기계학습 모형의 콘크리트 압축강도 예측 성능 비교 연구

뒤로	원문보기 \| 미리보기 [ 원문보기시 소비되는 포인트 : 100 포인트 ]

논문명	기계학습 모형의 콘크리트 압축강도 예측 성능 비교 연구 / Comparison of Performance for Predicting Compressive Strength of Concrete Using Machine Learning
저자명	이상민(Sang Min Lee) ; 성한석(Han Suk Sung) ; 강현구(Thomas H.-K. Kang)
발행사	한국콘크리트학회
수록사항	한국콘크리트학회논문집, Vol.34 No.5 (2022-10)
페이지	시작페이지(505) 총페이지(9)
ISSN	1229-5515
주제분류	재료 / 구조
주제어	기계학습; 압축강도; 배합설계; 신경망; 가우시안 프로세스 회귀모형 // machine learning; compressive strength; mix design; neural networks; Gaussian process regression
요약1	본 연구의 목적은 콘크리트 압축강도 예측을 위한 여러 기계학습 모형의 성능을 비교하고 분석하는 것이다. 공개된 콘크리트 배합비와 압축강도 데이터베이스와 함께 실제 실험을 통해 측정한 공시체의 압축강도와 배합비 데이터가 함께 사용되었다. 입력변수로 시멘트, 고로슬래그미분말, 플라이 애시, 물, 고성능감수제, 굵은 골재, 잔골재, 재령이 도입되었고, 출력변수는 콘크리트 압축강도로 설정하였다. 각 기계학습 모형의 세부 파라미터를 변경해가며 가장 예측력이 높은 모형을 탐색하였고, 결과적으로 Neural Network와 Gaussian Process Regression 계열의 모형이 Linear Regression, Decision Tree, Support Vector Machine, Ensemble 모형에 비해 전반적으로 우수한 예측 성능을 보이는 것을 확인하였다. 본 연구에서는 배합비만으로 실제 공시체 측정 없이 적은 오차 범위 이내로 콘크리트 압축강도 예측이 가능한 기계학습 모형을 구현하였다는 점에서 의미 있는 결론을 도출하였다. 또한 기존의 연구와 다르게 회귀를 위한 여러 기계학습 모형의 성능을 동일 데이터에 대하여 직접 비교하였다는 차별점이 있다. 향후 데이터베이스의 계속된 축적과 여러 환경 변수들의 추가를 통해 성능을 더욱 높일 수 있을 것이다.
요약2	The purpose of this study is to compare and investigate the performance of various machine learning models for predicting the compressive strength of concrete. The compressive strength and mixing ratio data of the specimens measured from various experiments were combined with an open database. Input variables were related to cement, blast furnace slag, fly ash, water, superplasticizer, coarse aggregate, fine aggregate, and age. The output variable was the compressive strength of the concrete. As a consequence, the neural network and Gaussian process regression model outperformed the linear regression, decision tree, support vector machine, and ensemble models in terms of predictive performance. This study is superior in that it uses a machine learning model to predict the compressive strength of concrete within a limited error range without having to measure the compressive strength of concrete. This research paves the way to improving the accuracy of prediction through database accumulation and the incorporation of environmental variables in the future.
소장처	한국콘크리트학회

스크랩하기

추천문헌	이 논문을 열람하신 아우릭 회원님들이 많이 열람하신 논문을 추천해 드립니다.
혼화재료를 치환한 시멘트 계열 재료에 대한 저점도형 고성능 감수제의 유동 성능 평가 손배근(Son, Bae-Geun) ; 이향선(Lee, Hyang-Seon) ; 이유정(Lee, You-Jeong) ; 한동엽(Han, Dong-Yeop) - 한국건축시공학회 논문집 : Vol.19 No.3 (201906)
산업부산물 치환 및 저점도형 고성능 감수제를 사용한 시멘트 계열 재료의 점도저하 방안 연구 손배근(Bae-Geun Son) ; 한동엽(Dongyeop Han) - 한국건설순환자원학회 논문집 : Vol.5 No.4 (201712)
PVA 및 붕사를 사용한 고요변성 시멘트 계열 재료 제조를 위한 기초 물성 분석 이향선(Lee, Hyang-Sun) ; 이유정(Lee, You-Jung) ; 이영준(Lee, Young-Jun) ; 한동엽(Han, Dongyeop) - 한국건축시공학회 논문집 : Vol.20 No.3 (202006)
레올로지 정수를 이용하여 21, 24MPa급 일반강도 콘크리트의 재료분리 경계를 판단하기 위한 기초연구 이유정(Lee, You-Jung) ; 이영준(Lee, Young-Jun) ; 한동엽(Han, Dongyeop) - 한국건축시공학회 논문집 : Vol.20 No.5 (202010)
PVA 및 붕사를 사용한 고유동 모르타르의 거푸집 누출량 저감 가능성 분석 김영기(Kim, Young-Ki) ; 이유정(Lee, Yu-Jeong) ; 허준호(Heo, Jun-Ho) ; 한동엽(Han, Dongyeop) - 한국건축시공학회 논문집 : Vol.22 No.2 (202204)
머신러닝 기반 콘크리트 압축강도 예측 연구 이상민(Lee, Sang Min) ; 성한석(Sung, Han Suk) ; 강현구(Kang, Thomas H.-K.) - 한국콘크리트학회 학술대회 논문집 : Vol.34 No.1 (202205)
장단기기억 순환신경망 기반 콘크리트 건물 벽면 풍압계수 예측 연구 이상민(Lee, Sang Min) ; 강현구(Kang, Thomas H.-K.) - 한국콘크리트학회 학술대회 논문집 : Vol.33 No.2 (202111)
LSTM 네트워크를 활용한 콘크리트 건물의 벽면 풍압계수 예측 연구 이상민(Lee, Sang Min) ; 강현구(Kang, Thomas H.-K.) - 한국콘크리트학회 학술대회 논문집 : Vol.33 No.1 (202105)
PVA와 붕사를 혼입한 시멘트 페이스트의 유동성에 대한 기초 연구 이향선(Lee, Hyang Sun) ; 이유정(Lee, Yu Jeong) ; 한동엽(Han, Dong Yeop) - 한국건설순환자원학회 학술발표 논문집 : Vol.19 n.1 (201904)
시멘트 계열 재료의 점도 저하용 혼화재료로서 폐석회석 미분말의 사용 가능성 분석 이향선(Hyang-Seon Lee) ; 전종운(Jong-Un Jeon) ; 손배근(Bae-Geun Son) ; 한동엽(Dongyeop Han) - 한국건설순환자원학회 논문집 : Vol.6 No.2 (201806)