하모니 탐색 최적화: 복합 교량 교각의 국부 세굴 깊이 예측 정확도를 16% 향상시키는 방법

이 기술 요약은 H. Ghodsi, M. J. Khanjani, A. A. Beheshti가 [Civil Engineering Journal]에 발표한 2018년 논문 “[Evaluation of Harmony Search Optimization to Predict Local Scour Depth around Complex Bridge Piers]”를 기반으로 합니다. (주)에스티아이씨앤디의 기술 전문가들이 분석하고 요약했습니다.

키워드

• Primary Keyword: 교량 교각 세굴 깊이 예측
• Secondary Keywords: 복합 교각, 국부 세굴, 하모니 탐색 최적화, 경험적 공식, 수리 실험 데이터, CFD

Executive Summary

• 도전 과제: 홍수 시 교량 붕괴의 주된 원인인 교각 주변의 국부 세굴 깊이를 기존의 경험적 공식으로는 복잡한 세굴 과정 때문에 정확하게 예측하기 어렵습니다.
• 해결 방법: 본 연구에서는 음악가들의 즉흥 연주 과정에서 착안한 하모니 탐색(Harmony Search, HS) 최적화 알고리즘을 사용하여, 82개의 신규 실험 데이터와 615개의 기존 문헌 데이터를 기반으로 세굴 깊이 예측 모델을 개발했습니다.
• 핵심 성과: 개발된 HS 모델은 결정계수(R²) 0.672를 달성하여, HEC-18이나 Coleman 공식과 같은 기존 방법들보다 월등히 높은 예측 정확도를 보였습니다.
• 핵심 결론: 하모니 탐색 알고리즘으로 보정된 방정식은 복합 교각 주변의 세굴 깊이를 훨씬 더 강력하고 정밀하게 추정할 수 있는 도구를 제공하여, 더 안전하고 경제적인 교량 설계에 기여할 수 있습니다.

도전 과제: 이 연구가 CFD 전문가에게 중요한 이유

교량 교각은 하천의 흐름을 방해하여 교각 주변에 말굽 와류(horseshoe vortex)를 형성하고, 이로 인해 하상 재료가 쓸려나가는 국부 세굴(local scour) 현상을 유발합니다. 이러한 세굴이 과도하게 발생하면 교량의 기초가 약화되어 결국 붕괴로 이어질 수 있으며, 이는 교량 붕괴의 주요 원인 중 하나입니다.

특히, 기둥, 파일 캡, 파일 그룹으로 구성된 ‘복합 교각(complex piers)’의 경우, 그 형상이 복잡하여 세굴 메커니즘을 예측하기가 더욱 어렵습니다. 수십 년간 다양한 경험적 공식들이 개발되었지만, 복잡한 유동 및 퇴적물 상호작용으로 인해 예측값과 실제 측정값 사이에 상당한 오차가 발생하는 경우가 많았습니다. 이러한 예측의 불확실성은 교량 설계 시 안전성과 경제성 사이의 균형을 맞추는 데 있어 엔지니어들에게 큰 도전 과제였습니다.

접근 방식: 연구 방법론 분석

본 연구는 복합 교각 주변의 세굴 깊이 예측 정확도를 높이기 위해 데이터 기반의 최적화 기법을 도입했습니다.

연구진은 먼저, 자체적으로 설계한 실험실 테스트를 통해 82개의 새로운 실험 데이터를 확보했습니다. 이 실험은 파일 캡의 상류부 돌출 길이(Lu), 파일 그룹 배열(m×n), 파일 캡 두께(T) 등 기하학적 형상이 세굴에 미치는 영향을 정량화하기 위해 설계되었습니다.

여기에 더해, 기존에 발표된 연구 문헌에서 615개의 실험 데이터 세트를 수집하여 총 697개의 방대한 데이터베이스를 구축했습니다. 이 데이터들은 모두 청수 조건(clear water conditions)에서 수행되었으며, 채널 측벽이나 퇴적물 입자 크기의 영향이 최소화되도록 엄격한 기준(예: b/d50 > 50)에 따라 선정되었습니다.

