• 한국지형학회지
• /
• 제24권3호
• /
• pp.105-118
• /
• 2017

The debris slope landforms which are existent in Korean mountains is generally on the steep slopes and mostly covered by vegetation, it is difficult to investigate the landform. Therefore a scientific method is required to come up with an effective field investigation plan. For this purpose, the use of Remote Sensing and GIS technologies for a spatial analysis is essential. This study has extracted the potential area of debrisslope landform formation using Fuzzy set and Bayesian Predictive Discriminate Model as mathematical data integration methods. The first step was to obtain information about debris locations and their related factors. This information was verified through field investigation and then used to build a database. In the second step, the map that zoning the study area based on the degree of debris formation possibility was generated using two modeling methods, and then cross validation technique was applied. In order to quantitatively analyze the accuracy of two modeling methods, the calculated potential rate of debrisformation within the study area was evaluated by plotting SRC(Success Rate Curve) and calculating AUC(Area Under the Curve). As a result, the prediction accuracy of Fuzzy set model wes 83.1% and Bayesian Predictive Discriminate Model wes 84.9%. It showed that two models are accurate and reliable and can contribute to efficient field investigation and debris landform management.

• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2003년도 학술대회지
• /
• pp.473-476
• /
• 2003

본 논문에서는 일반적인 건설공사에 있어서 불확실성 모델링을 사용한 체계적인 퍼지위험도 분석기법 및 절차를 제시하였다. 본 논문에서 제시한 기법 및 절차는 전문가의 경험과 주관적인 판단을 이용해서 공사관련 위험사건들의 확률을 결정함으로써 건설공사의 위험도분석을 보다 실제적으로 할 수 있으며 퍼지집합이론 및 퍼지수 개념을 사용한 불확실모델링은 불명확하고 변동이 많은 건설공사에 내재된 사건들을 제어하는 데 효과적이다. 이는 위험도 분석을 위한 객관적인 자료가 부족하고 또 이로 인해 불가피하게 전문가의 경험에 주관적인 자료에 의존하는 한국과 같은 나라에서는 본 연구에서 제시한 불확실 모델링 절차는 정량적인 위험도 분석을 가능하게 함으로써 위험도 관리를 위해서도 매우 유용하게 쓰일 수 있다.

• 대한교통학회지
• /
• 제22권2호
• /
• pp.77-86
• /
• 2004

데이터마이닝 (Data Mining)은 대용량의 데이터에 존재하는 관계, 패턴, 규칙 등을 효율적으로 탐색하여 이를 모형화함으로써, 유용한 정보로 추출 변환하는 일련의 과정이다. 특히 베이지안 망 (Bayesian Network)은 신경망, 유전자알고리즘 퍼지이론 등과 더불어 데이터마이닝의 중요한 기법 중의 하나로서 베이지안 통계 이론(Bayesian Statistics Theory)를 적용하여 변수들간의 확률적인 관계를 기호화함으로써, 설명변수들과 종속변수들간의 인과관계를 파악할 수 있다. 이 연구는 기존에 적용된 바가 없는 데이터마이닝의 베이지안 망을 이용하여 수도권 교통수단선택 모형을 구축한다. 2002년도 수도권 가구통행실태조사 자료의 사회 경제적 특성과 교통체계 특성을 반영하여 베이지안 망을 이용한 교통수단선택 모형을 설계 구축하여, 각 변수들간의 상관관계와 인과관계를 분석함으로써, 설명변수인 성과 연령의 구성비가 변하였을 때, 교통수단선택의 변화율(확률)을 예측한다. 이 연구를 통해 현실에서는 내재하나 설명변수간의 복잡한 상관성을 배제하고 설명변수들과 교통수단선택간의 단순한 직선관계를 가정하는 기존 교통수단선택 모형의 한계를 극복할 수 있는 가능성을 제시한다. 또한 선택되지 않은 교통수단에 대한 정보의 부족으로 인한 교통수단선택 모형 구축의 어려움을 극복한다. 또한 다양한 교통정책에 따른 교통수단선택의 변화를 실시간으로 시뮬레이션 할 수 있는 방법론을 개발한다.

• 대한교통학회지
• /
• 제22권7호
• /
• pp.79-90
• /
• 2004

베이지안 망(Bayesian Networks)은 인공 신경망, 유전자 알고리즘, 전문가시스템 퍼지이론 등과 더불어 데이터마이닝의 중요한 기법 중의 하나로서, 베이지안 통계 이론(Bayesian Statistics Theory)을 적용하여 변수들간의 확률적인 관계를 기호화함으로써, 설명변수들과 종속변수들간의 인과관계를 파악할 수 있다. 이 연구는 2002년도 수도권 가구통행실태조사 자료의 가구, 개인 및 통행 특성(가구수입, 승용차 보유대수, 주택규모, 통행목적 등)을 반영하여, 베이지안 망을 이용한 통행발생 모형을 처음으로 설계 구축하여, 각 변수들간의 상관관계와 인과관계를 분석함으로써, 설명변수인 가구수입의 구성비가 변하였을 때 승용차 보유대수와 주택규모 구성비의 변화율(확률)을 예측한다. 그리고 승용차 보유대수와 주택규모의 구성비가 변하였을 때 통행목적 구성비의 확률을 예측한다. 또한 동행목적의 발생량이 변화였을 때, 가구 특성 구성비의 변화에 따른 발생량을 예측한다. 따라서, 이 연구는 현실에는 존재하지만 설명변수들간의 복잡한 상관성을 배제하고 설명변수와 통행목적간의 단순한 직선관계를 가정하는 기존 통행발생 모형의 한계를 극복할 수 있는 가능성을 제시한다. 또한 선택되지 않은 통행목적에 대한 정보의 부족으로 인한 통행발생 모형 구축의 어려움을 극복한다. 또한 통행목적의 변화를 실시간으로 모의실험(Simulation) 할 수 있는 방법론을 개발하여 다양한 교통정책에 확대 적용할 수 있을 것이다.

