• Journal of the Korea institute for structural maintenance and inspection
• /
• v.16 no.5
• /
• pp.29-39
• /
• 2012

The main objective is to predict the future degradation and maintenance budget for a suspension bridge system. Bayesian inference is applied to find the posterior probability density function of the source parameters (damage indices and serviceability), given ten years of maintenance data. The posterior distribution of the parameters is sampled using a Markov chain Monte Carlo method. The simulated risk prediction for decreased serviceability conditions are posterior distributions based on prior distribution and likelihood of data updated from annual maintenance tasks. Compared with conventional linear prediction model, the proposed quadratic model provides highly improved convergence and closeness to measured data in terms of serviceability, risky factors, and maintenance budget for bridge components, which allows forecasting a future performance and financial management of complex infrastructures based on the proposed quadratic stochastic regression model.

• Proceedings of KOSOMES biannual meeting
• /
• 2017.11a
• /
• pp.157-157
• /
• 2017

해상으로 운송되는 위험유해물질(HNS, Hazardous and Noxious Substance)은 6,000여종 이상으로 많은 종류를 포함하고 있으므로, 유출시 대응전략 수립을 위한 HNS 거동 및 위험반경 예측을 결정론적으로 제시하기 어렵다. HNS 거동예측에서는 예측의 신속성과 효율성을 고려하여 차이가 미미한 모든 종류의 HNS 특성을 모두 고려하는 대신에 거동에 크게 영향을 미칠 수 있는 특성들에 초점을 맞쳐 대표적인 거동예측 모델을 개발하여 적용할 필요가 있다. 본 연구에서는 HNS를 기체상, 액체상, 고체상 등 크게 3분류로 구분하고, 각각의 분류별 거동특성 모델링을 연구하였다. 물질 특성별 거동특성은 증기압, 용해도, 밀도 등을 고려하였으며, 각각의 변수에 따른 증발, 혼?, 침강 등의 거동을 모델링하였다. 물질의 거동특성 모델링은 대기 해양 확산모델의 계산에서 대기중 확산, 수중 확산, 해저면 침적 등을 결정하는 과정으로 활용된다.

• Journal of the Society of Disaster Information
• /
• v.17 no.2
• /
• pp.245-253
• /
• 2021

Purpose: This study develops a risk prediction model that predicts the risk of a fire site by using initial information such as building information and reporter acquisition information, and supports effective mobilization of fire fighting resources and the establishment of damage minimization strategies for appropriate responses in the early stages of a disaster. Method: In order to identify the variables related to the fire damage scale on the fire statistics data, a correlation analysis between variables was performed using a machine learning algorithm to examine predictability, and a learning data set was constructed through preprocessing such as data standardization and discretization. Using this, we tested a plurality of machine learning algorithms, which are evaluated as having high prediction accuracy, and developed a risk prediction model applying the algorithm with the highest accuracy. Result: As a result of the machine learning algorithm performance test, the accuracy of the random forest algorithm was the highest, and it was confirmed that the accuracy of the intermediate value was relatively high for the risk class. Conclusion: The accuracy of the prediction model was limited due to the bias of the damage scale data in the fire statistics, and data refinement by matching data and supplementing the missing values was necessary to improve the predictive model performance.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2000.11a
• /
• pp.16-21
• /
• 2000

본 연구는 대형 프로젝트의 위험분석을 위한 확률적 Network 시뮬레이션모델의 연구로서 Simulation방법으로 프로젝트의 성공 및 실패확률을 산정 하였다. 프로젝트의 주요 불확실성 요소(Uncertainty Factors)인 프로젝트의 수행기간(Time), 비용(Cost) 및 성과(Performance) 등의 계획은 실패 없이 추진되어야 하는 것이 중요하다. 연구 개발 및 신기술개발과 같이 대형 프로젝트의 경우, 그 성과 달성의 위험(Risk)성은 매우 크며 이러한 위험 예측 및 분석이 프로젝트의 성공적인 수행을 위하여 매우 중요 시 된다. 본 연구에서는 이를 위한 위험분석(Risk Analysis)의 방법으로 일반적으로 쉽게 사용할 수 있는 위험요인법(Risk Factor Analysis)과 확률적 Network 시뮬레이션모델을 제시하였으며 또한 이를 위한 Simulation프로그램을 개발하였으며 이를 신 기술개발 프로젝트에 응용하는 과정을 보였다. 본 연구에서 개발된 관련 프로그램을 보완 할 경우 대형 프로젝트의 각종 의사결정 시에 매우 유용하게 활용될 수 있으리라 생각된다.

