• 대한토목학회논문집
• /
• 제41권6호
• /
• pp.751-760
• /
• 2021

우리나라의 교량은 대부분이 건설된 지 20년 이상이 지나 현재 노후화로 인하여 많은 문제점이 제기되고 있으며, 교량의 안전점검은 대부분 전문 인력의 주관적인 평가로 이루어지고 있다. 최근 교량 안전점검의 데이터의 체계적인 관리를 위해 BIM 등을 활용한 데이터 기반의 유지관리 기술들이 개발되고 있지만, BIM과 구조물의 유지관리 데이터를 연동을 위해서 영상정보를 직접 라벨링하는 수작업을 필요로한다. 따라서 본 논문에서는 이미지 기반의 자동 교량 구성요소 분류 네트워크를 개발하고자 한다. 본 연구에서 제안한 방법은 두 개의 CNN 네트워크로 구성되었다. 첫 번째 네트워크에서 특정 교량 이미지에 대하여 교량의 형식을 자동으로 분류한 뒤, 두 번째 네트워크에서 교량의 형식별로 구성요소를 분류함으로써 정확도와 효율성을 향상시키고자 한다. 본 연구에서 개발한 시스템을 검증한 결과, 847개의 교량 이미지에 대해서 98.1 %의 정확도로 교량의 구성요소를 자동으로 분류 할 수 있었다. 본 연구에서 개발한 교량의 구성요소 자동분류 기술은 향후 교량의 유지관리에 기여를 할 수 있을 것으로 기대된다.

• 한국터널지하공간학회 논문집
• /
• 제24권4호
• /
• pp.341-353
• /
• 2022

도심지에는 많은 지중 매설관이 설치되어 있으며, 이러한 지중 관로의 위치(깊이, 방향 등)은 굴착을 수행하기 전에 특정되어야 한다. 지중 매설관을 탐지하기 위해 다양한 지구물리학적인 방법을 사용할 수 있으나, 지반의 불균질성으로 인해 정확한 위치정보를 파악하는 것은 어렵다. 다양한 비파괴 탐사 방법 중 GPR (ground penetrating radar)는 고속으로 실험이 가능하며, 다른 탐사 방법에 비해 상대적으로 저렴한 탐사비용 등의 장점을 갖는다. 그러나 GPR의 탐사 데이터는 해석이 직관적이지 않아 상당한 전문적 지식이 요구된다. 최근 딥러닝을 이용한 탐사 데이터의 자동판독 기술에 대한 연구가 증가하고 있으나, 매설물의 위치를 정확히 알고 있는 탐사 데이터가 부족하여 학습모델 구축에 어려움이 있다. 이를 해결하기 위해 본 연구에서는 이러한 문제를 FDTD (finite difference time domain)수치해석을 통해 해결하고 자동탐지 학습 모델의 성능을 향상시키기 위한 기초연구를 수행하였다. 첫째, 단일유전율로 구성된 균질지반을 구성하고 해석을 수행하였다. 불균질 지반의 경우 프랙탈 기법을 이용하여 모델을 구성하고 해석을 수행하였다. 둘째, 합성곱 신경망을 이용하여 딥러닝 학습을 수행하였다. Model-A는 균질 지반 해석 데이터만 이용하여 학습을 수행하였으며, Model-B는 균질 및 불균질 지반 해석 데이터를 이용하여 학습을 수행하였다. 그 결과 Model-B가 Model-A보다 탐지성능이 우수한 것을 확인하였다. 이는 자동탐지 모델의 학습 시, 지반의 불균질성을 포함하여 학습을 수행하면 탐지 모델의 성능이 개선됨을 의미한다.

• 화약ㆍ발파
• /
• 제40권3호
• /
• pp.19-32
• /
• 2022

수소는 다른 연료에 비해 에너지효율이 높고 유해물질이 배출되지 않아 미래의 청정에너지원으로 인식되고 있다. 그러나 수소는 밀도가 낮아 운반 및 저장시에 부피가 커서 압축하거나 특별한 운반체를 사용해야 하며, 공기중에 노출 시 화재나 폭발의 위험성이 있다. 수소-공기 혼합물의 폭발에 관한 실험이나 수치해석적 연구가 진행되어 오고 실물 수소 충전소를 대상으로 한 폭발 시뮬레이션에 관한 연구사례는 극히 드물다. 본 연구에서는 실제 수소 충전소를 대상으로 Lidar 스캐닝을 수행하여 point cloud 데이터를 획득하고 수소 충전소 3 차원 구조 모델을 작성한다. 3 차원 구조모델은 Ansys 사 AUTODYN 에 적용되어 수소 충전소의 수소폭발을 가정한 TNT 등가량의 폭발 시뮬레이션을 실시하고 주변에 전파하는 폭발압력을 계산하여, 수소 충전소 폭발에의한 주변 보안 건물의 안전거리에 관한 정보를 제공한다.

