다변량 지반 물성(투수계수) 예측을 위한 최적 ML 회귀 모델

Optimal Machine-Learning Regression for Hydraulic Conductivity Prediction of Sand

연구 내용

다변수 지표를 입력으로 모래의 Hydraulic conductivity를 예측하는 최적 Machine Learning 기반 회귀모델을 구축하는 연구

모래의 Hydraulic conductivity는 입도·다공성·구조와 같은 다변량 지표와 비선형 관계를 가지며, 현장에서는 제한된 시험 결과로 인해 신뢰도 있는 추정이 필요합니다. 김한샘 연구실은 다변량 통계 기반의 index 성격 변수를 정리하고, Support vector machine과 multivariate adaptive regression splines, Bayesian multivariate linear regression 등 회귀 모델을 비교하여 최적 모델을 도출합니다. 이를 통해 토양·지반 물성의 데이터 기반 역산을 수행하고, 수리해석 및 환경공학적 매개변수 설정에 활용 가능한 예측 체계를 구성합니다.

관련 프로젝트

0건

연구 흐름

단일 연구로 다변량 index 속성을 체계화한 뒤, 모래 Hydraulic conductivity 예측을 목표로 회귀모델을 구성했습니다. 이후 서로 다른 비선형 학습 구조(SVM, MARS)와 확률적 선형 추정(Bayesian 회귀)을 동일한 입력 체계에서 비교하고, 최적화된 회귀 구성을 통해 예측 성능을 높이는 방향으로 연구가 진행되었습니다. 결과적으로 현장 시험 자료가 제한된 조건에서도 물성 추정을 보조할 수 있는 데이터 기반 회귀 접근을 정립했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

지반 수리전도도 파라미터 산정
지하수 흐름 해석 입력값 생성
오염물질 이동 모델링 보정
제방 및 사면 누수 평가
지반공학 설계 보수성 향상
현장 데이터 기반 물성 역산
수치해석 매개변수 최적화
모형 보정용 학습 데이터 구축
침투·배수 성능 예측
수자원 및 환경 리스크 의사결정 지원