• 제목/요약/키워드: Re-direction

검색결과 463건 처리시간 0.017초

FIDIC Red Book의 Engineer가 합의 또는 결정해야할 핵심 리스크 세부조항 도출 -FIDIC Red Book 2017년 개정판 기준으로- (Deriving Key Risk Sub-Clauses which the Engineer of FIDIC Red Book Shall Agree or Determine according to Sub-Clause 3.7 -based on FIDIC Conditions of Contract for Construction, Second Edition 2017- )

  • 제재용;홍성열;서성철;박형근
    • 대한토목학회논문집
    • /
    • 제43권2호
    • /
    • pp.239-247
    • /
    • 2023
  • FIDIC Red Book은 발주자가 설계를 하고 시공자가 시공을 하는 국제표준계약조건이다. FIDIC Red Book의 Engineer는 발주자의 대리인 으로서가 아닌, 중립적으로 3.7조에 따라 클레임 또는 모든 사안에 대하여 합의하거나 결정하여야 한다. 본 연구는 델파이 기법을 이용하여 18년 만에 최근 개정된 FIDIC Red Book의 Engineer가 3.7조에 따라 합의하거나 결정해야할 49개의 세부조항들 중 핵심 리스크 세부조항 도출을 목표로 하였다. 국제건설계약에 대한 10년 이상의 경험과 전문지식을 보유한 35명의 전문가 패널을 구성하여 총 3회의 델파이 설문조사 과정을 통해 판단과정에서의 오류 및 편향을 방지하여 신뢰성을 향상시켰다. 연구 수행 방법은 계약조건 분석을 통해 FIDIC Red Book 3.7조에 따라 Engineer가 합의하거나 결정해야 하는 세부조항들을 49개로 조사하였다. 49개의 세부조항들별 계약적 리스크 발생도와 영향도를 평가하기 위해 델파이 조사는 리커트 10점 척도로 폐쇄형 설문조사를 3회 반복 수행하였다. 델파이 1차 설문조사 결과를 2차 설문조사 시 전달하고 2차 설문 조사 결과를 3차 설문조사에 전달하여 전문가 의견의 일치성을 높이는 방향으로 재평가하였다. 델파이 3차 조사 결과의 신뢰성은 변이계수 COV 값으로 검증하였다. 49개의 세부조항들 각각의 리스크 발생도와 영향도 평균값을 PI Risk Matrix를 적용하여 최종적으로 Extreme Risk 범위에 속하는 9개의 핵심 리스크 세부조항들을 도출하였다.

효과적인 입력변수 패턴 학습을 위한 시계열 그래프 기반 합성곱 신경망 모형: 주식시장 예측에의 응용 (A Time Series Graph based Convolutional Neural Network Model for Effective Input Variable Pattern Learning : Application to the Prediction of Stock Market)

  • 이모세;안현철
    • 지능정보연구
    • /
    • 제24권1호
    • /
    • pp.167-181
    • /
    • 2018
  • 지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

영남육괴 지리산지구에서 하동 북부 회장암복합체와 그 주변지역의 지질구조 (Geological Structures of the Hadong Northern Anorthosite Complex and its surrounding Area in the Jirisan Province, Yeongnam Massif, Korea)

  • 이덕선;강지훈
    • 암석학회지
    • /
    • 제21권3호
    • /
    • pp.287-307
    • /
    • 2012
  • 영남육괴 지리산지구의 남동부에 위치하는 연구지역은 선캠브리아기 지리산 변성암복합체와 하동 북부 회장암복합체 그리고 이들을 관입하는 중생대 화성암류 등으로 주로 구성되어 있고, 지체구조는 한반도의 일반적인 방향인 북동-남서 방향이 아닌 남북 방향으로 발달한다. 본 논문은 하동 북부 회장암복합체와 그 주변부의 지리산 변성암복합체에 발달하는 남북 방향의 지체구조 형성과 관련된 지질구조를 규명하기 위하여 이들 구성암류에 대한 변형단계별 구조적 특성을 연구하였다. 그 결과 연구지역의 지질구조는 적어도 세 번의 변형단계를 거쳐 형성되었음을 알게 되었다. (1) $D_1$ 변형은 $S_0$ 엽리의 상부가 남동쪽으로 이동하는 대규모 연성전단작용으로 지리산 변성암복합체와 하동 북부 회장암복합체에 $F_1$ 칼집 내지 "A"형 습곡과 $F_1$ 습곡축면에 (준)평행한 $S_{0-1}$ 복합엽리 내지 $S_1$ 엽리와 $D_1$ 연성전단대 그리고 $F_1$ 습곡축에 평행한 $L_1$ 신장선구조를 형성시켰다. (2) $D_2$ 변형은 동서 방향의 압축 지구조환경 하에서 $D_1$ 구조요소를 (재)습곡시키는 남북 방향의 $F_2$ 개방, 밀착, 등사, 층간 습곡과 $F_2$ 습곡축면에 (준)평행하게 발달하는 $D_2$ 연성전단대와 $S_{0-1-2}$ 복합엽리 내지 $S_2$ 엽리와 $D_2$ 연성전단대에 수반된 S-C-C' 구조와 $L_2$ 신장선구조를 형성시켰다. 지질도 규모의 $F_2$ 습곡의 날개부에 해당하는 하동 북부 회장암복합체와 지리산 변성암복합체의 동쪽 경계부를 따라서는 $F_2$ 수동적 습곡작용 동안에 입도 세립화와 함께 압쇄구조와 신장선구조를 형성시키는 압쇄암화과정에서 적어도 1.4 km 이상의 폭을 갖고 연장성 있는 남북 방향의 $D_2$ 연성전단대(하동전단대)가 형성되었다. (3) $D_3$ 변형은 남북 방향의 압축 지구조환경 하에서 동서 방향의 $F_3$ 킹크 내지 개방 습곡을 형성시켰고, $D_3$ 변형 이전의 남북 방향 구조요소들을 국부적으로 (동)북동 내지 (서)북서 방향으로 재배열시켰다. $D_2$ 변형 이전의 $D_1$ 광역 지체구조의 방향성은 현재와 달리 북동-남서 방향이었다. 하동 북부 회장암복합체와 그 주변부의 지리산 변성암체에 발달하는 광역적인 남북 방향의 지체구조는 북동-남서 방향의 $D_1$ 지체구조가 $F_2$ 능동 및 수동적 습곡작용에 의해 남북 방향으로 재배열되어 형성되었다. 연구지역의 세 번의 변형작용은 (북)북동 방향의 염기성 암맥군의 관입 집중기로 알려진 고생대 말 이전에 발생하였다.