KR100911896B1 - 인공손상학습 기반하의 지진경보장치 - Google Patents
인공손상학습 기반하의 지진경보장치 Download PDFInfo
- Publication number
- KR100911896B1 KR100911896B1 KR1020090020797A KR20090020797A KR100911896B1 KR 100911896 B1 KR100911896 B1 KR 100911896B1 KR 1020090020797 A KR1020090020797 A KR 1020090020797A KR 20090020797 A KR20090020797 A KR 20090020797A KR 100911896 B1 KR100911896 B1 KR 100911896B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- damage
- acceleration
- earthquake
- seismic
- Prior art date
Links
- 230000006378 damage Effects 0.000 title claims abstract description 77
- 230000001133 acceleration Effects 0.000 claims abstract description 43
- 238000004891 communication Methods 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012916 structural analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/162—Details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/22—Transmitting seismic signals to recording or processing apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
본 발명은 인공손상학습 기반하의 지진경보장치에 관한 것으로서, 특히 케이스와; 상기 케이스 내에 설치되어 지진파를 계측하는 가속도계와; 상기 가속도계로부터 계측된 지진파 신호를 지진파 가속도 데이터로 변환하여 기록하고, 상기 지진파 가속도 데이터를 실시간으로 출력하는 데이터로거와; 상기 데이터로거에서 출력되는 상기 지진파 가속도 데이터를 입력받아 기 학습된 인공신경망을 통해 지진 가속도와, 구조물 손상도를 도출한 후 지진 가속도와, 구조물 손상도가 포함된 데이터를 출력하는 마이크로 프로세서; 및 마이크로 프로세서에서 출력된 데이터를 사용자에게 유무선을 통해 전달하는 유무선 통신기를 포함하는 것을 특징으로 한다.
상기와 같은 본 발명에 따르면 지진의 강도 및 지진파의 특성에 따른 구조물의 손상 및 피해정도를 미리 구조해석 시뮬레이션을 통해 분석하고, 이를 이용한 인공손상학습을 통해 인공신경망을 구축하여 실제 지진 발생 시 계측된 지진동으로부터 실시간에 가깝게 구조물의 손상정도를 추정함으로써 지진발생시 지진의 강도, 지진에 의한 구조물의 안전성에 대한 정보를 사용자에게 제공함으로써 인명피해를 최소화할 수 있다.
지진, 강도, 구조물, 손상도, 경보, 인공손상학습, 인공신경망
Description
본 발명은 인공손상학습 기반하의 지진경보장치에 관한 것으로서, 상세하게는 지진의 강도 및 지진파의 특성에 따른 구조물의 손상 및 피해정도를 미리 구조해석 시뮬레이션을 통해 분석하고, 이를 이용한 인공손상학습을 통해 인공신경망을 구축하여 실제 지진 발생 시 계측된 지진동으로부터 실시간에 가깝게 구조물의 손상정도를 추정하도록 하는 인공손상학습 기반하의 지진경보장치에 관한 것이다.
최근 토목구조물 및 건축물이 장대화되고, 초대형화되면서 지진 및 태풍 등의 재해 발생 시 대규모의 피해 발생의 증가가 예상되면서 구조물의 안전을 위한 내진성능 검토 및 계측을 통한 구조성능 이력 관리나 손상평가 등에 대한 기술개발이 증대되고 있다.
재해 관련 구조안전성의 확보를 위해 보유내력 및 구조성능을 평가할 수 있는 비선형 해석기술이 개발되고 있으며, 이를 통해 지진 및 지진 피해 영향을 예측하는 기법도 연구되고 있다.
또한 구조물에 여러가지 계측기기, 예를 들어 가속도계, 처짐계, 경사계, 변형률계 등을 설치하여, 각각의 계측기기로부터 계측된 데이터를 바탕으로 관리한계를 설정하여 구조물의 이상발생 유무를 관리하고 필요시 대응시나리오를 제시하는 기술도 개발되고 있다.
