논문 상세보기
콘크리트 포장 내부 온도는 열응력 발생, 균열 거동, 구조 성능 및 유지관리 의사결정에 직접적인 영향을 미 치는 핵심 변수이다. 그러나 기존의 물리식 기반 예측 모델은 특정 지역과 제한된 기상 조건에서 보정된 계수 에 의존하는 경우가 많아, 지역 및 기후 조건이 달라질 경우 적용성과 확장성에 한계가 있다. 이에 본 연구는 한국 기상대 자료와 인천국제공항 유도로 콘크리트 포장의 실측 온도 데이터를 활용하여, 깊이별 내부 온도를 예측하는 CNN 기반 모형을 구축하고 공항 포장 유지관리 및 구조 평가에 활용 가능한 데이터 기반 예측 체계 를 제시하고자 하였다. 연구 데이터는 2017년 1월 1일부터 2018년 12월 31일까지의 1시간 단위 시계열로 구 성하였으며, 입력 변수로는 기온, 풍속, 강수량, 습도, 일조량, 일사량, 적설량, 적운량, 지면온도 등 기상 인자 를 사용하고, 출력 변수로는 포장 내부 0.05 m, 0.15 m, 0.25 m, 0.35 m, 0.45 m 깊이의 온도를 설정하였 다. 또한 한국도로연구프로그램(KPRP)의 열평형 방정식 기반 지식을 보조적으로 활용하여 데이터 기반 예측 결 과의 물리적 타당성을 검토하고 모형 고도화 방향을 함께 모색하였다. 제안된 CNN 모형은 다변량 시계열 입력 으로부터 시간대별 변동 패턴, 계절성 및 기상 인자 간 국부적 상관관계를 추출하도록 설계하였으며, 합성곱 연산을 통해 급격한 기온 변화, 강수·적설 이벤트, 주야간 반복 패턴 등 온도 변화 특성을 안정적으로 학습할 수 있도록 하였다. 특히 깊이별 온도를 동시에 예측하는 다중출력 구조를 적용하여 표면과 내부층 간 연계 거 동을 반영하고자 하였다. 아울러 ANN 기반 접근과 비교 가능한 평가 체계를 마련하여 예측 정확도뿐 아니라 일반화 성능 및 계절별·시간대별 재현성을 검토함으로써, 콘크리트 포장 깊이별 온도 예측에서 CNN의 적용 타 당성과 실무 활용 가능성을 평가하고 향후 공항 포장 관리 시스템과 연계 가능한 예측 기반 기술로 확장하기 위한 기초자료를 제공하고자 한다.
