본 연구의 목적은 초고층건물의 횡강성 증가요인 효과를 분석하고 이를 바탕으로 초기 구조설계에서 활용할 수 있는 횡강성 증가율 예측값을 제시하는 것이다. 이를 위해서 먼저 Box형과 T형의 전형적인 평면을 갖는 60층의 초고층건물 기본모델을 생성하였다. 그리고 초고층건물의 횡강성 증가요인으로서 아웃리거의 추가, 재료강도의 증가, 코어 벽체 단면크기의 증가, 아웃리거 연결기둥 및 아웃리거 벽체의 단면크기 증가를 선정하였다. 다음에는 이 요인들을 기본모델에 적용하여 구조해석을 수행하고, 그 결과로부터 각 요인이 횡강성 증가에 미치는 영향과 상호관계 등을 분석하였다. 마지막으로, 이 분석결과를 바탕으로 초고층건물의 초기 구조설계를 위한 횡강성 증가요인별 강성증가율 예측값을 제안하였으며, 예제 초고층건물에 적용하여 그 타당성을 검토하였다.

신경망은 설계자의 경험과 통찰력과 같은 비정형적 정보에 의존하는 초기 구조설계단계의 시스템화에 매우 적합하다. 초기 구조설계단계를 시작하는 시점에서는 설계정보가 매우 적음을 생각해 볼 때, 신경망 모델은 제한적인 적은 정보를 입력으로 하고 상대적으로 훨씬 많은 출력을 가지도록 설계되어야 한다. 그러나, 이러한 상황은 신경망 학습시 학습속도, 수렴, 출력 값의 신뢰성등 여러 가지 문제점을 초래한다. 본 연구에서는 이러한 문제점을 해결하기 위하여 설계 정보가 점진적으로 증가하는 흐름을 가지고 있다는 점에 착안해서 다단계 신경망을 제시하고, 이를 토대로 사장교 초기 구조설계시스템에 대한 원형을 구현하였다. 본 연구결과 초기 구조설계단계 전체에 대해서 하나의 신경 망으로 설계하는 것 보다 다단계 신경 망으로 나누어서 동일한 작업을 수행하도록 하는 것이 훨씬 유리하다.