RC 벽체구조물의 폭파하중에 따른 거동분석 및 예측을 위한 인공지능 기반 대리모델 연구

Artificial Intelligence-Based Surrogate Model for the Analysis and Prediction of Blast-Induced Behavior of RC Wall Structures in Small Modular Reactors

소형 원전 구조물(Small Modular Reactor, SMR)은 전력 수요지 인근에 시공되어 전력 수요 변화에 유연한 대처가 가능하고, 비교적 단시간 내에 시공이 가능한 특징이 있다. 하지만, 시공 부지가 제한적임에 따라 시설물의 방호 및 보안의 측면에서 더 높은 수준의 성능이 요구된다. 폭파하중에 따른 RC 구조물의 거동 및 설계인자에 따른 영향 분석을 위해서는 동적해석 및 비선형해석이 필요하여 많은 시간이 소요되는데, 이에 따라 인공신경망 기반 구조응답 예측 모델을 활용한 연구들이 수행되어 왔다. 본 연구에서는 소형 원전 RC 벽체 구조물의 폭파하중에 따른 거동 분석 및 영향인자 분석을 효과적으로 수행하기 위해 DNN (Deep Neural Network) 기반의 대리모델(Surrogate Model)을 구성하였다. 제한된 데이터셋에 대해서도 과적합된 출력데이터를 도출하지 않도록 K-Fold Cross Validation을 적용하였으며, 준수한 학습률을 보였고 합리적인 예측성능을 보였다.

Small modular reactor (SMR) structures can be constructed near power-demand sites, thereby allowing for flexible adaptation to changes in power demand and relatively short construction periods. However, owing to limited construction sites, high levels of performance are required in terms of facility protection and security. To analyze the behavior of reinforced-concrete (RC) structures under blast loads and effects of design parameters, dynamic and nonlinear analyses are required, which can be time-consuming. Accordingly, studies have been conducted utilizing artificial neural network-based structural response prediction models. In this study, a multi-layer perception (MLP)-based surrogate model was developed to effectively analyze the behavior of RC wall structures in terms of influencing parameters in SMRs under blast loads. To prevent overfitting of the output data on a limited dataset, K-fold cross-validation was applied, resulting in satisfactory learning rates and output data accuracy.