• 한국터널지하공간학회 논문집
• /
• 제24권6호
• /
• pp.617-628
• /
• 2022

터널 건설 시 암반 등급에 따라 다양한 지보재를 적절히 병용하여 지보패턴을 결정하고 시공이 이루어진다. 이 과정에서 시공 경험이 풍부한 전문가의 기술적 판단이 필요한데, 터널 설계의 초기 단계인 타당성 조사 및 기본설계 단계에는 상대적으로 짧은 수행기간과 부족한 자료 및 예산으로 인해 설계에 많은 어려움이 존재한다. 터널 건설의 급증과 함께 축적된 설계 데이터와 머신러닝을 활용한다면, 지보패턴 설계를 보다 신속하고 신뢰도 있게 수행할 수 있다. 따라서 본 연구에서는 암반등급 판정 및 해당 암반등급에 적합한 지보패턴 설계를 자동화하고자 국내 48개 도로터널의 설계자료 및 지반조사 자료를 수집하였으며, 8개의 입력항목(암종, 전기비저항, 심도, 터널연장, 터널연장에 따른 방재등급, 위험도지수에 따른 방재등급, 터널 종류, 터널 단면적)과 11개의 출력항목(암반등급, 숏크리트 제원 2개 항목, 록볼트 제원 3개 항목, 강지보 제원 3개 항목, 콘크리트 라이닝 2개 항목)에 대한 데이터를 정리하였다. 이와 같이 정리된 데이터를 활용하여 2가지 머신러닝 알고리즘(SVM, ANN)을 활용하여 3가지 머신러닝 모델(S1, A1, A2)을 개발하였으며, 세 가지 모델의 성능을 비교해본 결과 출력값의 데이터 형식에 따라 서로 다른 손실함수를 적용한 ANN 기반의 A2 모델이 가장 뛰어난 성능을 보였다. 본 연구를 통해 머신러닝을 활용한 지보패턴 설계의 가능성을 확인할 수 있었으며, 향후 지속적으로 실제 설계에 사용함으로써 단점을 보완하고 적용성을 개선해 나간다면 설계에 보다 큰 도움을 줄 수 있는 지보패턴 설계 모델을 개발할 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.

• 한국전산구조공학회논문집
• /
• 제28권4호
• /
• pp.409-415
• /
• 2015

콘크리트충전강관(Concrete Filled Steel Tube, CFST) 기둥 설계 시, 강관의 국부좌굴을 방지하기 위하여 강관두께 t에 대한 기둥외경 D의 크기를 제한하고 있다. 각각의 설계시방서에서 각기 다른 최대 D/t값을 제안하고 있으며, 강재의 항복응력 $f_y$, 또는 $f_y$와 강재의 탄성계수 E의 식으로 표현된다. $f_y$와 E의 불확실성을 고려할 경우, 최대 D/t 계산식을 포함한 한계상태함수(limit state function)를 구성하여 CFST 단면의 국부좌굴에 대한 신뢰성지수(reliability index) ${beta}$를 산정할 수 있다. 결정된 ${beta}$는 사용된 최대 D/t 계산식에 따라 달라질 것이다. 이러한 신뢰성해석(reliability analysis) 결과의 가변성(variability)은 한계상태함수에 포함되는 전산모델 선택의 모호함(ambiguity)에서 기인한 것으로 모델링불확실성(modelling uncertainty)이라 한다. 모델링불확실성은 정보적불확실성(epistemic uncertainty)의 하나로 알려진 불명확성(non-specificity)으로 고려할 수 있으며, 불명확성은 가능성분포함수(possibility distribution function)를 사용하여 모델링할 수 있다. 본 연구 에서는 다른 3개의 최대 D/t 계산식을 사용하여 주어진 CFST 단면의 국부좌굴에 대한 신뢰성해석을 수행하고 각각의 신뢰성지수를 계산할 것이다. 불명확한 신뢰성지수들은 가능성분포함수를 사용하여 모델링되고, 이로부터 확신정도(degree of confirmation)를 측정할 것이다. 확신정도는 신뢰성지수가 감소하면 증가한다. 결과적으로, 확신정도에 따라 재구성된 신뢰성지수들을 얻을 수 있으며, 허용 확신정도와 함께 CFST 단면의 국부좌굴에 대한 신뢰성지수의 결정이 가능하게 된다.

