브리지 구성요소의 확률적 지진 수요 예측에서의 인공신경망 응용

초록 브리지 구성요소인 기둥과 받침대의 확률적 지진 수요 모델(PSDM)은 일반적으로 단변량 모델 형식이 로그 변환된 공간에서 미리 정의되는 고전적 선형 회귀 기법을 통해 개발됩니다. 보다 발전된 기계 학습(ML) 기반의 PSDM은 다양한 불확실성 소스를 통합하여 브리지 구성요소의 지진 수요를 보다 신뢰할 수 있게 예측하고 전체 브리지 시스템의 취약성 평가를 강화합니다. ML 접근법의 발전에도 불구하고, 그 중 많은 것들이 브리지의 지진 반응을 추정하는 데 소개되지 않았습니다. 이를 위해 본 연구는 평판이 좋은 ML 접근법인 인공신경망(ANN)을 이용하여 예측 PSDM을 개발하고자 합니다. 고전적인 단변량 PSDM에 비해 ANN 기반 PSDM은 특히 큰 지반 운동 강도와 작은 지반 운동 강도 범위에서 수요의 중앙값 추정을 개선하며 총 예측 변동성을 줄입니다. 더 나아가, 제안된 ANN 기반 접근법은 지진 수요의 편향되지 않은 예측을 제공하는 일반화 가능한 모델을 제공합니다. ANN 기반 PSDM은 취약성 및 위험 평가 과정에서 구조적 손상의 확률 추정에 추가로 사용될 수 있습니다.