• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.91-91
• /
• 2023

General circulation models(GCMs)은 여러 국가 기관들의 물리적 기후 모의 프로세스를 기반으로 과거 및 미래 기후변화의 영향을 정량화하기 위해 개발되었으며 현재 미래 기후변화를 예측하는데 가장 효과적인 도구이다. 그러나 GCMs에 내포된 여러 불확실성 요소 및 넓은 격자형식의 기후 데이터는 GCMs 기후 데이터를 사용한 지역적 기후 모의 시 주요 걸림돌로 인식되어지고 있다. 편의보정 방법은 GCMs을 사용한 지역적 기후 모의 시 기후 모의 성능을 향상시키기 위해 여러 연구에서 사용되어져 왔으나 다른 연구에서는 이러한 편의보정 방법의 문제점을 언급했다. 따라서 본 연구는 편의보정 방법이 GCMs 기후 모의 결과에 미치는 영향을 정량화하고 더 나아가 GCMs 기후 변수에 따른 유량 모의 결과에 미치는 영향을 분석했다. 연구대상지 과거 기간 기후 모의를 위해 coupled model intercomparison project(CMIP)6의 GCMs을 사용했으며, 미래 기후 모의를 위해 shared socioeconomic pathway(SSP) 시나리오를 사용했다. 편의보정 방법으로는 분위사상법을 사용했으며, 편의보정 전후 GCMs 기후 모의 성능평가를 위해 5개 평가 지표를 사용했다. 연구대상지 장기 유출 모의를 위해 storm water management model(SWMM)이 사용되었으며, 기후 입력 자료로는 일 단위 강수량, 최고 및 최저온도를 고려했다. 미래 기후 및 유량 모의 결과의 불확실성은 square root of error variance(SREV) 방법을 통해 정량화됐다. 결과적으로 과거 기간 GCMs 기후 및 유량 모의성능은 편의보정 전보다 편의보정 후에서 향상되었으며 특히, 강수 및 유량 모의 성능이 크게 향상되었다. 미래 기간의 경우 편의보정 후에서 기후 및 유량의 극값을 더 잘 반영함을 확인했다. 본 연구의 결과는 GCMs 기후 변수를 사용한 지역적 기후 및 유량 모의 시 편의보정 방법이 미치는 영향에 대한 구체적인 정보를 제공할 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.156-156
• /
• 2021

본 연구는 지역빈도해석을 기반으로한 인공신경망 모델과 기존에 널리 사용되는 방법인 홍수지수법의 성능을 몬테카를로 시뮬레이션을 이용하여 평가하였다. 컴퓨터 기술이 발달함에 따라 인공지능에 대한 접근성이 좋아지며 수문학을 포함한 다양한 분야에 적용되고 있다. 인공지능을 이용하여 강수량 및 유량 등 다양한 수문자료에 대한 예측이 이루어지고 있으나 빈도해석에 관한 연구는 비교적 적다. 본 연구에서 사용된 인공 지능 모델은 대상 지점의 지형학적 자료와 수문학적 자료를 이용하여 인공신경망을 통해 지점의 확률강우량(QRT-ANN) 및 확률분포형의 매개변수 (PRT-ANN)를 추정한다. 지형학적 자료로는 위도, 경도 그리고 고도가 사용되었으며 수문학적 자료로는 대상 지점의 최근 30년 일일연최대강우량을 사용하였다. 지역빈도해석의 정확도는 지역 내 통계적 특성이 비슷한 지점들이 포함되면 될수록 높아진다. 통계적 특성으로는 불일치 척도, 이질성 척도, 적합성 척도가 있으며 다양한 조건의 통계적 특성에 따른 세 개의 지역빈도해석 방법의 성능을 평가하고자 하였다. 대상 지역 내 n개의 지점이 있다고 가정하였을 때, 홍수지수법의 경우 n-1개의 지점으로 추정한 지역 성장곡선을 이용하여 나머지 1개 지점의 확률강우량을 산정할 수 있으며 인공신경망 모델들 또한 n-1개 지점들의 자료를 이용하여 모델을 구축한 뒤 나머지 지점의 확률강우량 및 확률분포형의 매개변수를 예측할 수 있다. PRT-ANN의 경우 예측된 매개변수를 이용하여 확률강우량을 산정하며 시뮬레이션 시행마다 발생시킨 자료의 지점빈도해석 결과에 대한 나머지 세 방법의 평균 제곱근 상대오차 (Relative root mean square error, RRMSE)를 계산하였다. 몬테카를로 시뮬레이션을 이용한 성능 분석을 통하여 관측값의 다양한 통계적 특성에 맞는 지역빈도해석 방법을 제시할 수 있을 것으로 판단된다.