• Journal of the Korean GEO-environmental Society
• /
• v.18 no.12
• /
• pp.47-57
• /
• 2017

In this study, a predictive analysis was conducted on sediment disaster hazard area by selecting six research areas (Chuncheon, Seongnam, Sejong, Daejeon, Miryang and Busan) among the urban sediment disaster preliminary focus management area. The models that were used in the analysis were the existing models (SINMAP and TRIGRS) that are commonly used in predicting sediment disasters as well as the program developed through this study (LSMAP). A comparative analysis was carried out on the results as a means to review the applicability of the developed model. The parameters used in the predictions of sediment disaster hazard area were largely classified into topographic, soil, forest physiognomy and rainfall characteristics. A predictive analysis was carried out using each of the models, and it was found that the analysis using SINMAP, compared to LSMAP and TRIGRS, resulted in a prediction of a wider hazard zone. These results are considered to be due to the difference in analysis parameters applied to each model. In addition, a comparison between LSMAP, where the forest physiognomy characteristics were taken into account, and TRIGRS showed that similar tendencies were observed within a range of -0.04~2.72% for the predicted hazard area. This suggests that the forest physiognomy characteristics of mountain areas have diverse impacts on the stability of slopes, and serve as an important parameter in predicting sediment disaster hazard area.

• The Journal of the Convergence on Culture Technology
• /
• v.6 no.4
• /
• pp.289-294
• /
• 2020

Peptic ulcer disease is a gastrointestinal disorder caused by Helicobacter pylori infection and the use of nonsteroid anti-inflammatory drugs. While many studies have been conducted to find the risk factors of peptic ulcers, there are no studies on the suggestion of peptic ulcer prediction models for Koreans. Therefore, the purpose of this study is to implement peptic ulcer prediction model using machine learning based on demographic information, obesity information, blood information, and nutritional information for middle-aged and elderly people. For model building, wrapper-based variable selection method and naive Bayes algorithm were used. The classification accuracy of the female prediction model was the area under the receiver operating characteristics curve (AUC) of 0.712, and males showed an AUC of 0.674, which is lower than that of females. These results can be used for prediction and prevention of peptic ulcers in the middle and elderly people.

• Proceedings of the Korean Institute Of Construction Engineering and Management
• /
• 2007.11a
• /
• pp.54-59
• /
• 2007

Recently, Apartment Reconstruction Projects are performing only with the basis of profitability without establishing either certain criteria or standard guideline. In addition, the profitability information contained in a disposal plan tends to be considered as a fixed value, and it is frequently changeable because reconstruction projects have such a long time to complete and many participants with respective interests. As mentioned above, the new approach needs to be developed which covers the limitation of the unvaried one. Consequently, this study focuses on the probability approach considering not only variances that affect the profit, but the relationship between profit and risk, and then is modeling. This study is anticipated to improve the reliability and accuracy of expected value as well as apply to the decision making criteria quantitively about potentially hidden risks in that projects.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.120-120
• /
• 2019

