박스 구조물의 부재력 예측을 위한 딥러닝 모델 구현 및 성능 비교 (Implementation and Performance Comparison of Deep Learning Models for Estimating Member Forces in Box Structures)

서지정보

· 발행기관 : 한국복합신소재구조학회
· 수록지 정보 : 한국복합신소재구조학회 논문집 / 15권 / 6호 / 48 ~ 57페이지
· 저자명 : 신서연, 지상원, 박건, 홍기남

초록

본 연구에서는 박스 구조물의 부재력 예측을 위한 다양한 딥러닝 모델의 정확성을 비교하고자 하였다. 이를 위해 상용 유한요소 프로그램인 MIDAS를 이용하여 300개의 유한요소모델을 작성하고, 수치해석을 수행하여 딥러닝 모델에 적용하기 위한 학습데이터를 생성하였다. 또한, 딥러닝 모델의 정확성을 비교하기 위해 MLP, CNN, RNN 및 LSTM과 같은 다양한 신경망 모델과 Adam, SGD, RMSprop 및 Adamax 등 최적화 알고리즘을 교차 적용하여 16개의 딥러닝 모델을 생성하였다. 그 결과 Adam 최적화 알고리즘이 모든 모델에서 가장 우수한 성능을 보여주었으며, 특히 MLP 모델에서 가장 높은 R2 값을 나타내었다. 이를 통해, 박스 구조물의부재력 예측을 위한 최적의 딥러닝 모델 구성은 Adam optimizer와 MLP 구조임을 확인하였다.

영어초록

In this study, we compared the accuracy of various deep learning models for estimating the member forces of box structures. Particularly, 300 finite element models were generated using the MIDAS commercial finite element program, and numerical analyses were performed to generate training data for the deep learning models. To compare model accuracy, 16 deep learning models were generated using various neural network architectures—MLP, CNN, RNN, and LST—and optimization algorithms, including Adam, SGD, RMSprop, and Adamax. The results demonstrated that the Adam optimizer consistently delivered best across all models, with the highest R2 value observed particularly in MLP. This confirms that the combination of the Adam optimizer and MLP architecture is the most effective configuration for predicting the member forces in box structures.

참고자료

· 없음