KR20210035354A

KR20210035354A - Method of designing building and apparatus performing the same

Info

Publication number: KR20210035354A
Application number: KR1020190109230A
Authority: KR
Inventors: 홍원기
Original assignee: 경희대학교 산학협력단
Priority date: 2019-09-04
Filing date: 2019-09-04
Publication date: 2021-04-01
Also published as: WO2021045317A1; KR102325616B1

Abstract

According to the present invention, a construction structure design method using a neural network includes the following steps of: generating a big data value with respect to design variables within a settable range of each of a plurality of construction design variables and determining a setting value for each of the plurality of construction design variables; generating a neural gene with respect to construction design influence factors by the plurality of construction design variables by using a big data value of each of the plurality of construction design variables; determining an optimal setting value of each of the construction design influence factors based on the neural gene; and applying an optimal setting value of each of the construction design variables in accordance with the construction design influence factors to the neural network to obtain design information of each of the design variables and the construction design influence factors. Therefore, the present invention is capable of minimizing greenhouse gas emissions.

Description

Building structure design method using neural network and device to execute it {METHOD OF DESIGNING BUILDING AND APPARATUS PERFORMING THE SAME}

본 발명은 뉴럴 네트워크를 이용한 건축 구조 설계 방법 및 이를 실행하는 장치에 관한 것으로, 보다 상세하게는 설계 단계에서부터 빅 데이터 값을 사용 하여 구조물의 경제성 제고뿐만 아니라 온실가스 배출 등을 최소화 할 수 있도록 유도할 수 있도록 하는 뉴럴 네트워크를 이용한 건축 구조 설계 방법 및 이를 실행하는 장치에 관한 것이다. The present invention relates to a method for designing a building structure using a neural network and an apparatus for executing the same, and in more detail, by using a big data value from the design stage, not only the economical efficiency of the structure but also the GHG emission can be minimized. The present invention relates to a method for designing a building structure using a neural network that enables the device to be used and an apparatus for executing the same.

기존의 재래식 설계방법에서는 설계자의 직감, 경험 및 숙련도에 의존한 시행착오적인 설계가 이루어져 왔다고 할 수 있는데 이러한 설계 시스템은 복잡한 구조물인 경우 안전성, 사용성 및 경제성에 문제가 제기된다. In the conventional design method, it can be said that trial-and-error design has been made depending on the designer's intuition, experience, and skill, but such a design system poses problems in safety, usability, and economics in the case of a complex structure.

AI 기법을 활용하기 위해서는 빅 데이터의 생성 및 확보가 필요한데 일반적으로 시간이 가장 소모 되는 부분이라 할 수 있다. 본 발명 에서는 구조물의 설계분야의 AI 에 사용 될 수 있는, 양질의 빅 데이터 값을 생성 할 수 있도록 하였다.In order to use AI techniques, it is necessary to create and secure big data, which is generally the most time-consuming part. In the present invention, it is possible to generate high-quality big data values that can be used for AI in the field of structure design.

구조물의 설계 및 시공에 대한 기대가 커짐에 따라 건설 기술은 프리캐스트콘크리를 활용한 멀티베이, 멀티플로어의 기술 개발로 확장 되고 있는 실정 이다. 본 특허는 프리캐스트콘크리를 활용한 멀티베이, 멀티플로어 신기술의 설계 및 시공을 위해서 AI기법을 적용하고 최적설계 방법을 제시 하고자 한다.As expectations for the design and construction of structures grow, the construction technology is expanding to the development of multi-bay and multi-floor technologies using precast concrete. This patent is intended to apply AI techniques and propose an optimal design method for the design and construction of new multi-bay and multi-floor technologies using precast concrete.

본 발명은 설계 단계에서부터 빅 데이터 값을 사용 하여 구조물의 경제성 제고뿐만 아니라 온실가스 배출 등을 최소화 할 수 있도록 유도할 수 있도록 하는 뉴럴 네트워크를 이용한 건축 구조 설계 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다. An object of the present invention is to provide a method for designing a building structure using a neural network and an apparatus for executing the same, which can induce not only to improve the economic efficiency of the structure, but also to minimize greenhouse gas emissions by using big data values from the design stage. It is done.

또한, 본 발명은 구조물의 설계 및 시공에 대한 기대가 커짐에 따라 건설 기술은 프리캐스트콘크리를 활용한 멀티베이, 멀티플로어의 기술 개발로 확장 되고 있는 실정이며, 이러한 프리캐스트콘크리를 활용한 멀티베이, 멀티플로어 신기술의 설계 및 시공을 위해서 AI기법을 적용하고 최적 설계할 수 있도록 하는 뉴럴 네트워크를 이용한 건축 구조 설계 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다.In addition, according to the present invention, as expectations for the design and construction of structures increase, the construction technology is expanding to the development of multi-bay and multi-floor technologies using precast concrete. , It is an object of the present invention to provide a method for designing a building structure using a neural network that enables optimal design and application of AI techniques for design and construction of new multi-floor technologies, and an apparatus for executing the same.

또한, 본 발명은 건축물의 시공 경제성, 온실 가스 배출 량, 구조물의 중량, 공사 기간 등이 최적화될 수 있도록 건축 구조 설계 시 복수의 건축 설계 변수 각각의 최적 설정 값을 결정할 수 있도록 하는 뉴럴 네트워크를 이용한 건축 구조 설계 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다. In addition, the present invention uses a neural network that enables the optimal setting value of each of a plurality of building design variables to be determined when designing a building structure so that the construction economy of the building, the amount of greenhouse gas emission, the weight of the structure, and the construction period can be optimized. An object of the present invention is to provide a method for designing a building structure and an apparatus for implementing the same.

또한, 본 발명은 최적화 되어야 하는 건축 설계 변수를 정의하고 건축 설계 변수를 최적화할 수 있는 유전자 이식 기능을 갖는 뉴럴 네트워크를 이용한 건축 구조 설계 방법 및 이를 실행하는 장치를 제공하는 것을 목적으로 한다. In addition, an object of the present invention is to provide a method for designing a building structure using a neural network having a gene transfer function capable of defining a building design variable to be optimized and optimizing a building design variable, and an apparatus for executing the same.