핵심 방법론은 ‘하모니 탐색(Harmony Search, HS)’ 알고리즘입니다. 이는 음악가들이 더 나은 화음을 찾기 위해 각 악기의 음높이를 조정하는 과정에 영감을 받은 메타 휴리스틱 최적화 알고리즘입니다. 연구진은 이 HS 알고리즘을 사용하여 기존의 경험적 세굴 깊이 예측 공식(Ataie-Ashtiani 등이 수정한 공식)의 계수들을 방대한 실험 데이터에 가장 잘 부합하도록 보정(calibrate)했습니다.

핵심 성과: 주요 연구 결과 및 데이터

연구진은 HS 알고리즘으로 개발된 모델의 성능을 HEC-18, Coleman, Sheppard(FDOT) 등 기존의 널리 사용되는 경험적 공식들과 비교했습니다. 성능 평가는 결정계수(R²), 평균 제곱근 오차(RMSE), 평균 절대 백분율 오차(MAPE) 등 5가지 통계 지표를 통해 이루어졌습니다.

성과 1: HS 모델의 압도적인 예측 정확도

HS 모델은 다른 어떤 모델보다도 실험 데이터를 훨씬 더 정확하게 설명했습니다. Table 2에 요약된 바와 같이, HS 모델의 결정계수(R²)는 0.672로 가장 높았습니다. 이는 두 번째로 높은 ‘수정된 Coleman’ 모델의 0.579보다 약 16% 향상된 수치입니다. 결정계수가 1에 가까울수록 모델이 데이터의 변동성을 잘 설명한다는 의미이므로, 이는 HS 모델의 우수성을 명확히 보여줍니다.

Table 2. 통계 지표 비교 | Equation | R² | RMSE | MAE | MAPE | BIAS | | :— | :— | :— | :— | :— | :— | | HEC-18 | 0.329 | 0.061 | 0.044 | 159.440 | 0.033 | | Revised HEC-18 | 0.515 | 0.044 | 0.032 | 112.548 | 0.018 | | Coleman | 0.467 | 0.102 | 0.065 | 151.932 | 0.063 | | Revised Coleman | 0.5799 | 0.078 | 0.058 | 133.072 | 0.056 | | Sheppard | 0.399 | 0.071 | 0.053 | 180.876 | 0.049 | | HS | 0.672 | 0.054 | 0.034 | 3.448 | 0.023 |

성과 2: 예측 오차의 획기적인 감소

HS 모델의 가장 놀라운 성과는 예측 오차를 극적으로 줄였다는 점입니다. 평균 절대 백분율 오차(MAPE)를 보면, 기존 모델들은 모두 100이 넘는 높은 오차율(예: Revised HEC-18은 112.548)을 보인 반면, HS 모델의 MAPE는 3.448에 불과했습니다. 이는 예측의 신뢰도가 비교할 수 없을 정도로 높다는 것을 의미합니다. 아래 Figure 3의 (f) 그래프는 HS 모델의 예측값(세로축)이 실제 관측값(가로축)과 거의 일치하는 ‘perfect line’ 주변에 매우 밀집되어 있음을 시각적으로 보여주며, 다른 모델들의 예측값이 넓게 흩어져 있는 것과 뚜렷한 대조를 이룹니다.

