• 충격 하에서 RC 보의 처짐에 영향을 미치는 도메인 기반 특성들이 확인되었다 • 추중(落重) 충격 시험을 통해 처짐을 좌우하는 핵심 특성으로 휨 강성이 확인되었다 • 도메인 기반 ML 모델이 처짐 예측에서 기존의 모델을 능가하였다 • SHAP로 식별된 특성을 사용하는 설계용 간소화 공식을 제안하였다 최대처짐은 차량 충돌이나 낙석과 같은 저속 충격 시나리오에 노출되는 철근콘크리트(RC) 부재의 충격 저항성을 평가하는 핵심 지표로 널리 사용되어 왔다. 처짐을 예측하기 위해 경험식, 스프링-질량(spring-mass) 및 에너지 기반 방법 등 다양한 방법들이 제안되어 왔다. 그러나 이러한 방법들은 동적 재료 거동, 파괴 양상 및 충격 하중 전달에 관한 단순화된 가정에 기반하므로, 폭넓은 충격 시나리오에 대한 적용성이 제한된다. 이에 대한 대안으로 기계학습(ML)이 등장하였으나, 기존 대부분의 ML 모델은 RC 부재의 기본적인 기하 및 재료 특성만을 고려하는 경향이 있어 해석 가능성이 낮고 구조역학과의 일관성이 약하다. 이러한 문제를 해결하기 위해 본 연구는 충격 하중과 구조 저항을 모두 나타내는 물리적으로 의미 있는 변수들을 통해 도메인 지식을 반영한 ML 모델을 제안한다—구체적으로 충격 에너지, 충격 모멘텀, 정적 휨 내력, 휨 강성이다. 그중 휨 강성은 처짐과의 강한 연관성에도 불구하고 선행 연구에서 간과되어 왔다. 휨 강성에 대한 도메인 지식을 확장하고 이를 ML 모델에 적용하기 위해, 강성 수준이 서로 다른 RC 보에 대해 6회의 추중 충격 시험을 수행하였으며, 그 결과를 문헌 기반 157건의 데이터셋과 결합하였다. 모델 성능 평가 결과, 도메인 지식을 통합하는 것은 예측 정확도와 모델 투명성 모두를 유의미하게 향상시켜, 기존의 ML 및 경험식을 능가하는 것으로 나타났다. 또한 실제 적용을 고려하여, ML 분석을 통해 중요도가 높게 식별된 변수들에 기반한 회귀 공식을 제안하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.