본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects and advantages of the present invention that are not mentioned can be understood by the following description, and will be more clearly understood by examples of the present invention. In addition, it will be easily understood that the objects and advantages of the present invention can be realized by the means shown in the claims and combinations thereof.

이러한 목적을 달성하기 위한 뉴럴 네트워크를 이용한 건축 구조 설계 방법은 복수의 건축 설계 변수 각각의 설정 가능 범위 내에 있는 특정 값을 이용하여 빅 데이터 값을 결정하는 단계, 상기 복수의 건축 설계 변수의 빅 데이터 값을 이용하여 상기 복수의 건축 설계 변수 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 생성하는 단계, 상기 뉴럴 유전자를 기초로 상기 복수의 건축 설계 변수 각각의 최적 설정 값을 결정하는 단계 및 건축 설계 변수 각각의 최적 설정 값을 뉴럴 네트워크에 적용하여 건축 설계 영향 요소와 설계 변수 각각의 설계 정보를 획득하는 단계를 포함한다.The architectural structure design method using a neural network to achieve this purpose is the step of determining a big data value by using a specific value within a settable range of each of a plurality of architectural design variables, and the big data value of the plurality of architectural design variables. Generating a neural gene for an element influencing architectural design for each of the plurality of building design variables, determining an optimal setting value of each of the plurality of building design variables based on the neural gene, and each of the building design variables And obtaining design information of each of the factors influencing architectural design and design variables by applying the optimal set value to the neural network.

또한, 이러한 목적을 달성하기 위한 뉴럴 네트워크를 이용한 건축 구조 설계 장치는 복수의 건축 설계 변수 각각의 설정 가능 범위 내에 있는 특정 값을 이용하여 빅 데이터 값을 결정하는 설정 값 결정부, 상기 복수의 건축 설계 변수 각각의 설정 가능 범위내에서 생성된 빅 데이터 값을 이용하여 상기 복수의 건축 설계 변수 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 생성하는 뉴럴 유전자 생성부, 상기 뉴럴 유전자를 기초로 상기 복수의 건축 설계 변수 각각의 최적 설정 값을 결정하는 최적 설정 값 결정부 및 상기 건축 설계 변수 각각의 최적 설정 값을 뉴럴 네트워크에 적용하여 건축 설계 영향 요소와 설계 변수 각각의 설계 정보를 획득하는 설계 정보 획득부를 포함한다. In addition, a building structure design device using a neural network to achieve this purpose is a set value determination unit that determines a big data value by using a specific value within a settable range of each of a plurality of building design variables, and the plurality of building designs A neural gene generation unit that generates a neural gene for an element influencing architectural design for each of the plurality of architectural design variables using big data values generated within the configurable range of each variable, and the plurality of architectural designs based on the neural gene And a design information acquisition unit that obtains design information for each architectural design influence factor and design variable by applying the optimal set value of each of the architectural design variables to the neural network and an optimal set value determining unit that determines the optimal set value of each variable. .

전술한 바와 같은 본 발명에 의하면, 설계 단계에서부터 빅 데이터 값을 사용 하여 구조물의 경제성 제고뿐만 아니라 온실가스 배출 등을 최소화 할 수 있도록 유도할 수 있다는 장점이 있다.According to the present invention as described above, there is an advantage in that it is possible to induce not only to improve the economic efficiency of the structure but also to minimize greenhouse gas emissions by using a big data value from the design stage.

또한 본 발명에 의하면, 구조물의 설계 및 시공에 대한 기대가 커짐에 따라 건설 기술은 프리캐스트콘크리를 활용한 멀티베이, 멀티플로어의 기술 개발로 확장 되고 있는 실정이며, 이러한 프리캐스트콘크리를 활용한 멀티베이, 멀티플로어 신기술의 설계 및 시공을 위해서 AI기법을 적용하고 최적 설계할 수 있다는 장점이 있다.In addition, according to the present invention, as expectations for the design and construction of structures increase, the construction technology is expanding to the development of multi-bay and multi-floor technologies using precast concrete. For the design and construction of new bay and multi-floor technologies, it has the advantage of being able to apply and optimally design AI techniques.

또한 본 발명에 의하면, 건축물의 시공 경제성, 온실 가스 배출 량, 구조물의 중량, 공사 기간 등이 최적화될 수 있도록 건축 구조 설계 시 복수의 건축 설계 변수 각각의 최적 설정 값을 결정할 수 있다는 장점이 있다. In addition, according to the present invention, there is an advantage in that it is possible to determine the optimum setting value of each of a plurality of building design variables when designing a building structure so that the construction economy of a building, the amount of greenhouse gas emissions, the weight of the structure, and the construction period can be optimized.

또한 본 발명에 의하면, 최적화 되어야 하는 건축 설계 변수를 정의하고 건축 설계 변수를 최적화할 수 있는 유전자 이식 기능을 갖는 뉴럴 네트워크를 제공할 수 있다는 장점이 있다.In addition, according to the present invention, there is an advantage in that it is possible to provide a neural network having a transgenic function capable of defining architectural design variables to be optimized and optimizing architectural design variables.

도 1은 본 발명의 일 실시예에 따른 뉴럴 네트워크를 이용한 건축 구조 설계 장치를 설명하기 위한 블록도이다.
도 2는 본 발명에 따른 뉴럴 네트워크를 이용한 건축 구조 설계 방법의 일 실시예를 설명하기 위한 흐름도이다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 복수의 건축 설계 변수 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 설명하기 위한 도면이다.
도 6은 본 발명에 따른 뉴럴 네트워크를 이용하여 건축 설계 영향 요소 각각의 설계 정보를 획득하는 과정을 설명하기 위한 도면이다. 1 is a block diagram illustrating an apparatus for designing a building structure using a neural network according to an embodiment of the present invention.
2 is a flowchart illustrating an embodiment of a method for designing a building structure using a neural network according to the present invention.
3 to 5 are diagrams for explaining neural genes for elements influencing architectural design for each of a plurality of architectural design variables according to an embodiment of the present invention.
6 is a diagram for explaining a process of acquiring design information of each element influencing architectural design by using a neural network according to the present invention.

