오렌지마이닝을 활용한 기계학습 모델별 점토 압축지수의 오차율 및 예측 비교 (Comparison of Error Rate and Prediction of Compression Index of Clay to Machine Learning Models using Orange Mining)

서지정보

· 발행기관 : 한국지반신소재학회
· 수록지 정보 : 한국지반신소재학회 논문집 / 23권 / 3호 / 15 ~ 22페이지
· 저자명 : 유재웅, 김우영, 김태형

초록

연약지반을 개량하고 그 위에 구조물을 시공하는 데 있어 지반 침하량을 예측하는 것은 매우 중요한 일이다. 침하량을 예측하기 위해 과거로부터 많은 연구들이 진행되었고 많은 예측 식이 제시되었다. 침하량은 점토의 압축지수를 통해 산정할 수있다. 본 연구에서는 부산항 신항의 함수비, 간극비, 액성한계, 소성한계, 압축지수의 데이터를 수집하여 데이터 셋을 구축하고, 구축된 데이터 셋을 통해 각 데이터 사이의 상관분석을 실시하였다. 오렌지 마이닝 프로그램을 이용하여 기계학습 알고리즘인 Random Forest, Neural Network, Linear Regression, AdaBoost, Gradient Boosting을 적용하여 압축지수 예측모델을 제시하였다. 각 모델의 결과는 오차율을 나타내는 지표 중 하나인 RMSE 값과 MAPE 값 그리고 모델의 유의미함을나타내는 R2 값을 비교하여 평가하였다. 그 결과, 함수비가 가장 큰 상관성을 보이며, 소성한계의 경우 다른 특성들보다다소 낮은 상관성을 나타냈다. 각 모델을 비교한 결과 AdaBoost 모델이 가장 오차율이 낮고, 결정 계수 값이 크게 도출되었다.

영어초록

Predicting ground settlement during the improvement of soft ground and the construction of a structure is an crucial factor.
Numerous studies have been conducted, and many prediction equations have been proposed to estimate settlement.
Settlement can be calculated using the compression index of clay. In this study, data on water content, void ratio, liquid limit, plastic limit, and compression index from the Busan New Port area were collected to construct a dataset. Correlation analysis was conducted among the collected data. Machine learning algorithms, including Random Forest, Neural Network, Linear Regression, Ada Boost, and Gradient Boosting, were applied using the Orange mining program to propose compression index prediction models. The models' results were evaluated by comparing RMSE and MAPE values, which indicate error rates, and R² values, which signify the models' significance. As a result, water content showed the highest correlation, while the plastic limit showed a somewhat lower correlation than other characteristics. Among the compared models, the AdaBoost model demonstrated the best performance. As a result of comparing each model, the AdaBoost model had the lowest error rate and a large coefficient of determination.

참고자료

· 없음