[논문 리뷰] Response Prediction of Structural System Subject to Earthquake Motions using Artificial Neural Network

Snehashish Chakraverty, Tshilidzi Marwala외 2명|arXiv (Cornell University)|2007. 05. 15.

Structural Health Monitoring Techniques참고 문헌 18인용 수 12

한 줄 요약

이 연구는 카몰리와 우타르카시에서 수집한 지반운동 데이터를 사용하여 인도 지진 운동 하에서 구조 시스템 반응을 예측하기 위한 인공 신경망(ANN) 모델을 제안한다. 실제 지진 데이터로 훈련된 ANN은 다양한 강도와 시간 주기에서 최대 반응을 정확하게 예측하며, 예측된 지진 데이터에 대해 강력한 일반화 능력을 보이며, 건물의 사전 시ismic 안전 평가 잠재력을 입증한다.

ABSTRACT

This paper uses Artificial Neural Network (ANN) models to compute response of structural system subject to Indian earthquakes at Chamoli and Uttarkashi ground motion data. The system is first trained for a single real earthquake data. The trained ANN architecture is then used to simulate earthquakes with various intensities and it was found that the predicted responses given by ANN model are accurate for practical purposes. When the ANN is trained by a part of the ground motion data, it can also identify the responses of the structural system well. In this way the safeness of the structural systems may be predicted in case of future earthquakes without waiting for the earthquake to occur for the lessons. Time period and the corresponding maximum response of the building for an earthquake has been evaluated, which is again trained to predict the maximum response of the building at different time periods. The trained time period versus maximum response ANN model is also tested for real earthquake data of other place, which was not used in the training and was found to be in good agreement.

연구 동기 및 목표

• 지진 하중 하에서 구조 시스템 반응을 예측하기 위한 인공 신경망(ANN) 모델을 개발하기 위해.
• 실제 카몰리 및 우타르카시 지진의 지반운동 데이터를 사용하여 ANN 예측의 정확도를 평가하기 위해.
• 미래 지진 위험 예측을 위해 훈련에 사용되지 않은 지진 데이터에 대한 일반화 능력을 평가하기 위해.
• 구조 안전 평가를 위한 예측 입력으로서 시간 주기 대 최대 반응 관계를 탐색하기 위해.

제안 방법

• 카몰리 및 우타르카시 지진에서 기록된 지반운동 데이터를 사용하여 인공 신경망(ANN)을 훈련한다.
• ANN은 지진 시간 주기와 해당하는 최대 구조 반응 간의 관계를 학습한다.
• 모델은 지반운동 데이터의 일부를 훈련용으로 사용하고 나머지 데이터로 검증하여 일반화 능력을 평가한다.
• 훈련된 ANN을 사용하여 훈련 세트에 포함되지 않은 다양한 강도의 지진에 대한 반응을 예측한다.
• 시간 주기 대 최대 반응 관계는 별도로 모델링하고 외부 실지 지진 데이터로 검증한다.
• 예측 결과를 실제 반응과 비교하여 정확도 및 실용적 적용 가능성을 평가한다.

실험 결과

연구 질문

• RQ1 제한된 훈련 데이터로 인도 지진 지반운동 하에서 구조 시스템 반응을 ANN이 정확하게 예측할 수 있는가?
• RQ2 훈련에 사용되지 않은 지진에 대해 ANN의 일반화 능력은 얼마나 우수한가?
• RQ3 시간 주기 대 최대 반응 관계는 어느 정도 정확하게 모델링되고, 구조 안전 예측에 활용될 수 있는가?
• RQ4 다른 지진 강도에 대해 ANN 모델이 정확도를 유지하는가?
• RQ5 훈련된 ANN은 실제 지진 발생 이전에 건물의 사전 안전 평가에 사용될 수 있는가?

주요 결과

• 단일 실지 지진 데이터셋으로 훈련된 ANN 모델은 다양한 지진 강도에서 구조 반응을 높은 정확도로 예측하였다.
• 지반운동 데이터의 일부로 훈련된 경우에도 ANN은 여전히 효과적으로 반응을 예측하여 부분적 훈련 데이터에 대한 강건성을 보였다.
• 다른 지역에서 발생한 지진 데이터에 대해 예측된 반응이 실제 반응과 양호한 일치를 보이며 일반화 능력을 확인하였다.
• 시간 주기 대 최대 반응 ANN 모델은 일관된 정확도로 다양한 시간 주기에서의 구조 반응을 성공적으로 예측하였다.
• 본 연구는 ANN이 실제 지진 발생을 기다리지 않고도 건물의 사전 시ismic 안전 평가를 위한 신뢰할 수 있는 도구로 활용될 수 있음을 확인하였다.