• 대한원격탐사학회지
• /
• 제30권1호
• /
• pp.61-73
• /
• 2014

본 연구는 항공 초분광영상을 사용한 수질추정 활용을 검토하고 한강일부분에 대해 가용한 측정자료를 이용하여 초분광영상 기반의 수질추정을 테스트하였다. 원격탐사에 의한 수질추정은 수체에 대한 downwelling과 수체 내에서의 산란과 반사에 대한 관측정보를 이용하는 방법과 원격탐사 센서에 도달하는 upwelling과 수질측정정보와의 선형적 회귀분석을 구하는 방법이 선호된다. 두 방법 모두 유의미한 결과를 도출하지만 수질정보나 산란정보 등 추정에 필요한 보조자료에 의한 영향이 더 클 것으로 판단되었다. 수질 추정 테스트는 팔당댐 하류에 위치한 한강의 일부분에 대해서 적용되었다. AISA eagle 초분광센서로 취득된 자료와 수질관측정보를 선형적 회귀분석을 통한 방법을 적용하였다. 기존 문헌에서 제시된 밴드조합에 대해서 회귀분석한 결과 유의미한 밴드조합으로 $-24.847+0.013L_{560}$의 회귀식을 얻었다 ($L_{560}$은 560 nm 파장에서의 radiance로 $R^2$=0.985). 다중분광영상을 이용했을 경우의 결과와 비교하기 위해서 spectral resampling을 통해 Landsat TM 영상을 생성하여 -55.932 + 33.881(TM, TM3)의 회귀식을 얻을 수 있었다(TM, TM3는 radiance로, $R^2$=0.968). 부유물질 농도는 수질측정지점에서 약 3.75 mg/l 이고, 초분광영상으로 추정된 농도는 약 3.65 mg/l, 시뮬레이션된 TM은 약 5.85 mg/l 로 다중분광영상을 이용했을 경우 과대 추정하는 경향을 보였다. 항공 초분광영상의 활용가치를 높이고 보다 정밀한 값을 추정하기 위해서 영상 전반에 걸친 sun glint 와 같은 영향을 최소화하기 위해 태양고도각을 고려하여 정교한 비행계획을 구성하고 체계적 전처리와 검 보정 체계를 갖출 필요가 있다고 사료된다. 일반적으로 적용된 방법에 따른 테스트로, 대기보정의 정밀성과 부족한 수질측정 샘플자료, 분광밴드의 검색, 적합한 선형회귀모델의 선택, 그리고 정량적 검증방법과 같은 몇 가지 문제점과 제약사항들을 발견할 수 있었다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.21-44
• /
• 2018

최근 인터넷 기술의 발전과 함께 스마트 기기가 대중화됨에 따라 방대한 양의 텍스트 데이터가 쏟아져 나오고 있으며, 이러한 텍스트 데이터는 뉴스, 블로그, 소셜미디어 등 다양한 미디어 매체를 통해 생산 및 유통되고 있다. 이처럼 손쉽게 방대한 양의 정보를 획득할 수 있게 됨에 따라 보다 효율적으로 문서를 관리하기 위한 문서 분류의 필요성이 급증하였다. 문서 분류는 텍스트 문서를 둘 이상의 카테고리 혹은 클래스로 정의하여 분류하는 것을 의미하며, K-근접 이웃(K-Nearest Neighbor), 나이브 베이지안 알고리즘(Naïve Bayes Algorithm), SVM(Support Vector Machine), 의사결정나무(Decision Tree), 인공신경망(Artificial Neural Network) 등 다양한 기술들이 문서 분류에 활용되고 있다. 특히, 문서 분류는 문맥에 사용된 단어 및 문서 분류를 위해 추출된 형질에 따라 분류 모델의 성능이 달라질 뿐만 아니라, 문서 분류기 구축에 사용된 학습데이터의 질에 따라 문서 분류의 성능이 크게 좌우된다. 하지만 현실세계에서 사용되는 대부분의 데이터는 많은 노이즈(Noise)를 포함하고 있으며, 이러한 데이터의 학습을 통해 생성된 분류 모형은 노이즈의 정도에 따라 정확도 측면의 성능이 영향을 받게 된다. 이에 본 연구에서는 노이즈를 인위적으로 삽입하여 문서 분류기의 견고성을 강화하고 이를 통해 분류의 정확도를 향상시킬 수 있는 방안을 제안하고자 한다. 즉, 분류의 대상이 되는 원 문서와 전혀 다른 특징을 갖는 이질적인 데이터소스로부터 추출한 형질을 원 문서에 일종의 노이즈의 형태로 삽입하여 이질성 학습을 수행하고, 도출된 분류 규칙 중 문서 분류기의 정확도 향상에 기여하는 분류 규칙만을 추출하여 적용하는 방식의 규칙 선별 기반의 앙상블 준지도학습을 제안함으로써 문서 분류의 성능을 향상시키고자 한다.

