지진 시 딥러닝을 활용한 케이슨 안벽의 침하량 예측

초록

2017년 포항지진을 계기로 국내에서 액상화 현상에 대한 관심이 증가하였으며, 케이슨식 안벽과 같은 항만 구조물의 내진 안정성 확보가 중요한 과제로 대두되고 있다. 기존 수치해석 기반의 피해 예측은 반복해석에서 많은 시간이 소요되며 대형 모형시험 또한 다양한 조건에 대한 반복수행이 어렵다는 한계를 가진다. 이에 본 연구에서는 FLIP 수치해석을 통해 다양한 지반 조건(N치), 지진동 세기(0.1~2.0m/s2)에 따른 침하량 및 수평변위 데이터를 구축하고 이를 기반으로 딥러닝 모델의 예측성능을 검토하였다. 구축된 시계열 응답 데이터를 대상으로 여러 알고리즘의 성능을 비교·분석하였으며 RMSE, 결정계수(R2)을 이용하여 모델 성능을 평가하였다. 분석결과 딥러닝 기반 접근법은 케이슨식 안벽의 액상화 피해 예측에 있어 적용 가능성이 있음을 확인하였다.

키워드