국내에서는 예측 불가능한 재난으로 인한 침수 피해 발생사례가 증가하였다. 따라서 침수 피해 예측이 더욱 중요해지고 있는 실정이다. 기존에는 주로 수치모형을 통한 침수예측을 하였고, 정보통신기술도 발달해왔지만 아직까지 수치모의에 많은 시간이 소요되기 때문에 침수 피해의 실시간 예측이 힘든 상황이다. 이에 국립재난안전연구원(2017)에서 침수예측을 위한 보간 모델인 SIND(Scientific Interpolation for Natural Disaster) Model을 개발하였다. 이는 보간을 이용한 모델이기 때문에 그동안 사용해왔던 물리 모형보다 간단하다. 그러나 정확한 값이 아닌 보간을 이용한 모델이기 때문에 정확도를 검토할 필요가 있다. 따라서 본 연구에서는 Mapping분야에서 사용하는 CRITIC(CRiteria Importance Through Intercriteria Correlation) 기법을 활용하여 지도의 정확도 검토를 수행하였다. CRITIC은 형상기준, 위치기준, 면적기준을 이용하여 형상유사도를 산정하는 방법이며, 이 기법을 활용하여 국가가 제공한 침수예상도(국립해양조사원, 2010)와 SIND모델 결과 지도를 비교하였다. 형상기준은 지도의 형상을 나타내는 형상지수를 비교하고, 위치기준은 지도의 무게중심의 일치정도, 면적기준은 형상 면적을 비교하는 것이다. 지도는 총 300여개의 매칭 객체 쌍을 가지고 수행하였고, 위험도 등급은 Grade 1부터 Grade 5 까지 분류하여 나타내었다. 연구 대상지역은 ${{\bigcirc}{\bigcirc}}$시이다. 그 결과, 형상유사도는 약 200여개의 매체쌍이 0.80 이상의 값을 나타냈고, 나머지 매체 쌍은 0.75이하의 값을 나타내었다. 위험도 등급이 낮을수록 형상유사도 값은 크게 나타나고, 위험도 등급이 높을수록 형상유사도 값이 작게 나타나는 경향을 보였다. 이는 위험도 등급이 높은 곳의 경우, 해안선의 복잡한 지형형태 때문으로 판단된다. Mapping 분야에서 형상유사도 적합성 기준이 0.75이므로 결과는 60%이상이 정확하다고 판단할 수 있다. 따라서 본 연구에서 검토를 수행했던 간단한 방정식을 이용한 SIND 모델은 정확하다고 판단할 수 있다. 다만, 복잡한 지형과 현재 고려되고 있는 영향인자 외에 다양한 구조물 등을 고려한다면 형상유사도가 향상될 것이라 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.139-141
• /
• 2012

이 논문에서는 한국인 급성심근경색증 환자에 대한 KAMIR 데이터를 기반으로 ST분절상승 심근경색이 처음 발병한 환자의 사망에 영향을 미치는 위험요소들을 찾고, 이를 기반으로 ST분절상승 급성심근경색환자의 1년 이내 사망을 예측하는 모델을 제시한다. 총 22개의 속성 중에서 속성 선택 알고리즘을 적용한 결과 나이, 심장박출계수, 크레아티닌, 고감도 C-반응성 단백질 등 4개의 속성이 선택되었고, 이 속성들을 이용하여 더욱 정확한 예측 모델을 구축할 수 있었다. 제시된 모델을 통해서 고위험군 환자의 위험성을 평가하고 예후를 추정할 수 있을 것으로 기대한다.

• Journal of the Korean Geotechnical Society
• /
• v.39 no.4
• /
• pp.5-17
• /
• 2023

The advancement in large-scale underground excavation in urban areas necessitates monitoring and predicting technologies that can pre-emptively mitigate risk factors at construction sites. Traditionally, two methods predict the deformation of retaining walls induced by excavation: empirical and numerical analysis. Recent progress in artificial intelligence technology has led to the development of a predictive model using machine learning techniques. This study developed a model for predicting the deformation of a retaining wall under construction using a boosting-based algorithm and an ensemble model with outstanding predictive power and efficiency. A database was established using the data from the design-construction-maintenance process of the underground retaining wall project in a manifold manner. Based on these data, a learning model was created, and the performance was evaluated. The boosting and ensemble models demonstrated that wall deformation could be accurately predicted. In addition, it was confirmed that prediction results with the characteristics of the actual construction process can be presented using data collected from ground measurements. The predictive model developed in this study is expected to be used to evaluate and monitor the stability of retaining walls under construction.