이와 함께 구조물의 손상정도를 정량적으로 분석하고 합리적인 대응방안을 수립하기 위하여 구조물 식별 기술에 기반한 손상탐지 기법이 적용되기도 한다.
그러나 기존의 구조물 식별 기술에 기반한 손상평가 기법은 구조물 자체의 해석과 응답데이터의 해석이 동시에 이루어져야 하기 때문에 실시간 손상평가가 어렵고, 복잡하게 구성된 다수의 계측기기로 이루어진 시스템을 기반으로 정밀 손상평가에 치중함으로써 시스템 구축에 많이 비용과 시간이 소요되는 문제점이 있다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 지진의 강도 및 지진파의 특성에 따른 구조물의 손상 및 피해정도를 미리 구조해석 시뮬레이션을 통해 분석하고, 이를 이용한 인공손상학습을 통해 인공신경망을 구축하여 실제 지진 발생 시 계측된 지진동으로부터 실시간에 가깝게 구조물의 손상정도를 추정함으로써 지진발생시 지진의 강도, 지진에 의한 구조물의 안전성에 대한 정보를 사용자에게 제공함으로써 인명피해를 최소화하도록 하는 인공손상학습 기반하의 지진경보장치를 제공하는데 그 목적이 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 특징은,
케이스와; 상기 케이스 내에 설치되어 지진파를 계측하는 가속도계와; 상기 가속도계로부터 계측된 지진파 신호를 지진파 가속도 데이터로 변환하여 기록하고, 상기 지진파 가속도 데이터를 실시간으로 출력하는 데이터로거와; 상기 데이터로거에서 출력되는 상기 지진파 가속도 데이터를 입력받아 기 학습된 인공신경망을 통해 지진 가속도와, 구조물 손상도를 도출한 후 지진 가속도와, 구조물 손상도가 포함된 데이터를 출력하는 마이크로 프로세서; 및 마이크로 프로세서에서 출력된 데이터를 사용자에게 유무선을 통해 전달하는 유무선 통신기를 포함하는 것을 특징으로 한다.
여기에서, 상기 인공손상학습 기반하의 지진경보장치은 각 구성부에 전원을 공급하는 전원 공급 수단과; 동작 상태를 디스플레이하는 디스플레이 수단; 및 관리자 입력을 통해 동작을 제어하도록 버튼을 구비하는 조작패널을 더 포함한다.
여기에서 또한, 상기 마이크로 프로세서의 인공신경망은 인공신경망 생성 알고리즘을 통해 기 학습된 상태에서 프로그램 형태로 인스톨된다.
여기에서 또, 상기 인공신경망 생성 알고리즘은 각각의 지진 가속도에 대응하여 기 해석된 구조물 손상도가 데이터별로 저장된 인공손상학습 데이터의 지진가속도와 구조물 손상도를 각각의 놈(norm) 또는 최대값으로 나눠 정규화한 후, 정규화된 지진가속도와 손상도를 각각 입력값과 목표값으로 하여 학습을 수행한다.
상기와 같이 구성되는 본 발명인 인공손상학습 기반하의 지진경보장치에 따르면, 계측된 지반가속도에 대한 별도의 구조물 식별 및 구조해석의 과정을 수행하지 않고, 구조물의 지진피해를 인공신경망을 통해 직관적으로 신속히 도출하여 건축/토목 구조물의 예기치 못한 피해에 대한 정보를 실시간에 가깝게 사용자에게 제공함으로써 인명피해 및 사회적 혼란을 최소화할 수 있다.
또한, 본 발명에 따르면 지진 발생 후에도 구조물의 상태를 쉽게 확인할 수 있으므로 구조물의 재사용 여부를 신속히 결정함으로써 구조물의 기능 전체 또는 일부를 빠른 시간내에 복원할 수 있다.