전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.The above-described objects, features, and advantages will be described later in detail with reference to the accompanying drawings, and accordingly, a person of ordinary skill in the art to which the present invention pertains will be able to easily implement the technical idea of the present invention. In describing the present invention, if it is determined that a detailed description of a known technology related to the present invention may unnecessarily obscure the subject matter of the present invention, a detailed description will be omitted. Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the drawings, the same reference numerals are used to indicate the same or similar elements.

본 명세서에서 사용된 “빔”은 구조용 압연 강재로서 철골 구조용, 콘크리트, 철골-콘크리트 합성보 (현장 타설용 및 프리캐스트 멀티 베이, 멀티 플로어) 등으로 사용된다. 상기의 빔은 강, 철근 콘크리트 또는 목재로 만들어진다. The “beam” used in the present specification is a rolled steel material for structural purposes, and is used for steel structures, concrete, steel-concrete composite beams (for cast-in-place and precast multi-bay, multi-floor), and the like. The beams are made of steel, reinforced concrete or wood.

도 1은 본 발명의 일 실시예에 따른 뉴럴 네트워크를 이용한 건축 구조 설계 장치를 설명하기 위한 블록도이다.1 is a block diagram illustrating an apparatus for designing a building structure using a neural network according to an embodiment of the present invention.

도 1을 참조하면, 뉴럴 네트워크를 이용한 건축 구조 설계 장치(100)는 빅 데이터 값 결정부(110), 뉴럴 유전자 생성부(120), 최적 설정 값 결정부(130) 및 설계 정보 획득부(140)를 포함한다. Referring to FIG. 1, the apparatus 100 for designing a building structure using a neural network includes a big data value determination unit 110, a neural gene generation unit 120, an optimum set value determination unit 130, and a design information acquisition unit 140. ).

빅 데이터 값 결정부(110)는 복수의 건축 설계 변수 각각의 설정 가능 범위 내에 있는 설계 변수에 대해 빅 데이터 값을 생성한다. The big data value determination unit 110 generates big data values for design variables within a settable range of each of the plurality of architectural design variables.

일 실시예에서, 빅 데이터 값 결정부(110)는 복수의 건축 설계 변수 각각의 설정 가능 범위 내 값 중 랜덤하게 결정된 설계 변수에 대해 빅 데이터 값을 생성할 수 있다.In an embodiment, the big data value determiner 110 may generate a big data value for a design variable randomly determined among values within a settable range of each of the plurality of architectural design variables.

상기의 복수의 건축 설계 변수는 건축 구조 설계 및 시공 시 최적화되어야 하는 설계 변수를 의미한다. 예를 들어, 빔의 너비(Beam width), 빔의 높이(Beam height), 빔의 길이(Beam length), 콘크리트 압축강도(Compressive concrete strength), 철근 항복 강도(Rebar yield strength) 등을 포함할 수 있다. The plurality of architectural design variables above refer to design variables that must be optimized when designing and constructing a building structure. For example, it may include beam width, beam height, beam length, compressive concrete strength, rebar yield strength, etc. have.

복수의 건축 설계 변수 각각의 빅 데이터 값은 설정 가능 범위를 가지며, 설정 가능 범위의 어느 하나의 값으로 설정될 수 있다. 예를 들어, 빔의 너비의 설정 가능 범위는 200mm 내지 600 mm이고, 빔의 높이의 설정 가능 범위는 300mm 내지 1100mm이고, 빔의 길이의 설정 가능 범위는 3000mm 내지 13000mm이고, 콘크리트 압축 강도의 설정 가능 범위는 18MPa 내지 60MPa이고, 철근 항복 강도의 설정 가능 범위는 400MPa 내지 600MPa이다. 하지만 본 값들에 대해 한정 되지 아니한다.The big data value of each of the plurality of architectural design variables has a settable range, and may be set to any one of the settable ranges. For example, the width of the beam can be set from 200 mm to 600 mm, the height of the beam can be set from 300 mm to 1100 mm, the length of the beam can be set from 3000 mm to 13000 mm, and the compressive strength of concrete can be set. The range is 18 MPa to 60 MPa, and the settable range of the rebar yield strength is 400 MPa to 600 MPa. However, it is not limited to these values.

이러한 복수의 건축 설계 변수 각각은 건축 구조 설계 시 설정 가능 범위의 값 중 최적 설정 값으로 설정되어야 건축물의 시공 경제성, 온실 가스 배출 량, 구조물의 중량, 공사 기간 등이 최적화될 수 있다. Each of these plurality of building design variables must be set to an optimal setting value among the values of the settable range when designing the building structure so that the construction economy of the building, the amount of greenhouse gas emission, the weight of the structure, the construction period, etc. can be optimized.

종래에는 건축 구조 설계를 반복적으로 실시하여 구조물의 최적화를 찾아내고 있으나 반복 설계의 한계성으로 인해 완전한 최적화를 구현할 수 없었으며 최적화 효과 또는 미비할 수 밖에 없었다.In the past, architectural structural design was repeatedly performed to find the optimization of the structure, but due to the limitations of the iterative design, a complete optimization could not be realized, and the optimization effect or inadequate was inevitable.

이러한 문제점을 해결하기 위해서, 본 발명은 복수의 건축 설계 변수 각각의 빅 데이터 값 중 최적 설정 값을 결정한 후 건축 설계 영향 요소 각각의 설계 정보를 획득할 수 있도록 한다. In order to solve this problem, the present invention determines the optimal set value among the big data values of each of a plurality of architectural design variables, and then obtains design information of each architectural design influence element.

이를 위해, 빅 데이터 값 결정부(110)는 복수의 건축 설계 변수 각각의 설정 가능 범위 내에 있는 전체를 random variable로 보고 빅 데이터 값을 생성 한다.To this end, the big data value determination unit 110 generates a big data value by looking at the whole within the settable range of each of the plurality of architectural design variables as a random variable.

