• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2023.11a
• /
• pp.303-304
• /
• 2023

확률론적 위험성 평가는 하중, 재료특성 등과 같은 불확실성 인자를 고려하여 구조물의 안전성을 평가하는 기법이지만 모든 불확실성을 고려하는 것은 현실적으로 불가능하다. 또한 원전 격납건물은 콘크리트, 철근, 라이너, 텐던이 복잡하게 결합되어 있다. 따라서 전역민감도 분석을 통해 격납건물의 불확실성 인자 검토하고 선정하는 작업은 필요하다. 따라서 본 연구는 대리모델을 기반으로 축소규모 원전 격납건물의 전역 민감도 분석을 수행하고 격납건물의 주요 영향인자를 분석하고자 한다. 유한요소 해석 모델을 기반으로 대리모델의 학습데이터를 생성하였으며 구축된 대리모델의 성능지표를 분석하였을 때 높은 회귀성능을 갖는 것으로 판단된다. 대리모델을 기반으로 전역 민감도 분석을 수행한 결과 콘크리트의 인장균열이 발생하는 내압수준에서 민감도 지수는 콘크리트의 압축강도가 높지만, 전체적인 내압 구간에서 민감도 지수는 텐던의 탄성계수 및 항복강도가 높은 것으로 나타났다.

• Journal of the Earthquake Engineering Society of Korea
• /
• v.4 no.4
• /
• pp.53-61
• /
• 2000

능동 제어기를 설계하기 위해서는 제어대상 구조물의 수학모델의 구해야한다. 그러나, 무한차원의 구조물에 대하여 정확한 모델을 구하는 것은 불가능하므로 유한차원인 저차원화된 모델을 사용하여 제어기를 설계한다. 그러나, 실제 구조물과 저차원화된 모델사이의 오차에 의하여 제어기의 성능이 저하가 되면 제어기와 구조물의 상호작용, 지진과 같은 오란 등의 불확실성, 지진시 구조물의 동적 특성 변화로 인하여 제어기의 성능이 더욱 저하가 된다. 이러한 저하 요인은 제어기 설계시 요구되는 구조물의 수학모델에 대한 불확실한 요소로 작용하기 때문에 제어성능의 저하를 일으키며 응답의 불안정을 유발하기로 한다. 본 연구에서는 질량형 능동제어기(AMD)가 설치된 3층 건물 모형의 모델 오차에 관한 불확실성을 반영한 강인제어기법을 적용하여 제어성능과 안정성을 실험을 통하여 분석하였다. 강인제어 기법인 $\mu$ 합성법에 요구되는 여러 가지 가중함수인 주파수필터는 건물과 AMD의 특성, 모델 오차, 제어율과 AMD 성능의 , 측정잡음 및 지진외란의 특성 등을 고려하여 정량적으로 선택되었다. $\mu$합성법에 의하여 제어기를 설계하였으며 강인성을 비교하기 위하여 불확실성이 고려되지 않는 LQG 기법에 의한 제어기를 선택하였다. $\mu$합성법은 규정된 불확성에 대하여 제어의 강인성을 가지므로 동적특성이 바뀐 건물모형에 관한 강인성을 LQG 기법에 의한 제어성능과 비교하였다. 그 결과 동적특성이 변화된 건물에 대하여 $\mu$합성법만이 제어의 효율성이 유지되는 강인성을 나타내었다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.388-391
• /
• 2011

이 논문에서는 인도의 BARC에서 가압중수형 격납건물의 선형탄성 거동 및 균열의 발생형상과 극한내압 평가를 위해서 건설한 1/4 축소모델 격납건물에 대하여 실험한 결과와 유한요소 해석에 의한 결과를 비교 분석하였다. 유한요소 해석은 상용프로그램인 ABAQUS를 이용하였고 각각의 구조재료에 대한 수치 해석모델을 작성하여 내압해석을 수행하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.547-548
• /
• 2023

내진 설계가 되어있지 않은 건물의 경우, 지진으로 인해 건물 붕괴 가능성이 높아지며 이로 인해 많은 인명 피해가 발생할 수 있다. 지진으로 인한 건물의 피해를 예측하고 이를 기반으로 취약점을 보완한다면 인명 피해를 줄일 수 있으므로 건물 피해 예측 모델에 대한 연구가 필요하다. 본 논문에서는 2015 년 네팔 대지진으로 인해 손상된 건물 데이터를 활용하여 Random Forest 와 Extreme Gradient Boosting 기계학습 분류 알고리즘을 사용하여 지진 피해 예측 모델의 정확도를 비교하였다.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.23 no.5
• /
• pp.96-103
• /
• 2019

Middle-rise reinforced concrete residential buildings account for a large portion of the Korea, and structural performance analysis are needed for problems that could occur during the construction of such buildings. Thus, a middle-rise reinforced concrete residential building with 25 stories are selected as a sample model for structural performance analysis. The structural analyses are performed by dividing a sample model into the construction stage models of the 5th, 10th, 15th, 20th and 25th floors and the completion stage models with the design completed. For the comparisons of structural performances, Eigenvalue analysis results and lateral-load-resisting capabilities and structural design performances of structural members are analyzed. As a result of analyses, it was confirmed that both the construction and completion stage do not exceed KBC criteria limits at the lateral displacement and story drift ratio, and structural design performances of structural members confirm structural safety in all components except for some members of the wall. Therefore, it was concluded that if structural stability is obtained during the completion stage of a middle-rise reinforced concrete residential building, structural stability is secured under construction.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_4
• /
• pp.1111-1123
• /
• 2023

