• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.17 no.2
• /
• pp.131-140
• /
• 2004

It really needs fuzzy decision making of integrity assessment considering about both durability and load carrying capacity for maintenance and administration, such as repairing and reinforcing. This thesis shows efficient models about reinforced concrete structure using CART-ANFIS. It compares and analyzes decision trees parts of expert system, using the theory of fuzzy, and applying damage & diagnosis at reinforced concrete structure and decision trees of integrity assessment using established artificial neural. Decided the theory of reinforcement design for recovery of durability at damaged concrete ＆ the theory of reinforcement design for increasing load carrying capacity keep stability of damage and detection. It is more efficient maintenance and administration at reinforced concrete for using integrity assessment model of this study and can carry out predicting cost of life cycle.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.32 no.2D
• /
• pp.137-145
• /
• 2012

According to the National Police Agency, the total number of traffic accidents which occurred in 2010 was 226,878. Intersection accidents accounts for 44.8%, the largest portion of the entire traffic accidents. An research on the signalized intersection is constantly made, while an research on the unsignalized intersection is yet insufficient. This study selected traffic volume, road width, and sight distance as the input variables which affect unsignalized intersection accidents, and number of accidents as the output variable to build a model using ANFIS(Adaptive Neuro-Fuzzy Inference System). The forecast performance of this model is evaluated by comparing the actual measurement value with the forecasted value. The compatibility is evaluated by R2, the coefficient of determination, along with Mean Absolute Error (MAE) and Mean Square Error (MSE), the indicators which represent the degree of error and distribution. The result shows that the $R^2$ is 0.9817, while MAE and MSE are 0.4773 and 0.3037 respectively, which means that the explanatory power of the model is quite decent. This study is expected to provide the basic data for establishment of safety measure for unsignalized intersection and the improvement of traffic accidents.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.31 no.2D
• /
• pp.217-225
• /
• 2011

Currently our country has very serious problems of traffic congestion and urban environment due to increasing automobile ownership. Recently, our concern about environmentally sustainable transportation and green transportation is increasing, so the government is pushing ahead the policy of bicycle using activation. So it is needed to develop a model to analyze the service level of bicycle roads more realistically. In this study, a neuro-fuzzy inference model to analyze the service level of bicycle roads was built selecting the width of bicycle roads, the number of conflicts during cycling and pedestrian volume, which have fuzzy characteristics, as input variables. The predictability of the model was evaluated comparing the surveyed and the estimated. The values of the statistics, $R^2$, MAE and MSE were 0.987, 0.142, 0.032. Therefore, It may be judged that the explainability of the model is very high. The service levels of bicyle roads estimated by the model are 1~3 steps lower than KHCM assessments. The reason may be explained that the model estimates the service level considering the width of bicycle roads and the number of conflicts simultaneously besides pedestrian volume.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.382-382
• /
• 2011

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.