• 한국지진공학회논문집
• /
• 제9권6호
• /
• pp.59-65
• /
• 2005

본 논문에서는 기존 연속균열모형들이 대형균열 표현에서 소성변형을 과도하게 계산하는 문제점을 극복한 대형균열모형을 제안하였다. 또한 소성손상모형을 수정한 형태로 제안된 균열모형을 수치해석에 사용할 수 있도록 3단계 회귀매핑 알고리즘으로 구성된 알고리즘을 제시하였다. 전산해석 예제들을 통하여 제안된 균열손상 모형과 알고리즘이 동적 하중을 받는 구조물의 균열해석문제에서 과도한 소성변형을 억제하는 합리적인 결과를 도출함을 알 수 있었다.

• 한국음향학회지
• /
• 제18권7호
• /
• pp.101-111
• /
• 1999

본 논문에서는 정확한 콘크리트 설계강도 분류를 위해 인공지능 기법에 바탕을 둔 증거축적방법에 의한 초음파신호의 패턴인식방법을 제안하였다. 이를 위해 우선 초음파신호의 특징파라메터로 분산, 영점교차횟수, 평균주파수, 자기회귀모델계수 및 선형 켑스트럼계수를 추출하였다. 추출된 특징파라메터들의 각각의 특성을 알아보고, 하나의 특징파라메터로 설계강도의 정확한 분류가 어렵다는 것을 보였다. 이러한 문제점을 해결하기 위하여 추출된 다수의 특징파라메터들을 이용하여 설계강도 분류를 증거축적방법을 통해 수행하였다. 또한, 이 증거축적방법을 콘크리트 패턴인식에 적용하기 위해 퍼지매핑 함수를 도입하였다. 본 논문에서 제안한 알고리즘이 다수의 특징파라메터들을 효율적으로 이용하여 92%의 패턴인식률을 보였으며, 이는 기존의 패턴 분류 알고리즘보다 콘크리트 설계강도를 보다 정확하게 분류함을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.116-116
• /
• 2021

자연 하천에서의 부유사 농도 계측은 주로 재래식 채집방식을 활용한 직접계측 방식에 의존하여 비용과 시간이 많이 소요되며 점 계측 방식으로 고해상도의 시공간 자료를 측정하기엔 한계가 존재한다. 이러한 한계점을 극복하기 위해 최근 위성영상과 드론을 활용하여 촬영된 다분광 혹은 초분광 영상을 통해 고해상도의 부유사 농도 시공간분포를 측정하는 기법에 대한 연구가 활발히 진행되고 있다. 하지만, 다른 하천 물리량 계측에 비해 부유사 계측 연구는 하천에 따라 부유사가 비균질적으로 분포하여 원격탐사를 통해 정확하고 전역적인 농도 분포를 재현하기는 어려운 실정이다. 이러한 부유사의 비균질성은 부유사의 입도분포, 광물특성, 침강성 등이 하천에서 다양하게 분포하기 때문이며 이로 인해 부유사는 지역별로 다양한 분광특성을 가지게 된다. 따라서, 본 연구에서는 이러한 영향을 고려한 전역적인 부유사 농도 예측 모형을 개발하기 위해 실내 실험을 통해 부유사 특성별 고유 분광 라이브러리를 구축하고 실규모 수로에서 다양한 부유사 조건에 대한 초분광 스펙트럼과 부유사 농도를 측정하는 실험을 수행하였다. 실제 부유사 농도는 광학 기반 센서인 LISST-200X와 샘플링을 통한 실험실 분석을 통해 계측되었으며, 초분광 스펙트럼 자료는 초분광 카메라를 통해 촬영한 영상에서 부유사 계측 지점에 대한 픽셀의 스펙트럼을 추출하여 구축하였다. 이렇게 생성된 자료들의 분광 다양성을 주성분 분석(Principle Component Analysis; PCA)를 통해 분석하였으며, 부유사의 입도 분포, 부유사 종류, 수온 등과의 상관관계를 통해 분광 특성과 가장 상관관계가 높은 물리적 인자를 규명하였다. 더불어 구축된 자료를 바탕으로 기계학습 기반 주요 특징 선택 알고리즘인 재귀적 특징 제거법 (Recursive Feature Elimination)과 기계학습기반 회귀 모형인 Support Vector Regression을 결합하여 초분광 영상 기반 부유사 농도 예측 모형을 개발하였으며, 이 결과를 원격탐사 계측 연구에서 일반적으로 사용되어 오던 최적 밴드비 분석 (Optimal Band Ratio Analysis; OBRA) 방법으로 도출된 회귀식과 비교하였다. 그 결과, 기존의 OBRA 기반 방법은 비선형성을 증가시켜도 좁은 영역의 파장대만을 고려하는 한계점으로 인해 부유사의 다양한 분광 특성을 반영하지 못하였으며, 본 연구에서 제시한 기계학습 기반 예측 모형은 420 nm~1000 nm에 걸쳐 폭 넓은 파장대를 고려함과 동시에 높은 정확도를 산출하였다. 최종적으로 개발된 모형을 적용해 다양한 유사 조건에 대한 부유사 시공간 분포를 매핑한 결과, 시공간적으로 고해상도의 부유사 농도 분포를 산출하는 것으로 밝혀졌다.