• 대한토목학회논문집
• /
• 제28권5C호
• /
• pp.293-301
• /
• 2008

지반을 대상으로 하는 일련의 활동에서 지층의 구성에 관한 정보는 필수적인 요소이다. 일반적으로 시추를 통해 지층 구성을 알 수 있으나, 배출되는 작업수와 슬라임, 굴진속도, SPT 시료 등을 참고하여 작성되는 다소 경험적인 면이 있다. 더욱이 최근 시추장비의 고성능화로 인해 얇은 토사층의 경우 구분이 점점 어려워지고 있는 것이 현실이다. 피에조콘관입시험은 주로 점토층을 대상으로 시행되었으나 최근 모래층 및 실트층으로 사용이 확대되고 있는 실정이다. 연속적인 데이터를 확보할 수 있다는 이점이 있어 흙분류에 적용하기 위한 연구가 많이 진행되었고 다양한 도표가 제안되어 사용되고 있다. 하지만, 국내에서는 이에 대한 검증 없이 적용하고 있는 것이 현실이며, 이에 대한 검증을 바탕으로 국내지반과 현실에 맞는 새로운 흙분류 시스템의 개발이 필요한 실정이다. 본 연구에서는 국내 17개 지역에서 수행된 피에조콘 관입시험 결과와 채취된 시료들에 대한 흙분류 결과를 데이터베이스화하였고, 피에조콘 결과를 이용하도록 제안된 국 내외 흙분류차트 7종류들의 국내지반에 대한 적용성을 토질 종류별로 검토하였다. 또한 종합적으로 국내지반의 흙분류에 가장 적합한 흙분류차트와 사용 변수들을 도출하였고 선정된 도표의 영역별 설명과 국내 기술자들에게 익숙한 통일분류결과와의 상관성에 대하여 고찰하였다.

• 대한토목학회논문집
• /
• 제28권5D호
• /
• pp.741-747
• /
• 2008

오늘날 미국, 일본과 같은 선진국에서는 전통적인 방법의 중력지오이드에 GPS/Leveling데이터에 의한 기하학적 지오이드를 합성한 합성지오이드를 개발하여 지오이드모델의 정확도를 높이고 있다. 따라서 하이브리드지오이드라 불리우는 합성지오이드모델을 개발하는 것이 세계적으로 지오이드모델 개발의 최신 방법이 되고 있다. 본 연구에서는 우리나라의 하이브리드지오이드 모델을 개발하기 위한 기초연구로 Remove and restore 방법에 의하여 중력지오이드를 결정하고 498점의 GPS/Leveling 데이터에 의한 기하학적 지오이드를 합성하여 우리나라의 합성지오이드모델을 개발하였다. 지구중력장모델은 EIGEN-CG03C 모델을 사용하였고 중력자료와 우리나라의 DEM을 이용하여 중력지오이드 모델을 개발하였다. 지형효과 계산을 위하여 3가지의 중력학적 환산방법(Helmert 응축 방법, RTM 방법, Airy-isostatic 방법)을 이용하여 지형효과를 산출하였고, 산출된 지형효과를 적용하여 개발되는 중력지오이드의 정확도를 분석하여 가장 적합한 중력학적 환산방법을 결정하였다. 아울러 산출된 중력지오이드에 총 498개의 GPS/Leveling 자료를 이용한 LSC 적합을 수행하여 우리나라의 수직기준에 적합한 합성지오이드를 결정하고 정확도 분석을 수행하였으며, 그 결과 RTM 환산방법을 적용하여 결정된 합성지오이드의 정확도가 $0.001{\pm}0.053m$로서 가장 높게 나타났음을 알 수 있었다.

