본 논문은 아인스타인 시뮬레이션모형을 활용하여 상륙전을 묘사하는 복잡계이론을 다룬다. 아인스타인모형은 지상전에서 창발적인 자기조직화를 실험하기 위한 행위자 기반 모델이다. 상륙전의 다양한 형태중 상륙기습, 상륙돌격작전을 아인스타인 모형을 이용 구축하였으며 다양한 입력요소의 변경을 통하여 공간적 요소와 정성적 요소에 따른 전투양상의 변화를 확인할 수 있다. 즉, 통신요소의 변경, 탐지센서의 변경, 병력 재배치, 병력의 분산과 집중, 정성요소의 변경 등을 통해서 기존 란체스터형 전투모형의 단점을 보완함과 동시에 다양한 형태의 전투에 대한 모의 가능성과 발전 가능성을 확인할 수 있다.
한국지구물리탐사학회 2003년도 Proceedings of the international symposium on the fusion technology
/
pp.684-689
/
2003
One field identified by an inverse method is one of multiple candidate solutions those are independently obtained through a specific estimation technique. While averaging of optimized fields can provide a better description of the spatial feature of an unknown field, it deteriorates the flow and transport characteristics of the optimized fields. As a result, the averaged field is not suited for modeling aquifer performances. Based on genetic algorithm, an optimal field synthesis technique is developed, which combines diversely optimized fields into a refined group of fields. Each field in the population is paired, and a sub-region of each field is exchanged by crossover operation to create a group of synthesized fields of enhanced modeling capability. The population of the fields is evolved till the synthesized fields become sufficiently similar. Applications of the optimal field synthesis to synthetic cases indicate that the objective functions of the fields assessing the modeling capabilities are further reduced after the optimal field synthesis. The identified fields from various inverse techniques may yield a range of modeling results under varied flow situations. The uncertainty is narrowed down through the optimal field synthesis and the associated modeling results converge on that of the reference field. The developed inverse modeling facilitates the construction of a reliable simulation model and hence trustworthy predictions of the future performances.
Stochastic simulation of hydrologic data has been widely developed for several decades. However, despite the several advances made in literature still a number of limitations and problems remain. In the current study, some stochastic simulation approaches tackling some of the existing problems are discussed. The presented models are based on nonparametric techniques such as block bootstrapping, and K-nearest neighbor resampling (KNNR), and kernel density estimate (KDE). Three different types of the presented stochastic simulation models are (1) Pilot Gamma Kernel estimate with KNNR (a single site case) and (2) Enhanced Nonparametric Disaggregation with Genetic Algorithm (a disaggregation case). We applied these models to one of the most challenging and critical river basins in USA, the Colorado River. These models are embedded into the hydrological software package, Pros and cons of the models compared with existing models are presented through basic statistics and drought and storage-related statistics.
Surface roughness of deposited or etched film strongly depends on ion bombardment. Relationships between ion bombardment variables and surface roughness are too complicated to model analytically. To overcome this, an empirical neural network model was constructed and applied to a deposition process of silicon nitride (SiN) films. The films were deposited by using a pulsed plasma enhanced chemical vapor deposition system in $SiH_4$-$NH_4$ plasma. Radio frequency source power and duty ratio were varied in the range of 200-800 W and 40-100%. A total of 20 experiments were conducted. A non-invasive ion energy analyzer was used to collect ion energy distribution. The diagnostic variables examined include high (or) low ion energy and high (or low) ion energy flux. Mean surface roughness was measured by using atomic force microscopy. A neural network model relating the diagnostic variables to the surface roughness was constructed and its prediction performance was optimized by using a genetic algorithm. The optimized model yielded an improved performance of about 58% over statistical regression model. The model revealed very interesting features useful for optimization of surface roughness. This includes a reduction in surface roughness either by an increase in ion energy flux at lower ion energy or by an increase in higher ion energy at lower ion energy flux.
