강 I거더 교량 시스템에서 버팀(보강) 부재는 횡방향 비틀림 좌굴(LTB)로 인해 교량의 회전을 구속하기 위한 필수 구조 구성요소이다. 현행 설계 기준에서는 I거더 단면이 불안정으로 인해 예기치 않게 비틀리는 것을 방지하기 위해 버팀 부재를 설치하도록 요구한다. 버팀 부재 요소에 작용하는 버팀 내부력의 크기를 추정하기 위해서는 상당히 보수적인 설계 값을 제공하는 근사 설계식을 사용할 수 있다. 그렇지 않은 경우, 초기 결함을 고려한 철저한 유한요소해석을 수행하여 강 I거더 버팀 시스템의 정확한 버팀 내부력을 얻을 필요가 있다. 본 연구의 목적은 LTB가 발생할 때, 현행 설계 방법론에 비해 버팀 부재 요소에 작용하는 내부력을 보다 정확히 추정하기 위한 심층신경망(DNN) 알고리즘 기반의 추정 모델을 제안하는 데 있다. 이를 위해 초기 결함을 포함한 기하학적으로 비선형 해석으로 구조 응답 데이터를 구축하여, 즉 버팀 모멘트(Mbr)와 버팀 힘(Fbr)인 버팀 내부력을 정확히 산정한다. 예측 모델을 제안하기 위해 구조 응답 데이터의 학습을 위해 16개 입력 변수와 3개 출력 변수를 선정하였다. 또한 DNN 모델에 사용된 하이퍼파라미터에 대해 은닉층 수, 뉴런 수, 그리고 에폭 수를 대상으로 매개변수 연구를 수행하였다. 통계적 성능 지표(즉, RMSE, MSE, MAE, 및 R2)에 근거하여, DNN 모델을 이용한 추정값을 평가함으로써 최적의 예측 모델을 결정하였다. 마지막으로, 하이퍼파라미터(은닉층 수, 뉴런 수, 에폭 수)에 따라 최상의 예측 결과를 제공하면서도 버팀 부재 요소의 내부력(Mbr, Fbr)을 보다 정확히 추정하는 DNN 모델을 제안한다.

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