또, 본 발명에 따르면 최소한의 유닛으로 모듈화됨으로써 저가로 사용자에게 보급될 수 있으며, 간편하게 설치가 가능하므로 사회안전망구축을 위해 범용적인 보급이 가능하다.
또, 본 발명에 따르면 인공신경망 학습에 필요한 다량의 학습데이터를 기존 시간이력해석 기반의 구조해석 방법을 대신해 단순화된 응답스펙트럼 해석을 통해 생성함으로써 가장 빠른 시간 내에 신뢰성 있는 학습데이터를 구축할 수 있다.
이하, 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 구성을 첨부된 도면을 참조하여 상세하게 설명하면 다음과 같다.
하기에서 본 발명을 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고 려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 구성을 나타낸 블록도이고, 도 2는 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 구성을 나타낸 사시도이며, 도 3은 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 사용 상태를 나타낸 설명도이다.
도 1 내지 도 3을 참조하면, 본 발명에 따른 인공손상학습 기반하의 지진경보장치(100)는, 케이스(110)와, 가속도계(120)와, 데이터로거(130)와, 마이크로 프로세서(140)와, 유무선 통신기(150)와, 전원 공급 수단(160)과, 디스플레이 수단(170)과, 조작패널(180)을 더 포함한다.
먼저, 케이스(110)는 금속 또는 합성 수지 재질로 내부에 습기 등이 침투되지 못하도록 밀봉된 형태로 이루어진다.
그리고, 가속도계(120)는 케이스(110) 내에 설치되고, 하기에서 설명할 전원 공급 수단(160)의 전원을 공급받아 동작되어 지진파를 계측한다.
또한, 데이터로거(130)는 케이스(110) 내에 설치되고, 전원 공급 수단(160)의 전원을 공급받아 동작되어 가속도계(120)로부터 계측된 지진파 신호를 지진파 가속도 데이터로 변환하여 기록하고, 지진파 가속도 데이터를 실시간으로 출력한다.
또, 마이크로 프로세서(140)는 케이스(110) 내에 설치되고, 전원 공급 수 단(160)의 전원을 공급받아 동작되어 데이터로거(130)에서 출력되는 지진파 가속도 데이터를 입력받아 기 학습된 인공신경망을 통해 지진 가속도와, 구조물 손상도를 도출한 후 지진 가속도와, 구조물 손상도가 포함된 데이터를 출력하며, 동작에 필요한 데이터 및 지진 가속도와, 구조물 손상도가 포함된 데이터가 저장되는 메모리(141)를 구비한다. 여기에서 또한, 마이크로 프로세서(140)의 인공신경망은 인공신경망 생성 알고리즘을 통해 기 학습된 상태에서 프로그램 형태로 인스톨된다. 여기에서 또, 인공신경망 생성 알고리즘은 각각의 지진 가속도에 대응하여 기 해석된 구조물 손상도가 데이터별로 저장된 인공손상학습 데이터의 지진가속도와 구조물 손상도를 각각의 놈(norm) 또는 최대값으로 나눠 정규화한 후, 정규화된 지진가속도와 손상도를 각각 입력값과 목표값으로 하여 학습을 수행한다.
한편, 유무선 통신기(150)는 케이스 내에 설치되고, 전원 공급 수단(160)의 전원을 공급받아 동작되어 마이크로 프로세서(140)에서 출력된 데이터를 사용자에게 유무선을 통해 전달한다. 여기에서, 유무선 통신기(150)는 무선 통신을 위한 안테나(151)와 유선 통신을 위한 통신용 케이블 커넥터(153)가 구비된다.
그리고, 전원 공급 수단(160)은 케이스(110) 내에 설치되고, 상용 전원을 공급받아 각 구성부에 필요 전원을 공급하는 형태이거나 충전된 전원을 각 구성부에 공급하는, 즉 배터리 형태이다.