건축 설계 변수 각각의 빅 데이터 값에 따라 예상되는 건축 설계 변수 별 건축 설계 영향 요소의 상태를 나타내는 유전자 그래프가 생성된 후 최적 설정 값 결정부(130)를 통해 특정 값이 최적 설정 값으로 결정된다. After generating a genetic graph indicating the state of the architectural design influence factors for each architectural design variable expected according to the big data value of each of the architectural design variables, a specific value is determined as the optimal set value through the optimal set value determination unit 130.

예를 들어, 복수의 건축 설계 변수 중 빔의 너비의 설정 가능 범위가 200mm 내지 600 mm인 경우, 빅 데이터 값 결정부(110)는 빔의 너비의 설정 값을 설정 가능 범위의 값 전체를 random variable로 보고빅 데이터 값을 생성 한다. For example, if the width of the beam can be set within a range of 200 mm to 600 mm among the plurality of architectural design variables, the big data value determining unit 110 sets the set value of the width of the beam to a random variable. It creates the Bogobig data value.

뉴럴 유전자 생성부(120)는 빅 데이터 값 결정부(110)에 의해 결정된 건축 설계 변수 각각의 빅 데이터 값값을 이용하여 상기 복수의 건축 설계 변수 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 생성한다. The neural gene generation unit 120 generates a neural gene for a building design influence factor for each of the plurality of building design variables by using the big data value values of each of the building design variables determined by the big data value determination unit 110.

즉, 뉴럴 유전자는 “빔 무게”의 설정 값, 건축 설계 영향 요소 시공 경제성”의 설정값, 그리고 건축 설계 영향 요소 “온실개스 배출량”등이 될 수 있으며 상태에 따라 해당 건축 설계 최적값 (최소 철근량, 최적 빔 사이즈 등) 을결정 할 수 있다.In other words, the neural gene can be the set value of “beam weight”, the set value of construction design influence factor construction economy, and the construction design influence factor “greenhouse gas emission”. , Optimal beam size, etc.) can be determined.

뉴럴 유전자 생성부(120)는 빅 데이터 값 결정부(110)에 의해 생성된 복수의 건축 설계 변수 및 설계변수(빔의 너비(Beam width), 빔의 높이(Beam height), 빔의 길이(Beam length), 콘크리트 압축강도(Compressive concrete strength), 철근 항복강도(Rebar yield strength) 에 따라 건축 설계 영향 요소인 건축 부재 별 가격, 온실가스 발생량, 빔의 중량의 상태 등을 예상하여 뉴럴 유전자를 생성할 수 있다. The neural gene generation unit 120 includes a plurality of architectural design variables and design variables (beam width, beam height), and beam length generated by the big data value determination unit 110. length), compressive concrete strength, and rebar yield strength. I can.

상기의 복수의 건축 설계 변수 별 건축 설계 영향 요소는 복수의 건축 설계 변수인 빅 데이터 값에 따른 건축물의 뉴럴 유전자를 의미한다. 이때, 건축 설계 영향 요소는 시공 경제성, 온실 가스 배출 량, 구조물의 중량, 공사 기간 등을 포함할 수 있다. The architectural design influence factor for each of the plurality of architectural design variables refers to a neural gene of a building according to a big data value, which is a plurality of architectural design variables. In this case, the factors that influence the architectural design may include construction economics, greenhouse gas emissions, the weight of the structure, and the construction period.

상기와 같은 과정을 통해 뉴럴 유전 생성부(120)에 의해 생성된 뉴럴 유전자는 건축 설계 변수의 빅 데이터 값을 이용하여 구조물을 시공 시 예상되는 복수의 건축 설계 변수 각각의 빅 데이터 값 별 건축 설계 영향 요소의 상태에 따라 생성된 복수의 뉴럴 유전자(“빔 무게”의 설정 값, 건축 설계 영향 요소 시공 경제성”의 설정값, 그리고 건축 설계 영향 요소 “온실개스 배출량”등) 을 포함한다. The neural gene generated by the neural genetic generator 120 through the above process is the architectural design impact of each big data value of a plurality of architectural design variables expected when constructing a structure by using the big data value of the architectural design variable. It includes a plurality of neural genes (“beam weight” setting value, architectural design influence element construction economy” setting value, and construction design influence element “greenhouse gas emission”) generated according to the condition of the element.

예를 들어, 뉴럴 유전자는“빔 무게”의 설정 값, 건축 설계 영향 요소 시공 경제성”의 설정값, 그리고 건축 설계 영향 요소 “온실 개스 배출량”의 상태에 따라 해당 건축 설계 최적값 (최소 철근량, 최적 빔 사이즈 등) 등이 작성 된다.For example, the neural gene is the optimal value (minimum reinforcing bar amount, optimum Beam size, etc.), etc. are written.

이와 같은 뉴럴 유전자는 제1 곡선, 제2 곡선 및 제3 곡선을 포함하고, 제1 곡선은 복수의 건축 설계 변수 각각의 빅 데이터 값에 따른 건축 설계 영향 요소의 상태가 최소 상태일 경우의 곡선을 의미하고, 제2 곡선은 복수의 건축 설계 변수 각각의 빅 데이터 값에 따른 건축 설계 영향 요소의 상태가 최악 상태일 경우의 곡선을 의미하고, 제3 곡선은 제1 곡선 및 제2 곡선의 중간에 위치하며, 복수의 건축 설계 변수의 빅 데이터 값에 따른 건축 설계 영향 요소의 상태가 최선과 최악을 중간 상태일 경우의 곡선을 의미한다. Such a neural gene includes a first curve, a second curve, and a third curve, and the first curve represents a curve when the state of the architectural design influence element according to the big data value of each of the plurality of architectural design variables is the minimum state. The second curve refers to a curve when the state of the architectural design influence element according to the big data value of each of the plurality of architectural design variables is in the worst state, and the third curve is in the middle of the first curve and the second curve. It is located, and refers to the curve when the state of the factors affecting the architectural design according to the big data values of a plurality of architectural design variables is in the middle between the best and the worst.

