경우는 각각 0.3,0.9,8$\times$24$\times$2의 구조가 적합한 것으로 나타났다 예측결과는 두 네트워크 모두 정규압밀 상태의 전단거동을 잘 예측하였지만, 과압밀 상태의 전단거동 예측에서는 불규칙적인 입력패턴에 효과적인 RNN모델의 예측능력이 더욱 우수하였다.