| 수록사항 |
한국구조물진단유지관리공학회 논문집 , Vol.28 No.5(2024-10) |
| 주제어 |
기계학습; 염화물 확산계수; 해양 노출 환경; 콘크리트 교량; 정밀안전진단 데이터 ; Machine learning; Chloride diffusion coefficient; Marine exposure environment; Concrete bridge; Precision safety diagnosis data |
| 요약1 |
염화물 확산계수는 해양환경에 위치한 콘크리트 교량의 내구성 평가를 위한 중요한 지표 중 하나이다. 본 논문에서는 기존 연구에서 고려하지 않았던 해양 노출 환경(대기중, 비말대, 간만대)과 공용 중인 콘크리트 교량의 데이터를 활용해 염화물 확산계수 예측 모델을 개발하였다. 이를 위해 교량 하부구조에서 취득한 염화물 프로파일 데이터를 활용하였고 데이터 전처리 후 기계학습 모델인 RF, GBM, KNN을 하이퍼파라미터 튜닝을 통해 최적화 하였다. 콘크리트 물성치를 포함한 6개 변수(W/B, 시멘트 종류, 굵은골재 부피 비율, 공용연수, 강도, 노출 환경) 모델과 노출 환경을 고려하지 않은 5개 변수 모델, 정밀안전진단에서 취득 가능한 3개 변수(공용연수, 강도, 노출 환경) 모델을 개발하여 성능을 비교·검토 하였다. 그 결과 해양 환경에 위치한 콘크리트 교량의 경우 노출 환경을 고려함에 따라 염화물 확산계수 예측 모델의 성능을 향상시킬 수 있음을 확인하였으며, 또한 정밀안전진단 데이터만으로도 염화물 확산계수를 효과적으로 예측할 수 있음을 확인하였다. |
| 요약2 |
The chloride diffusion coefficient is a critical indicator for assessing the durability of concrete marine substructures. This study develops a prediction model for the chloride diffusion coefficient using data from concrete bridges located in marine exposure zones (atmospheric, splash, tidal), an aspect that has not been considered in previous studies. Chloride profile data obtained from these bridge substructures were utilized. After data preprocessing, machine learning models, including Random Forest (RF), Gradient Boosting Machine (GBM), and K-Nearest Neighbors (KNN), were optimized through hyperparameter tuning. The performance of these models was developed and compared under three different variable sets. The first model uses six variables: water-to-binder (W/B) ratio, cement type, coarse aggregate volume ratio, service life, strength, and exposure environment.
The second model excludes the exposure environment, using only the remaining five variables. The third model relies on just three variables: service life, strength, and exposure environment factors that can be obtained from precision safety diagnostics. The results indicate that including the exposure environment significantly enhances model performance for predicting the chloride diffusion coefficient in concrete bridges in marine environments.
Additionally, the three variable model demonstrates that effective predictions can be made using only data from precision safety diagnostics. |
