머신러닝을 이용한 지하매설물 탐사

Abstract

최근 지하매설물 탐사 기술의 중요성이 계속 커지고 있다. 본 연구에서는 전기비저항탐사 방법에 대해 연구하고자 한다. 전기비저항탐사란 지표면에서 전기비저항을 조사하여 지하의 매설물을 예측하는 기술이다. 복잡한 지하를 전기저항이라는 제한적인 정보로 예측해야 하는 기술이므로 정확도가 비교적 높지 않은 한계를 가지고 있다. 본 연구를 위해 필요한 데이터는 현장에서 실측하여 얻었으며, 또한 데이터의 수를 늘리기 위해 COMSOL Multiphysics를 이용하여 시뮬레이션 데이터를 제작하였다. 이렇게 얻어진 데이터에 위상적 데이터 분석(TDA)을 이용하여 데이터 특징(feature)을 추출하여 Random Forest, XGBoost를 통해 분석하고, 이를 Root mean square error(RMSE)를 이용하여 검증하였다.

방향, 깊이, 직경, 센서와 지하매설물 간 거리를 예측 값으로 놨을 때 XGBoost의 경우 1.268 19.152 0.289 1.031 Random forest의 경우 1.299 19.642 0.298 1.060 으로 XGBoost 모델이 더 좋은 성능을 보였다. 하지만, 현장에서 측정한 데이터를 이용하여 학습한 결과가 위 결과보다 좋아, 현장에서 측정한 데이터의 필요성 및 더 나은 전처 리 과정이 필요하다는 것을 확인하였다.