• 대한치과교정학회지
• /
• 제37권2호
• /
• pp.114-124
• /
• 2007

파노라마 방사선 사진은 치아 및 주위 조직에 대한 많은 정보를 제공해 주며 교정치료 동안에도 치근의 근원심 경사도나 길이 평가를 위해 흔히 이용되고 있지만 파노라마 방사선 사진에서 보이는 치아의 근원심 각도와 길이는 순(협)설 경사도에 의해 영향을 받는 것으로 알려져 있다. 따라서 본 연구에서는 치아의 근원심 경사도를 정상교합자의 평균 근원심 각도로 유지하면서 순(협)설 경사도만 변화시킬 때 파노라마 방사선 사진에서 각 치아의 근원심 경사도와 길이가 어떻게 변화되는지 알아보고자 하였다. 성인 정상 교합자 30명의 평균 악궁을 기초로 하여 아크릴 모델을 제작한 후 치아를 대신하는. 와이어를 정상 근원심 및 순(협)설 경사도$(I^{\circ})$로 식립하고 여기에 순(협)설 경사도 만 $I-15^P{\circ}$에서 $I+15^{\circ}$까지 $5^{\circ}$씩 변화시켜 파노라마 방사선 사진을 촬영한 후 방사선 사진에 나타난 와이어의 길이와 각도를 각각 계측하였다. 와이어를 정상 근원심 및 순(협)설 각도로 식립했을 때 방사선 사진에서 계측된 길이는 중절치, 측절치, 견치의 경우 실제 길이의 $111%{\sim}117%$의 확대율을 보였고, 소구치와 대구치에서는 $121%{\sim}125%$의 확대율을 보였다. 이 때 근원심 경사도는 그대로 유지하면서 순(협)설 경사도만 $I-15^{\circ}$(순측경사)에서 $I+15^{\circ}$ (설측경사)로 변화시킨 경우 중절치 (p<0.01)와 측절치 (p<0.05)에서만 유의한 확대율 증가를 보였다. 파노라마 방사선 사진에서 치아의 경사도는 대부분 실제 근원심 경사도보다 더 크게 즉 원심경사된 것으로 계측되었고, 이러한 원심경사 경향은 측절치와 견치에서 가장 크게 나타났으며, 제1, 2소구치의 $I+10^{\circ},\;I+15^{\circ}$ 그룹과 제1, 2대구치의 $I+15^{\circ}$ 그룹에서만 실제 근원심 각도보다 더 작게, 즉 근심 경사된 것으로 계측되었다. 또한 순(협)설 경사도의 변화에 따라 파노라마 방사선 사진에서 모든 치아의 근원심 각도가 유의한 변화를 보였는데, 순(협)설 경사도가 작아질수록, 즉 순(협)측 경사될수록 파노라마 방사선 사진에서 더 원심경사되어 나타났다. 따라서 파노라마 방사선 사진에서 중절치와 측절치의 치아 길이와 모든 치아의 근원심 경사도를 평가할 때 치아의 순(협)설 경사도에 따라 영향을 받기 때문에 이를 고려해야 할 것이다.

