메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
최승현 (한밭대학교 도시공학과) 도명식 (한밭대학교 도시공학과)
저널정보
한국도로학회 한국도로학회논문집 한국도로학회논문집 제20권 제2호
발행연도
2018.1
수록면
57 - 65 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2018

딥러닝을 활용한 일반국도 아스팔트포장의 공용수명 예측
최승현 ,  도명식 한국도로학회논문집 2018.01 학술저널

2016

딥러닝 기법을 이용한 아스팔트 포장의 공용수명예측
최승현 ,  도명식 대한토목학회 학술대회 2016.10 학술대회자료

초록· 키워드

오류제보하기
PURPOSES : The study aims to predict the service life of national highway asphalt pavements through deep learning methods by using maintenance history data of the National Highway Pavement Management System. METHODS : For the configuration of a deep learning network, this study used Tensorflow 1.5, an open source program which has excellent usability among deep learning frameworks. For the analysis, nine variables of cumulative annual average daily traffic, cumulative equivalent single axle loads, maintenance layer, surface, base, subbase, anti-frost layer, structural number of pavement, and region were selected as input data, while service life was chosen to construct the input layer and output layers as output data. Additionally, for scenario analysis, in this study, a model was formed with four different numbers of 1, 2, 4, and 8 hidden layers and a simulation analysis was performed according to the applicability of the over fitting resolution algorithm. RESULTS : The results of the analysis have shown that regardless of the number of hidden layers, when an over fitting resolution algorithm, such as dropout, is applied, the prediction capability is improved as the coefficient of determination ($R^2$) of the test data increases. Furthermore, the result of the sensitivity analysis of the applicability of region variables demonstrates that estimating service life requires sufficient consideration of regional characteristics as $R^2$ had a maximum of between 0.73 and 0.84, when regional variables where taken into consideration. CONCLUSIONS : As a result, this study proposes that it is possible to precisely predict the service life of national highway pavement sections with the consideration of traffic, pavement thickness, and regional factors and concludes that the use of the prediction of service life is fundamental data in decision making within pavement management systems.
#deep learning #pavement service life #asphalt pavement #over fitting #deep neural network

목차

등록된 정보가 없습니다.

참고문헌 (26)

참고문헌 신청
Abadi, M. / 2016 / Tensorflow: Large-scale machine learning on heterogeneous distributed systems google schola Attoh-Okine, N. O. / 1999 / Analysis of learning rate and momentum term in backpropagation neural network algorithm trained to predict pavement performance / Advances in Engineering Software 30(4):291~302 Crossref 백종은 / 2015 / 일반국도 현장조사 모니터링을 통한 장수명 아스팔트 덧씌우기포장의 공용성 분석 / 한국도로학회논문집 17(3):69~76 dbpia Bowden, G.J. / 2005 / Input determination for neural network models in water resources applications. Part 1-background and methodology / Journal of Hydrology 301(1-4):75~92 Crossref Clevert, D. A. / 2015 / Fast and accurate deep network learning by exponential linear units (elus) google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0