KCI등재
GRU를 활용한 인공지능기반 구조물 시계열 응답 예측 = Structural Response Estimation Using Gated Recurrent Unit
저자
전건열(Jeon, Geonyeol) ; 박재형(Park, Jaehyung) ; 정종원(Jung, Jongwon) ; 윤형철(Yoon, Hyungchul)
발행기관
학술지명
한국방재학회논문집(Journal of The Korean Society of Hazard Mitigation)
권호사항
발행연도
2021
작성언어
-주제어
KDC
530
등재정보
KCI등재
자료형태
학술저널
수록면
171-179(9쪽)
DOI식별코드
제공처
소장기관
최근 지진이나 태풍 등의 자연재해로 인해 많은 시설물들이 피해를 입고 있다. 이러한 피해를 예측하고 대비하기 위해 수치해석 모델이 이용되고 있다. 하지만 구조물에 따라 설계도면이나 수치해석 모델이 존재하지 않는 경우도 많으며, 모델이 존재하는 경우에도 다양한 원인으로 응답의 예측이 실제 구조물의 응답과 차이를 보인다. 모델 업데이팅 기법을 통해 현재 상태의 구조물에 대한 모델링을 구축하고자 하는 노력도 있었으나, 현재 상태를 반영한 모델을 새로 작성하기 위해 많은 인력과 시간을 필요로 한다. 따라서 본 연구에서는 딥러닝 기술을 활용하여, 새로운 하중에 대하여 구조물의 시계열 응답을 자동으로 예측하는 기술을 개발하였다. 네트워크 구축에는 RNN (Recurrent Neural Network) 기반 GRU (Gated Recurrent Unit)를 사용하였고, 개발된 네트워크 성능을 검증하기 위해 시뮬레이션을 진행하여 결과를 비교하였으며, 13.59%의 오차로 구조물의 응답을 예측할 수 있었다.
더보기Recent tragedies have demonstrated that natural disasters, such as earthquakes and typhoons, can wreak havoc on society. Numerical models and simulations are used for predicting the structural response and damage caused by disasters. However, some structures do not have any design drawings or numerical models, and thus, problems are encountered when conducting numerical simulations. Furthermore, even if the model exists, the response predicted through numerical simulation may be different from the response of the actual structure. Although effort has been made to resolve this issue using model-updating techniques, these methods are laborious for developing a new model that reflects the current state of the structure. Therefore, the aim of this study is to develop a new method that automatically predicts the time-series response of structures using a deep learning technique. The gated recurrent unit), based on the recurrent neural network, was used to predict the structural response. Simulation-based validation tests were conducted to verify the performance of the proposed method. The proposed method could estimate the response of the structure with a root-mean-square error of 13.59%.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)