In this thesis, a dataset for strength reduction of fire-exposed RC column which is described in terms of P-M diagram downsize is built, and a Machine Learning (ML) based RC members mechanic analysis is introduced by making a model which predicts P-M reduction as fire exposure lasts. Since a fire exposed RC member experience physical property changes non-mechanical deformation due to temperature increase and chemical reactions in it, it shows different mechanical behavior to the RC member before exposed to the fire. A dataset on numerical analysis of fire exposed RC column P-M diagram on sample set which is consisted of 1770 RC columns with different base, height, and reinforced steel conditions. With this P-M diagram data, a model is built which predicts the P-M diagram reduction
ratio given section input using ML algorithms, XGB and LGBM. This model achieved Mean P-M
error (MAPE) under 5%
본 논문은 화재에 노출된 철근 콘크리트의 강도 저하를 P-M상관도로 나타낸 데이터 셋을 구축하고, 이를 기계학습 알고리즘을 이용해 화재시간에 따른 P-M상관도 축소율을 예측하는 모델을 만들어, 기계학습 알고리즘을 통한 역학 분석 기법을 소개하였다. 화재에 노출된 철근 콘크리트 부재는 온도 상승을 겪으며 그 물성 변화와 화학적 반응이 발생하게 되고, 또한 화재로 인해 발생하는 비역학적 변형률을 받으며 화재를 받기 전과 현저히 다른 강도와 거동을 보이게 된다. 서로 다른 밑변, 높이, 철근 조건을 갖는 1770개 철근 콘크리트 기둥 단면 표본집합에 대해 유한요소 해석을 진행하여 화재지속시간별로 P-M 상관도 데이터를 만들었다. 이 데이터를 학습하여 단면조건이 주어졌을 때 화재 지속시간에 따른 P-M상관도 축소율을 예측하는 모델을 기계학습 알고리즘 XGB, LGBM을 통해 만들어 P-M 상관도 평균 오차율 5% 이하를 달성하였다
