인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
콘크리트는 화재와 같은 고온에 노출되는 경우 물리적, 화학적 변화가 발생하여 압축강도가 현저히 저하된다. 고온에 노출된 콘크리트의 강도를 평가하기 위해 전통적인 실험 방법을 사용하는 것은 시간과 비용이 많이 소요될 뿐만 아니라, 콘크리트 배합비와 같은 다양한 변수의 영향을 종합적으로 고려하기 어렵다는 한계가 있다. 이러한 문제를 해결하고자 최근 머신러닝(ML) 기법 중 앙상블 모델을 활용하여 화재 시 콘크리트의 압축강도를 예측하려는 시도가 다수 이루어졌으나, 앙상블 모델 간의 예측 성능을 비교 평가한 연구는 상대적으로 부족한 실정이다. 이에 본 연구는 Gradient Boosting Regressor (GBR), Extreme Gradient Boosting Regressor (XGBR), Categorical Gradient Boosting (CatBoost), Random Forest (RF), Extra Trees, 5가지 앙상블 모델을 비교 평가하여 혼화재가 혼입된 콘크리트의 고온 노출 시 압축강도를 예측하는 데 적합한 모델을 제안하고자 하였다. 각 모델의 예측 성능을 결정계수(R²), 평균제곱근오차(RMSE), 평균절대오차(MAE) 지표를 기준으로 평가한 결과, CatBoost 모델이 가장 높은 예측 정확도를 보였으며, 변수 중요도 분석을 통해 물-결합재 비율과 가열 온도가 주요 영향 변수임을 확인하였다. 또한, 모델의 학습 과정에 사용되지 않은 새로운 데이터를 활용하여 CatBoost 및 ET 모델의 예측 성능을 검증한 결과, CatBoost가 실험 결과와 더 높은 일치를 보임으로써 우수한 예측 성능을 입증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092499083