• 자원환경지질
• /
• 제56권4호
• /
• pp.435-445
• /
• 2023

삼각주는 하천이 운반하던 퇴적물이 호수나 바다, 하천의 본류와 같은 상대적으로 저 에너지의 환경을 만나 쌓인 퇴적 지형이다. 그 중 하천의 합류 지역에 생긴 삼각주는 하천 기하와 수리학적 특성에 큰 영향을 줄 수 있기 때문에 하천 관리 및 연구에서 중요하게 다루어진다. 최근 낙동강 내 대규모 준설과 보 건설로 하천 합류 지역의 평형상태가 깨지고 있다. 하지만 하천의 자연 회복성으로 인한 지속적인 퇴적으로, 인위적인 준설 이전의 자연상태로 되돌아가고 있다. 시계열 관측 결과 합류 지역의 삼각주는 준설 이후 지속적으로 성장하다가, 일정 크기에 도달하면 전반적인 크기의 변화없이 소규모의 성장과 후퇴를 반복하는 동적 평형상태에 이른다. 본 연구에서는 합류 지역 삼각주가 지류의 유사량과 본류의 유량에 따라 체결된 동적 평형 상태에 도달한다는 가정을 바탕으로 합류 지역의 퇴적-침식 작용을 설명하는 모델을 개발하였다. 모델은 지류 공급 퇴적물의 퇴적과 본류로 인한 침식 작용, 두 가지 기작을 토대로 한다. 모델에 사용된 낙동강을 대표하는 침식 계수는 낙동강 내 주된 합류 지역을 이용하여 추정했다. 개발된 모델을 이용하여 지류 유사량과 본류 유량에 따른 합류 지역 삼각주 평형 위치의 민감도 분석을 수행했고, 이후 주된 합류 지역의 연평균 유량, 유사량 데이터를 활용하여 낙동강 합류부 삼각주들의 동적 평형 위치를 예측하였다. 마지막으로 감천-낙동강에 기록된 일별 유량과 유사량 데이터를 활용하여 감천-낙동강 삼각주의 발달에 대한 모의 실험을 진행하였다. 모델을 통해 각 합류부 삼각주의 형성 여부를 예측하였고, 감천-낙동강 삼각주의 거동의 경향 또한 잘 예측하였지만, 단순화 과정에서 발생한 오차와 한계로 인해 감천-낙동강 삼각주에서 실제 발생하는 후퇴를 정확히 예측하지는 못하였다. 본 연구 결과는 합류 지역을 통한 낙동강 본류의 유사 공급량에 대한 기초 정보를 제공하여 하천 정비 및 유지에 기초 모델로 사용할 수 있다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.113-129
• /
• 2015

장소 브랜딩은 특정 장소에 대한 의미 부여를 통해 장소성의 정체성 및 공동가치를 생성하며 가치 창출을 하는데 중요한 활동이며, 장소 브랜드에 대한 이미지 파악을 통해 이루어진다. 이에 마케팅, 건축학, 도시건설학 등 여러 분야에서는 인상적인 장소 브랜드의 이미지를 구축하기 위하여 많은 노력을 기울이고 있다. 하지만 설문조사를 포함한 대면조사 방법은 대부분 주관적인 작업이며 측정에 많은 인력 또는 고도의 전문 인력이 소요되어 고비용을 발생시키므로 보다 객관적이면서도 비용효과적인 브랜드 이미지 조사 방법이 필요하다. 이에 본 논문은 텍스트마이닝을 통하여 장소 브랜드의 이미지 강도를 객관적이고 저비용으로 얻는 방법을 찾는 것을 목적으로 한다. 제안하는 방법은 장소 브랜드 이미지를 구성하고 있는 요인과 그 키워드들을 관련 웹문서에서 추출하며, 추출된 정보를 통해 특정 장소의 브랜드 이미지 강도를 측정하는 방법이다. 성능은 안홀트 방법에서 평가에 사용하는 전세계 50개 도시 이미지 인덱스 순위와의 일치도로 검증하였다. 성능 비교를 위해 임의로 순위를 매기는 방법, 안홀트의 설문방식대로 일반인이 평가하는 방법, 본 논문의 방법을 사용하되 안홀트의 방법으로 학습한 것으로 유의한 것으로 추정되는 평가 항목만을 반영하는 방법과 비교하였다. 그 결과 제안된 방법론은 정확성, 비용효율성, 적시성, 확장성, 그리고 신뢰성 측면에서 우수함을 보일 수 있었다. 따라서 본 연구에서 제안한 방법론은 안홀트 방식에 상호 보완적으로 사용될 수 있을 것이다. 향후에는 장소 브랜드 이미지를 형성하는 속성 별로 등장횟수를 계산 한 후에 장소 브랜드에 대한 태도, 연상, 그리고 브랜드 자산과의 인과관계를 자동으로 파악할 수 있는 부분까지 구현하고 실증적 실험을 할 예정이다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2005년도 제7회 특별심포지움 논문집
• /
• pp.21-36
• /
• 2005

