| 1 |
1
화재현장에서 코어링 채취되어 절단 가공된 화재손상 콘크리트 구조물 샘플(110)을 물리적 및 화학적 분석을 수행하는 샘플 분석부(120);딥러닝(Deep Learning) 분석을 위해 상기 샘플 분석부(120)의 분석결과에 심층 신경망(Deep Neural Network: DNN) 모델을 적용한 후, 기구축된 표준화 디렉터리(Standard Directory: 130)와 비교하여 최적의 분석결과를 도출하는 딥러닝 분석 툴(150);상기 딥러닝 분석 툴(150)의 심층신경망 모델 분석에 따라 화재손상 콘크리트 구조물의 손상깊이별 특정 위치에서의 화재피해온도를 예측하는 화재피해온도 예측부(160);상기 딥러닝 분석 툴(150)의 심층신경망 모델 분석에 따라 화재손상 콘크리트 구조물 외측의 최초 열원(Heat source)에 해당하는 화염의 크기에 따라 화재온도곡선을 산출하는 화재온도곡선 산출부(170); 및상기 예측된 화재피해온도 및 산출된 화재온도곡선에 따라 상기 화재손상 콘크리트 구조물 외측의 시간경과에 따른 열확산경로를 예측하는 열확산경로 예측부(180)를 포함하되,상기 열확산경로 예측부(180)는 화재현장에서 채취한 미지의 화재손상 콘크리트 구조물 샘플(110)에 대한 화재 당시의 화재피해온도 예측에 대응하여 시간경과에 따른 열확산경로를 규명하는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 2 |
2
제1항에 있어서, 상기 예측된 화재피해온도 및 산출된 화재온도곡선에 따라 화재현장의 화재발생지로부터 열의 이동경로를 시간의 함수로 추적 및 재현하는 열의 확산 및 화염이동경로 추적 재현부(190)를 추가로 포함하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 3 |
3
제1항에 있어서, 상기 샘플 분석부(120)는,상기 화재손상 콘크리트 구조물 샘플(110)의 질량감소율을 측정하는 열중량 분석(Thermo-Gravimetric Analysis: TGA)을 수행하는 열중량 분석부(121);상기 화재손상 콘크리트 구조물 샘플(110)의 화재피해온도에 따라 특정 파장넘버에서 나타나는 피크(peak)의 최대값 및 해당 부위의 면적을 분석하는 퓨리에변환 적외선 분광(Fourier Transform Infrared: FTIR) 분석부(122); 및분석 목적에 따라 화학분석장비를 병행하여 화학적 분석을 진행하는 화학분석부(123)를 포함하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 4 |
4
제3항에 있어서, 상기 열중량 분석부(121)에서 화재피해온도가 높을수록 전체 질량감소율이 작게 나타나고, 상기 푸리에변환 적외선 분광 분석부(122)에서 전체적으로 화재피해온도가 높을수록 피크(peak)의 최대값과 그 부위의 면적이 작아지는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 5 |
5
제3항에 있어서, 상기 샘플 분석부(120)의 분석결과는 일부만을 차용하거나 값을 변형시킬 수 있고, 환경적 영향요인으로부터 분석결과가 영향을 받지 않도록 노이즈 제거 과정을 거치는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 6 |
6
제3항에 있어서,상기 표준화 디렉터리(130)는 화재현장에서 코어링 채취된 화재손상 콘크리트 구조물 샘플의 노출온도별 질량감소율을 나타내는 열중량 분석(TGA) 결과, 화재현장에서 코어링 채취된 화재손상 콘크리트 구조물 샘플의 노출온도별 화학성분 변화를 나타내는 푸리에변환 적외선 분광(FTIR) 분석결과 및 화재현장에서 코어링 채취된 화재손상 콘크리트 구조물 샘플의 기타 분석결과를 포함시켜 구축된 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 7 |
7
제3항에 있어서, 상기 딥러닝분석 툴(150)은,상기 열중량 분석부(121)의 단독 분석결과를 입력 데이터로 하여 화재손상 콘크리트 구조물 내측의 손상깊이별 화재피해온도와 화재손상 콘크리트 구조물 외측 열원에 해당되는 부분의 화재온도곡선을 산출하기 위한 최종 출력(output)을 도출하는 제1 심층신경망(DNN) 모델(151);제1 심층신경망(DNN) 모델(151)의 상관값이 적정 수준 이하인 경우, 상기 열중량 분석부(121)의 분석결과, 상기 퓨리에변환 적외선 분광 분석부(122)의 분석결과 및 상기 화학분석부(123)의 분석결과를 입력 데이터로 하여 명확하게 나타나는 특징(Feature)에 대해 가중치를 두어 재분석하여, 화재손상 콘크리트 구조물 내측의 손상깊이별 화재피해온도와 화재손상 콘크리트 구조물 외측 열원에 해당되는 부분의 화재온도곡선을 산출하기 위한 최종 출력(output)을 도출하는 제2 심층신경망 모델(153); 및상기 제1 심층신경망 모델(151)의 분석결과 또는 제2 심층신경망 모델(153)의 분석결과를 상기 기구축된 표준화 디렉터리(130)와 비교하는 데이터 비교 분석부(152)를 포함하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 8 |