또한, 디스플레이 수단(170)은 케이스 외측에 설치되고, 전원 공급 수단(160)의 전원을 공급받아 동작되며, 마이크로 프로세서(140)의 제어에 따라 각 구성부의 동작 상태를 디스플레이하고, 특히 지진 발생시 지진 가속도와, 구조물 손상도를 디스플레이한다. 여기에서, 디스플레이 수단(170)은 LCD 모니터가 사용된다.
또, 조작패널(180)은 케이스(110) 외측에 설치되고, 전원 공급 수단(160)의 전원을 공급받아 동작되어 전원 온/오프, 모드 설정 등과 같은 각종 버튼(181)을 통해 관리자 입력을 받아 마이크로 프로세서(140)로 제어 신호를 전달한다. 이때, 디스플레이 수단(170)을 터치 LCD 모니터로 대처하고, GUI를 통해 조작패널(180)을 디스플레이할 수도 있다.
이하, 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 동작을 첨부된 도면을 참조하여 상세하게 설명하면 다음과 같다.
먼저, 동작을 설명하기 앞서 인공손상학습 데이터의 저장 과정을 설명하면 다음과 같다.
관리자가 인공손상학습 데이터를 저장하기 위한 별도의 프로그램이 인스톨된 컴퓨터를 이용하여 인공손상학습 데이터의 샘플수를 설정하고, 주파수 특성에 따른 지진 반응 스펙트럼을 임의로 선택하기 위해 등분포 난수에 의한 반응스펙트럼의 종류를 결정한다.
그리고, 관리자는 지진하중의 크기를 임의로 조절하기 위해 등분포 난수에 의한 지진가속도 조절계수를 선정한다.
그런 다음, 컴퓨터의 프로그램은 상기에서 결정된 반응스펙트럼의 종류와, 지진가속도 조절계수, 구조물 고유진동수 및 보유내력을 입력하여 응답스펙트럼 해석을 실시한다.
그러면, 컴퓨터의 프로그램은 응답스펙트럼 해석으로부터 지진에 의한 구조물 전단력 및 응답가속도를 산정하고, 상기에서 입력된 구조물 보유내력과 구조물 전단력을 비교하여 구조물 손상도를 산정한다.
그리고, 컴퓨터의 프로그램은 지진 가속도와 구조물 손상도를 한개의 인공손상학습 데이터샘플로 저장하고, 반복회수가 학습데이터 샘플수 이하이면 상기 과정을 반복하여 학습데이터 샘플수와 동일할 때까지 반복하고, 반복회수가 학습데이터 샘플수와 동일하면 인공손상학습 데이터의 생성을 종료한다.
그리고, 상기에서 생성된 인공손상학습 데이터를 마이크로 프로세서(140)에 저장한다.
또한, 인공신경망 학습 과정을 설명하면 다음과 같다.
인공신경망은 입력층, 은닉층 및 출력층으로 구성되는 레이어와, 은닉마디의 수 및 기타 매개변수를 결정하여 통상의 구성과 같이 구성된다.
그리고, 인공신경망 생성 알고리즘은 각각의 지진 가속도에 대응하여 기 해석된 구조물 손상도가 데이터별로 저장된 인공손상학습 데이터의 지진가속도와 구조물 손상도를 각각의 놈(norm) 또는 최대값으로 나눠 정규화한 후, 정규화된 지진가속도와 손상도를 각각 입력값과 목표값으로 하여 인공신경망을 학습한다.
상기와 같이 마이크로 프로세서(140)에 인공손상학습 데이터가 저장되고, 인공신경망 학습이 완료된 상태로 인스톨된 상태에서 본 발명에 따른 인공손상학습 기반하의 지진경보장치(100)을 단일 건축물, 집합주택, 초고층 복합 건물 등 지진에 의한 피해가 예상되는 모든 건축 구조물(1)에 적용할 수 있으며, 교량, 항만 등 토목 구조물의 주변 지반에 설치한다.
