• Steel and Composite Structures
• /
• 제21권1호
• /
• pp.93-107
• /
• 2016

Seismic fragility analysis is a probabilistic decision-making framework which is widely implemented for evaluating vulnerability of a building under earthquake loading. It requires ingredient named probabilistic model and commonly developed using statistics requiring collecting data in large quantities. Preparation of such a data-base is often costly and time-consuming. Therefore, in this paper, by developing generic seismic drift demand model for regular-multi-story steel moment resisting frames is tried to present a novel application of the probabilistic decision-making analysis to practical purposes. To this end, a demand model which is a linear function of intensity measure in logarithmic space is developed to predict overall maximum inter-story drift. Next, the model is coupled with a set of regression-based equations which are capable of directly estimating unknown statistical characteristics of the model parameters.To explicitly address uncertainties arise from randomness and lack of knowledge, the Bayesian regression inference is employed, when these relations are developed. The developed demand model is then employed in a Seismic Fragility Analysis (SFA) for two designed building. The accuracy of the results is also assessed by comparison with the results directly obtained from Incremental Dynamic analysis.

• Structural Engineering and Mechanics
• /
• 제34권1호
• /
• pp.15-38
• /
• 2010

In order to predict the shear strengths of reinforced concrete beams, many deterministic models have been developed based on rules of mechanics and on experimental test results. While the constant and variable angle truss models are known to provide reliable bases and to give reasonable predictions for the shear strengths of members with shear reinforcement, in the case of members without shear reinforcement, even advanced models with complicated procedures may show lack of accuracy or lead to fairly different predictions from other similar models. For this reason, many research efforts have been made for more accurate predictions, which resulted in important recent publications. This paper develops probabilistic shear strength models for reinforced concrete beams without shear reinforcement based on deterministic shear strength models, understanding of shear transfer mechanisms and influential parameters, and experimental test results reported in the literature. Using a Bayesian parameter estimation method, the biases of base deterministic models are identified as algebraic functions of input parameters and the errors of the developed models remaining after the bias-correction are quantified in a stochastic manner. The proposed probabilistic models predict the shear strengths with improved accuracy and help incorporate the model uncertainties into vulnerability estimations and risk-quantified designs.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1991년도 춘계학술대회
• /
• pp.65-70
• /
• 1991

A hybrid model which uses a probabilistic model and a MLP(multi layer perceptron) model for pattern recognition of EMG(electromyogram) signals is proposed in this paper. MLP model has problems which do not guarantee global minima of error due to learning method and have different approximation grade to bayesian probabilities due to different amounts and quality of training data, the number of hidden layers and hidden nodes, etc. Especially in the case of new test data which exclude design samples, the latter problem produces quite different results. The error probability of probabilistic model is closely related to the estimation error of the parameters used in the model and fidelity of assumtion. Generally, it is impossible to introduce the bayesian classifier to the probabilistic model of EMG signals because of unknown priori probabilities and is estimated by MLE(maximum likelihood estimate). In this paper we propose the method which get the MAP(maximum a posteriori probability) in the probabilistic model by estimating the priori probability distribution which minimize the error probability using the MLP. This method minimize the error probability of the probabilistic model as long as the realization of the MLP is optimal and approximate the minimum of error probability of each class of both models selectively. Alocating the reference coordinate of EMG signal to the outside of the body make it easy to suit to the applications which it is difficult to define and seperate using internal body coordinate. Simulation results show the benefit of the proposed model compared to use the MLP and the probabilistic model seperately.

• 산업경영시스템학회지
• /
• 제23권60호
• /
• pp.23-36
• /
• 2000

A probabilistic model of burr formation in face milling of gray cast iron is proposed. During a face milling operation, an irregular pattern of the edge profile consisting of burrs and edge breakouts is observed at the end of cut. Based on the metal cutting theory, we derive a probabilistic model. The operational bayesian modeling approach is adopted to include the relevant theory in the model.

• 한국수자원학회논문집
• /
• 제53권2호
• /
• pp.121-129
• /
• 2020

도시화로 인한 불투수층 증가와 하천 주변 개발은 홍수 시 위험에 노출되는 재해요인의 증가뿐 아니라 피해의 파급을 발생시켜 홍수 관리 측면에서 어려움을 낳는다. 홍수 방재대책을 위해서는 도시지역에 분포하는 다양한 지표면 공간특성을 반영하여 침수가 예상되는 지역에 대한 파악이 우선시되어야 한다. 본 연구에서는 도시하천의 홍수 위험지역을 대상으로 확률적 홍수위험 평가가 수행되었다. 홍수와 관련된 지형적 영향요인인 고도, 경사, 유출곡선지수, 하천까지 거리를 예측변수로 하여 하천 주변 침수 예상지역을 설명하기 위해 모형의 학습데이터로 100년 빈도 홍수위험 지도가 사용되었다. 연구 대상 지역은 격자로 변환하여 Bayesian Logistic 회귀분석을 수행하여 각 격자별로 홍수영향요인이 침수 여부를 설명하는 모형을 구축하였다. 최종적으로 모형을 통해 대상 지역 전체에 대하여 침수위험도를 확률적으로 제시하였다.

