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.
피인용 0
초록·키워드
교량 하부구조는 구조물 안전성에 직결되는 핵심 부재임에도 불구하고, 기존 연구는 상부구조 중심의 단기 예측에 집중되어 있어 장기 외삽 구간에서의 비물리적 열화 패턴과 개별 구조물의 초기 조건을 반영하지 못하는 한계가 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 국내 교량 하부구조 부재를 대상으로 환경조건 및 지역적 특성을 반영한 단기･장기 통합 열화 예측 프레임워크를 구축하였다. 단기 예측(1~5년) 구간에는 RF, XGB, LightGBM 등 8종의 머신러닝･딥러닝 기법을, 장기 예측(5년 이상) 구간에는 Weibull, CoxPH 등 4종의 생존분석 기법을 적용하여 구간별 최적 모델을 도출하였다. 본 연구의 핵심 차별성은 단기 모델의 예측 결과를 개별 교량의 초기 조건으로 생존분석 모델에 연계함으로써, 집단 평균이 아닌 구조물별 전 수명주기 열화 궤적을 추정하는 ML-Survival 통합 구조를 제안한 데 있다. 분석 결과, 단기에서는 LightGBM(MAE 0.0276, MAPE 11.09 %), 장기에서는 Weibull 모형(C-index 0.9916, IBS 0.0037)이 최적 모델로 선정되었다. 학습에 사용되지 않은 제3의 실측 데이터를 통한 검증으로 일반화 성능과 실무 적용성을 입증하였으며, 본 프레임워크는 향후 교량 유지관리 우선순위 결정을 위한 객관적 의사결정 지표로 활용될 수 있다.
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