그리고, 전원 공급 수단(160)을 통해 전원이 공급된 상태에서 가속도계(120)를 통해 지진파가 계측되면, 데이터로거(130)는 가속도계(120)로부터 계측된 지진파 신호를 지진파 가속도 데이터로 변환하여 기록하고, 지진파 가속도 데이터를 실시간으로 마이크로 프로세서(140)로 출력한다.
그러면, 마이크로 프로세서(140)는 데이터로거(130)에서 출력되는 지진파 가속도 데이터를 입력받아 기 학습된 인공신경망을 통해 지진 가속도와, 구조물 손상도를 도출한 후 지진 가속도와, 구조물 손상도가 포함된 데이터를 유무선 통신기(150)로 출력한다.
지진 가속도와, 구조물 손상도가 포함된 데이터를 전달받은 유무선 통신기(150)는 이를 유무선 통신에 필요한 데이터로 변환시켜 사용자에게 유무선 통신을 통해 전달하는 데, 지진 가속도와, 구조물 손상도가 포함된 데이터는 SMS 형태로 이동 통신 단말기로 전달되거나, 홈 네트워크 시스템으로 전달되어 모니터 또는 스피커를 통해 안내되어 주거자가 신속하게 전송된 정보를 통해 대피할 수 있도록 한다. 이외에 지진 가속도와, 구조물 손상도가 포함된 데이터는 인터넷 또는 이메일을 통해 원격지로 전송될 수도 있고, 별도의 전용 단말기로 전송할 수도 있다.
본 발명은 다양하게 변형될 수 있고 여러 가지 형태를 취할 수 있으며 상기 발명의 상세한 설명에서는 그에 따른 특별한 실시 예에 대해서만 기술하였다. 하지만 본 발명은 상세한 설명에서 언급되는 특별한 형태로 한정되는 것이 아닌 것으로 이해되어야 하며, 오히려 첨부된 청구범위에 의해 정의되는 본 발명의 정신과 범위 내에 있는 모든 변형물과 균등물 및 대체물을 포함하는 것으로 이해되어야 한다.
도 1은 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 구성을 나타낸 블록도,
도 2는 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 구성을 나타낸 사시도,
도 3은 본 발명에 따른 인공손상학습 기반하의 지진경보장치의 사용 상태를 나타낸 설명도.
<도면의 주요 부분에 관한 부호의 설명>
110 : 케이스 120 : 가속도계
130 : 데이터로거 140 : 마이크로 프로세서
150 : 유무선 통신기 160 : 전원 공급 수단
170 : 디스플레이 수단 180 : 조작패널
Claims (4)
- 케이스와;상기 케이스 내에 설치되어 지진파를 계측하는 가속도계와;상기 가속도계로부터 계측된 지진파 신호를 지진파 가속도 데이터로 변환하여 기록하고, 상기 지진파 가속도 데이터를 실시간으로 출력하는 데이터로거와;상기 데이터로거에서 출력되는 상기 지진파 가속도 데이터를 입력받아 각각의 지진 가속도에 대응하여 기 해석된 구조물 손상도가 데이터별로 저장된 인공손상학습 데이터의 지진가속도와 구조물 손상도를 각각의 놈(norm) 또는 최대값으로 나눠 정규화한 후, 정규화된 지진가속도와 손상도를 각각 입력값과 목표값으로 하여 학습을 수행한 인공신경망 생성 알고리즘을 통해 기 학습된 상태에서 프로그램 형태로 인스톨된 인공신경망을 이용하여 지진 가속도와, 구조물 손상도를 도출한 후 지진 가속도와, 구조물 손상도가 포함된 데이터를 출력하는 마이크로 프로세서와;마이크로 프로세서에서 출력된 데이터를 사용자에게 유무선을 통해 전달하는 유무선 통신기와;각 구성부에 전원을 공급하는 전원 공급 수단과;동작 상태를 디스플레이하는 디스플레이 수단; 및관리자 입력을 통해 동작을 제어하도록 버튼을 구비하는 조작패널을 포함하는 것을 특징으로 하는 인공손상학습 기반하의 지진경보장치.