R&D 및 운영을 위한 실질적 시사점

• 수리 및 교량 설계 엔지니어: 본 연구에서 제시된 보정된 방정식(Equation 4)은 복합 교각의 최대 세굴 깊이를 더 신뢰성 있게 예측하는 데 사용할 수 있습니다. 이를 통해 과잉 설계를 방지하여 비용을 절감하는 동시에 교량 기초의 안전성을 확보할 수 있습니다.
• 지반 공학 엔지니어: 정확한 최대 세굴 깊이 예측은 교량의 장기적인 안정성을 보장하기 위해 필요한 파일 및 기초의 깊이를 결정하는 데 매우 중요합니다. HS 모델은 이러한 결정에 필요한 데이터의 신뢰도를 높여줍니다.
• 토목 공학 R&D 관리자: 이 연구는 인공지능 및 최적화 기법이 복잡한 유체-구조 상호작용 문제에서 전통적인 경험적 공식을 개선할 수 있는 강력한 잠재력을 가지고 있음을 보여줍니다. 이는 유사한 데이터 기반 모델링 접근 방식에 대한 투자의 타당성을 뒷받침합니다.

논문 상세 정보

Evaluation of Harmony Search Optimization to Predict Local Scour Depth around Complex Bridge Piers

1. 개요:

• 제목: Evaluation of Harmony Search Optimization to Predict Local Scour Depth around Complex Bridge Piers
• 저자: H. Ghodsi, M. J. Khanjani, A. A. Beheshti
• 발행 연도: 2018
• 학술지/학회: Civil Engineering Journal
• 키워드: Complex Bridge Piers; Local Scour; Empirical Formula; Laboratory Data; Scour Depth Estimation; Harmony Search (HS).

2. 초록:

교량 붕괴의 주요 원인 중 하나는 교각 근처의 홍수 흐름에 의한 세굴일 수 있다. 세굴 깊이를 연구하기 위해 여러 실험 및 현장 조사가 수행되었다. 그러나 기존의 경험적 방정식들은 세굴 과정의 복잡성으로 인해 일반적으로 정확한 세굴 예측을 제공하지 못한다. 물리적, 경제적 고려 사항은 종종 파일 배열에 의해 지지되는 파일 캡 위에 교각 기둥을 포함하는 교량 기초 구조물을 만들게 한다. 이러한 구성을 가진 교각을 복합 교각이라고 한다. 복합 교각의 세굴 깊이 추정에 대한 연구는 거의 이루어지지 않았다. 이러한 노력은 이론적 및 경험적 방정식으로 분류될 수 있다. 이 논문은 청수 조건 하에서 하모니 탐색 알고리즘을 사용하여 복합 교각 주변의 국부 세굴을 조사한다. 결정계수(R²), 평균 제곱근 오차(RMSE), 평균 절대 오차(MAE), 평균 절대 백분율 오차(MAPE), 편향(bias)과 같은 통계 지표를 사용하여 이러한 방법들의 성능을 평가했다. 저자들은 실험실 테스트를 설계하여 82개의 실험 데이터 포인트를 측정했다. 또한 동일한 측정된 실험 조건을 가진 615개의 실험 데이터 세트를 발표된 문헌에서 수집하여 최적화에 사용했다. 결과는 개발된 HS 모델이 통계 지표에 따라 다른 방정식보다 세굴 깊이를 더 잘 예측할 수 있음을 보여준다.

3. 서론:

하천이 교각에 의해 부분적으로 막히면 교각 주변의 흐름 패턴이 크게 바뀔 수 있다. 교각은 장애물 바로 상류에 역압력 구배를 생성한다. 또한, 교각 상류 경계층은 3차원 분리를 겪을 수 있다. 교각 주변의 전단 응력 분포는 말굽 와류의 형성으로 인해 급격하게 변하며, 이는 교각 주변에 세굴 구멍을 만들고, 이는 다시 흐름 패턴과 전단 응력을 변화시킨다. 교량 교각 주변의 국부 세굴 깊이 추정은 교량 교각 설계에서 중요한 문제이다. 교량 교각 부근의 국부 세굴 깊이를 추정하기 위해 다양한 설계 방법과 공식이 개발되었다.

4. 연구 요약:

연구 주제의 배경:

교량의 안전성을 위협하는 주요 요인인 교각 주변의 국부 세굴 현상, 특히 기둥, 파일 캡, 파일 그룹으로 구성된 복합 교각의 세굴 깊이를 정확하게 예측하는 것은 매우 중요하다.