우리나라의 지질은 화강암과 편마암이 주를 이루나 시추공 레이다 토모그래피 탐사자료에서 이방성이 나타나는 것은 드문 일이 아니며 심지어는 결정질 암반에서 나타나기도 한다. 이방성 문제를 해결하기 위해 불균질 타원형 이방성 매질을 가정하여 토모그래피 역산 알고리듬을 개발하였으며, 이를 계속적으로 개량하여 왔다. 개발된 알고리듬에 의한 역산 결과는 세 종류의 변수, 즉 최고속도, 최저속도, 대칭축 방향의 세 종류의 토모그램으로 영상화할 수 있다. 이 논문에서는 먼저 개발된 알고리듬에 대하여 논의하고, 국내에서 수행한 4가지의 이방성 레이다 토모그래피 탐사 사례에 대해 소개한다 전반부의 두 사례는 토목 구조물의 건설을 위한 지반조사의 일환으로 수행한 사례로서, 주목적은 석회암 용식공동의 탐지에 있었다. 후반부의 두 탐사 사례는 결정질 암반인 편마암과 화강암 지역에서 수행한 사례이다. 이들 4가지 사례에서 이방성을 야기하는 원인은, 화강암 지역에서 수행한 사례에서는 미세 열극이 일정한 방향으로 배열함에 있었으며, 나머지 석회암과 편마암 지역에서의 사례는 특정광물이 일정한 방향으로 배열함에 있었다 이들 이방성 토모그래피 탐사 사례에 대한 논의를 통하여, 지하 매질이 이방성을 될 경우, 이방성의 분포는 지하의 상태 변화를 이해하는 데에 매우 중요한 역할을 하며, 이방성 분포 자체가 매우 중요한 정보라는 결론을 얻을 수 있었다. 특히 최고속도와 최저속도의 차이를 최고속도로 정규화한 값으로 정의한 이방성 계수와 대칭축 방향은 이방성 토모그래피 영상을 해석함에 매우 유용함을 확인하였다.verlapping Rate(DOR)는 상호작용 예측 정확도의 중요한 요소임을 찾아 내었다.time을 최소화하는 동시에 클라이언트들의 제한된 에너지 소비를 최소화하는데 목적이 있다. 제안기법에 대한 평가는 수학적 분석을 통해 HIDAF 기법과 기존의 브로드캐스트 기법의 성능을 비교 분석한다.하였으나 사료효율은 증진시켰으며, 후자(사양, 사료)와의 상호작용은 나타나지 않았다. 이상의 결과는 거세비육돈에서 1) androgen과 estrogen은 공히 자발적인 사료섭취와 등지방 침적을 억제하고 IGF-I 분비를 증가시키며, 2) 성선스테로이드호르몬의 이 같은 성장에 미치는 효과의 일부는 IGF-I을 통해 매개될 수도 있을을 시사한다. 약 $70 {\~} 90\%$의 phenoxyethanol이 유상에 존재하였다. 또한, 미생물에 대한 항균력도 phenoxyethanol이 수상에 많이 존재할수록 증가하는 경향을 나타내었다. 따라서, 제형 내 oil tomposition을 변화시킴으로써 phenoxyethanol의 사용량을 줄일 수 있을 뿐만 아니라, 피부 투과를 감소시켜 보다 피부 자극이 적은 저자극 방부시스템 개발이 가능하리라 보여 진다. 첨가하여 제조한 curd yoghurt는 저장성과 관능적인 면에서 우수한 상품적 가치가 인정되는 새로운 기능성 신제품의 개발에 기여할 수 있을 것으로 사료되었다. 여자의 경우 0.8이상이 되어서 심혈관계 질환의 위험 범위에 속하는 수준이었다. 삼두근의 두겹 두께는 남녀 각각 $20.2\pm8.58cm,\;22.2\pm4.4

