인공신경망을 활용한 매입형 합성기둥의 비선형 변형능력 예측

Abstract

내진성능설계·평가에서 비선형 모델링 파라미터 정의는 필수적이나, 매입형 합성기둥에 대한 명확한 지침이 부족하다. 본연구에서는 인공신경망(ANN)을 활용해 매입형 합성기둥의 비선형 모델링 파라미터를 예측하고, 학습 데이터 분류 기준으로 단면해석을 적용하였다. 일부 실험체 단면해석 결과와 실험결과 간 편차를 확인한 후, 전체 데이터군과 높은 일치도를 보인 데이터군으로 구분해각각 모델을 학습하였다. 그 결과 일치 데이터 기반 모델이 전체 모델보다 예측 정확도가 개선되어, 해석과정을 통한 데이터 정제 과정이 데이터 기반 인공신경망 모델 성능 향상에 효과적임을 보였다.

To perform seismic performance evaluation, nonlinear modeling parameters are essential. However, for concrete-encased steel columns, a relevant parameter set has not been established, probably due to the lack of sufficient test results. In this study, the database of test results was first established and artificial neural network (ANN) models for prediction of the nonlinear deformation capacity (which corresponds to the nonlinear modeling parameter a in ASCE 41) were sought. To improve the prediction accuracy, test data were compared with the results of section analysis, then divided into two groups, which are Group C (Consistent) and Group NC (Not-consistent). Two ANN models, one using all data for training and the other using the Group C only, were established. Comparisons of prediction results between two groups indicated that selection of consistent data for training was very effective to obtain the accurate predictions.