인공신경망과 회귀분석을 이용한 FDS 데이터 기반 업무시설 개별실의 화재 시간-온도 곡선 평가
FDS Data-Driven Fire Time-Temperature Curve Evaluation for Individual Compartments in Office Buildings using ANN and Regression Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
이 연구에서는 일반적인 업무시설을 대상으로 열방출률, 구획실 바닥면적, 가연물 종류를 주요 변수로 설정하여 화재 시뮬레이션을 수행하였으며, 천장부에 도달하는 시간-온도 이력을 확보하여 데이터베이스를 구축하였다. 구축된 데이터를 기반으로 화재 시간-온도 곡선을 예측하기 위한 인공신경망(Artificial Neural Network, ANN) 모델과 회귀분석 기반 단순 추정식을 개발하였다. 제안된 모델의 적용 가능성을 평가하기 위해 새로운 업무시설을 대상으로 추가 화재 시뮬레이션을 수행하였으며, 두 모델의 예측값과 화재 시뮬레이션 결과를 비교한 평균 절대 오차율(MAPE)은 약 23% 이하로 나타나서 적절한 수준의 예측 성능을 가진 것을 확인하였다. 개발된 평가 모델은 업무시설의 내화 성능 평가 및 성능기반 내화 설계에 활용 가능한 기초 자료로서의 잠재력을 가진 것으로 판단된다.
Abstract
This study conducted fire simulations for typical office buildings by considering heat release rate, compartment floor area, and fuel type as primary variables, and established a database of ceiling-level time-temperature histories. Based on the constructed dataset, an Artificial Neural Network (ANN) model and a regression-based simplified time-temperature prediction equation were developed. To examine the applicability of the proposed models, an additional fire simulation was performed for a new office building, and the predicted results were compared with the simulation outputs. The mean absolute percentage error (MAPE) of both models was found to be below approximately 23%, indicating a reasonable level of predictive performance. The developed models are expected to serve as practical tools for fire resistance evaluation and as foundational data for performance-based fire design in office buildings.