교량 모니터링 시스템의 취득데이터 오류신호 검지

• 영문명: Data Anomaly Detection of Monitoring System
• 발행기관: 한국방재안전학회
• 저자명: 김욱(Wook Kim) 김호진(Hojin Kim) 이진희(Jinhee Lee) 손희수(Heesoo Son)
• 간행물 정보: 『한국방재안전학회 논문집』17권 4호, 117~128쪽, 전체 12쪽
• 주제분류: 자연과학 > 자연과학일반
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

공용년수 30년을 초과하는 노후 SOC 시설물이 지속적으로 증가하고 있는 추세에서 시설물의 구조적 안전사고 발생위험성이 함께 증가하고 있어 시설물의 효과적 유지관리를 위한 모니터링 시스템 구축 및 운영이 필수적이다. 시설물의 비정상 거동 등으로 인해 발생하는 데이터는 일반적 상황에서 수집되는 데이터와 상이한 경향 또는 계측치를 나타내어 이러한 오류신호를 통해 시설물의 현재 상태및 앞으로의 상태를 예측할 수 있다. 본 연구에서는 다중선형회괴(MMLR) 학습 오류신호 검지 기법과 합성곱 신경망(CNN) 오류신호검지 기법을 활용하여 기존의 시설물 모니터링 데이터에 적용하여 기존 시설물 감시에 활용하고 있는 구조적 허용치 기반의 이상검지기법이 감지하지 못하는 비일상적 비정상적 데이터 오류신호의 검지 성능을 확인하였다.

영문 초록

As aging SOC (Social Overhead Capital) facilities exceeding 30 years of service life continue to rise, the risk of structural safety incidentsin these facilities also increases. This underscores the necessity for establishing and operating an effective monitoring system for facilitymaintenance. Data generated by abnormal behavior in facilities often deviates in patterns or measurements from data collected undernormal conditions, allowing these anomalies to provide insights into the facility’s current and future state. This study applies a MultipleLinear Regression (MMLR) anomaly detection technique and a Convolutional Neural Network (CNN) anomaly detection technique toexisting facility monitoring data. By doing so, it evaluates the performance of these methods in detecting abnormal, non-routine anomaliesthat may not be identified by conventional structural threshold-based anomaly detection methods currently used in facility monitoring.

목차

1. 서 론

2. 본 론

3. 결 론

Acknowledgments

References

키워드

시설물 노후화 유지관리 모니터링 데이터 오류신호 검지 Infrastructure aging Maintenance and management Monitoring data Anomaly signal detection