지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김강수
- 발행연도
- 2020
- 저작권
- 서울시립대학교 논문은 저작권에 의해 보호받습니다.
이용수14
이 논문의 연구 히스토리 (7)
2022
2021
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
국내는 고도의 경제 성장에 따른 인구의 도시집중으로 인해 대형건축물의 건설이 증가하고 있는 추세이다. 특히, 최근 문화시설, 상업시설 및 주거시설 등 다양한 용도로 사용되는 복합건물이 급격히 증가하고 있다.
복합건물에서 화재가 발생하는 경우에 재실자의 피난방향과 연기 및 화염의 진행방향이 일치하여 인명피해가 크게 발생하는 경향이 있다. 이때 생성되는 연기로 인하여 재실자의 가시거리는 급격히 감소되며, 이는 곧 재실자의 보행속도 감소 및 피난시간의 증가로 이어진다. 따라서 화재시 재실자에게 실시간으로 최단 피난경로 정보를 제공할 수 있는 피난유도 모델(Egress model)의 개발이 필요하며, 이는 화재에 의한 인명피해를 최소화시킬 수 있을 것이다.
피난유도 모델의 필수적인 피난가능시간을 평가하기 위해서 화재 시뮬레이션(Fire Dynamic Simulator, FDS)을 수행하는데 많은 인력과 시간이 소요된다. 이에 본 연구에서는 일반적인 복합건물을 대상으로 화원의 위치와 가연물을 변수로 설정 후, 화재 시뮬레이션을 수행하여 온도에 따른 가시거리, 산소, 이산화탄소 및 일산화탄소의 농도를 도출하였으며, 이 데이터를 바탕으로 피난가능시간을 평가하였다. 즉, 화재 시뮬레이션을 통해 도출된 데이터를 기반으로 인공신경망(Artificial Neural Network, ANN)을 활용하여 화재실 및 50 m 반경 내의 비화재실의 피난가능시간(ASET)을 도출할 수 있는 인공신경망 모델을 개발하였다. 개발된 인공신경망 모델을 검증하기 위해 추가적으로 새로운 복합건물에 대한 화재시뮬레이션을 수행하였다. 화재시뮬레이션 중 어느 한 시점에서의 온도, 산소, 일산화탄소 및 이산화탄소, 가시거리의 수치를 인공신경망 모델에 입력하여 피난가능시간을 예측하였으며, 이를 화재시뮬레이션을 통해 도출된 피난가능시간과 비교 및 검증하였다.
개발된 인공신경망 모델을 이용하여 피난가능시간을 예측하고, 이를 통해 재실자의 신속하고 안전한 최단거리 피난경로를 결정할 수 있는 피난유도 모델을 제안하였다. 또한, 제안하는 인공신경망 기반 복합건물의 피난유도 모델을 활용하여 일반적인 복합건물을 대상으로 피난 경로를 유도하였으며, 피난 모델링인 Pathfinder 시뮬레이션 소프트웨어를 통해 피난시뮬레이션을 수행하여 최단경로를 산정하여 제안하는 피난유도 모델의 결과와 비교하여 신뢰성을 검증하였다.
복합건물에서 화재가 발생하는 경우에 재실자의 피난방향과 연기 및 화염의 진행방향이 일치하여 인명피해가 크게 발생하는 경향이 있다. 이때 생성되는 연기로 인하여 재실자의 가시거리는 급격히 감소되며, 이는 곧 재실자의 보행속도 감소 및 피난시간의 증가로 이어진다. 따라서 화재시 재실자에게 실시간으로 최단 피난경로 정보를 제공할 수 있는 피난유도 모델(Egress model)의 개발이 필요하며, 이는 화재에 의한 인명피해를 최소화시킬 수 있을 것이다.
피난유도 모델의 필수적인 피난가능시간을 평가하기 위해서 화재 시뮬레이션(Fire Dynamic Simulator, FDS)을 수행하는데 많은 인력과 시간이 소요된다. 이에 본 연구에서는 일반적인 복합건물을 대상으로 화원의 위치와 가연물을 변수로 설정 후, 화재 시뮬레이션을 수행하여 온도에 따른 가시거리, 산소, 이산화탄소 및 일산화탄소의 농도를 도출하였으며, 이 데이터를 바탕으로 피난가능시간을 평가하였다. 즉, 화재 시뮬레이션을 통해 도출된 데이터를 기반으로 인공신경망(Artificial Neural Network, ANN)을 활용하여 화재실 및 50 m 반경 내의 비화재실의 피난가능시간(ASET)을 도출할 수 있는 인공신경망 모델을 개발하였다. 개발된 인공신경망 모델을 검증하기 위해 추가적으로 새로운 복합건물에 대한 화재시뮬레이션을 수행하였다. 화재시뮬레이션 중 어느 한 시점에서의 온도, 산소, 일산화탄소 및 이산화탄소, 가시거리의 수치를 인공신경망 모델에 입력하여 피난가능시간을 예측하였으며, 이를 화재시뮬레이션을 통해 도출된 피난가능시간과 비교 및 검증하였다.
개발된 인공신경망 모델을 이용하여 피난가능시간을 예측하고, 이를 통해 재실자의 신속하고 안전한 최단거리 피난경로를 결정할 수 있는 피난유도 모델을 제안하였다. 또한, 제안하는 인공신경망 기반 복합건물의 피난유도 모델을 활용하여 일반적인 복합건물을 대상으로 피난 경로를 유도하였으며, 피난 모델링인 Pathfinder 시뮬레이션 소프트웨어를 통해 피난시뮬레이션을 수행하여 최단경로를 산정하여 제안하는 피난유도 모델의 결과와 비교하여 신뢰성을 검증하였다.
목차
제1장 서론 2제1절 연구의 배경 및 필요성 2제2절 연구의 목적 및 범위 3제2장 화재 시뮬레이션 및 결과 분석 5제1절 화재 시뮬레이션 방법 및 조건 6제2절 화재 시뮬레이션 결과 및 분석 11제3절 화재 시뮬레이션 데이터베이스(Data Base, DB) 구축 14제3장 인공신경망 26제1절 인공신경망의 구조 28제2절 인공신경망의 학습 29제4장 인공신경망(ANN)을 활용한 화재 피난시간 예측 32제1절 ANN 학습 데이터베이스(Data Base, DB) 구축 32제2절 학습 결과 및 피난가능시간 예측결과 35제5장 인공신경망(ANN) 검증 40제1절 ANN 검증 조건 41제2절 ANN 검증 결과 45제3절 ANN Matrix 계산을 이용한 피난가능시간 산출 47제6장 복합건물의 화재 피난유도 모델 49제1절 화재 피난유도 모델의 알고리즘 50제2절 화재 피난유도 모델 결과 및 검증 53제7장 결론 56참고문헌 59영문초록 61
최근 본 자료
댓글(0)
0