본 연구는 산림에서 나타나는 수종의 분포 패턴을 해석하고 예측하기 위한 목적으로 수행되었다. 국내에서 처음으로 시도된 전국 규모의 체계적 산림조사라 할 수 있는 NFI (National Forest Inventory)의 수종별 출현 정보와 출현지점별 풍부도를 기반으로 소나무의 현존분포도를 작성하였다. 생태적 지위 모형의 하나인 GARP (Genetic Algorithm for Ruleset Production)를 이용하여 소나무 현존분포와 연관성이 높은 환경요인변수들을 선정하였고, 선정된 변수들을 설명변수로 하는 소나무 잠재분포 모형을 작성한 후 기후변화 시나리오를 적용하여 미래의 잠재분포를 예측하였다. 기후, 지리 지형, 토양 지질, 토지이용 및 식생현황 등 27개 환경요인변수를 각각 설명변수로 하여 모형을 구동함으로써 소나무 현존분포와의 연관성을 평가한 결과 1월 평균기온이 최상위를 차지하였고 연평균기온, 8월평균기온, 연교차 등도 영향을 미치는 것으로 분석되었다. NFI 정보로부터 추출하여 소스개체군으로 선정된 조사지점들을 소나무의 최종출현정보로, 환경요인변수 간의 연관성 분석을 통해 최종적으로 선정된 변수 세트를 설명변수로 하여 모형을 구동함으로써 최적의 모형을 선정한 후 잠재분포도를 작성하였다. 현재 시점의 환경요인변수들에 의해 트레이닝 된 잠재분포 모형에서 기후관련변수들을 RCP 8.5 기후변화시나리오에서 산출한 변수들로 대체하여 2020년대, 2050년대, 2090년대의 소나무의 예측 잠재분포도를 작성하였다. 최종적으로 작성된 소나무 잠재분포모형의 평가 통계량인 AUC (Area Under Curve)는 0.67로 다소 미흡하였으나 향후 기후변화 환경 하에서 소나무림의 보전 및 관리를 위한 최소한의 실마리를 제공할 수 있을 것으로 판단되었다.
가거초 해양과학기지 자켓 구조물 내 콘크리트를 배제하고 강재로만 이루어진 최적설계를 제시한다. 50년 재현주기 극한하중조건에서 허용응력 및 허용응력비 조건을 모두 만족하는 안전한 경량 설계를 목표하였다. 역할에 따라 부재를 세 그룹으로 나눈 설계 조건(Case-1)과 보다 세분화한 설계 조건(Case-2)에 대해 각 부재그룹별 현재 단면 두께 대비 두께 변화율을 설계변수로 설정한 유전 알고리즘을 통해 최적설계를 탐색하였다. 그 결과 Case-1의 결과로 현재 가거초 해양과학기지보다 약 217톤 더 가벼운 설계(OPT-1)를 찾았고, Case-2에서는 추가적으로 약 84톤을 경량화하여 현재 대비 약 45%의 무게를 절감한 설계(OPT-2)를 얻을 수 있었다. 결론적으로 레그 내 콘크리트 보강 없이도 극한조건에서 허용응력 및 허용응력비를 모두 만족시킬 수 있는 경량화된 가거초 해양과학기지 설계를 제시하였다.
이 논문은 p-type single-crystalline float zone (FZ) 웨이퍼를 이용한 고효율 태양전지 제조 공정상의 공정 모델링과 최적화 기술에 대하여 서술하였다. 태양전지 제조 공정 중 중요한 4가지의 공정 1) Emitter formation; 2) Anti-Reflection-Coating (ARC): 3) Screen-printing; 4) Contact formation 중에서 제조비용을 줄여주며, 성능을 증대 시키는데 중요한 contact formation 공정을 모델링을 하고, 최적화 하였다. 본 논문에서는 공정에 소요되는 시간과 비용을 줄이기 위해 실험 계획법 (design of experiments: DOE) 중 중심 합성계획 (central composite design)을 이용하여 24개의 요인 (factorial), 8개의 축점 (axial points), 3개의 중심점 (center points)과 실험의 범위를 증가시키기 위한 6개의 임의점(random points)으로 실험계획을 수립하였다. 접촉형성(contact formation) 공정 이후에는 실험 결과를 사용하여 신경망 (neural network)으로 모델링을 하였다. 수립된 신경망 모델을 바탕으로 유전자 알고리즘 (genetic algorithm)을 이용하여 다양한 조합의 공정 파라미 터를 합성하는 방법으로 최적화를 수행하여 고효율의 태양전지를 구현할 수 있는 최적의 공정 조건을 수립하였다.