8
제7항에 있어서, 상기 제2 심층신경망 모델(153)에서 상기 특징은 특정 온도에서 명확하게 나타나는 결과값인 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 9 |
9
제1항에 있어서, 상기 화재온도곡선 산출부(170)는 1세트 단위로 분석한 각각의 데이터인 화재손상 콘크리트 구조물 외측 표면에서 얻은 결과값과 내측 영역에서 얻은 결과값을 비교 분석하여 시간(T)의 함수로 나타내고, 주변부에서 코어링된 화재손상 콘크리트 구조물 샘플(110)의 결과와 비교 분석함으로써, 화재손상 콘크리트 구조물 외측의 최초 열원(Heat source)에 해당하는 화염의 크기에 따라 화재온도곡선을 산출하되, 상기 화재온도곡선은 시간에 따른 수열온도의 크기와 노출시간의 값으로 주어지는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 10 |
10
제1항에 있어서, 상기 화재손상 콘크리트 구조물 샘플(110)은 화재손상 콘크리트 구조물의 벽, 기둥 또는 슬래브의 건축부재를 대상으로 코어링(Coring)을 실시하여 채취하되, 코어링 직경은 30㎜ 이하로 하고, 코어링 깊이는 적어도 40㎜ 이상 주철근 위치까지 실시하는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 11 |
11
제10항에 있어서, 상기 코어링 채취 화재손상 콘크리트 구조물 샘플(110)은 10㎜ 간격으로 정밀 절단되며, 하나의 위치에서 코어링 채취된 화재손상 콘크리트 구조물 샘플(110)은 적어도 4개 이상의 절단된 화재손상 콘크리트 구조물 샘플(110)을 1세트(set)로 정의하고, 모든 분석은 1세트 단위로 실시하되, 해당하는 값이 기구축된 표준화 DB와 모두 일치하거나 가장 유사한 값을 찾아서 출력(output)을 도출하는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 12 |
12
제11항에 있어서, 상기 1세트(set) 단위 분석은 하나의 위치에서 코어링한 샘플을 10㎜ 간격으로 절단하여 최소한 4개 이상을 분석함으로써, 각각의 구간별 결과값 비교시 열의 확산속도를 시간의 함수로 나타낼 수 있는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 시스템
|
| 13 |
13
a) 화재현장에서 화재손상 콘크리트 구조물 샘플(110)을 코어링 채취 및 절단 가공하는 단계;b) 상기 화재손상 콘크리트 구조물 샘플(110)에 대한 물리적 및 화학적 분석을 실시하는 단계;c) 딥러닝 분석 툴(150)의 심층신경망(DNN) 모델(151, 152)을 선정하는 단계;d) 샘플 분석결과를 상기 심층신경망 모델(151, 152)에 입력하고, 최종 출력을 기구축된 표준화 디렉터리(130)와 비교 분석하는 단계;e) 상기 딥러닝 분석 툴(150)의 심층신경망 모델 분석에 따라 화재손상 콘크리트 구조물의 손상깊이별 특정 위치에서의 화재피해온도를 예측하는 단계;f) 상기 딥러닝 분석 툴(150)의 심층신경망 모델 분석에 따라 화재손상 콘크리트 구조물 외측의 최초 열원(Heat source)에 해당하는 화염의 크기에 따라 화재온도곡선을 산출하는 단계; 및g) 상기 예측된 화재피해온도 및 산출된 화재온도곡선에 따라 화재손상 콘크리트 구조물의 열확산경로를 예측하고, 화재현장의 화재발생지로부터 화염의 이동경로를 시간의 함수로 추적 및 재현하는 단계를 포함하되,상기 g) 단계에서 화재현장에서 채취한 미지의 화재손상 콘크리트 구조물 샘플(110)에 대한 화재 당시의 화재피해온도 예측에 대응하여 시간경과에 따른 열확산경로를 규명하는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
| 14 |
14