• 대한토목학회논문집
• /
• 제28권5A호
• /
• pp.719-727
• /
• 2008

GFRP 보강근의 인장강도 및 부착성능 등은 철근과 다르기 때문에 GFRP 보강근을 콘크리트 구조물에 적용하기 위해서는 GFRP 보강근으로 보강된 콘크리트 부재의 거동에 관한 연구가 선행되어야 한다. GFRP는 높은 비강도, 경량성, 비부식성 등의 장점을 가지고 있으나 탄성계수가 철근보다 작아 상대적으로 큰 처짐이 발생하는 단점이 있다. 교량 바닥판은 아칭효과 등에 의해 휨성능이 증가하므로 FRP 보강근을 우선 적용할 수 있는 대상 중 하나이다. 본 논문은 국내에서 개발된 철근 대체재용 GFRP 보강근의 콘크리트 구조물로의 적용 가능성을 관찰하기 위한 실험연구에 관한 것이다. 대상 실험체는 폭과 길이가 3,000 mm, 4,000 mm이고 두께가 240 mm인 실제 크기의 콘크리트 바닥판이다. 실험변수는 보강근 종류(철근, GFRP 보강근)와 보강비로 총 3개의 바닥판을 제작하였다. 정적실험을 수행하였으며 DB-24 하중등급의 축하중을 모사한 재하면적을 가진 직사각형 강재로 바닥판이 파괴될 때까지 집중하중을 가하였다. 철근 보강 바닥판과 GFRP 보강 바닥판의 거동차이를 최대성능, 처짐 및 균열 거동 등에 대해 비교 검토하였다.

• 대한토목학회논문집
• /
• 제28권4A호
• /
• pp.591-601
• /
• 2008

이 연구의 목적은 전단저항 연결체를 갖는 프리캐스트 세그먼트 교각의 성능을 파악하는데 있다. 프리캐스트 교각 시스템은 현장에서의 작업을 줄이고 공사기간의 단축을 가져올 수 있다. 전단저항 연결체를 갖는 프리캐스트 세그먼트 교각 실험체에 일정 축하중 하에서 횡방향 반복하중을 가하는 준정적 실험을 수행하였다. 사용된 프로그램은 철근콘크리트 구조물의 해석을 위한 RCAHEST이다. 사용된 부착 또는 비부착 텐던요소는 유한요소법에 근거하며 프리스트레스트 콘크리트 부재의 콘크리트와 텐던의 상호작용을 구현할 수 있다. 새롭게 수정된 접합요소는 세그먼트 접합부의 비탄성거동을 예측할 수 있다. 제안된 해석기법은 조사된 실험체에 대하여 하중단계에 따라 성능을 비교적 정확하게 예측하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권5호
• /
• pp.1-8
• /
• 2023

해양 및 수리구조물은 수분침투뿐만 아니라 해양의생물의 부착 등에 의해서도 내구손상이 발생하게 된다. 따라서 본 연구에서는 해양 콘크리트 등을 위해 자가세척기능을 갖는 방오 코팅제를 개발하고자 하였다. AKD와 셀룰로오스 나노섬유 및 BADGE를 혼합한 방오코팅제를 접촉각 140°내외의 소수성과 기울임각 15°에서 충분한 방오성능 확보한 것으로 확인하였다. 표면의 내마모성 시험에서는 최대 0.015g의 손실만이 발생하는 것으로 나타났다. 내구성 실험에서도 염소이온투과시험결과 코팅제가 도포된 변수에서는 염소이온의 투가가 거의 발생하지 않았으며, 탄산화와 동결융해 손상 또한 역시 거의 발생하지 않아 콘크리트의 내구성 확보에서도 효과가 있는 것으로 분석되었다.

