• 한국터널지하공간학회 논문집
• /
• 제21권5호
• /
• pp.641-656
• /
• 2019

본 연구에서는 쉴드 TBM (Tunnel Boring Machine) 터널 디스크 커터의 적절한 교체 시기를 예측하기 위한 방법으로 머신러닝 기법을 사용한 방법을 제안하였으며, 이를 위해 국내 기 시공된 쉴드 TBM 현장의 데이터를 이용하여 다양한 머신러닝 알고리즘 중 SVM (Support Vector Machine)을 이용하여 예측 모델을 구축하고 그 성능을 평가하였다. 지반 조건별 디스크 커터의 마모와 높은 상관성을 갖는 TBM 기계 데이터와 디스크 커터 교체 이력을 분류하고, 이들을 SVM의 변수로 사용하여 3종류의 분류 함수를 적용하여 각각 학습을 한 후 예측을 수행한 결과, 각 지반 조건에 대해서 3종류의 SVM 분류 함수 중 전체적으로 RBF (Radial Basis Function) SVM의 예측성능이 가장 우수하며(평균적으로 80%의 정확도, 10% 오분류율), 지반 조건별로 구분 시 디스크 커터 교체 데이터의 수가 많을수록 예측 결과가 좋은 것으로 나타났다. 향후 많은 데이터를 축적하고 이를 모두 활용하여 학습모델을 지속적으로 발전시켜 나간다면 이와 같은 디스크 커터 교환주기를 예측하기 위한 머신러닝 기법의 실무 적용성이 매우 클 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1207-1216
• /
• 2018

본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

• 한국환경복원기술학회지
• /
• 제24권5호
• /
• pp.1-14
• /
• 2021

Excessive development and urbanization have destroyed animal, plant, habitats and reduced biodiversity. In order to preserve species diversity, habitat prediction studies are have been conducted at home and overseas using various modeling techniques. This study was conducted to suggest optimal habitat modeling research by comparing HSI and MaxEnt, which are widely used among habitat modeling techniques. The study was targeted on the endangered species of Prionailurus bengalensis in nearby areas (5460.35km2) including Cheonan City, and the same data were used for analysis to compare those models. According to the HSI analysis, Prionailurus bengalensis's habitat probability was 74.65% for less than 0.5 and 25.34% for more than 0.5 and the top 30% were forest (99.07%). MaxEnt's analysis showed that 56.22% of those below 0.5 and 43.79% of those above 0.5 were found to have a high explanatory power of 78.3% of AUC. The Paired Wilcoxn test, which evaluated the significance of thoes models, confirmed that the mean difference between the two models was statistically significant (p<0.05). Analysis of the differences in the results of those models using the matrix table shows that score 24.43% HSI and MaxEnt was accordance,12.44% of the 0.0 to 0.2 section, 7.22% of the 0.2 to 0.4 section, 2.73% of the 0.4 to 0.6 section, 1.96% of the 0.6 to 0.8, and 0.08% of the 0.9 to 1.0. To verify where the score difference appears, the result values of those models were reset to values from 1 to 5 and overlaid. Overlapping analysis resulted in 30.26% of the Strongly agree values, 56.77% of the agree values, and 11.92% of the Disagree values. The places where the difference in scores occurs were analyzed in the order of forest (45.23%), agricultural land (34.57%), and urbanization area (7.65%). This confirmed that the analysis of the same target species within the same target site also has differences in forecasts depending on the modelling method. Therefore, a novel analysis method combining the advantages of each modeling in habitat prediction studies should be developed, and future study may be used to select Prionailurus bengalensis and species-protected areas and species protection areas in the future. Further research is judged to require higher accuracy studies through the use of various modeling techniques and on-site verification.

