김성렬 연구실

본 연구는 심층 연약 점토층의 압밀침하 예측을 위해 LSTM-트랜스포머 하이브리드 모델(SLT, PLT)을 개발하였습니다. 부산 뉴포트 데이터를 활용하여 기존의 Hansbo 방법 및 기본 트랜스포머 모델보다 더 정확한 시간-침하 예측을 달성하였으며, 단계 하중 기간, 최대 성토 높이, 점토층 두께 등 주요 인자의 영향을 효과적으로 포착하였습니다.

본 연구는 무인항공기 라이다(UAV LiDAR) 기술을 이용하여 연약지반 건설현장의 압밀침하를 모니터링하는 방법을 제안합니다. 부산 뉴포트를 대상지로 3D 점군 데이터를 전처리하여 수치표고모델(DEM)을 생성하였으며, 최적 격자크기 50cm×50cm와 cloth simulation filtering을 적용하여 침하분포를 분석한 결과 월별 침하율이 0.25m의 편차를 보였습니다. 이는 UAV LiDAR 기술이 기존 모니터링 방법보다 우수함을 입증합니다.

본 연구는 연약 점토층에서의 압밀침하 예측 정확도를 향상시키기 위해 인공신경망, LSTM, GRU 기반의 3가지 딥러닝 모델을 개발했습니다. 부산 뉴포트와 추가 사례 277개 시나리오에서 평가한 결과, 딥러닝 모델은 기존 관측 방법 대비 제곱근평균제곱오차를 58% 감소시켰으며, 특히 GRU 모델이 가장 우수한 정확도를 보였습니다.