• 한국가스학회지
• /
• 제27권4호
• /
• pp.27-33
• /
• 2023

석유화학 플랜트에는 여러 설비 및 구조물이 서로 연계되어 운전성을 확보한다. 석유화학 플랜트의 생산활동은 국가 경제에 큰 영향을 미치므로, 구조적인 안전성뿐만 아니라 시설의 운전성을 유지하는 것이 매우 중요하다. 그러나 현행 내진설계 기준은 주로 붕괴방지를 목표로 시설의 설계요건을 제시하고 있으며, 시설의 운전성을 확보하는 요건을 제시하지 못하고 있다. 시설의 거동특성에 따라, 붕괴방지수준 이외의 내진성능수준에 의해서도 시설의 운전성이 확보될 수 있으므로, 다양한 내진성능수준을 적용할 수 있는 내진설계 방법의 제시가 필요하다. 구형(볼) 저장탱크는 여러 개의 기둥과 브레이스로 지지되어 브레이스와 기둥의 좌굴 및 항복 등으로 지진 시 복잡한 비선형거동을 보인다. 이 연구에서는 비선형거동 특성을 통계적으로 분석하여 신뢰도 기반의 성능기반 내진설계 방법을 새롭게 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.392-395
• /
• 2017

본 연구에서는 일 증발접시 증발량 산정을 위한 딥러닝 (deep learning) 모형의 적용성을 평가하였다. 본 연구에서 적용된 딥러닝 모형은 deep belief network (DBN) 기반 deep neural network (DNN) (DBN-DNN) 모형이다. 모형 적용성 평가를 위하여 부산 관측소에서 측정된 기상자료를 활용하였으며, 증발량과의 상관성이 높은 기상변수들 (일사량, 일조시간, 평균지상온도, 최대기온)의 조합을 고려하여 입력변수집합 (Set 1, Set 2, Set 3)별 모형을 구축하였다. DBN-DNN 모형의 성능은 통계학적 모형성능 평가지표 (coefficient of efficiency, CE; coefficient of determination, $r^2$; root mean square error, RMSE; mean absolute error, MAE)를 이용하여 평가되었으며, 기존의 두가지 형태의 ANN (artificial neural network), 즉 모형학습 시 SGD (stochastic gradient descent) 및 GD (gradient descent)를 각각 적용한 ANN-SGD 및 ANN-GD 모형과 비교하였다. 효과적인 모형학습을 위하여 각 모형의 초매개변수들은 GA (genetic algorithm)를 이용하여 최적화하였다. 그 결과, Set 1에 대하여 ANN-GD1 모형, Set 2에 대하여 DBN-DNN2 모형, Set 3에 대하여 DBN-DNN3 모형이 가장 우수한 모형 성능을 나타내는 것으로 분석되었다. 비록 비교 모형들 사이의 모형성능이 큰 차이를 보이지는 않았으나, 모든 입력집합에 대하여 DBN-DNN3, DBN-DNN2, ANN-SGD3 순으로 모형 효율성이 우수한 것으로 나타났다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제24권6호
• /
• pp.138-145
• /
• 2020

본 연구는 강재 단순보의 유공보 시스템에서 개구부를 지지점 에 근접한 위치에 설치하는 경우에 대하여 구조성능을 파악하고자 실험을 실시하였다. 또한 수직·수평 강판을 이용한 개구부 보강에 대하여도 실험을 통하여 구조성능을 파악하였다. 강재 단순보에서 개구부가 지지점에 근접한 위치인 강재보 높이의 절반(D/2)인 경우에 강재보 높이(D)인 경우보다 적절한 개구부 위치인 것을 알 수 있었다. 또한 보강방법으로는 수직강판 보강보다는 수평강판 보강이 보강효과가 크며, 개구부와 강판의 간격이 없는 것이 구조성능이 더 큰 결과를 얻을 수 있었다.

• 대한토목학회논문집
• /
• 제28권6A호
• /
• pp.843-851
• /
• 2008

본 연구에서는 현행 설계기준상의 강관말뚝머리 연결부 결합방법이 갖고 있는 전단키 용접, 철근 배근 및 정착길이 확보 등의 문제점을 개선하고자 결합용 구조 요소로 유공강판 전단연결재(Perforated Flat Shear Connector)를 활용한 새로운 보강방법을 고안하고 이에 대한 구조적 거동 특성을 실험적으로 규명하였다. 실험 결과, 유공강판 전단연결재를 활용한 보강방법은 기존 방법을 대체할 만한 동등 수준 이상의 구조 안전성은 물론 시공성 및 경제성 측면에서도 우수한 성능을 갖는 구조 시스템인 것으로 나타났으며, 이에 따라 효율적인 강관말뚝머리 연결부 보강방법의 하나로 자리매김할 것으로 기대된다.

• 한국터널지하공간학회 논문집
• /
• 제26권2호
• /
• pp.129-152
• /
• 2024

터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째 본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다.