회귀나무기법과 일반선형회귀분석기법을 이용한 프락시 기반 VS30 추정 결과 비교
- Title
- 회귀나무기법과 일반선형회귀분석기법을 이용한 프락시 기반 VS30 추정 결과 비교
- Other Titles
- Comparison of the VS30 Prediction Results Based on Proxy Layer Using Regression Tree and Linear Regression Analysis
- Author
- 곽동엽
- Keywords
- VS30 추정; 프락시레이어; 회귀나무 기법; 일반선형회귀분석
- Issue Date
- 2020-10
- Publisher
- 대한토목학회
- Citation
- KSCE 2020 CONVENTION, page. 258-259
- Abstract
- 30 m 심도까지의 평균전단파속도인 VS30은 토층의 증폭정도인 부지효과를 나타내는 주요 변수이다. VS30은 물리탐사를 수행한다면 전단파속도주상도로부터 직접 계산할 수 있다. 하지만 물리탐사결과가 존재하지 않거나, 추가적으로 탐사를 수행하기 어려운 지역에서는 간접적으로 VS30을 추정할 필요가 있다. VS30은 토층의 두께 및 강성에 의존적이기에, 지질 특성 및 고도, 경사 등의 지형 속성과 관련되어 있다. 이러한 프락시는 한반도를 아우르는 레이어로 존재하기에, VS30과 프락시의 관계를 정립한다면 VS30을 어느 위치에서든 추정할 수 있다. 이번 연구에서는 기계학습 기법중 하나인 회귀나무 기법과 프락시 기반 VS30을 추정할 때 자주 쓰여 온 일반선형회귀분석 기법을 사용하여 프락시와 VS30의 관계를 살펴보고, 또 두 기법의 정확도를 비교해 보고자 한다. 정확도 비교는 직접 계산된 VS30과 기법을 통해 추정한 VS30의 잔차의 표준편차로 판단하였다. 총 468개 위치에서 VS30과 지질시대, 지질 분류, 고도, 경사도의 프락시 데이터를 수집하였다. 프락시를 입력으로 하고 VS30을 출력으로 하는 데이터를 모델 학습용 데이터와 모델 검증용 데이터로 나누어 모델을 생성하고 검증한 결과, 학습/검증 비율을 50%/50%로 하였을 경우 일반선형회귀분석이 회귀나무기법보다 향상된 결과를, 70%/30%로 하였을 경우 두 기법의 표준편차가 비슷해졌으며, 전체 데이터를 학습용 데이터로 설정하고 생성 된 모델을 학습데이터에 재적용하였을 경우, 회귀나무기법의 표준편차가 일반선형회귀분석기법의 표준편차보다 확연히 작은 값을 나타내었다.
- URI
- https://www.dbpia.co.kr/journal/articleDetail?nodeId=NODE10569684https://repository.hanyang.ac.kr/handle/20.500.11754/165314
- Appears in Collections:
- COLLEGE OF ENGINEERING SCIENCES[E](공학대학) > CIVIL AND ENVIRONMENTAL ENGINEERING(건설환경공학과) > Articles
- Files in This Item:
There are no files associated with this item.
- Export
- RIS (EndNote)
- XLS (Excel)
- XML