• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.252-265
• /
• 2022

지하 매질의 물성 정보는 지층 구조의 정확한 영상화를 위해 필요하며, 예측된 매질 물성 자체도 지하 매질 특성에 대한 중요한 정보를 제공해줄 수 있기 때문에 다양한 종류의 지층 물성 도출 알고리듬들이 개발되고 적용되어왔다. 그 중 마르코프 연쇄 몬테 카를로를 이용한 확률론적인 접근 방법은 기존의 결정론적인 접근 방법과는 달리 지역 최소값 문제를 완화시킬 수 있으며 역산 결과의 불확실성을 정량화할 수 있다는 부분에서 장점을 가진다. 따라서 마르코프 연쇄 몬테 카를로를 이용한 지층 물성 역산 알고리듬이 다양한 지구 물리 자료의 역산에 적용되어 왔으나 그 사례는 결정론적 접근 방법에 비해 매우 적다. 본 논문에서는 여러 형태의 마르코프 연쇄 몬테 카를로 역산 알고리듬 중 가역 도약을 적용한 가역 도약 마르코프 연쇄 몬테 카를로 역산을 탄성파 자료 역산에 적용한 다양한 사례들을 소개하고 각각의 특성을 설명한다. 또한 가역 도역 마르코프 연쇄 몬테 카를로 역산의 장단점에 대해 분석하고 향후 해당 알고리듬의 연구 방향 및 국내의 활용성에 대해 논의한다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권4호
• /
• pp.669-677
• /
• 2013

본 연구에서는 다중자산 옵션 가격의 추정에 있어 자산의 수, 상관계수, 자산의 값들과 표준편차의 여러 조합에 대한 시뮬레이션을 통하여 저불일치 수열에 따르는 준난수 몬테칼로 방법들을 비교하였다. 결과적으로 준난수와 모로 역변환을 이용하는 것이 기본적인 몬테칼로 방법보다 정확하였으며 자산의 수와 관계없이 준난수 방법들 중 혼합법들이 더욱 효과적임을 알 수 있었다.

• 한국전산구조공학회논문집
• /
• 제36권3호
• /
• pp.203-211
• /
• 2023

층상 반무한체에서의 확률론적 완전파형역산을 위한 Markov chain Monte Carlo (MCMC) 모사 기법을 정식화한다. Thin-layer method를 사용하여 조화 수직 하중이 작용하는 층상 반무한체의 지표면에서 추정된 동적 응답과 관측 데이터와의 차이 및 모델 변수의 사전 정보와의 차이를 최소화하도록 목적함수와 모델 변수의 사후 확률밀도함수를 정의한다. 목적함수의 기울기에 기반하여 MCMC 표본을 제안하기 위한 분포함수와 이를 수락 또는 거절할지 결정하는 수락함수를 결정한다. 기본 진동모드 뿐만이 아니라 고차 진동모드가 우세한 경우를 포함하여 다양한 층상 반무한체의 전단파 속도 추정에 제안된 MCMC 모사 기법을 적용하고 그 정확성을 검증한다. 제안된 확률론적 완전파형역산을 위한 MCMC 모사 기법은 층상 반무한체의 전단파 속도와 같은 재료 특성의 확률적 특성을 추정하는 데 적합함을 확인할 수 있다.

• 전기학회논문지
• /
• 제67권2호
• /
• pp.248-254
• /
• 2018

In this paper, a Monte Carlo-based Recursive Least Square(MC-RLS) method is presented to directly identify the inverse model of the dynamical system. Although a RLS method has been used for the identification based on the deterministic data in the closed loop controlled form, it would be better for RLS to identify the model with random data. In addition, the inverse model obtained by inverting the identified forward model may not work properly. Therefore, MC-RLS can be used for the inverse model identification without proceeding a numerical inversion of an identified forward model. The performance of the proposed method is verified through experimental studies on a control moment gyroscope.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제20권3호
• /
• pp.51-64
• /
• 2015

In the present study, we develop two history matching techniques based on Markov chain Monte Carlo method where radial basis function and Gaussian distribution generated by unconditional geostatistical simulation are employed as the random walk transition kernels. The Bayesian inverse methods for aquifer characterization as the developed models can be effectively applied to the condition even when the targeted information such as hydraulic conductivity is absent and there are transient hydraulic head records due to imposed stress at observation wells. The model which uses unconditional simulation as random walk transition kernel has advantage in that spatial statistics can be directly associated with the predictions. The model using radial basis function network shares the same advantages as the model with unconditional simulation, yet the radial basis function network based the model does not require external geostatistical techniques. Also, by employing radial basis function as transition kernel, multi-scale nested structures can be rigorously addressed. In the validations of the developed models, the overall predictabilities of both models are sound by showing high correlation coefficient between the reference and the predicted. In terms of the model performance, the model with radial basis function network has higher error reduction rate and computational efficiency than with unconditional geostatistical simulation.