• 벤처창업연구
• /
• 제2권4호
• /
• pp.71-102
• /
• 2007

기존의 많은 연구에서는 R&D 투자를 포함한 기술진보 요인이 TFP의 결정요인으로 작용한다는 실증연구는 많았으나, 산업 분석에 있어서 규모의 경제가 TFP에 미치는 영향에 대한 실증분석이 많지 않고 또 이들 연구들의 대부분이 비모수적 멤퀴스트 생산성지수 분석이나 확률적 변경생산함수 모형을 사용함으로써 개별 독립변수가 TFP에 미치는 영향에 대한 실증분석이 이루어지지 않았다. 따라서 본 연구에서는 기존의 성장회계방정식 요인 분해를 통해 산업별 TFP 증가율을 도출하고, 산업별 TFP의 영향 요인으로 R&D 투자와 규모의 경제(산업별 영세성)를 고려한 실증분석 모델을 구축하여 TFP 결정요인에 대해 실증 분석하였다. 우선 전체 15개 산업 기준 TFP 증가율을 보면 1993${\sim}$1997년 연평균 약 3.8%에 불과했으나, 외환위기 이후 1999${\sim}$2000년 연평균 7.8%로 상승하였다. 한편 1993${\sim}$2000년 사이의 산업별 TFP 연평균 증가율을 보면 IT 제조업 부문인 전기전자기기제조 부문이 11.6%로 가장 높게 나타났으며, 가구 및 기타 제품 제조는 -0.4%를 나타냈다. 서비스산업의 경우에는 운수 창고 통신 부문이 7.3%로 전기 수도 가스 2.9%, 도소매 음식 숙박-3.7%보다 훨씬 높은 TFP 증가율을 보였다. TFP의 결정요인에 대한 실증분석 결과, R&D와 TFP와의 상관관계는 전반적으로는 유의성이 검증되지 않은 정(+)의 상관관계로 나타났으나, 전체 종사자 중 자영업주 및 무급가족 종사자수를 산업별 영세성을 나타내는 대리변수로 사용한 모델에서의 유의한 부(-)의 상관관계를 보였다. 한편 산업별 고유의 규모의 영세도를 대리하는 변수들의 추정 계수의 부호는 일관되게 한 산업의 규모의 영세도가 높을수록 그 산업의 TFP 증가율이 낮아짐을 나타내는 결과를 얻을 수 있었다.

• 한국임상수의학회지
• /
• 제23권2호
• /
• pp.105-110
• /
• 2006

2003년 5월부터 2005년 11월까지 산란계의 전염성기관지염(IB) 예찰 프로그램에 등록한 농장에 대한 역학조사에서 얻은 자료에 근거하여 IB 감염을 확인할 수 있는 모형을 구축하기 위하여 16개의 입력 뉴런, 3 개의 은닉 뉴런, 1개의 출력 뉴런으로 구성된 3층 인공신경망 모형을 개발하였다. 총 86개의 계군 중 77개는 훈련자료에 할당하고 나머지 9개는 검정자료로 무작위로 할당하여 back-propagation algorithm으로 신경망 훈련을 수행하였다. 입력 뉴런은 산란계군의 특성, 사양관리, 계군의 크기 등 16개의 역학조사 항목을 사용하였으며 출력 뉴런은 IB 감염의 유무로 투입하였다. 훈련된 신경망을 검정자료에 적용하여 민감도와 특이도를 산출하였으며 진단의 정확도는 receiver operating characteristic (ROC) 곡선을 사용하여 곡선 밑의 면적(AUC)을 계산하여 평가하였다. 입력 뉴런의 특성과 훈련모수를 변경하면서 다양한 신경망을 구성하였으며 최적의 신경망으로 확인된 IBV_D1 신경망의 경우 훈련자료에 대하여 77건 중 73건을 올바르게 판단하여 94.8%의 정확도를 보였다. 민감도와 특이도는 각각 95.5% (42/44, 95% CI, 84.5-99.4)와 93.9% (31/33, 95% CI, 79.8-99.3)로 나타났다. 훈련된 신경망을 검정자료에 적용하여 ROC 곡선을 작성한 결과 AUC는 전체의 94.8% (SE=0.086, 95% CI 0.592-0.961)를 차지하는 우수한 모형으로 나타났다. ROC 곡선에서 기준을 0.7149 이상으로 판단할 때 진단의 정확도가 88.9%로 가장 높았으며 100%의 민감도를 달성하였다. 이러한 민감도와 특이도에서 44%의 IB 유병률을 가정할 때 IBV_D1 모형은 80%의 양성예측도와 100%의 음성예측도를 보였다. 이러한 소견에 근거할 때 본 연구에서 구축한 신경망 모형은 산란계군에서 IB의 존재를 확인하기 위한 목적에 성공적으로 응용될 수 있을 것으로 판단되었다.