이전 연구 현황:

다양한 경험적 공식(HEC-18, Coleman 등)이 제안되었지만, 세굴 과정의 복잡성으로 인해 예측 정확도에 한계가 있으며, 관측된 데이터와 예측값 사이에 상당한 편차가 존재했다.

연구 목적:

하모니 탐색(HS) 최적화 알고리즘이라는 인공지능 기법을 적용하여, 기존 경험적 공식의 정확도를 개선하고 복합 교각 주변의 국부 세굴 깊이를 더 정밀하게 예측할 수 있는 새로운 보정 방정식을 개발하는 것을 목표로 한다.

핵심 연구:

총 697개(자체 실험 82개, 문헌 615개)의 방대한 실험 데이터를 사용하여 HS 알고리즘으로 기존 세굴 예측 공식을 최적화했다. 개발된 HS 모델의 성능을 5가지 통계 지표를 통해 기존 5개의 다른 경험적 공식과 비교 평가했다.

5. 연구 방법론

연구 설계:

실험 데이터 기반의 모델 최적화 및 비교 분석 연구. HS 알고리즘을 사용하여 경험적 공식의 계수를 보정하고, 그 성능을 기존 공식들과 통계적으로 비교했다.

데이터 수집 및 분석 방법:

82개의 자체 실험 데이터와 615개의 문헌 데이터를 수집하여 데이터베이스를 구축했다. 데이터는 청수 조건, 퇴적물 및 채널 영향 최소화 기준에 따라 선정되었다. HS 알고리즘을 적용하여 예측 모델을 개발했으며, R², RMSE, MAE, MAPE, Bias 지표를 사용하여 모델 성능을 정량적으로 평가했다.

연구 주제 및 범위:

청수 조건 하에서 복합 교각(기둥, 파일 캡, 파일 그룹 구성) 주변의 평형 국부 세굴 깊이 예측에 초점을 맞추었다.

6. 주요 결과:

주요 결과:

• HS 알고리즘으로 개발된 모델은 결정계수(R²) 0.672를 기록하여, 비교된 6가지 방법 중 가장 높은 예측 정확도를 보였다.
• HS 모델의 평균 절대 백분율 오차(MAPE)는 3.448로, 112 이상인 다른 모든 모델에 비해 획기적으로 낮았다.
• HS 모델은 RMSE(2위)와 MAE(1위)에서도 우수한 성능을 보였다.
• 연구 결과는 HS 방법으로 보정된 방정식이 기존 방정식보다 약 16% 더 나은 추정 성능을 가지며, 복합 교각의 세굴 깊이를 추정하는 데 매우 강력한 도구임을 나타낸다.

그림 목록:

• Figure 1. Complex pier geometry characteristics
• Figure 2. HS algorithm indicating five steps to optimize the problem
• Figure 3. Comparison of the observed and predicted scour depths

7. 결론:

본 연구에서는 복합 교각 주변의 평형 세굴 깊이 예측을 위한 보정된 방정식을 제안했다. 제안된 방법의 성능을 평가하기 위해 HS 알고리즘의 결과를 HEC-18, FDOT, Coleman 공식 등 다른 경험적 공식과 비교했다. HS 방법은 결정계수 0.672로 다른 경험적 공식들보다 더 정밀한 것으로 나타났다. 또한, HS는 다른 방법들과 비교하여 RMSE에서 2위, MAPE에서 1위를 차지했다. 결과적으로 HS는 다른 모델들에 비해 더 나은 효율성을 보였다(MAE=0.035, MAPE=3.448, bias=0.023). 본 연구 결과는 HS 방법으로 만들어진 보정된 방정식이 복합 교각 주변의 세굴 깊이를 추정하는 데 강력하며, 기존 방정식보다 16% 더 나은 추정 성능을 가짐을 나타냈다.

