• 한국강구조학회 논문집
• /
• 제20권1호
• /
• pp.21-31
• /
• 2008

응답면기법(RSM, Response surface method)은 복잡한 구조물의 매우 작은 발생확률이나 신뢰성해 석에서 폭넓게 사용된다. MCS(Monte-Carlo Simulation)방법은 어떤 시스템의 평가에서도 사용될 수 있으나 해석시간이 파괴확률의 역수에 비례하게 되어 발생확률이 매우 희박한 시스템의 평가에 불리하다. 확률유한요소해석법은 이러한 MCS의 한계점을 해결해 줄 수 있는 대안이 될 수 있다. 그러나 이 방법은 평균과 표준편차 등이 모델링 (내부 프로그래밍)된 특별한 프로그램에서만 적용 가능하며 임의의 범용소프트웨어의 응답을 모델링하거나 임의의 프로그램의 특성을 이용할 수가 없다. RSM방법은 복잡한 구조시스템에서 응답에 대한 회귀모델을 구성하여 효율적인 해석단계를 통해 시간과 노력을 획기적으로 절감시킬 수 있다. 그러나 RSM의 정확도는 한계상태방정식의 선형성과 축점간의 거리에 영향을 받게 된다. 이런 단점을 해결하기 위해 한계상태방정식의 선형성과 무관하게 정확한 수렴해를 구하기 위한 개선된 적응적 응답면기법을 개발하고 선형과 2차형식의 응답면방정식에 대한 2가지 예를 들어 검증하였다. 검증결과 가장 효율적인 RSM기법을 결정하였다. 개발된 선형적응적가중응답 면기법 (linear adaptive weighted response surface method, LAW-RSM)은 비적응적이거나 비가중형식의 2차 RSM기법에 비해서 정해의 신뢰성지수에 가장 근접한 정확성과 수렴성을 나타낸다.

• 한국지반공학회논문집
• /
• 제38권3호
• /
• pp.35-42
• /
• 2022

지반조사방법 중 표준관입시험 결과인 N치를 통해 알 수 있는 지반 지지층의 깊이는 각종 지반 구조물의 설계를 위한 기본적인 지반 정보를 제공하는 중요한 지표이다. 이러한 지반조사 결과는 시간과 비용 측면을 고려해 간헐적으로 수행될 수밖에 없으며, 그 결과는 현장 지반의 대표성을 갖게 된다. 그러나 지반 내에는 다양한 지층 변동성 및 불확실성이 존재하므로 간헐적인 현장조사를 통해 지반의 특성을 모두 파악하는 것은 어렵다. 따라서 시추공 정보로부터 미계측 지점을 예측하기 위한 방법들이 제시되어 왔으며, 대표적인 방법으로는 공간보간기법인 크리깅(Krigging), 역거리가중법(IDW)등이 있다. 최근에는 보간기법의 정확성을 높이기 위해 지반분야와 딥러닝 기술을 접목한 연구들이 수행되고 있다. 본 연구에서는 약 2만 2천공의 지반조사 결과를 바탕으로 딥러닝과 공간보간기법으로 지반 지지층 깊이 예측을 위한 비교 연구를 수행하였다. 이를 위해 딥러닝 알고리즘인 완전연결 네트워크와 포인트넷 방법, 공간보간기법으로는 IDW를 사용하였다. 각 분석 모델의 지지층 예측 결과 중 오차의 평균은 IDW가 3.01m 였으며, 완전연결 네트워크 및 포인트넷이 각 3.22m와 2.46m 였다. 결과의 표준편차는 IDW가 3.99였으며, 완전연결네트워크와 포인트넷이 3.95와 3.54로 나타났다. 연구 결과 3차원 정보에 특화된 포인트넷 구조를 적용한 네트워크가 IDW 및 완전연결 네트워크에 비해 개선된 결과를 나타냈다.

• 대한토목학회논문집
• /
• 제31권3B호
• /
• pp.277-284
• /
• 2011

기존 Markov Chain 모형을 통한 일강수량 모의에서 가장 큰 문제점은 극치강수량을 재현하기 어렵다는 점이다. 이러한 문제점으로 인해 수자원계획을 수립하는데 있어서 불확실성을 가중시키고 있다. 특히 일강수량 모의기법을 통해서 추정되는 빈도강수량의 과소추정으로 인해 수공구조물 설계 시에 신뢰성을 확보하는데 문제점이 있다. 이러한 점에서 본 연구에서는 기존 Markov Chain 모형에서 일강수량에 평균적인 특성과 극치특성을 동시에 재현할 수 있도록 불연속 Kernel-Pareto Distribution 기반에 일강수량모의기법을 개발하였다. 한강유역의 3개 강수지점에 대해서 기존 Markov Chain 모형과 본 연구에서 제안한 방법을 적용한 결과 여름의 일강수량 모의 시 1차모멘트인 평균과 2-3차 모멘트 모두 효과적으로 재현하지 못하는 문제점이 나타났다. 그러나 본 연구에서 제안한 불연속 Kernel-Pareto 분포형 기반 Markov Chain 모형은 여름의 일강수량 모의 시 강수계열의 평균적인 특성뿐만 아니라 표준편차 및 왜곡도의 경우에도 관측치의 통계특성을 매우 효과적으로 재현하는 것으로 나타났다. 본 연구에서 제시한 방법론은 전체적으로 기존 Markov Chain 모형에 비해 극치강수량을 재현하는데 유리한 기법으로 판단된다. 또한 극치강수량을 일반강수량으로부터 분리하여 모의함으로서 평균 및 중간값 등 낮은 차수에 모멘트 등 일강수량에 전체적인 분포특성을 더욱 효과적으로 모의할 수 장점을 확인할 수 있었다.