- 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090020797A KR100911896B1 (ko) | 2009-03-11 | 2009-03-11 | 인공손상학습 기반하의 지진경보장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090020797A KR100911896B1 (ko) | 2009-03-11 | 2009-03-11 | 인공손상학습 기반하의 지진경보장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR100911896B1 true KR100911896B1 (ko) | 2009-08-13 |
Family
ID=41209737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090020797A KR100911896B1 (ko) | 2009-03-11 | 2009-03-11 | 인공손상학습 기반하의 지진경보장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100911896B1 (ko) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214046A (zh) * | 2018-07-25 | 2019-01-15 | 中国地震局地球物理研究所 | 一种地震液化判别方法及地震液化势模型 |
CN109547520A (zh) * | 2017-09-22 | 2019-03-29 | 江苏智谋科技有限公司 | 人工神经网络在防震减灾工程中的应用方法 |
KR20190080712A (ko) * | 2017-12-28 | 2019-07-08 | (주)대우건설 | 임의 지진구역 대상 무작위 생성 지진학습데이터를 이용한 지진여부판별 방법 및 이에 의한 진도예측 시스템 |
US10684383B2 (en) | 2018-09-07 | 2020-06-16 | National Disaster Management Research Institute | Seismic motion sensor and earthquake response system using the same |
WO2020130793A1 (en) * | 2018-12-21 | 2020-06-25 | Mimos Berhad | System for determining real-time status of mechanical structure and method thereof |
KR102293667B1 (ko) * | 2020-12-09 | 2021-08-26 | 인플랩 주식회사 | 건물 모의거동 데이터 기반 건축물과 시설물의 거동 상태 판단 시스템 |
KR20210142858A (ko) | 2020-05-19 | 2021-11-26 | 중앙대학교 산학협력단 | 스마트 IoT 지진 센서유닛 및 이용한 통보방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0875865A (ja) * | 1994-09-09 | 1996-03-22 | Osaka Gas Co Ltd | 地震被害の推定方法 |
JPH1164533A (ja) | 1997-08-21 | 1999-03-05 | Kajima Corp | ニューラルネットワークによる自己学習機能を持った地震早期検知システム |
KR100251065B1 (ko) * | 1997-10-28 | 2000-04-15 | 이종훈 | 지진파 분석시스템 |
JP2006170739A (ja) * | 2004-12-15 | 2006-06-29 | Kajima Corp | 緊急地震速報を用いた地震防災システム |
-
2009
- 2009-03-11 KR KR1020090020797A patent/KR100911896B1/ko not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0875865A (ja) * | 1994-09-09 | 1996-03-22 | Osaka Gas Co Ltd | 地震被害の推定方法 |
JPH1164533A (ja) | 1997-08-21 | 1999-03-05 | Kajima Corp | ニューラルネットワークによる自己学習機能を持った地震早期検知システム |
KR100251065B1 (ko) * | 1997-10-28 | 2000-04-15 | 이종훈 | 지진파 분석시스템 |
JP2006170739A (ja) * | 2004-12-15 | 2006-06-29 | Kajima Corp | 緊急地震速報を用いた地震防災システム |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109547520A (zh) * | 2017-09-22 | 2019-03-29 | 江苏智谋科技有限公司 | 人工神经网络在防震减灾工程中的应用方法 |
KR20190080712A (ko) * | 2017-12-28 | 2019-07-08 | (주)대우건설 | 임의 지진구역 대상 무작위 생성 지진학습데이터를 이용한 지진여부판별 방법 및 이에 의한 진도예측 시스템 |
KR102027252B1 (ko) | 2017-12-28 | 2019-10-01 | (주)대우건설 | 임의 지진구역 대상 무작위 생성 지진학습데이터를 이용한 지진여부판별 방법 및 이에 의한 진도예측 시스템 |
CN109214046A (zh) * | 2018-07-25 | 2019-01-15 | 中国地震局地球物理研究所 | 一种地震液化判别方法及地震液化势模型 |
US10684383B2 (en) | 2018-09-07 | 2020-06-16 | National Disaster Management Research Institute | Seismic motion sensor and earthquake response system using the same |