8. 참고 문헌:

• [1] Kothyari, U.C., Garde, R.J.m Ranja Raju, K.G. “Temporal variation of scour around circular bridge piers.” J. Hyd. Eng. 118 (1992): 1091-1106. Doi: 10.1061/(ASCE)0733-9429(1992)118:8(1091).
• [2] Raudkivi, A.J. “Functional trends of scour at bridge piers.” J. Hydraul. Eng. 112 (1986): 1-13. Doi: 10.1061/(ASCE)0733-9429(1986)112:1(1).
• [3] Melville, B.W. “Pier and abutment scour: integrated approach.” J. Hydraul. Eng. 123 (1997): 125-136. Doi: 10.1061/(ASCE)0733-9429(1997)123:2(125).
• [4] Ettema, R., Mostafa, E.A., Melville, B.W., Yassin, A.A. “Local scour at skewed piers.” J. Hydraul. Eng. 124 (1998): 756-759. Doi: 10.1061/(ASCE)0733-9429(1998)124:7(756).
• [5] Salim, M., Jones, J.S.”Scour around exposed pile foundations.” Richardson, P., Lagasse, B., ASCE (eds) ASCE compendium, stream stability, scour at highway bridges, Resston, VA (1998): 349-364.
• [6] Zhao, G., Sheppard, D.M. “The effect of flow angle on sediment scour near pile group.” Compilation of Conf. scour Papers, (1998): 1991-1998, ASCE, Reston, Va.
• [7] Sumer, B.M., Bundgaard, K., Fredsoe, J. “Global, Local scour at pile group.” 15th international offshore polar engineering conference. International Society of offshore, Polar Engineers, Seoul, Korea, (2005): 577-583.
• [8] Amini, A., Melville, B.W., Thamer, M.A., Ghazali, A.H. “Clear-water local scour around pile groups in shallow-water flow.” J. Hydraul. Eng. 138 (2012): 177-185. doi:10.1061/(ASCE)HY.1943-7900.0000488.
• [9] Melville, B.W., Raudkivi, A.J. “Effects of foundation geometry on bridge pier scour.” J. Hydraul. Eng. 122 (1996): 203-209. doi:10.1061/(ASCE)0733-9429(1996)122:4(203).
• [10] Coleman, S.E. “Clearwater local scour at complex piers.” J. Hydraul. Eng. 131 (2005):.330-334. doi:10.1061/(ASCE)0733-9429(1996)122:4(203).
• … (and other references as listed in the paper)

전문가 Q&A: 궁금증 해소

Q1: 이 연구에서 다른 AI 기법(예: 인공신경망)이 아닌 하모니 탐색(HS) 알고리즘을 선택한 특별한 이유가 있나요?

A1: 논문에서는 다른 연구(Dai et al. [21])를 인용하며 HS가 다중 목표 최적화 문제에서 더 나은 외삽(extrapolation) 및 활용(exploitation) 능력을 가지고 있음을 언급합니다. 또한, HS는 전력 시스템, 통신, 수자원 공학 등 다양한 분야의 최적화 문제 해결에 성공적으로 적용되어 그 유효성이 입증되었습니다. 이러한 배경은 복잡한 변수 간의 관계를 최적화해야 하는 세굴 깊이 예측 문제에 HS가 강력한 후보가 될 수 있음을 시사합니다.

Q2: HS 모델의 MAPE(평균 절대 백분율 오차)가 3.448로 다른 모델들의 100 이상인 값과 비교해 극적으로 낮은데, 이러한 성능 차이의 주된 원인은 무엇인가요?

A2: 가장 큰 차이는 접근 방식에 있습니다. 기존의 경험적 공식들은 고정된 계수를 사용하여 특정 조건 범위에서만 잘 작동하는 경향이 있습니다. 반면, HS 모델은 방대한 실제 실험 데이터를 기반으로 기존 공식의 계수들을 ‘최적화’ 또는 ‘보정’합니다. 이 데이터 기반 접근법을 통해 교각 형상, 유동 조건 등 여러 변수 간의 복잡하고 비선형적인 관계를 훨씬 더 효과적으로 포착할 수 있었고, 이것이 예측 오차를 획기적으로 줄인 핵심 요인입니다.