최적 설정 값 결정부(130)는 뉴럴 유전자 생성부(120)에 의해 생성된 뉴럴 유전자를 기초로 상기 복수의 건축 설계 변수 각각의 최적 설정 값을 결정한다. The optimal set value determining unit 130 determines an optimal set value of each of the plurality of building design variables based on the neural gene generated by the neural gene generating unit 120.

예를 들어, 최적 설정 값 결정부(130)는 뉴럴 유전자 생성부(120)에 의해 생성된 뉴럴 유전자 상에서 건축 설계 영향 요소의 상태가 상기 복수의 곡선 중 제3 곡선과 만나는 지점에 해당하는 건축 설계 변수의 설정 값을 해당 건축 설계 설정 값으로 결정할 수 있다.For example, the optimal setting value determination unit 130 is an architectural design corresponding to a point where the state of the architectural design influence element on the neural gene generated by the neural gene generation unit 120 meets a third curve among the plurality of curves. The set value of the variable can be determined as the corresponding architectural design set value.

상기와 같은 이유는, 뉴럴 유전자 상의 제3 곡선은 복수의 건축 설계 변수 빅 데이터 값에 따른 건축물의 건축 설계 영향 요소의 상태가 중간 상태일 경우의 곡선이기 때문에, 건축 설계 영향 요소의 상태 중 특정 상태를 목표로 하는 경우 특정 상태가 제3 곡선과 만나는 지점에 해당하는 건축 설계 변수의 설정 값을 해당 건축 설계 변수의 설정 값으로 결정하는 것이다. The reason for the above is that the third curve on the neural gene is a curve when the state of the architectural design influence element of the building according to the big data value of a plurality of architectural design variables is an intermediate state. In the case of targeting, the set value of the architectural design variable corresponding to the point where the specific state meets the third curve is determined as the set value of the corresponding building design variable.

예를 들어, 뉴럴 유전자 생성부(120)에 의해 생성된 뉴럴 유전자에서 제3 곡선에 해당 하는 건축 설계 변수, 즉“빔 무게”의 설정 값, 건축 설계 영향 요소 시공 경제성”의 설정값, 그리고 건축 설계 영향 요소 “온실개스 배출량”의 상태에 따라 해당 건축 설계 최적값(즉, 최소철근량, 최적 빔 사이즈 등)을 결정할 수 있다.For example, in the neural gene generated by the neural gene generation unit 120, the architectural design variable corresponding to the third curve, that is, the set value of “beam weight”, the set value of the architectural design influence factor, construction economics”, and the construction According to the condition of the design influence factor “greenhouse gas emission”, the optimal value for the corresponding building design (ie, minimum reinforcement amount, optimal beam size, etc.) can be determined.

설계 정보 획득부(140)는 생성된 빅 데이터 값에 대해서 구해진 복수의 건축 설계 변수 각각의 최적 설정 값 및 건축 설계 영향 요소를 뉴럴 네트워크에 적용하여 건축 설계 영향 요소 각각의 설계 정보를 획득한다. The design information acquisition unit 140 obtains design information of each architectural design influence element by applying an optimal set value of each of a plurality of architectural design variables obtained with respect to the generated big data value and an architectural design influence element to a neural network.

상기의 설계 정보 획득부(140)에서 획득된 설계 정보는 최적 설정 값으로 설정된 복수의 건축 설계 변수 각각을 이용하는 경우 건축 설계 영향 요소 각각이 어떻게 설계되는지에 대한 정보를 의미한다. The design information obtained by the design information acquisition unit 140 refers to information on how each architectural design influence element is designed when each of a plurality of architectural design variables set as an optimal setting value is used.

도 2는 본 발명에 따른 뉴럴 네트워크를 이용한 건축 구조 설계 방법의 일 실시예를 설명하기 위한 흐름도이다.2 is a flowchart illustrating an embodiment of a method for designing a building structure using a neural network according to the present invention.

도 2를 참조하면, 건축 구조 설계 장치(100)는 복수의 건축 설계 변수 각각의 설정 가능 범위내에서random variable 기반으로 빅 데이터 값을 생성 하는 과정을 포함 한다(단계 S210).Referring to FIG. 2, the apparatus 100 for designing a building structure includes a process of generating a big data value based on a random variable within a settable range of each of a plurality of building design variables (step S210).

상기의 빅 데이터 값의 건축 설계 변수는 건축 구조 설계 및 시공 시 최적화되어야 하는 설계 변수를 의미한다. 예를 들어, 빔의 너비(Beam width), 빔의 높이(Beam height), 빔의 길이(Beam length), 콘크리트 내구성(Concrete strength), 철근 내구성(Rebar strength), 건축 부재 별 가격 등을 포함할 수 있다. The architectural design variable of the above big data value refers to a design variable that must be optimized when designing and constructing a building structure. For example, it includes beam width, beam height, beam length, concrete strength, rebar strength, and price per building member. I can.

빅 데이터 값의 건축 설계 변수 각각의 빅 데이터 값은 설정 가능 범위를 가지며, 설정 가능 범위의 어느 하나의 값으로 설정될 수 있다. 예를 들어, 빔의 너비의 설정 가능 범위는 200mm 내지 600 mm이고, 빔의 높이의 설정 가능 범위는 300mm 내지 1100mm이고, 빔의 길이의 설정 가능 범위는 3000mm 내지 13000mm이고, 콘크리트 압축강도(Compressive concrete strength)의 설정 가능 범위는 18MPa 내지 60MPa이고, 철근 항복강도(Rebar yield strength)의 설정 가능 범위는 400MPa 내지 600MPa이다. 하지만 본 값들에 대해 한정 되지 아니한다.The big data value of each of the architectural design variables of the big data value has a settable range, and may be set to any one of the settable ranges. For example, the width of the beam can be set from 200 mm to 600 mm, the height of the beam can be set from 300 mm to 1100 mm, the length of the beam can be set from 3000 mm to 13000 mm, and compressive concrete strength. strength) can be set in the range of 18 MPa to 60 MPa, and the rebar yield strength can be set in the range of 400 MPa to 600 MPa. However, it is not limited to these values.