WO2020130793A1 (en) * | 2018-12-21 | 2020-06-25 | Mimos Berhad | System for determining real-time status of mechanical structure and method thereof |
KR20210142858A (ko) | 2020-05-19 | 2021-11-26 | 중앙대학교 산학협력단 | 스마트 IoT 지진 센서유닛 및 이용한 통보방법 |
KR102293667B1 (ko) * | 2020-12-09 | 2021-08-26 | 인플랩 주식회사 | 건물 모의거동 데이터 기반 건축물과 시설물의 거동 상태 판단 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100911896B1 (ko) | 인공손상학습 기반하의 지진경보장치 | |
Amitrano | Variability in the power-law distributions of rupture events: How and why does b-value change | |
Huang et al. | Development and in-situ application of a real-time monitoring system for the interaction between TBM and surrounding rock | |
CN107664541A (zh) | 一种分布式光纤振动和温度融合传感系统及方法 | |
EP1943497A2 (en) | Pole monitoring kit, in particular for wooden poles | |
US10871003B2 (en) | Power pole system | |
KR101386395B1 (ko) | 스마트 구조물을 위한 멀티 센싱을 이용한 구조적 상태 평가 시스템 | |
Zhou et al. | Strain gauge placement optimization for structural performance assessment | |
EP3926320B1 (en) | Aerial optical fiber cable inspection method, aerial optical fiber cable inspection device, and program | |
RU2645903C1 (ru) | Способ контроля напряженно-деформированного состояния конструктивных элементов массивных бетонных сооружений при длительной эксплуатации | |
CN112881818A (zh) | 电场强度测量方法、装置、计算机设备和存储介质 | |
Hertlein | Stress wave testing of concrete: A 25-year review and a peek into the future | |
Heo et al. | A smart monitoring system based on ubiquitous computing technique for infra-structural system: Centering on identification of dynamic characteristics of self-anchored suspension bridge | |
Abdullahi et al. | Accelerometer Based Structural Health Monitoring System on the Go: Developing Monitoring Systems with NI LabVIEW. | |
KR102196534B1 (ko) | Mems 네트워크를 이용한 실시간 지진동 감시 및 분포 지도 작성을 위한 장치 및 방법 | |
KR100518777B1 (ko) | 지진 안전성 평가시스템 및 그 방법 | |
ZA202301276B (en) | Sensor network-based analysis and/or prediction method, and remote monitoring sensor device | |
Palchik | Use of stress–strain model based on Haldane's distribution function for prediction of elastic modulus | |
RU2515130C1 (ru) | Сейсмометрический способ мониторинга технического состояния зданий и/или сооружений | |
KR102058382B1 (ko) | 구조물 손상여부 모니터링 방법 및 시스템 | |
CN109540710B (zh) | 一种集成化的多参量多通道材料强度测控系统 | |
JP3555728B2 (ja) | 建物の振動特性の予測方法 | |
JP2021140704A (ja) | 建物の被災状況把握システム | |
Laborde et al. | Spacecraft base-sine vibration test data uncertainties investigation based on stochastic scatter approach | |
TR202012551A2 (tr) | Bi̇nalarin travmati̇k geçmi̇şi̇ni̇ i̇zleyen hesaplayan kaydeden ve i̇leten beton i̇çi̇ne gömülü bi̇r değerleme si̇stemi̇ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20120807 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20130805 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20140828 Year of fee payment: 6 |
|
LAPS | Lapse due to unpaid annual fee |