쉴드 TBM 디스크 커터 교체 유무 판단을 위한 머신러닝 분류기법 성능 비교
Performance comparison of machine learning classification methods for decision of disc cutter replacement of shield TBM
0
조회
0
다운로드
12
인용
0
참고문헌
키워드
초록
최근 국내 터널에서 지속적으로 증가하고 있는 쉴드 TBM 공법의 주된 굴착도구는 디스크 커터로 굴진과정에서 자연스럽게 마모가 발생하고 이는 TBM의 굴진효능을 현저히 저하시키기 때문에 적절한 시기에 교체하는 것이 중요하다. 따라서 본 연구에서는 디스크 커터 교체 여부를 판단할 수 있는 예측 모델을 머신러닝 기법을 사용한 방법으로 제안하였다. 이를 위해 국내 기 시공된 쉴드 TBM 현장의 데이터 중 디스크 커터 소모에 상관성이 높은 굴진데이터(TBM 기계데이터, 지반정보 등)와 교체이력을 입력데이터로 사용하여 다양한 머신러닝 분류기법 중 서포트 벡터 머신, 최근접이웃 알고리즘, 의사결정트리 알고리즘을 사용하여 최적의 예측 모델을 구축하고 모델의 성능을 평가하기 위하여 분류성능평가 지표로 비교 분석하였다.
Abstract
In recent years, Shield TBM construction has been continuously increasing in domestic tunnels. The main excavation tool in the shield TBM construction is a disccutter which naturally wears during the excavation process and significantly degrades the excavation efficiency. Therefore, it is important to know the appropriate time ofthe disc cutter replacement. In this study, it is proposed a predictive model that can determine yes/no of disc cutter replacement using machine learning algorithm. To dothis, the shield TBM machine data which is highly correlated to the disc cutter wears and the disc cutter replacement from the shield TBM field which is already constructedare used as the input data in the model. Also, the algorithms used in the study were the support vector machine, k-nearest neighbor algorithm, and decision tree algorithm areall classification methods used in machine learning. In order to construct an optimal predictive model and to evaluate the performance of the model, the classificationperformance evaluation index was compared and analyzed.
참고문헌 (12)
- Abu Alfeilat, H. A., "Effects of distance measure choice on K-nearest neighbor classifier performance: a review", Big Data, 7(4), pp.221~248 (2019)
- Breiman, L., "Classification and regression tress" (1984), Chanpman & Hal, Wadsworth, Inc
- Bruland, A., "Hard rock tunnel boring: background and discussion", Ph.D., pp.2000
- Burges, C. J. C., "A tutorial on support vector machines for pattern recognition", Data Mining and Knowledge Discovery, 2(2), pp.121~167 (1998)
- 장수호, "TBM 굴진성능 예측을 위한 NTNU시험결과의 분석", 한국터널지하공간학회 논문집, 13(3), pp.243~260 (2011), 사단법인 한국터널지하공간학회
- Gehring, K., "Prognosis of advance rates and wear for underground mechanized excavation", Felsbau, 13(6), pp.439~448 (1995)
- 김대영, "TBM 디스크 커터의 수명 예측 방법 개발", 한국터널지하공간학회 논문집, 19(3), pp.475~488 (2017), 사단법인 한국터널지하공간학회[DOI]
- 나유성, "쉴드 TBM 현장 굴진데이터를 이용한 굴착속도 예측모델 개발", 한국터널지하공간학회 논문집, 21(4), pp.519~534 (2019), 사단법인 한국터널지하공간학회[DOI]
- 나유성, "SVM 기법을 이용한 쉴드 TBM 디스크 커터 교환 주기 예측", 한국터널지하공간학회 논문집, 21(5), pp.641~656 (2019), 사단법인 한국터널지하공간학회[DOI]
- Rostami, J., "A new model for performance prediction of hard rock TBMs", Proceedings of the Rapid Excavation and Tunneling Conference, pp.793~809 (1993)
- Vapnik, V.N., "The nature of statistical learning theory", pp.119~166 (1995), Springer
- Yu, S. H., "A study on rock cutting behavior by TBM disc cutter", Master, pp.2007