이러한 문제점을 해결하기 위해서, 본 발명은 복수의 건축 설계 변수 각각의 설정 가능 범위 중에서 빅 데이터 값을 생성 하여 최적 설정 값을 결정한 후 건축 설계 영향 요소 각각의 설계 정보를 획득할 수 있도록 한다. In order to solve this problem, the present invention generates a big data value from among a settable range of each of a plurality of building design variables to determine an optimal set value, and then obtains design information for each building design influence element.

이를 위해, 건축 구조 설계 장치(100)는 복수의 건축 설계 변수 각각의 설정 가능 범위 내에 있는 어느 하나의 값을 해당 건축 설계 변수 각각의 빅 데이터 값으로 결정하며, To this end, the building structure design apparatus 100 determines any one value within the settable range of each of the plurality of building design variables as the big data value of each of the corresponding building design variables,

건축 구조 설계 장치(100)는 복수의 건축 설계 변수 각각의 빅 데이터 값을 이용하여 상기 복수의 건축 설계 변수 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 생성한다(단계 S220).The architectural structure design apparatus 100 generates a neural gene for the architectural design influence element for each of the plurality of architectural design variables by using the big data values of each of the plurality of architectural design variables (step S220).

상기의 복수의 건축 설계 변수 별 건축 설계 영향 요소는 빅 데이터 값 설정(빔의 너비(Beam width), 빔의 높이(Beam height), 빔의 길이(Beam length), 콘크리트 압축강도(Compressive concrete strength), 철근 항복 강도(Rebar yield strength) 등)값에 따른 건축 설계 영향 요소를 의미한다. The factors influencing architectural design for each of the plurality of architectural design variables above are set to big data values (beam width, beam height, beam length, compressive concrete strength). , Rebar yield strength, etc.).

이때, 건축 설계 영향 요소는 시공 경제성, 온실 가스 배출 량, 구조물의 중량, 공사 기간 등을 포함할 수 있다.In this case, the factors that influence the architectural design may include construction economics, greenhouse gas emissions, the weight of the structure, and the construction period.

즉, 뉴럴 유전자는 복수의 건축 설계 빅 데이터 값을 이용하여 구조물을 시공 시 예상되는 복수의 건축 설계 변수 각각의 빅 데이터 값 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 생성한다.That is, the neural gene generates a neural gene for the architectural design influence factor for each big data value of a plurality of architectural design variables expected when constructing a structure using a plurality of architectural design big data values.

예를 들어, 뉴럴 유전자(도 3, 도 4, 도 5 참조)는 “빔 무게”의 설정 값, 시공 경제성”의 설정값, 그리고 온실개스 배출량”의 상태에 따라 해당 건축 설계 최적값 (최소 철근량, 최적 빔 사이즈 등)을 결정할 수 있다.For example, the neural gene (refer to FIGS. 3, 4, 5) is the optimal value for the corresponding building design (minimum rebar amount) according to the setting value of “beam weight”, the setting value of construction economy”, and the state of greenhouse gas emission” , Optimal beam size, etc.) can be determined.

건축 구조 설계 장치(100)는 뉴럴 유전자를 기초로 상기 복수의 건축 설계 변수 각각의 최적 설정 값을 결정한다(단계 S230).The building structure design apparatus 100 determines an optimal setting value of each of the plurality of building design variables based on the neural gene (step S230).

단계 S230에 대한 일 실시예에서, 건축 구조 설계 장치(100)는 뉴럴 유전자 상에서 건축 설계 영향 요소의 상태가 상기 복수의 곡선 중(최적, 최악, 또는 중간) 어느 하나의 곡선과 만나는 지점에 해당하는 건축 설계 변수의 설정 값을 해당 건축 설계 변수의 최적 설정 값으로 결정할 수 있다. In one embodiment for step S230, the architectural structure design apparatus 100 corresponds to a point where the state of the architectural design influence element on the neural gene meets any one of the plurality of curves (optimal, worst, or intermediate). The set value of the architectural design variable can be determined as the optimal set value of the corresponding building design variable.

건축 구조 설계 장치(100)는 복수의 건축 설계 변수 각각의 최적 설정 값 및 건축 설계 영향 요소를 뉴럴 네트워크에 적용하여 건축 설계 영향 요소 각각의 설계 정보를 획득한다(단계 S240).The architectural structure design apparatus 100 obtains design information of each of the architectural design influence elements by applying the optimum set values and the architectural design influence elements of each of the plurality of construction design variables to the neural network (step S240).

상기와 같은 과정을 통해 획득된 설계 정보는 최적 설정 값으로 설정된 복수의 건축 설계 변수 각각을 이용하는 경우 건축 설계 영향 요소 각각이 어떻게 설계되는지에 대한 정보를 의미한다. The design information obtained through the above process refers to information on how each architectural design influence element is designed when each of a plurality of architectural design variables set as an optimal setting value is used.

도 3 내지 도 5는 본 발명의 일 실시예에 따른 복수의 건축 설계 변수 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 설명하기 위한 도면이다.3 to 5 are diagrams for explaining neural genes for elements influencing architectural design for each of a plurality of architectural design variables according to an exemplary embodiment of the present invention.

도 3 내지 도 5를 참조하면, 건축 구조 설계 장치(100)는 생성된 빅 데이터 값을 이용하여 복수의 건축 설계 변수 별 건축 설계 영향 요소에 대한 뉴럴 유전자를 생성한다. Referring to FIGS. 3 to 5, the apparatus 100 for designing a building structure generates a neural gene for elements influencing architectural design for each of a plurality of architectural design variables by using the generated big data values.

즉, 건축 구조 설계 장치(100)는 건축 설계 기존 이론을 이용하여 생성된빅 데이터 값을 활용하여 건축 설계 영향 요소의 상태를 예상하고 뉴럴 유전자를 생성할 수 있다. That is, the architectural structure design apparatus 100 may predict the state of the architectural design influence element and generate a neural gene by using the big data value generated using the existing architectural design theory.