• 대한교통학회지
• /
• 제18권1호
• /
• pp.75-85
• /
• 2000

기존모형을 이용한 연구들은 최적화기법에 있어서 의사결정을 지원할 수 있는 최적해를 도출해내기 위해 목적식이나 제약조건식에 정확한 데이터 값을 입력시켜 최적해를 계산하였다. 또한 현실세계의 불확실하고 주관적인 상황들은 확률적 불확실성으로 간주하여 주관적인 상황들은 배제하였다. 즉, 이러한 최적해는 의사결정자가 의사결정상의 위험을 최소화하기 위하여 경영과학적인 방법들을 적용하는 과정에서 기존모형들의 목적함수를 완전하게 만족시켜 주는 해라고 할 수 있다. 이에 따라 수요량의 변화 및 기타 변수들의 변화에 적절히 대응할 수 없었으며, 입지의사결정자에게 입지결정에 대한 정보의 부족 등으로 선택의 기회를 폭넓게 제공하지 못하는 문제가 있었다. 이러한 배경하에서 본 연구는 의사결정분석에서 엄격히 주어진 제약조건하에서의 목적식을 최적화하는 문제로서 제약조건을 반드시 만족시켜야만 했던 기존의 의사결정문제를 바탕으로, 애매한 환경에서의 의사결정을 주관적인 측면에서 가장 합리적으로 이루어 보려는 의도로 Zadeh교수가 제안한 퍼지이론을 이용하여 물류단지 입지 및 규모결정모형을 개발하고자 하였다. 모형의 현실적 적합성 및 적용가능성을 분석한 결과, 첫째, 입지 및 규모결정시 기존의 연구에서 제시할 수 없었던 현실세계의 유연적이고 융통성있는 측면을 반영하여 입지 및 규모를 결정해 낼 수 있었으며 둘째, 기존의 입지결정 모형에 비해 상대적으로 많은 의사결정 상황을 최종의사결정 자에게 다양한 정보 및 선택의 기회를 제공해 줄 수 있었다. 따라서 이 결과가 반드시 최적의 입지를 제시하고 있다고는 단정할 수 없으나 모든 자료들이 빠짐없이 정확하게 모형에 반영될 경우 현실적 상황에서 모형적용이 가능하다고 하겠으며 이 모형은 현실상황에서 발생하는 기타시설의 입지선정 문제에도 적용할 수 있을 것이라고 판단된다. 수 있을 뿐 아니라, 평가된 지표가 신뢰할 만한 수준이 아니라면, 추정된 결과를 보정할 수 있는 가능성을 제시하고자 한다.or objection to the criticism of eating dog meat is that male and female commonly answered most that ′As dog meat food Is our traditional food culture. it is not the problem to be found fault with by others.′ The second reason for that is followed by iris deliciousness.up compared the service quality perception factor of the food service provider. The result was that the group having both the " will buy the service again" and "will suggest to others" criteria, that is, with higher loyalty, tend to have higher points than other group s in the dimension of ′Employee attitude′ and ′ Cleanliness′(p〈0.05), which means these two dimensions are closely related to customer loyalty. 3) From a regression analysis for the service quality perception level of the food service provider and overall satisfaction, it has been found that :

• 해양환경안전학회지
• /
• 제16권1호
• /
• pp.81-91
• /
• 2010

국제해사기구(IMO)와 세계 해운계에서는 해양환경 보호 및 해상안전 확보를 위해 각종 국제협약을 시행하고 있으나 개발도상국에서는 이를 이행하지 못해 해양사고의 주요 요인이 되고 있다. IMO A그룹 이사국으로 부상한 우리나라는 해사안전기술 이전실적이 마마하여 해사안전기술 분야의 국제협력 사업 발굴 및 추진이 요구되고 있다. 국제협력 사업을 추진하기 위해서는 해사안전 분야의 중요도가 높고 개발도상국에서 필요도가 높은 기술을 선정하여 추진하여야 하는 등 선택과 집중이 요구된다. 따라서 해사안전기술의 우선순위 도출이 필요하며 이를 위해서는 해사안전기술의 평가요인을 도출하고 그 요인에 따라 대상 해사안전기술을 평가하여 우선순위를 결정하여야 한다. 이때 평가요인 간의 중요도를 나타내는 중요 가중치가 평가요인마다 상이하며, 요인간에 종속성이 발생하므로 이를 고려하여야 한다. 본 연구에서는 해사안전기술 평가요인으로 해사안전기술성숙도, 국제협력사업추진가능성, 해사안전기술중요도의 세 그룹으로 구분하고 각 그룹별로 세부 요인을 도출하였다. 또한 평가요인 간의 중요 가중치와 상관 가중치를 고려하기 위해 Fuzzy AHP 기법과 극한확률 이론을 사용한 평가모델을 개발하였다. 본 평가모델의 적용을 위해 해양안전정보 분야에 9개의 해사안전 기술을 선정하고 각 기술의 평가 점수를 계산하였다. 적용 결과 전자해도관련기술이 0.0139로 가장 우선순위가 높았으며 선박모니터링기술과 유류유출확산예측및대응기술이 각각 0.0133, 0.0132로 계산되었다.