메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
오형석 (경북대학교) 문준식 (경북대학교) 심재춘 (경북대학교) 황명하 (경북대학교) 석상수 (경북대학교) 김병권 (경북대학교) 이호석 (비젼테크)
저널정보
한국암반공학회 터널과 지하공간 터널과 지하공간 제34권 제6호(통권 제173호)
발행연도
2024.12
수록면
735 - 749 (15page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구는 다양한 머신러닝 알고리즘을 적용하여 터널 압착 현상을 예측하고 머신러닝에 활용되는 매개변수의 영향도 분석을 실시하였다. 본 연구에서는 117개의 현장 데이터를 이용해 연구를 진행하였으며 매개변수로는 토피고(H), 터널 직경(D), Q 분류법, 암반 분류 지수(RMR), 변형계수(E)를 활용하였다. 머신러닝 기법으로는 랜덤 포레스트, 그래디언트 부스팅, 서포트 벡터 머신(SVM), 입자 군집 최적화가 결합된 SVM-PSO 모델을 사용하여 터널 압착을 예측하였다. 분석 결과 토피고와 터널 직경이 압착 예측에 중요한 영향을 미치는 것으로 나타났으며 Q값을 RMR으로 변환하여 머신러닝에 적용하는 것이 더 바람직하다고 분석하였다. 또한 SVM-PSO 기법이 94%로 가장 높은 정확도를 나타냈다.
#Tunnel #RandomForest #Gradient Boosting #SVM #SVM-PSO #터널

목차

ABSTRACT
초록
1. 서론
2. 머신러닝 알고리즘
3. 데이터 분석
4. 분석결과
5. 결론
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092118994