제13항에 있어서, 상기 a) 단계의 화재손상 콘크리트 구조물 샘플(110)은 화재손상 콘크리트 구조물의 벽, 기둥 또는 슬래브의 건축부재를 대상으로 코어링(Coring)을 실시하여 채취하되, 코어링 직경은 30㎜ 이하로 하고, 코어링 깊이는 적어도 40㎜ 이상 주철근 위치까지 실시하는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
| 15 |
15
제14항에 있어서, 상기 코어링 채취 화재손상 콘크리트 구조물 샘플(110)은 10㎜ 간격으로 정밀 절단되며, 하나의 위치에서 코어링 채취된 화재손상 콘크리트 구조물 샘플(110)은 적어도 4개 이상의 절단된 화재손상 콘크리트 구조물 샘플(110)을 1세트(set)로 정의하고, 모든 분석은 1세트 단위로 실시하되, 해당하는 값이 기구축된 표준화 DB와 모두 일치하거나 가장 유사한 값을 찾아서 출력(output)을 도출하는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
| 16 |
16
제15항에 있어서, 상기 1세트(set) 단위 분석은 하나의 위치에서 코어링한 샘플을 10㎜ 간격으로 절단하여 최소한 4개 이상을 분석함으로써, 각각의 구간별 결과값 비교시 열의 확산속도를 시간의 함수로 나타내는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
| 17 |
17
제13항에 있어서, 상기 b) 단계는,b-1) 상기 화재손상 콘크리트 구조물 샘플(110)의 질량감소율을 측정하는 열중량 분석(Thermo-Gravimetric Analysis: TGA)을 수행하는 단계;b-2) 상기 화재손상 콘크리트 구조물 샘플(110)의 화재피해온도에 따라 특정 파장넘버에서 나타나는 피크(peak)의 최대값 및 해당 부위의 면적을 분석하는 퓨리에변환 적외선 분광(Fourier Transform Infrared: FTIR) 분석 단계; 및b-3) 분석 목적에 따라 화학분석장비를 병행하여 화학적 분석을 진행하는 단계를 포함하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
| 18 |
18
제13항에 있어서, 상기 d) 단계의 표준화 디렉터리(130)는 화재현장에서 코어링 채취된 화재손상 콘크리트 구조물 샘플의 노출온도별 질량감소율을 나타내는 열중량 분석(TGA) 결과, 화재현장에서 코어링 채취된 화재손상 콘크리트 구조물 샘플의 노출온도별 화학성분 변화를 나타내는 푸리에변환 적외선 분광(FTIR) 분석결과 및 화재현장에서 코어링 채취된 화재손상 콘크리트 구조물 샘플의 기타 분석결과를 포함시켜 구축된 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
| 19 |
19
제13항에 있어서, 상기 d) 단계는,d-1) 상기 열중량 분석부(121)의 단독 분석결과를 입력 데이터로 하여 화재손상 콘크리트 구조물 내측의 손상깊이별 화재피해온도와 화재손상 콘크리트 구조물 외측 열원에 해당되는 부분의 화재온도곡선을 산출하기 위한 최종 출력(output)을 도출하도록 제1 심층신경망(DNN) 모델(151)을 선정하는 단계;d-2) 상기 제1 심층신경망(DNN) 모델(151)의 상관값이 적정 수준 이하인 경우, 상기 열중량 분석부(121)의 분석결과, 상기 퓨리에변환 적외선 분광 분석부(122)의 분석결과 및 상기 화학분석부(123)의 분석결과를 입력 데이터로 하여 명확하게 나타나는 특징(Feature)에 대해 가중치를 두어 재분석하여, 화재손상 콘크리트 구조물 내측의 손상깊이별 화재피해온도와 화재손상 콘크리트 구조물 외측 열원에 해당되는 부분의 화재온도곡선을 산출하기 위한 최종 출력(output)을 도출하도록 제2 심층신경망 모델(153)을 선정하는 단계; 및d-3) 상기 제1 심층신경망 모델(151)의 분석결과 또는 제2 심층신경망 모델(153)의 분석결과를 상기 기구축된 표준화 디렉터리(130)와 비교하는 단계를 포함하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
| 20 |
20
제13항에 있어서, 상기 f) 단계에서 1세트 단위로 분석한 각각의 데이터인 화재손상 콘크리트 구조물 외측 표면에서 얻은 결과값과 내측 영역에서 얻은 결과값을 비교 분석하여 시간(T)의 함수로 나타내고, 주변부에서 코어링된 화재손상 콘크리트 구조물 샘플(110)의 결과와 비교 분석함으로써, 화재손상 콘크리트 구조물 외측의 최초 열원(Heat source)에 해당하는 화염의 크기에 따라 화재온도곡선을 산출하되, 상기 화재온도곡선은 시간에 따른 수열온도의 크기와 노출시간의 값으로 주어지는 것을 특징으로 하는 딥러닝-기반 화재손상 콘크리트 구조물의 열확산경로 예측 방법
|
