머신러닝과 매개변수 분석을 통한 대심도 지하인프라 안정성 예측

초록

본 연구는 다양한 머신러닝 알고리즘을 적용하여 터널 압착 현상을 예측하고 머신러닝에 활용되는 매개 변수의 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 예측 에 중요한 영향을 미치는 것으로 나타났으며 Q값을 RMR으로 변환하여 머신러닝에 적용하는 것이 더 바 람직하다고 분석하였다. 또한 SVM-PSO 기법이 94%로 가장 높은 정확도를 나타냈다.

키워드