상기의 복수의 건축 설계 변수 별 건축 설계 영향 요소는 설계 변수 각각의 빅 데이터 값에 따른 건축 설계 영향 요소를 의미한다. 이때, 건축 설계 영향 요소는 시공 경제성, 온실 가스 배출 량, 구조물의 중량, 공사 기간 등을 포함할 수 있다. The architectural design influence factors for each of the plurality of architectural design variables refer to the architectural design influence factors according to the big data values of each of the design variables. In this case, the factors that influence the architectural design may include construction economics, greenhouse gas emissions, the weight of the structure, and the construction period.

상기의 같은 과정을 통해 생성된 뉴럴 유전자는 구조물을 시공 시 예상되는 복수의 건축 설계 변수 각각의 빅 데이터 값 별 건축 설계 영향 요소의 상태에 따라 생성된 복수의 곡선(310, 320, 330)을 포함한다. The neural genes generated through the same process as described above include a plurality of curves 310, 320, 330 generated according to the state of the architectural design influence element for each big data value of a plurality of architectural design variables expected when constructing a structure. do.

이때, 복수의 곡선은 제1 곡선(310), 제2 곡선(320) 및 제3 곡선(330)을 포함하고, 제1 곡선(310)은 복수의 건축 설계 변수 각각의 빅 데이터 값에 따른 건축 설계 영향 요소의 상태가 최소 상태일 경우의 곡선을 의미하고, 제2 곡선(320)은 복수의 건축 설계 변수 각각의 빅 데이터 값에 따른 건축 설계 영향 요소의 상태가 최악 상태일 경우의 곡선을 의미하고, 제3 곡선(330)은 제1 곡선(310) 및 제2 곡선(320)의 중간에 위치하며, 복수의 건축 설계 변수 각각의 빅 데이터 값에 따른 건축 설계 영향 요소의 상태가 중간상태일 경우의 곡선을 의미한다. At this time, the plurality of curves includes a first curve 310, a second curve 320, and a third curve 330, and the first curve 310 is an architecture according to the big data values of each of the plurality of architectural design variables. It means the curve when the state of the design influence element is the minimum state, and the second curve 320 means the curve when the state of the architectural design influence element is the worst state according to the big data values of each of the plurality of architectural design variables. And, the third curve 330 is located in the middle of the first curve 310 and the second curve 320, and the state of the architectural design influence element according to the big data value of each of the plurality of architectural design variables is an intermediate state. It means the curve of the case.

도 3 내지 도 5의 뉴럴 유전자는 각각 빔 무게, 시공 경제성, 온실개스 배출량에 대한 3개의 뉴럴 유전자를 보여 주고 있으며“빔 무게”의 설정 값,“시공 경제성”의 설정 값, 온실개스 배출량”설정 값의 상태에 따라 해당 건축 설계 변수의 최적값 (최소 철근량, 최적 빔 사이즈 등)의 상태를 나타낼 수 있다.The neural genes of FIGS. 3 to 5 show three neural genes for beam weight, construction economy, and greenhouse gas emission, respectively, and the set value of “beam weight”, the set value of “construction economy”, and greenhouse gas emission” set Depending on the state of the value, the state of the optimal value (minimum reinforcement amount, optimal beam size, etc.) of the corresponding building design variable can be indicated.

건축 구조 설계 장치(100)는 뉴럴 유전자를 기초로 상기 복수의 건축 설계 변수 각각의 최적 설정 값을 결정한다. The building structure design apparatus 100 determines an optimal setting value of each of the plurality of building design variables based on a neural gene.

예를 들어, 도 3과 같이 건축 설계 영향 요소의 상태 “750”에 해당하는 건축 설계 영향 요소의 설정 값은 복수의 곡선(310, 320, 330) 상에 존재하게 된다. For example, as shown in FIG. 3, the set value of the architectural design influence element corresponding to the state "750" of the architectural design influence element exists on a plurality of curves 310, 320, and 330.

이때, 건축 설계 영향 요소의 상태 “750”에 해당하는 건축 설계 변수의 설정 값이 제1 곡선(310) 상에 존재하는 경우 건축 설계 영향 요소 각각의 뉴럴 유전자의 설정 값은 0.34(1)에 해당할 것이고, 건축 설계 영향 요소의 상태 “750”에 해당하는 건축 설계 변수의 설정 값이 제2 곡선(320) 상에 존재하는 경우 건축 설계 영향 요소 각각의 뉴럴 유전자의 설정 값은 1.2(3)에 해당할 것이고, 건축 설계 영향 요소의 상태 “750”에 해당하는 건축 설계 변수의 설정 값이 제3 곡선(33) 상에 존재하는 경우 건축 설계 영향 요소 각각의 뉴럴 유전자의 설정 값은 0.68(2)에 해당할 것이다. At this time, if the set value of the building design variable corresponding to the state of “750” of the building design influence factor exists on the first curve 310, the set value of the neural gene of each building design influence factor corresponds to 0.34(1). If the set value of the building design variable corresponding to the state “750” of the building design influence factor exists on the second curve 320, the set value of the neural gene of each building design influence factor is 1.2(3). If the set value of the building design variable corresponding to the state “750” of the building design influence factor exists on the third curve (33), the set value of the neural gene of each building design influence factor is 0.68(2) Will correspond to.

즉, 건축 구조 설계 장치(100)는 뉴럴 유전자 상에서 건축 설계 영향 요소의 상태 “750”가 상기 복수의 곡선 중 제3 곡선(330)과 만나는 지점에 해당하는 건축 설계 영향 요소 각각의 뉴럴 유전자의 설정 값 0.68(a)을 중간 값인 해당 건축 설계 변수의 최적 설정 값으로 결정할 수 있다. That is, the architectural structure design apparatus 100 sets a neural gene for each of the architectural design influencing elements corresponding to the point where the state "750" of the architectural design influence element on the neural gene meets the third curve 330 among the plurality of curves. A value of 0.68(a) can be determined as the intermediate value, the optimal setting value of the corresponding building design variable.