• 대한토목학회논문집
• /
• 제39권1호
• /
• pp.155-163
• /
• 2019

가뭄 전이는 수문학적 가뭄 특성에 대한 정확한 평가 및 조기 경보 시스템 구축에서 매우 중요한 역할을 한다. 이에 따라, 본 연구에서는 베이지안 네트워크를 이용하여 한강 유역의 가뭄 전이의 확률론적 관계를 분석하였다. 이를 위하여 과거 관측자료와 기후변화 시나리오 RCP 8.5 자료를 활용하였다. 가뭄 전이 및 지체시간을 분석한 결과, 1967~2013년 기간에 비해 2014~2053년 기간에는 증가하는 경향을 나타냈으며, 2054~2100년 기간에는 감소하는 경향을 나타냈다. 또한 베이지안 네트워크를 적용하여 지체시간의 발생확률을 분석하였다. 그 결과, 1967~2013년 동안에 기상학적 가뭄이 보통가뭄에서 심한가뭄 또는 극한가뭄으로 변화함에 따라, 지체시간의 발생빈도가 공간적으로 변화하거나 감소하였다. 이러한 확률은 2014~2053년에 몇몇 유역에서 약간 증가하는 경향이 나타났으나, 2054~2100년에 다시 감소하였다. 본 연구에서 제안된 확률론적 가뭄 전이 결과는 향후 미래 가뭄 상태에 대한 정책에서 의사결정시에 유용할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제50권11호
• /
• pp.769-779
• /
• 2017

최근 우리나라에서 빈번하게 발생되는 가뭄으로 인하여 많은 피해가 발생하고 있으며, 이에 대한 사전대응의 필요성이 커지고 있다. 가뭄에 대한 효과적인 사전대응을 위해서는 신뢰성 있는 가뭄 예측 정보가 필수적이다. 본 연구에서는 수문학적 가뭄에 대한 확률론적 예측을 수행하기 위하여 가뭄의 전이현상을 베이지안 네트워크 모형에 반영하였다. 가뭄의 전이현상을 고려한 베이지안 네트워크 기반의 가뭄 예측 모형(PBNDF)은 과거, 현재, 미래에 대한 다중 모형 앙상블 예측결과와 가뭄전이 관계를 결합하여 새로운 수문학적 가뭄 예측 결과를 생산하도록 구축되었다. 본 연구에서 PBNDF 모형은 파머수문학적 가뭄지수를 활용하여 낙동강 유역의 10개 지점을 대상으로 가뭄을 확률적으로 예측하는데 적용되었다. PBNDF 모형의 ROC 분석 결과 ROC 점수가 0.5 이상의 유의한 결과를 나타내 실제 예측 모형으로 활용가능하다는 것을 확인할 수 있었다. 또한, 기존에 개발된 모형(지속성 예측, 베이지안 네트워크 예측 모형)과 평균제곱오차의 제곱근(RMSE), 기술 점수(SS)를 활용하여 비교를 수행하였으며, 그 결과 PBNDF 모형의 RMSE는 상대적으로 낮은 값을 가지며, SS는 약 0.1~0.15 정도 높은 것으로 나타나 예측성능이 향상되었다는 것을 확인할 수 있었다.

• 한국전산구조공학회논문집
• /
• 제37권3호
• /
• pp.205-216
• /
• 2024

최근 원자력 지진 PSA(Probabilistic Safety Assessment)를 토대로 산업시설물의 지진 PSA를 수행하는 연구가 진행되었다. 해당 연구는 원자력 발전소와 산업시설물의 차이를 파악하고, 최종적으로 운영정지를 목표로 하는 고장수목(Fault Tree)를 구축한 후 시각적 확률도구인 베이지안 네트워크(Bayesian Network, BN)으로 변환하였다. 본 연구는 선행연구를 기반으로 지진으로 유발된 구조손상으로 인해 발생 가능한 화재･폭발에 대해 PSA를 수행하고자 하였다. 이를 위해 화재･폭발을 사건수목(Event Tree)으로 표현하고, BN으로 변환하였다. 변환된 BN은 화재･폭발 모듈로서 선행연구에서 제시된 고장수목 기반 BN과 연계되어 최종적으로 지진 유발 화재･폭발 PSA를 수행할 수 있는 BN 기반 방법론이 개발되었다. 개발된 BN을 검증하기위해 수치예제로서 가상의 가스플랜트 Plot Plan을 생성하였고, 가스플랜트의 설비 종류가 구체적으로 반영된 대규모 BN을 구축하였다. 해당 BN을 이용하여 지진 규모에 따른 전체시스템의 운영정지 확률 및 하위시스템들의 고장확률 산정과 더불어 역으로 전체시스템이 운영 정지되었을 때 하위시스템들의 영향도 분석과 화재･폭발 가능성을 산정하여 다양한 의사결정을 수행할 수 있음을 제시함으로써 그 우수성을 확인하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제8권4호
• /
• pp.254-259
• /
• 2008

Uncertainty of result of context awareness always exists in any context-awareness computing. This falling-off in accuracy of context awareness result is mostly caused by the imperfectness and incompleteness of sensed data, because of this reasons, we must improve the accuracy of context awareness. In this article, we propose a novel approach to model the uncertain context by using ontology and context reasoning method based on Bayesian Network. Our context aware processing is divided into two parts; context modeling and context reasoning. The context modeling is based on ontology for facilitating knowledge reuse and sharing. The ontology facilitates the share and reuse of information over similar domains of not only the logical knowledge but also the uncertain knowledge. Also the ontology can be used to structure learning for Bayesian network. The context reasoning is based on Bayesian Networks for probabilistic inference to solve the uncertain reasoning in context-aware processing problem in a flexible and adaptive situation.

• 대한기계학회논문집
• /
• 제17권12호
• /
• pp.3124-3134
• /
• 1993

Diagnosis is composed of two different but interrelated steps ; retrieving the sensory responses f the system and reasoning the state of the system through the given sensor data. This paper explains the probabilistic nature of reasoning involved in the diagnosis when the uncertainties are inevitably included in experts' diagnostic decision making. Uncertainties in decision making are experts' personal experiences, preferences, and system's coherent characteristics. In order to ensure a consistent decision based on the same responses from the system, expert system technology is adopted with the Bayesian reasoning scheme.