• 지능정보연구
• /
• 제16권3호
• /
• pp.77-97
• /
• 2010

매매시점결정은 금융시장에서 초과수익을 얻기 위해 사용되는 투자전략이다. 일반적으로, 매매시점 결정은 거래를 통한 초과수익을 얻기 위해 언제 매매할 것인지를 결정하는 것을 의미한다. 몇몇 연구자들은 러프집합분석이 매매시점결정에 적합한 도구라고 주장하였는데, 그 이유는 이 분석방법이 통제함수를 이용하여 시장의 패턴이 불확실할 때에는 거래를 위한 신호를 생성하지 않는다는 점 때문이었다. 러프집합은 분석을 위해 범주형 데이터만을 이용하므로, 분석에 사용되는 데이터는 연속형의 수치값을 이산화하여야 한다. 이산화란 연속형 수치값의 범주화 구간을 결정하기 위한 적절한 "경계값"을 찾는 것이다. 각각의 구간 내에서의 모든 값은 같은 값으로 변환된다. 일반적으로, 러프집합 분석에서의 데이터 이산화 방법은 등분위 이산화, 전문가 지식에 의한 이산화, 최소 엔트로피 기준 이산화, Na$\ddot{i}$ve and Boolean reasoning 이산화 등의 네 가지로 구분된다. 등분위 이산화는 구간의 수를 고정하고 각 변수의 히스토그램을 확인한 후, 각각의 구간에 같은 숫자의 표본이 배정되도록 경계값을 결정한다. 전문가 지식에 의한 이산화는 전문가와의 인터뷰 또는 선행연구 조사를 통해 얻어진 해당 분야 전문가의 지식에 따라 경계값을 정한다. 최소 엔트로피 기준 이산화는 각 범주의 엔트로피 측정값이 최적화 되도록 각 변수의 값을 재귀분할 하는 방식으로 알고리즘을 진행한다. Na$\ddot{i}$ve and Boolean reasoning 이산화는 Na$\ddot{i}$ve scaling 후에 그로 인해 분할된 범주값을 Boolean reasoning 방법으로 종속변수 값에 대해 최적화된 이산화 경계값을 구하는 방법이다. 비록 러프집합분석이 매매시점결정에 유망할 것으로 판단되지만, 러프집합분석을 이용한 거래를 통한 성과에 미치는 여러 이산화 방법의 효과에 대한 연구는 거의 이루어지지 않았다. 본 연구에서는 러프집합분석을 이용한 주식시장 매매시점결정 모형을 구성함에 있어서 다양한 이산화 방법론을 비교할 것이다. 연구에 사용된 데이터는 1996년 5월부터 1998년 10월까지의 KOSPI 200데이터이다. KOSPI 200은 한국 주식시장에서 최초의 파생상품인 KOSPI 200 선물의 기저 지수이다. KOSPI 200은 제조업, 건설업, 통신업, 전기와 가스업, 유통과 서비스업, 금융업 등에서 유동성과 해당 산업 내의 위상 등을 기준으로 선택된 200개 주식으로 구성된 시장가치 가중지수이다. 표본의 총 개수는 660거래일이다. 또한, 본 연구에서는 유명한 기술적 지표를 독립변수로 사용한다. 실험 결과, 학습용 표본에서는 Na$\ddot{i}$ve and Boolean reasoning 이산화 방법이 가장 수익성이 높았으나, 검증용 표본에서는 전문가 지식에 의한 이산화가 가장 수익성이 높은 방법이었다. 또한, 전문가 지식에 의한 이산화가 학습용과 검증용 데이터 모두에서 안정적인 성과를 나타내었다. 본 연구에서는 러프집합분석과 의사결정 나무분석의 비교도 수행하였으며, 의사결정나무분석은 C4.5를 이용하였다. 실험결과, 전문가 지식에 의한 이산화를 이용한 러프집합분석이 C4.5보다 수익성이 높은 매매규칙을 생성하는 것으로 나타났다.