• 자원환경지질
• /
• 제46권4호
• /
• pp.313-327
• /
• 2013

본 연구에서는 캐나다 아사바스카 지역의 맥머레이층에 대한 3차원 지구통계 모사를 실시하였으며 모사 결과를 바탕으로 심부지열회수방법을 통한 경제적 산출 가능 지역을 가늠하고자 하였다. 비투멘의 효율적인 생산을 위하여 SAGD 공법의 최적 입지를 선정하는데 있어 스팀챔버의 충분한 수직적 연장성을 확보하는 것은 중요한 사항이다. 연구지역에서 획득한 110개의 시추공 자료에 대하여 마르코프 전이 확률 기반의 분석을 실시하였으며 이를 바탕으로 맥머레이층 구성 암상에 대한 추계론적 예측을 실시하였다. 추계론적 모사를 통하여 획득한 다중재현을 기반으로 앙상블 확률 분포도를 제작하였으며 이는 각 암상이 분포 할 수 있는 포텐셜을 보여준다. 앙상블 확률 분포도를 이용하여 투수성 퇴적층(역질 퇴적층 및 사질 퇴적층)에 대한 누적 층후도를 구성하였으며 이를 바탕으로 SAGD 공법이 적용될 수 있는 최적 입지를 선정하였다. SAGD 최적 입지 선정을 위한 추가적인 분석을 실시하기 위하여 전이율을 바탕으로 한 단일 퇴적층의 평균적인 수직 및 수평적 연장성을 산정하였다. 투수성 퇴적층의 평균적인 수직적 연장성은 대체로 투수성 퇴적층에 대한 누적층후도 분포도와 유사한 분포 양상을 보이나 일부 누적 층후가 큰 위치에서 유사하지 않은 양상을 보인다. 이는 누적 층후도와 평균적인 수직적 연장성 분포 양상이 유사하지 않은 지역은 투수성 퇴적층과 다른 암상과의 교호성은 매우 크나 투수성 퇴적층의 수직적인 연장성은 좋지 않음을 의미한다. 따라서 누적층후도 뿐 만 아니라 투수성 퇴적층의 수직적 연장성 또한 충분히 고려하였을 때 건전한 SAGD 최적 입지를 선정하는데 충분히 신뢰성 있는 결론을 도출 할 것으로 판단된다.

• 한국지반공학회논문집
• /
• 제18권3호
• /
• pp.113-125
• /
• 2002

지반의 지표침하를 예측하는 여러가지 경험식들이 있지만, 관련인자들을 동시에 고려하지 못함으로 인하여 불확실한 예측결과를 가져온다. 본 연구에서는 113개의 현장계측자료를 이용한 인공신경 망으로 조건에 따른 터널현장의 지표침하를 예측하였다. 지표침하 예측을 위한 현장자료의 입력양식을 제안하였으며, 인자학습을 통해 최적의 인공신경 망 모델을 구성하고 RSE의 개념을 통해 터널굴착으로 인한 지표침하에 영향을 미치는 주요인자들을 분석하였다. 본 연구에서 구성한 데이터베이스를 이용하여 인공신경 망 엔진을 학습하고 두 가지 현장자료를 통해 검증한 결과, 계측자료의 특성을 효과적으로 반영하는 것을 확인하였다.

• 한국환경복원기술학회지
• /
• 제27권3호
• /
• pp.29-43
• /
• 2024

Legally protected species are one of the crucial considerations in the field of natural ecology when conducting environmental impact assessments (EIAs). The occurrence of legally protected species, especially 'Endangered Wildlife' designated by Ministry of Environment, significantly influences the progression of projects subject to EIA, necessitating clear investigations and presentations of their habitats. In perspective of statistics, a minimum of 30 occurrence coordinates is required for population prediction, but most of endangered wildlife has insufficient coordinates and it posing challenges for distribution prediction through modeling. Consequently, this study aims to propose modeling methodologies applicable when coordinate data are limited, focusing on Rodgersia podophylla, representing characteristics of endangered wildlife and northern plant species. For this methodology, 30 random sampling coordinates were used as input data, assuming little survey data, and modeling was performed using individual models included in BIOMOD2. After that, the modeling results were evaluated by using discrimination capacity and the reality reflection ability. An optimal modeling technique was proposed by ensemble the remaining models except for the MaxEnt model, which was found to be less reliable in the modeling results. Alongside discussions on discrimination capacity metrics(e.g. TSS and AUC) presented in modeling results, this study provides insights and suggestions for improvement, but it has limitations that it is difficult to use universally because it is not a study conducted on various species. By supporting survey site selection in EIA processes, this research is anticipated to contribute to minimizing situations where protected species are overlooked in survey results.

• 한국해안해양공학회지
• /
• 제12권2호
• /
• pp.53-69
• /
• 2000

수중다공확산관을 통해 1차 처리수를 마산만에 방류하고 있는 마산·창원 하수종말처리장의 증설계획에 따른 하수방류량의 증가시 현재의 해양방류시설을 그대로 사용하였을 경우 방류하수의 희석률 변화를 예측하였다 하수처리시설 증설후 방류량의 증가에 따라 희석률은 큰 폭으로 감소하였다 이에 대한 개선방안 도출을 위해 현 위치에서 확산관의 배치와 길이를 변경해서 희석률의 개선효과를 CORMIX 모형을 사용하여 조사하였다. 확산관의 길이가 연장되고 확산관축을 해류방향에 대해 평행보다는 직각이 되게 배치했을 경우 희석률은 다소 증가하였으나 소조기의 약한 해류에서는 희석률의 변화가 거의 없어 현위치에서의 한계성을 보였다 하수처리장의 2단계와 3단계의 증설에 대비한 새로운 방류위치선정과 확산관의 최적배치로 희석률을 크게 높일수 있는 대안을 모형 모의 결과로부터 제시하였다.