고객반응 예측모형은 마케팅 프로모션을 제공할 목표고객을 효과적으로 선정할 수 있도록 하여 프로모션의 효과를 극대화 할 수 있도록 해준다. 오늘날과 같은 빅데이터 환경에서는 데이터 마이닝 기법을 적용하여 고객반응 예측모형을 구축하고 있으며 본 연구에서는 사례기반추론 기반의 고객반응 예측모형을 제시하였다. 일반적으로 사례기반추론 기반의 예측모형은 타 인공지능기법에 비해 성과가 낮다고 알려져 있으나 입력변수의 중요도에 따라 가중치를 상이하게 적용함으로써 예측성과를 향상시킬 수 있다. 본 연구에서는 프로모션에 대한 고객의 반응여부에 영향을 미치는 중요도에 따라 입력변수의 가중치를 산출하여 적용하였으며 동일한 가중치를 적용한 예측모형과의 성과를 비교하였다. 목욕세제 판매데이터를 사용하여 고객반응 예측모형을 개발하고 로짓모형의 계수를 적용하여 입력변수의 중요도에 따라 가중치를 산출하였다. 실증분석 결과 각 변수의 중요도에 기반하여 가중치를 적용한 예측모형이 동일한 가중치를 적용한 예측모형보다 높은 예측성과를 보여주었다. 또한 고객 반응예측 모형과 같이 실생활의 분류문제에서는 두 범주에 속하는 데이터의 수가 현격한 차이를 보이는 불균형 데이터가 대부분이다. 이러한 데이터의 불균형 문제는 기계학습 알고리즘의 성능을 저하시키는 요인으로 작용하며 본 연구에서 제안한 Weighted CBR이 불균형 환경에서도 안정적으로 적용할 수 있는지 검증하였다. 전체데이터에서 100개의 데이터를 무작위로 추출한 불균형 환경에서 100번 반복하여 예측성과를 비교해 본 결과 본 연구에서 제안한 Weighted CBR은 불균형 환경에서도 일관된 우수한 성과를 보여주었다.
QUAL2K는 QUAL2E 모델의 단점을 개선하고 편의성을 향상시킨 모델로 입자성 유기물, 부착조류, 탈질화 및 퇴적층-수체 상호작용 등을 추가 반영하였으며, CBOD는 느린 CBOD와 빠른 CBOD 두 가지로 구분하여 현실화 하였다. QUAL2E와 QUAL2K 모델을 안양천에 적용하여 DO, BOD, Org-N, NH$_3$-N, NO$_3$-N, Org-P, Dis-P 및 Chl-a 등 8개 수질항목을 모의하여 결과를 비교 분석하였다. Org-N, NH$_3$-N, Org-P 및 Chl-a는 두 모델에서 비슷한 결과가 나타났으나, DO, BOD, NO$_3$-N 및 Dis-P는 다른 결과가 나타났다. 이는 QUAL2K에 추가된 부착조류, 탈질화, 퇴적층-수체의 상호작용 및 입자성 유기물의 영향에 기인한 것으로 판단된다. DO는 부착조류의 영향으로 낮게 나타났고, BOD는 입자성 유기물의 영향으로 높게 나타났다. NO3-N은 퇴적층-수체의 상호작용과 탈질화의 영향으로 실측치에 더 가깝게 나타났다. 모의 결과를 단순통계인자를 이용하여 평가하였으며, 대부분 수질항목에서 상대오차와 분산계수가 QUAL2E보다 QUAL2K에서 작게 나타났다. 자연현상을 좀더 실제에 가깝게 모의할 수 있는 QUAL2K 모델은 하천 및 하천화한 호소 수질관리에 적절히 이용할 수 있을 것으로 판단된다.
Due to the impressive flexural performance, enhanced compressive strength and more constrained crack propagation, Fibre-reinforced concrete (FRC) have been widely employed in the construction application. Majority of experimental studies have focused on the seismic behavior of FRC columns. Based on the valid experimental data obtained from the previous studies, the current study has evaluated the seismic response and compressive strength of FRC rectangular columns while following hybrid metaheuristic techniques. Due to the non-linearity of seismic data, Adaptive neuro-fuzzy inference system (ANFIS) has been incorporated with metaheuristic algorithms. 317 different datasets from FRC column tests has been applied as one database in order to determine the most influential factor on the ultimate strengths of FRC rectangular columns subjected to the simulated seismic loading. ANFIS has been used with the incorporation of Particle Swarm Optimization (PSO) and Genetic algorithm (GA). For the analysis of the attained results, Extreme learning machine (ELM) as an authentic prediction method has been concurrently used. The variable selection procedure is to choose the most dominant parameters affecting the ultimate strengths of FRC rectangular columns subjected to simulated seismic loading. Accordingly, the results have shown that ANFIS-PSO has successfully predicted the seismic lateral load with R2 = 0.857 and 0.902 for the test and train phase, respectively, nominated as the lateral load prediction estimator. On the other hand, in case of compressive strength prediction, ELM is to predict the compressive strength with R2 = 0.657 and 0.862 for test and train phase, respectively. The results have shown that the seismic lateral force trend is more predictable than the compressive strength of FRC rectangular columns, in which the best results belong to the lateral force prediction. Compressive strength prediction has illustrated a significant deviation above 40 Mpa which could be related to the considerable non-linearity and possible empirical shortcomings. Finally, employing ANFIS-GA and ANFIS-PSO techniques to evaluate the seismic response of FRC are a promising reliable approach to be replaced for high cost and time-consuming experimental tests.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.