Q3: 연구에 사용된 총 697개의 방대한 데이터 세트를 선정할 때 가장 중요하게 고려된 기준은 무엇이었나요?

A3: 논문에서는 데이터 선정 시 Chiew와 Melville [28]이 제안한 기준을 따랐다고 명시합니다. 주요 기준으로는 첫째, 교각 폭 대 퇴적물 중앙 입자 크기의 비(b/d50)가 50보다 커서 퇴적물 크기의 영향을 배제했습니다. 둘째, 수로 폭 대 교각 폭의 비가 6.5보다 커서 수로 측벽의 영향을 무시할 수 있도록 했습니다. 셋째, 수심 대 교각 폭의 비가 3-4보다 커서 세굴 깊이가 수심에 독립적이 되도록 했습니다. 이러한 엄격한 기준을 통해 데이터가 오직 교각의 기하학적 형상과 흐름의 상호작용에 의한 효과에 집중되도록 했습니다.

Q4: Figure 3(f)를 보면 HS 모델도 약간의 데이터 분산이 존재합니다. 이 나머지 오차의 잠재적인 원인은 무엇일까요?

A4: 논문은 이전 연구들에서 관측된 세굴 깊이 데이터 자체에 “상당한 정도의 데이터 분산”이 존재한다고 지적합니다. 이는 여러 다른 실험실에서 수행된 실험들 간의 미세한 측정 오차, 포착되지 않은 2차 유동 효과, 또는 난류의 본질적인 무작위성 등 실험 유체 역학에 내재된 불확실성에서 비롯될 수 있습니다. HS 모델이 이러한 데이터의 내재적 변동성까지 완벽하게 설명하기는 어렵기 때문에 약간의 오차가 남는 것은 자연스러운 현상입니다.

Q5: 결론에서 HS 방법이 “기존 방정식보다 16% 더 나은 추정 성능”을 갖는다고 했는데, 이 16%는 어떻게 계산된 것인가요?

A5: 이 수치는 모델의 설명력을 나타내는 결정계수(R²)의 상대적 향상률을 의미할 가능성이 높습니다. HS 모델을 제외하고 가장 성능이 좋은 모델은 ‘수정된 Coleman’ 모델로 R² 값이 0.579였습니다. HS 모델의 R² 값은 0.672입니다. 두 값의 상대적 개선율을 계산하면 (0.672 – 0.579) / 0.579 ≈ 0.16, 즉 약 16%가 됩니다. 이는 HS 모델이 기존 최상의 모델보다 데이터의 변동성을 16% 더 잘 설명한다는 것을 의미합니다.

결론: 더 높은 품질과 생산성을 향한 길

요약하자면, 이 연구는 하모니 탐색 최적화가 복합 교량 교각 세굴 깊이 예측의 정확도를 획기적으로 향상시킬 수 있음을 명확히 보여주었습니다. 기존 경험적 공식의 한계를 데이터 기반 최적화로 극복함으로써, 엔지니어들은 더 안전하고 경제적인 교량 설계를 위한 강력한 도구를 얻게 되었습니다. 이는 복잡한 유체역학 문제 해결에 있어 진보된 수치 해석 및 AI 기법의 중요성을 다시 한번 강조합니다.

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

• 연락처 : 02-2026-0442
• 이메일 : flow3d@stikorea.co.kr

저작권 정보

• 이 콘텐츠는 “[H. Ghodsi, M. J. Khanjani, A. A. Beheshti]”의 논문 “[Evaluation of Harmony Search Optimization to Predict Local Scour Depth around Complex Bridge Piers]”를 기반으로 한 요약 및 분석 자료입니다.
• 출처: http://dx.doi.org/10.28991/cej-0309100

본 자료는 정보 제공 목적으로만 사용됩니다. 무단 상업적 사용을 금합니다. Copyright © 2025 STI C&D. All rights reserved.