Support Vector Machine을 이용한 흙막이공법 선정모델에 관한 연구

A Study on the Selection Model of Retaining Wall Methods Using Support Vector Machines

  • 김재엽 (충주대학교 건축공학과) ;
  • 박우열 (안동대학교 건축공학과)
  • 발행 : 2006.04.30

초록

건축공사가 대형화됨에 따라 대규모 지하공간을 구축하기 위한 흙막이 공사의 중요성도 점차 커지고 있다. 따라서 적정한 흙막이공법의 선정은 건축공사의 원활한 수행을 위해서 매우 중요한 요소 중의 하나라 할 수 있다. 그러나 흙막이공법의 설계와 시공이 분리되어 있는 우리나라의 경우에는 많은 설계변경이 발생하고 있고, 이러한 설계변경은 건설사업의 성패를 좌우하는 공사비와 공기 측면에서 지대한 영향을 줄 수 있다. 본 연구에서는 이러한 흙막이공법에 대한 의사결정 단계에서 활용할 수 있는 Support Vector Machine(SVM)을 활용한 흙막이공법 선정모델을 구축하여 제안하였다. SVM은 기본적으로 이원분류를 위한 분류기이기 때문에 이원분류기를 조합한 형태의 다원분류기로 확장하여 모델을 구축하였다. 구축한 SVM 모델을 실제사례에 적용한 결과 비교적 정확한 결과를 도출하는 것으로 나타났으며, 따라서 본 연구에서 제시한 SVM 흙막이공법 선정모델은 흙막이공법 선정의 의사결정과정에 유용하게 활용될 수 있을 것으로 사료된다.

There is a greater importance for underground work designed and built in the urban areas when it comes to considering the cost-effectiveness and the period of construction commensurate with an increasing trend of skyscrapers. At this stage of underground work, it's extremely necessary to choose a proper earth retaining method. Therefore, the study has suggested the rational retaining wall method by developing the support vector machine(SVM) model as a tool to choose a proper retaining wall method applied at the stage of selecting the earth retaining method. In order to develop the SVM model, the binary SVM classifier is expanded into a multi-class classifier. and to present the feasibility of our SVM model, we considered 129 projects. Applying the 'SVM Model' developed in the study to the designing and developing stages of the earth retaining work will contribute to the successful outcomes by decreasing any changes of design from implementing the earth retaining.

키워드

참고문헌

  1. 김재엽(2002), '건축공사 흙막이공법 선정의 합리화를 위한 신경망시스템 구축에 관한 연구', 고려대 박사학위논문
  2. 김재엽 외(2002), '건축공사 흙막이벽체 공법 선정을 위한 신경망 시스템 개발 연구', 대한건축학회논문집 구조계, 18권 10호, pp.69-76
  3. 김재엽 외(2004), 'CBR을 이용한 흙막이공법 선정모델에 관한 연구', 건설관리, 5권 5호, 한국건설관리학회, pp.76-83
  4. 김재엽 외(2003), '신경망을 이용한 흙막이지보공 공법 선정모델 개발에 관한 연구', 대한건축학회논문집 구조계, 19권 5호, pp.121-128
  5. 박우열(2003), '유전자 알고리즘을 이용한 철근공사 최적 물량산출 모델 및 관리시스템 개발', 고려대 박사학위논문
  6. 김광희, 김상용, 강경인(2004), '공동주택 공사비 예측 정확도 비교에 관한 연구', 대한건축학회 논문집 구조계, 20권 5호, pp.93-102
  7. 김유일, 신은경, 홍태호(2004), '신경망과 SVM을 이용한 주가지수예측의 비교', 인터넷전자상거래연구, 4권 3호, pp.221-243
  8. 박정민(2003), 'Support Vector Machine을 이용한 기업부도예측', 한국과학기술원 석사학위논문
  9. 이용민, 최경현(2001), 'Weighted Support Vector Machine의 활용성에 대한 연구', 대한과학회/대한산업공학회 춘계공동학술대회, pp.715-718
  10. 이진선 외(2005), '대용량 분류에서 SVM과 신경망의 성능비교', 정보처리학회논문지 B, 12B권 1호
  11. 이창남(1998), '건축구조 뿌리에서 새순까지 I', 기문당, p.57
  12. 정영미 외(2000), 'SVM 분류기를 이용한 문서 범주화 연구', 정보관리학회지, 17권 4호
  13. 嘉納成男 外(1998), '山留壁の工法推定モデルとその推定精度の比較', 日本建築學會計劃系論文集, No.510, p.197
  14. Abe S.(2003), 'Analysis of multiclass support vector machines', Proc. International Conference on Computational Intelligence for Modelling Control and Automation, pp.385-396
  15. C. J. C. Burges(1998), 'A Tutorial on Support Vector Machines for Pattern Recognition'. Knowledge Discovery and Data Mining, 2(2)
  16. Joachims T. (1999), '11 in: Making large-Scale SVM Learning Practical. Advances in Kernel Methods - Support Vector Learning', B. Sch?lkopf and C. Burges and A. Smola (ed.), MIT Press
  17. Vapnik V. N.(1999), 'The Nature of Statistical Learning Theory', Springer-Verlag
  18. Yau N. & Yang J.(1998), 'Applying Case - Based Reasoning Technique to Retaining Wall Selection', automation in construction 7, pp.271-283 https://doi.org/10.1016/S0926-5805(97)00072-1
  19. http://www.cs.ucl.ac.uk/staff/M.Sewell/ (2005.7.20)