상기와 같은 이유는, 뉴럴 유전자상의 제3 곡선(330)은 복수의 건축 설계 변수 각각의 빅 데이터 값로부터 설정된 건축 설계 영향 요소의 상태가 중간 값인 상태일 경우의 곡선이기 때문에, 중간 상태를 목표로 하는 경우 제3 곡선(330)과 만나는 지점에 해당하는 건축 설계 변수의 설정 값을 해당 건축 설계 변수의 최적 설정 값으로 결정하는 것이다The reason described above is that the third curve 330 on the neural gene is a curve when the state of the building design influence element set from the big data values of each of the plurality of building design variables is an intermediate value. In this case, the set value of the building design variable corresponding to the point where it meets the third curve 330 is determined as the optimal set value of the corresponding building design variable.

그러나 건축 설계 변수의 설정 값은 복수의 곡선(310, 320, 330) 이외에도 설계자의 의도에 따라서 임의의 위치의 곡선을 선택 할 수 있다.However, as the set value of the architectural design variable, in addition to the plurality of curves 310, 320, 330, a curve at an arbitrary position may be selected according to the intention of the designer.

도 6은 본 발명에 따른 뉴럴 네트워크를 이용하여 건축 설계 영향 요소 각각의 설계 정보를 획득하는 과정을 설명하기 위한 도면이다. 6 is a diagram for explaining a process of acquiring design information of each element influencing architectural design by using a neural network according to the present invention.

도 6을 참조하면, 건축 구조 설계 장치(100)는 복수의 건축 설계 변수 각각(410, 415, 420, 425, 430)의 설계 변수 값과 건축 설계 영향 요소(뉴럴 유전자)(435, 440, 445, 450, 455, 460)를 뉴럴 네트워크에 입력 하여 뉴럴 유전자의 조건을 충족 하여 최적화 된 설계 정보 및 건축 설계 변수를 출력 하도록 한다. 이는 도4의 우측에 출력으로 표시 되어 있다. 이때 뉴럴 유전자에서 지시된 조건들이 만족 되어 있는지도 도4의 우측 출력에서 확인 될 수 있다.6, the building structure design apparatus 100 includes design variable values and architectural design influence factors (neural genes) 435, 440, 445, respectively, of a plurality of building design variables 410, 415, 420, 425, and 430. , 450, 455, 460) into the neural network to output optimized design information and architectural design variables by satisfying the condition of neural genes. This is indicated by the output on the right side of Fig. 4. At this time, whether the conditions indicated by the neural gene are satisfied can be confirmed in the right output of FIG. 4.

즉, 건축 구조 설계 장치(100)는 설계 변수에 대해 생성된 빅 데이터 값을 철근 내구성(415), 콘크리트 내구성(420), 빔의 너비(425)”등을 뉴럴 네트워크에 적용하여 건축 설계 영향 요소 “콘크리트 가격(435), 철근 가격(440), 제조 비용(445), 이산화탄소 배출량(450), 빔의 중량 및 소음(455)”등 건축 설계 영향 요소 각각의 최적화된 설계 정보를 획득할 수 있다. That is, the building structure design apparatus 100 applies the big data value generated for the design variable to the neural network by applying the reinforcing bar durability 415, concrete durability 420, and beam width 425 to the neural network. It is possible to obtain optimized design information for each of the factors influencing building design, such as “concrete price 435, rebar price 440, manufacturing cost 445, carbon dioxide emission 450, beam weight and noise 455”. .

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.As described above, although the present invention has been described by the limited embodiments and drawings, the present invention is not limited to the above embodiments, which is, if one of ordinary skill in the field to which the present invention belongs, various modifications and Transformation is possible. Therefore, the idea of the present invention should be grasped only by the claims set forth below, and all equivalent or equivalent modifications thereof will be said to belong to the scope of the idea of the present invention.

100: 건축 구조 설계 장치
110: 설정 값 결정부
120: 뉴럴 유전자 생성부
130: 최적 설정 값 결정부
140: 설계 정보 획득부100: building structure design device
110: setting value determination unit
120: neural gene generation unit
130: optimum setting value determination unit
140: design information acquisition unit

Claims

Determining a big data value using a specific value within a settable range of each of the plurality of architectural design variables;
Generating a neural gene for a building design influence element for each of the plurality of building design variables by using big data values of the plurality of building design variables;
Determining an optimal setting value of each of the plurality of architectural design variables based on the neural gene; And
And acquiring design information of each architectural design influence factor and design variable by applying an optimal setting value of each architectural design variable to a neural network.
Building structure design method using neural network.

The method of claim 1,
Generating a neural gene for a building design influence element for each of the plurality of building design variables by using the big data values of the plurality of building design variables comprises:
Using the big data values of each of the plurality of building design variables, a neural gene including a plurality of curves generated according to the state of the architectural design influence factor for each of the plurality of building design variables expected when constructing a structure Characterized in that it comprises the step of generating
Building structure design method using neural network.

The method of claim 2,
Determining an optimal setting value of each of the plurality of architectural design variables based on the neural gene
And determining a set value of a building design variable corresponding to a point where a state of a building design influence element on the neural gene meets any one of the plurality of curves as an optimal set value of the corresponding building design variable. With
Building structure design method using neural network.

A set value determination unit that determines a big data value by using a specific value within a settable range of each of the plurality of architectural design variables;
A neural gene generator for generating a neural gene for an element influencing architectural design for each of the plurality of architectural design variables by using big data values generated within a settable range of each of the plurality of architectural design variables;
An optimum setting value determining unit for determining an optimum setting value of each of the plurality of architectural design variables based on the neural gene; And
It characterized in that it comprises a design information acquisition unit for obtaining design information of each of the architectural design influence elements and design variables by applying the optimal set value of each of the architectural design variable to the neural network
Building structure design device using neural network.

The method of claim 4,
The neural gene generation unit
Using the big data value generated within the settable range of each of the plurality of architectural design variables, a plurality of architectural design variables expected when constructing a structure Characterized in that to generate a neural gene containing a curve
Building structure design device using neural network.

The method of claim 5,
The optimal setting value determination unit
In the neural gene, a set value of a building design variable corresponding to a point where a state of a building design influence element meets any one of the plurality of curves is determined as an optimal set value of the corresponding building design variable.
Building structure design device using neural network.