손상평가를 위해 많은 연구자들에 의해 인공신경망이 이용되어 왔다. 그러나, 인공신경망을 이용한 손상평가에 있어 정확성과 능률성을 제고하기 위해서는 몇가지 문제점이 있다. 기존의 인공신경망 특히 역전파신경망(BPNN)의 경우 신경망 학습을 위해 많은 수의 학습패턴을 필요로 하며, 또한 신경망의 구조와 해의 수렴간에 어떤 확정적인 관계가 존재하지 않는다. 따라서 신경망의 은닉층의 수와 한 은닉층에서의 노드수는 시행착오적으로 결정되게 된다. 이러한 많은 훈련패턴의 준비와 최적의 신경망 구조 결정을 위해서는 많은 시간이 필요하다. 본 논문에서는 이러한 단점들을 극복하기 위해 확률신경망을 패턴분류기로 사용하였다. 이를 판형철도교의 손상평가에 수치해석적으로 검증하였다. 또한 확률신경망을 이용한 철도판형교 손상평가시 적절한 훈련패턴 선택을 위해 모드형상과 고유진동수를 사용한 경우의 적용성에 대해 검토하였다.

This study is to investigate and analyze the correlation of carbonation according to strength of concrete members for bridge in marine enviroment. Also depth of carbonation according to age for 100 years is estimated by carbonation rate coefficient. As a result of the measurement, it was found that the depth of carbonation decreases with increasing strength. This is because it is considered that water-cement ratio and amount of unit cement are influenced by the concrete mixing. Also, It is anticipated that rebar corrosion due to carbonation will not occur in concrete members.

Non-destructive test is using rebound hardness and ultrasonography generally. They generate a difference with Core compressive strength in estimation of compressive strength because they are indirectly. Therefor, Inter-rater Reliability analysis was performed to evaluate the reliability of Non-destructive Method. Reliability analysis, while there is correlation two times only between the rebound hardness method and Core compressive strength in total eight cases but ultrasonography method has six times. so ultrasonography method is more reliable than Rebound hardness method.