• 한국해양학회지:바다
• /
• 제27권3호
• /
• pp.127-143
• /
• 2022

최근 클라우드 컴퓨팅 환경에서 해양수치모델 실험을 수행하는 많은 연구가 활발하게 진행되고 있다. 클라우드 컴퓨팅 환경은 대규모 자원이 필요한 해양수치모델을 구현하는데 매우 효과적인 수단이 될 수 있다. 정보처리 기술의 발달로 클라우드 컴퓨팅 시스템은 가상화와 원격 고속 네트워크, 직접 메모리 액세스와 같은 수치모델의 병렬처리에 필요한 다양한 기술과 환경을 제공한다. 이러한 새로운 기능은 클라우드 컴퓨팅 시스템에서 해양수치모델링 실험을 용이하게 한다. 많은 과학자들과 엔지니어들은 해양수치모델 실험에 있어서 가까운 미래에 클라우드 컴퓨팅이 주류가 될 것으로 기대하고 있다. 해양수치모델링을 위한 클라우드 컴퓨팅의 처리성능 분석은 수치모델의 수행 시간과 리소스 활용량을 최소화하는 데 도움이 될 수 있으므로 최적의 시스템을 적용하는 데 필수적이다. 특히 모델 격자 내 다양한 변수들이 다차원 배열 구조로 되어 있기 때문에 대량의 입출력을 처리하는 해양수치모델의 구조는 캐시메모리의 효과가 크며, 대량의 자료가 이동하는 통신 특성으로 인해서 네트워크의 속도가 중요하다. 최근에 주요한 컴퓨팅환경으로 자리잡고 있는 클라우드 환경이 이러한 해양수치모델을 수행하기에 적합한지 실험을 통해서 검토할 필요가 있다. 본 연구에서는 상용 클라우드 시스템에서 해양수치모델로 대표적인 Regional Ocean Modeling System (ROMS)와 더불어 다른 해양모델의 클라우드 환경으로 전환에도 도움이 될 수 있게 병렬처리 시스템의 성능을 측정할 수 있는 표준 벤치마킹 소프트웨어 패키지인 High Performance Linpack을 활용하여 초당 부동소수점 연산횟수 처리능력과 및 STREAM 벤치마크를 활용하여 다중 노드들로 구성된 수치모델용 클러스터의 메모리처리성능을 평가하고 비교하였다. 이러한 평가내용은 클라우드 환경에서 해양수치모델을 어떻게 수행할 것인가에 대해 중요한 정보를 제공할 수 있다. 가상화 기반 상용 클라우드에서 얻은 실제 성능 자료와 구성 설정 분석을 통해 가상화 기반 클라우드 시스템에서 해양수치모델의 다양한 격자 크기에 대한 컴퓨터 리소스의 효율성을 평가했다. 본 연구를 통해서 캐시 계층과 용량이 큰 메모리를 사용하는 HPC 클러스터가 ROMS의 성능에 매우 중요하다는 것을 발견했다. 수치모델링의 실행 시간을 줄이기 위해 코어 수를 늘리는 것은 작은 격자 보다 큰 격자 모델에서 더 효과적이다. 이러한 처리 성능 분석 결과는 클라우드 컴퓨팅 시스템에서 해양수치모델을 효율적으로 구축하는 데 중요한 자료로 이용될 것이다.

• 농업생명과학연구
• /
• 제50권3호
• /
• pp.1-11
• /
• 2016

3차원 지형정보를 얻기 위하여 항공 LiDAR(Light Detection and Ranging)자료 기반 수치표고모델(Digital Elevation Model, DEM) 생성에 대한 연구들에 대한 관심이 지속적으로 높아져 왔다. 항공 LiDAR 원자료로부터 정확도가 높은 DEM을 생성하기 위해서는 3차원 점군에서 비지면점을 제외시키고 지면점만을 포함시키는 필터링(filtering)과정이 중요하다. 특히, 필터링을 구성하는 알고리즘의 패러미터 값 변화에 따라 산출되는 결과물들에 차이가 발생하고 정확도에 영향을 준다. 따라서 본 연구는 화천, 양주, 경산 및 장흥 유역 대상지의 항공 LiDAR 자료로부터 Fusion 소프트웨어를 이용하여 LiDAR DEM을 생성하는 GroundFilter알고리즘의 Mean패러미터(GFmn) 수준 변화가 LiDAR DEM 결과물의 정확도에 어떤 영향을 주는지 분석하였다. GFmn 수준 변화에 따른 정확도에 대한 영향 여부를 분석하기 위해 일원배치분산분석을 실시하였고, 그 결과 GFmn의 수준 변화에 따라 정확도에 대한 영향이 유의미하게 나타났다(F-value: 4.915, p<0.01). 이 후 각각의 GFmn 수준들을 다른 수준들과 차이가 있는지 여부로 묶기 위하여 사후검정을 실시하였다. 사후분석을 통해 잔차의 평균 차이에 따라 '7, 5, 9, 3'과 '1' 두 집단으로 나뉘었다. 아울러 보다 정확한 해발고도를 표현하는 LiDAR DEM 생성하는데 적정 GFmn은 '7' 조건일 때로 나타났다. 이 연구를 통해 보다 정확한 해발고도를 표현하는 LiDAR DEM을 생성할 수 있는 패러미터 값을 제안하였다.