양방향 DNN 해석을 이용한 삼성분계 콘크리트의 배합 산정에 관한 연구open accessA Study on the Calculation of Ternary Concrete Mixing using Bidirectional DNN Analysis
- Other Titles
- A Study on the Calculation of Ternary Concrete Mixing using Bidirectional DNN Analysis
- Authors
- 최주희; 고민삼; 이한승
- Issue Date
- Dec-2022
- Publisher
- 한국건축시공학회
- Keywords
- deep-learning; concrete mixing proportions; concrete mix design; strength prediction; 딥러닝; 콘크리트 배합요소; 콘크리트 배합설계; 강도 예측
- Citation
- 한국건축시공학회지, v.12, no.6, pp.619 - 630
- Indexed
- KCI
- Journal Title
- 한국건축시공학회지
- Volume
- 12
- Number
- 6
- Start Page
- 619
- End Page
- 630
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/188277
- DOI
- 10.5345/JKIBC.2022.22.6.619
- ISSN
- 1598-2033
- Abstract
- 콘크리트의 배합설계와 압축강도 평가는 지속가능한 구조물의 내구성을 위한 기초적인 자료로서 활용되고 있다. 하 지만, 콘크리트 배합설계는 최근 배합요소의 다변화 등의 이유로 인하여 정확한 배합요소 산정이나 기준값 설정에 어 려움을겪고 있다. 본 연구에서는 인공지능 기법 중 하나인 딥러닝 기법을 사용하여 삼성분계 콘크리트의 배합요소를 산정하는 양방향 해석의 예측모델을 설계하는 것을 목적으로 한다. 콘크리트 배합요소 산정을 위한 DNN 기반 예측모 델은 층 수, 은닉뉴런 수를 변수로 한 총 8개의 모델을 사용하여 성능평가 및 비교를 실시하였으며, 이후 학습된 DNN 모델을 사용하여 소요압축강도에 따른 콘크리트 배합 산정 결과를 출력하였다. 모델의 성능평가 결과, 콘크리트 압축 강도 인자에 대하여 평균 약1.423%의 오류율을 나타내었으며, 삼성분계 콘크리트 배합인자 예측에 대하여 평균 8.22%의 MAPE 오차를 만족하였다.
DNN 모델의 구조별 성능평가 비교 결과, 모든 배합인자에 대하여 DNN5L-2048 모델이 가장 높은 성능을 보였다. 학습된DNN 모델을 사용하여 30, 50MPa의 소요압축강도를 가지는 삼성분계 콘크 리트 배합표 예측을 진행하였으며, 추후 학습을위한 데이터 세트 확장과 실제 콘크리트 배합표와 DNN 모델 출력 콘 크리트 배합표 간의 비교를 통한 검증 과정이 필요할 것으로 판단된다.
- Files in This Item
-
Go to Link
- Appears in
Collections - ETC > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/188277)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.