• 한국터널지하공간학회 논문집
• /
• 제24권2호
• /
• pp.217-230
• /
• 2022

쉴드TBM (Tunnel Boring Machine) 터널 시공에 있어 막장압 관리는 막장면 붕괴, 지반침하 등을 방지하여 막장 안정성을 유지하는 데 중요한 역할을 담당한다. 특히, 챔버 내부의 굴착토로 막장압을 조절하는 토압식 쉴드TBM의 경우, 이수식 쉴드TBM에 비해 막장압의 관리가 어렵다. 본 연구에서는 국내 토압식 쉴드TBM 터널 시공 현장의 지반조건 및 굴진특성 데이터를 분석하여, 토압식 쉴드TBM 터널의 세그먼트 링별 막장압 예측모델을 제시하였다. 예측모델의 입력특성으로 7가지를 선정하였으며, 912개의 학습 데이터 세트(Training data set)와 228개의 시험 데이터 세트(Test data set)를 확보하였다. 최적의 토압식 쉴드TBM 막장압 예측모델 선정을 위하여 KNN (K-Nearest Neighbors), SVM (Support Vector Machine), RF (Random Forest), XGB (eXtreme Gradient Boosting) 모델의 하이퍼파라미터(Hyperparameter)를 최적화하여 예측성능을 비교한 결과, RF 모델이 7.35 kPa의 평균 제곱근 오차(Root Mean Square Error, RMSE)로 가장 우수한 성능을 나타냈다. 추가적으로, RF 모델의 특성 중요도(Feature importance) 분석을 수행한 결과, 입력특성 중 수압의 영향도가 0.38로 가장 높았으며, 전반적으로 지반조건이 굴진특성보다 높은 중요도를 보여주었다.

• 터널과지하공간
• /
• 제31권6호
• /
• pp.494-507
• /
• 2021

TBM의 활용이 증가하면서 최근 국내에서도 머신러닝 기법으로 TBM 데이터를 분석하여 TBM 전방의 지반을 예측하고 디스크커터의 교환주기 예측 및 굴진율을 예측하는 연구가 수행되고 있다. 본 연구에서는 TBM 굴진 시 기계 데이터를 대상으로 전통적 암반에 대한 분류 기법과 최근에 다양한 분야에서 널리 사용되고 있는 머신러닝 기법들을 접목하여 슬러리 쉴드 TBM 현장의 암반 특성에 대한 분류 예측을 하였다. 암반 특성 분류 기준 항목을 RQD, 일축압축강도, 탄성파속도로 설정하고 항목별 암반상태를 클래스 0(양호),1(보통),2(불량)의 3개 클래스로 구분한 다음, 6개의 분류 알고리즘에 대한 기계학습을 수행하였다. 그 결과, 앙상블 계열의 모델이 좋은 성능을 보여주었고 특히 학습성능과 더불어 학습속도에서 우수한 결과를 보인 LigthtGBM 모델이 대상 현장 지반에서 최적인 것으로 나타났다. 본 연구에서 설정한 3가지 암반 특성에 대한 분류 모델을 활용하면 지반정보가 제공되지 않은 구간에 대한 암반 상태를 제공할 수 있어 굴착작업 시 도움을 줄 수 있을 것으로 판단된다.

• Ecology and Resilient Infrastructure
• /
• 제9권1호
• /
• pp.24-35
• /
• 2022

수질분야에서 물재해 안정성 강화를 위해 과거와 현재의 수질을 분석하여 예측하는 기술을 지속적으로 고도화하는 것이 필요하며 데이터 기반의 예측 모형이 하나의 대안으로 대두되고 있다. 데이터 기반 모형은 복잡하고 광범위한 자료의 양을 기반으로 구축되기 때문에 보다 신뢰도 있는 결과를 얻을 수 있는 입력자료의 조합을 위한 상관관계 분석방법의 적용이 필수적이다. 본 연구에서는 보다 신속하고 정확한 데이터 기반의 수질 예측 모형을 구성하기 위한 선행단계로 Gamma Test를 적용하였다. 먼저 팔당댐의 다양한 수문조건에 따른 해당 유역의 복잡성과 정밀성이 재현된 과거와 현재의 일단위 수질을 최대한 확보하고자 물리적 기반 모형 (HSPF, EFDC)을 구동하였다. 팔당댐 수질예측지점과 팔당댐으로 유입되는 주요 하천의 수질을 대상으로 Gamma Test를 수행한 후 해석결과 (Gamma, Gradient, Standar Error, V-Ratio)를 통해 최적의 자료조합을 선정하는 방법을 제시하였다. 본 연구의 결과는 데이터 기반 모형 구축 시 반복적인 수행과정을 생략하여 시간을 단축하면서 보다 효율적으로 최적의 입력자료를 선정할 수 있는 정량적인 기준을 보여준다.