• 대한기계학회논문집
• /
• 제9권5호
• /
• pp.647-654
• /
• 1985

본 논문에서는 미소한 비대칭 요소를 갖는 축대칭 셸구조물(종형구조물 또는 용접된 압력용기등)의 전산기 이용 도면입력/수정/출력, 체적특성치의 자동결정, 근사 고속 유한요소해석 및 출력을 시각화하는 일관 작업을 수행할 수 있는 전산기이용설계 알고리즘을 개발하고 생산가공에 대한 공리적 접근방법을 전산화하는 전산기이용 공정 계획 알고리즘에 대한 기초적인 연구를 행하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제36권6호
• /
• pp.794-801
• /
• 2012

유한요소법은 구조물의 정적해석과 동적해석의 강력한 도구로 이용되고 있다. 정적인 해석에 있어서는 상당히 정확도가 높지만 진동해석에서는 여전히 정확성이 떨어진다. 주파수응답함수(FRF)는 저주파 영역에서는 비교적 쉽게 맞출 수 있으나 고주파 영역으로 가면 실제 구조물이 나타내는 현상과는 차이가 커지고, 감쇠의 해석적 발견의 어려움으로 인하여 진동 진폭을 예측하기 어렵다. 따라서 구조물의 형상에 따라 유한요소법을 적절히 수정하여서 적용할 필요가 있다. 여기에서는 평판에 대하여 유한요소 해석을 하고, 실험을 통하여 결과를 비교하고, 차이를 보정하는 방법을 제시하고자 한다. 전혀 가공하지 않은 평판의 데이터를 그대로 이용할 경우 같은 구조물의 해석 결과인지 의심스러울 정도이지만, 영계수만의 조정으로도 상당히 근접한 해석 결과를 보인다. 그러나 이 역시 한계가 있어서 유전알고리즘을 이용한 모델의 치수의 조정과 감쇠계수의 추정을 통하여 거의 완벽한 모델을 제안할 수 있었다.

• 한국측량학회지
• /
• 제27권4호
• /
• pp.469-476
• /
• 2009

최근 측량기술과 정보통신기술이 발전함에 따라 다양한 공간정보 자료를 획득할 수 있게 되었다. 새로운 레이저측량기술은 정밀한 지형과 수목 및 인공지물 등에 대한 3차원 정보를 신속하게 획득하고 사용자가 원하는 정보로 가공하여 다양한 분야에서 활용되고 있다. 특히 정밀한 지형에 대한 등고선 제작은 기존의 항공사진측량에 의한 방법의 문제점을 해소하는 진보된 기술로써 수목에 의해 가려진 산악지의 지형을 상세하게 표현하고 정확도와 균질성을 확보하여 최근 국가기본도 수정제작 등 시범사업이 진행되고 있다. 그러나 고정밀의 라이다 데이터를 이용하여 등고선을 제작할 경우 대용량 라이다 데이터에 의해 등고선의 도형이 복잡해지고 용량이 비효율적으로 증가하는 문제점이 있다. 본 연구에서는 정밀한 지형 데이터로부터 생성되는 라이다 등고선의 효율적인 활용을 위하여 단계별로 필터링을 실시하여 실제 지형의 형태는 그대로 표현하면서 가벼운 용량의 등고선을 생성하는 알고리즘을 구현하였고 라이다 데이터의 필터링을 통하여 지형의 형태를 그대로 표현하면서 데이터의 용량을 최소화하였다. 따라서 본 연구는 라이다 등고선의 적극적인 활용을 위하여 알고리즘을 개발하고 연구지 역을 대상으로 적용한 후 현행 수치지도와 비교해 보았다. 이러한 정밀 등고선은 건설 분야뿐만 아니라 생태지도 및 주제도, 재해 환경 분야, 홍수지도, 도시모델링 등 수요가 확대될 전망이다.

• 지능정보연구
• /
• 제10권1호
• /
• pp.1-11
• /
• 2004

원 영상을 처리하여 보다 강조된 영상을 얻는다는 것은 기존의 영상을 가공하여 이를 통하여 보다 낳은 결과를 얻기 위한 전처리의 중요한 한 부분이라고도 할 수 있다. 강조된 영상이라는 것은 단지 보기 좋은 영상만을 말하는 것이 아니고, 주어진 영상을 더 뚜렷하게 하는 것을 포함한다. 강조된 영상은 영상처리에 있어서 윤곽선 추출이나 영상 인식 등에 유용한 자료로 활용되기도 하는데, 특히 저 화질 영상의 경우에는 원 영상을 얼마만큼 잘 나타내느냐에 따라서 인식의 정도가 다르게 나타난다. 현재 강조된 영상을 얻는 알고리즘들은 다양한 종류의 영상에서 원하는 만큼의 뚜렷한 영상을 얻지 못하거나, 화질의 크기나 히스토그램의 집적도에 비례하여 많은 처리 시간을 필요로 하는 단점이 있다. 본 연구에서는 저 화질 영상뿐만 아니라 여러 가지 종류의 영상에 있어서 차후 사용될 영상의 본래 활용 목적에 적합하도록 강조하는 방법으로서 픽셀들이 히스토그램상에서 차지하는 분포도를 변경하는 방법을 제안한다. 즉, 영상에 있어서 히스토그램의 값을 역추적하면서 히스토그램 분포도를 수정 및 변경함으로써 원 영상의 화질을 개선하는 방법으로 제안한 방법의 경우에는 기존의 히스토그램 평활화 방법에 의한 결과 영상과 동일한 결과를 얻음과 동시에 그 처리시간에 있어서는 상당한 이익을 볼 수 있었다.

• 한국측량학회지
• /
• 제40권5호
• /
• pp.449-456
• /
• 2022

본 연구는 GIS를 통해 토양정보를 수집하고 가공하여 농산물 생산량을 예측하는 모델을 제안한다. 농산물 생산량 예측 딥러닝 알고리즘은 공개된 CNN-RNN 농산물 생산량 예측 모델 구조를 변경하여 국내 농산물 자료 환경에 적합하도록 새롭게 구축하였다. 기존모델은 두 가지 특징을 가지고 있는데 첫 번째는 농산물의 생산량을 해당 필지값이 아닌 당해 평균값으로 대체한다는 것이고 두 번째는 예측하는 연도의 데이터까지 학습한다는 것이다. 새로운 모델은 해당 필지의 값을 그대로 사용하여 데이터의 정확성을 확보하고 예측하고자 하는 연도 이전의 데이터만 가지고 학습할 수 있도록 네트워크 구조를 개선하였다. 제안한 CNN-RNN 모델은 1980년부터 2020년까지의 기상정보, 토양정보, 토양적성도, 생산량 데이터를 학습하여 김장용 가을배추의 지역별 단위면적당 생산량을 예측한다. 2018년부터 2021년까지 4개 연도별 자료에 대하여 계산하고 생산량을 예측한 결과, 테스트 데이터셋에 대한 오차백분율이 약 10% 내외로 실제값과 비교하여 정확도 높은 생산량 예측이 가능했고, 특히 전체 생산량 비중이 큰 지역에서의 생산량은 비교적 근접하게 예측하는 것으로 분석되었다. 또한 제안모델과 기존모델은 모두 학습자료 연도 수가 증가할수록 점점 오차가 작아지므로 학습데이터가 많아질수록 범용 성능은 향상되는 결과를 나타낸다.