• 재무관리연구
• /
• 제25권4호
• /
• pp.183-212
• /
• 2008

본 논문은 $2001{\sim}2005$사업 연도까지 5년간 패널자료로 국내 10개 손해보험회사를 대상으로 비모수적 방법인 DEA-CCR, BCC 모형과 DEA/Window 모형을 이용하여 정태적, 동태적 효율성 변화를 살펴보고, 효율성 결정요인과 관련 다양한 방법으로 비교하기 위해 가중최소자승추정법(GLS), 토빗 모형(Tobit model), 고정효과 모형(Fixed effect model), 확률효과 모형(Random effect model)을 이용한 정태적 패널 모형, 일반화적률추정법(GMM)을 이용한 동태적 패널모형으로 살펴 보았다. 첫째, 정태적 효율성 분석결과 평균 기술효율성은 15.5%의 비효율성을 가지고 있는 것으로 나타났으며, 이러한 비효율성은 규모비효율성에 더 큰 원인이 있는 것으로 나타났다. 둘째, 안정성 여부를 판단하기위한 동태적 효율성 분석결과 기간에 따라 각 손해보험회사별로 표준편차, LDP, LDY 값이 차이를 나타내고 있었다. 셋째, 기술효율성 결정요인 분석 결과 고정효과 모형의 설명력이 다른 모형들보다 높았고, GMM은 모든 결정요인들에 대해 유의적으로 나타났다. 그리고 기술효율성 증대를 위해서는 토지, 건물같은 부동산 비중 축소를 통한 수입보험료 증대가 가장 중요한 것으로 나타났다.

• 한국콘텐츠학회논문지
• /
• 제22권8호
• /
• pp.347-357
• /
• 2022

본 연구는 Health-related quality of life instrument with 8 items (HINT-8)을 중심으로 만성폐쇄성폐질환 (Chronic Obstructive Pulmonary Disease, COPD) 환자의 건강관련 삶의 질 정도와 영향요인을 파악하기 위해 2019년 국민건강영양조사에서 폐기능 검사를 수행한 만 40세 이상의 성인 중 1초간 노력성 호기량(forced respiratory volume in 1 second, FEV₁) 대 노력성 폐활량(forced vital capacity)을 측정하여 비율이 0.7 미만인 자 중 건강관련 삶의 질 측정도구인 HINT-8에 누락이 있는 3명을 제외한 총 451명을 대상으로 하였다. SAS program을 이용하여 실수와 가중백분율, 평균과 표준편차, 일반선형모델을 이용하여 분석한 결과, HINT-8 index와 EuroQol five-dimensions 3-level version (EQ-5D-3L) index 두 도구 모두 COPD 환자에게서 건강관련 삶의 질을 측정하는 도구로서 적절하였다. HINT-8을 중심으로 COPD 환자의 건강관련 삶의 질 영향요인은 연령, 성별, 소득, 흡연상태, 동반질환, 스트레스, 주관적 건강상태이었다. COPD 환자의 건강관련 삶의 질을 개선하기 위해서는 금연교육 및 스트레스 관리 등이 포함되어야 하며, 고령, 저소득층 등 대상자의 특성에 맞는 개별화된 관리프로그램이 개발되고 적용되어야 할 것이다.

• 대한원격탐사학회지
• /
• 제33권5_2호
• /
• pp.661-676
• /
• 2017

본 연구에서는 남한영역에 대하여 1 km 고해상도의 계절예측 기온자료를 생산하고, 생산된 예측자료의 성능을 높이는 새로운 방법을 제안하였다. 이 새로운 방법은 총 4가지 단계의 실험으로 구성되어 있다. 첫 번째 단계인 EXP1은 PNU CGCM에서 생산된 저해상도 계절예측 기온자료이며, EXP2는 EXP1의 결과에 역거리 가중법을 적용하여 생산된 남한영역의 1 km 고해상도 계절예측 기온자료이다. EXP3는 EXP2의 결과에서 위성고도자료인 ASTER GDEM을 이용하여 고도에 따른 기온변화를 추정한 후 이를 적용한 계절예측 기온자료이다. 마지막으로 EXP4는 EXP3의 결과에 유전자 알고리즘을 적용하여 모형의 예측결과 내 존재하는 계통적 오차를 보정한 결과이다. EXP1과 EXP2는 남한의 지형적 특성이 전혀 고려되지 않아 다른 실험에 비해 낮은 예측성을 보였으며, 특히 고도가 높은 관측지점에서 두 실험의 예측 성능이 더욱 낮았다. 반면, 위성에서 관측된 고해상도 고도자료가 적용된 EXP3와 EXP4는 고도가 증가함에 따라 기온이 감소하는 특징 등 지형적 특성을 효과적으로 표현하면서 높은 예측성능을 보였다. 특히, 유전자 알고리즘으로 예측값의 계통적 오차가 감소된 EXP4는 다른 실험과 비교하여 시간상관성, 관측으로 정규화된 표준편차, 정답률, 오답률 등 시간에 따른 변동성에 대해서 가장 높은 예측성능을 보였다. 이는 본 연구에서 제안한 새로운 방법을 통해 고해상도 격자의 질 높은 실시간 계절예보 자료를 효과적으로 생산할 수 있음을 의미한다.