• 지구물리와물리탐사
• /
• 제5권4호
• /
• pp.262-271
• /
• 2002

본 연구에서는 지구물리 자료의 베이지안 역산을 효과적으로 수행하는 방법에 관해 논의하였다. 베이지안 처리에서 가장 문제가 되는 사전확률분포를 구하기 위해 지구통계학적 방법을 적용하였으며, 사후확률분포의 추정을 위해 MCMC(Markov Chain Monte Carlo) 방법을 적용하였다. 쌍극자배열 전기비저항 탐사 자료의 2차원 역산을 위해 슐럼버저배열 전기비저항탐사 자료와 시추공 자료를 사전 정보로 이용하였으며, 이들 사전정보에 대해 지구통계학적 방법을 적용하여 사전확률분포를 작성하였다. 쌍극자배열 전기비저항 탐사 자료를 최대 우도함수로 하는 사후확률분포는 차원이 매우 높은 적분을 요구하므로, 이를 추정하기 위해 MCMC기술을 적용하였으며, 보다 효율적인 접근을 위해 Gibbs샘플링 방법을 이용하였다. 그 결과 비모수적 방식으로 사후확률분포를 분석함으로써 보다 신뢰성 있는 해를 구할 수 있었으며, 주변화(marginalization)된 사후확률분포를 이용하여 다양한 분석을 적용할 수 있었다.

• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2003년도 Proceedings of the international symposium on the fusion technology
• /
• pp.340-343
• /
• 2003

This study presents a practical procedure for the Bayesian inversion of geophysical data by Markov chain Monte Carlo (MCMC) sampling and geostatistics. We have applied geostatistical techniques for the acquisition of prior model information, and then the MCMC method was adopted to infer the characteristics of the marginal distributions of model parameters. For the Bayesian inversion of dipole-dipole array resistivity data, we have used the indicator kriging and simulation techniques to generate cumulative density functions from Schlumberger array resistivity data and well logging data, and obtained prior information by cokriging and simulations from covariogram models. The indicator approach makes it possible to incorporate non-parametric information into the probabilistic density function. We have also adopted the MCMC approach, based on Gibbs sampling, to examine the characteristics of a posteriori probability density function and the marginal distribution of each parameter. This approach provides an effective way to treat Bayesian inversion of geophysical data and reduce the non-uniqueness by incorporating various prior information.

• 자원환경지질
• /
• 제28권4호
• /
• pp.425-431
• /
• 1995

Genetic algorithms are so named because they are analogous to biological processes. The model parameters are coded in binary form. The algorithm then starts with a randomly chosen population of models called chromosomes. The second step is to evaluate the fitness values of these models, measured by a correlation between data and synthetic for a particular model. Then, the three genetic processes of selection, crossover, and mutation are performed upon the model in sequence. Genetic algorithms share the favorable characteristics of random Monte Carlo over local optimization methods in that they do not require linearizing assumptions nor the calculation of partial derivatives, are independent of the misfit criterion, and avoid numerical instabilities associated with matrix inversion. An additional advantage over converntional methods such as iterative least squares is that the sampling is global, rather than local, thereby reducing the tendency to become entrapped in local minima and avoiding the dependency on an assumed starting model.

• Nuclear Engineering and Technology
• /
• 제56권10호
• /
• pp.4134-4140
• /
• 2024

Source term investigation is a critically important aspect of reactor decommissioning, particularly as the range of nuclides under consideration expands beyond the capabilities of existing analysis methods. In this study, we try to propose a methodology to indirectly determine the radioactivity of long-lived nuclides which are non-γ or low energy in various nuclear waste materials by measuring the radioactivity of ⁶⁰Co. The critical point of this method is to establish relationship between some easy to measure (ETM) key nuclides, such as certain γ emitters (like ⁶⁰Co), and the difficult to measure (DTM) nuclides to derive information for the DTM nuclides of interest. To begin, we calculate nuclide bulk densities of ⁵⁵Fe, ⁶⁰Co, ⁶³Ni and ¹⁵²Eu in nuclear waste materials. By constructing inversion matrices and analyzing the intensity matrices of characteristic γ lines emitted by ⁶⁰Co, we can extract the radioactivity of non-γ radionuclides (⁵⁵Fe, ⁶³Ni, and ¹⁵²Eu) present in the nuclear waste materials that are contained within a specific container. Furthermore, our methodology accounts for the influence of voids within the container, thereby ensuring the reliability and validity of the obtained results. This innovative approach offers a promising avenue for efficiently sorting nuclear waste.

• 한국광학회지
• /
• 제25권1호
• /
• pp.1-7
• /
• 2014

구름에서의 다중산란 효과는 Mie 산란현상을 이용하는 탄성산란 라이다에서 그 해를 구하는데 있어서, 매우 중요한 오차요인으로 작용하기 때문에 이 효과를 보정하는 것은 그 자체만으로도 매우 중요하다. 이를 위하여 구름에서 다중산란되는 현상을 Monte Carlo 방법으로 계산하였으며, 이 결과를 적용하여 물방울 구름의 총량과 유효입자크기를 추출하는 방법을 제안하였다. 구름의 유효입자 크기가 $2.5{\mu}m$ 이하일 경우엔 355 nm나 1064 nm에서 얻은 두 파장의 소광계수로 쉽게 그 값들을 구할 수 있음을 알 수 있었다. 크기가 큰 경우엔 라이다 신호의 안정화된 선형편광도가 유효입자크기, 총량, 그리고 소광계수와 관련이 있음을 알 수 있었으며, 이 관계를 통하여 큰 입자의 경우에도 라만 라이다와 편광 라이다를 이용한다면 유효입자크기와 총량을 구할 수 있다는 것을 알 수 있었다.