본 연구에서는 Romanoff(1957)의 실측 데이터를 사용하여 머신러닝 기반 상수도관의 부식 깊이를 예측하였다. 이를 실제 상수도관망에 적용하여 누적피해도를 분석하였다. 예측한 부식깊이를 사용하여 누적피해도를 분석하였으며 MCS(Monte Carlo Simulation)를 적용한 누적피해도와 비교 분석하였다. 부식깊이 예측모델에 따른 부식깊이를 분석한 결과 MLP-ReLU 모델이 가장 부식속도가 가장 빠르며 MLP-sigmoid가 가장 부식속도가 느렸다. 천안시 신방동과 성환읍 상수도관망에 MCS를 적용한 누적피해도 분석법과 머신러닝을 적용한 누적피해도를 비교 분석하였다. 신방동에서는 두 분석법 모두 2번 상수도관이 먼저 사용 한계에 도달하였으며 성환읍에서는 4번 상수도관이 가장 먼저 사용 한계에 도달하였다. 사용 한계에 가장 먼저 도달한 상수도관은 다른 상수도관보다 사용 년수가 오래되었거나 수압이 높은 것으로 확인되었다. MCS를 적용한 누적피해도 분석 결과 신방동의 경우 45년 만에 사용 한계를 초과한 반면 성환읍의 경우 47년 만에 사용 한계를 초과했다.

In this study, field measurements reported by Romanoff have been used to predict corrosion depth in water distribution systems using machine learning models. The predicted corrosion depths were then applied to analyze cumulative damage rate for water distribution systems. The validity of the prediction model was evaluated by comparing the cumulative damage rate derived from the predicted corrosion depths with those obtained through MCS(Monte Carlo Simulation). Among the prediction models, the MLP-ReLU variant produced the fastest corrosion progression, whereas the MLP-sigmoid variant produced the slowest. Cumulative damage rates from the MCS-based and machine learning-based approaches have been compared for the Sinbang-dong and Seonghwan-eup systems in Cheonan City. For individual pipes in Sinbang-dong both approaches indicated that Pipe 2 reached the usage limit first, both identified Pipe 4 as the first in Seonghwan-eup. The pipe that reached the usage limit earliest was found to have either a longer service age or a higher internal pressure than the others. Results showed that, under the MCS-based method, all pipes in Sinbang-dong crossed the usage limit after 45 years, while in Seonghwan-eup this occurred after 47 years.

요약문
ABSTRACT
1. 서 론
2. 상수도관망의 시간에 따른 누적피해도
    2.1 MCS를 적용한 상수도관망의 시간에 따른누적피해도
    2.2 머신러닝을 적용한 상수도관망의 시간에 따른누적피해도
3. 누적피해도 비교 분석
4. 결 론
사 사
References

• 권혁재(청주대학교 토목공학과) | Hyuk Jae Kwon (Department of Civil Engineering, Cheongju University) Corresponding author