In recent times, semantic image segmentation methods using deep learning models have been widely used for monitoring changes in surface attributes using remote sensing imagery. To enhance the performance of various UNet-based deep learning models, including the prominent UNet model, it is imperative to have a sufficiently large training dataset. However, enlarging the training dataset not only escalates the hardware requirements for processing but also significantly increases the time required for training. To address these issues, transfer learning is used as an effective approach, enabling performance improvement of models even in the absence of massive training datasets. In this paper we present three transfer learning models, UNet-ResNet50, UNet-VGG19, and CBAM-DRUNet-VGG19, which are combined with the representative pretrained models of VGG19 model and ResNet50 model. We applied these models to building extraction tasks and analyzed the accuracy improvements resulting from the application of transfer learning. Considering the substantial impact of learning rate on the performance of deep learning models, we also analyzed performance variations of each model based on different learning rate settings. We employed three datasets, namely Kompsat-3A dataset, WHU dataset, and INRIA dataset for evaluating the performance of building extraction results. The average accuracy improvements for the three dataset types, in comparison to the UNet model, were 5.1% for the UNet-ResNet50 model, while both UNet-VGG19 and CBAM-DRUNet-VGG19 models achieved a 7.2% improvement.

• Korean Journal of Construction Engineering and Management
• /
• v.25 no.1
• /
• pp.50-61
• /
• 2024

The market for compact houses is growing due to the demand for floor plans prioritizing user needs. However, clients often have difficulty communicating their spatial requirements to professionals including architects because they lack the means to provide evidence, such as spatial configurations or cost estimates. This research aims to create a framework that can translate sketched data-driven spatial requirements into 3D building components in BIM models to facilitate spatial understanding and provide building performance analysis to aid in budgeting in the early design phase. The research process includes developing a process model, implementing, and validating the framework. The process model describes the data flow within the framework and identifies the required functionality. Implementation involves creating systems and user interfaces to integrate various systems. The validation verifies that the framework can automatically convert sketched space requirements into walls, floors, and roofs in a BIM model. The framework can also automatically calculate material and energy costs based on the BIM model. The developed frame enables clients to efficiently create 3D building components based on the sketched data and facilitates users to understand the space and analyze the building performance through the created BIM models.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.10 no.4
• /
• pp.838-845
• /
• 2009

The inelastic response characteristics of the standard school buildings depending on selection of hysteresis models are reviewed. Three earthquake records of El-centre, Santa-Monica, Taft and three artificial earthquake records in accordance with Korea standard are used and the inelastic response characteristics such as story shear force, story drift ratio, story displacement, hinge distribution state are reviewed with various hysteresis models. As results, story shear force is increased by maximum 60% according to hysteresis model. And Story drift ratio is increased by maximum 42% according to hysteresis model. And The result with clough model shows the maximum hinge distribution state.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.16 no.4
• /
• pp.377-386
• /
• 2003

The proposed simplified MDOF model is applied to a half-scale single-story reinforced masonry test building with a single diagonally-sheathed diaphragm. Comparisons of analytical studies to experimental tests can be valuable for understanding the seismic response of these types of buildings and for determining the qualities and limitations of the simplified models. A model calibration process is performed in this paper to determine the required structural properties based on the elastic and inelastic test responses for test building. This approach is necessary since established methods to determine the in-plane and out-of-plane stiffness, strength, and hysteresis do not exist.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2023.11a
• /
• pp.278-281
• /
• 2023

연구목적: 본 연구는 요양병원 등 재난취약시설에 재난이 발생할 경우 잔류한 요구조자를 정확하게 파악하여 소방 등 대응기관에 제공하는 APC(Auto People Counting)의 인식률 개선에 목적이 있다. 현재 재난 발생 시 건물 내 요구조자의 현황 파악을 위해 대응기관이 재난 현장에 도착하여 건물관계자에게 직접 물어보고 있다. 이는 요구조자에 대한 부정확한 정보일 가능성이 있어 대응기관의 업무범위가 확대되고 이로인해 구조자의 안전에도 위험이 될 수 있다. APC는 건물내 출입하는 인원을 자동으로 집계하여 실시간 잔류인원 정보를 제공함으로써 재난 시 요구조자 현황을 정확히 파악할 수 있다. 본 연구에서는 APC가 보다 정확하게 출입 인원을 집계할 수 있도록 최적의 인공지능 알고리즘을 선정하는데 목적이 있다. 연구방법: 본 연구에서는 실제 재난취약시설에 설치되어 운영 중인 APC를 대상으로 카메라를 통해 출입 인원의 이미지를 인식하는 알고리즘을 개선하기 위해 CNN모델을 활용하여 베이스라인 모델링을 하였다. 다양한 알고리즘의 성능을 분석하여 상위 7개의 후보군을 선정하고 전이학습 모델을 활용하여 성능이 가장 우수한 최적의 알고리즘을 선정하는 방법으로 연구를 수행하였다. 연구결과: 실험결과 시간과 성능이 가장 좋은 Densenet201, Resnet152v2 모델의 정밀도와 재현율을 확인한 결과 모든 라벨에 대해서 정확도 100%를 나타내는 것을 확인할 수 있었다. 이 중 Densenet201 모델이 더 높은 성능을 보여주었다. 결론: 다양한 인공지능 알고리즘 중 APC에 적용할 수 있는 최적의 알고리즘을 선정하였고 이는 APC의 인식률을 개선하여 재난시 요구조자의 정보를 정확하게 파악하여 신속하고 안전한 구조작업이 가능할 것이다. 이는 요구조자의 안전한 구조뿐만 아니라 구조작업을 수행하는 구조자의 안전을 확보하는 데 기여할 것으로 기대된다. 향후 연무 등 다양한 재난상황에서 재난취약시설 내 출입인원을 정확하게 파악할 수 있도록 알고리즘 분석 및 학습에 대한 추가 연구가 요구된다.