• 콘크리트학회논문집
• /
• 제24권3호
• /
• pp.293-303
• /
• 2012

최근 건설기술의 발전에 따라 구조물이 대형화, 고층화, 장대화되고 있으며, 동시에 다양한 기능을 수행하고 있다. 그러나 요즘 들어 그 빈도수가 증가하고 있는 충돌 사고나 테러에 의한 폭발, 화재 등에 의한 극한하중이 상기의 구조물에 작용할 경우, 구조물의 손상뿐만 아니라 인명과 재산의 피해 정도가 상당히 커질 수 있다. 특히, 충격이나 폭발하중은 구조물에 작용하는 압력 또는 하중이 매우 짧은 시간에 발생하게 되고, 이러한 하중을 받는 구조물은 준-정적(quasi-static) 하중을 받는 구조물과는 다른 응답을 나타내게 되며 반드시 변형률 속도와 손상 효과를 고려해서 설계가 이루어져야 한다. 그러므로 이 연구에서는 콘크리트 슬래브의 충격저항성능 향상을 위해서 강섬유를 전체 부피의 0%에서 1.5%까지 혼입하고, 두 가지 종류의 FRP 시트를 인장부에 보강하여 저속 충격하중에서의 휨 실험을 수행하였다. 실험 결과 FRP 시트를 인장부에 보강할 경우에 최대 충격하중 및 소산에너지, 파괴 시의 타격 횟수가 증가하였으며, 최대 처짐 및 회전각은 감소하여 충격저항성능이 크게 향상되는 것으로 나타났다. 이러한 결과는 추후 극한하중에 노출될 수 있는 주요 시설물의 설계 시 유용하게 사용될 수 있을 것으로 판단된다. 또한, 이 논문에서는 두 가지 종류의 FRP 시트로 보강된 강섬유 보강 콘크리트 슬래브의 저속 충격하중에서의 동적응답을 해석하기 위하여 외연적 시간적분에 기초한 유한요소해석 프로그램인 LS-DYNA를 사용하였으며, 해석 결과 오차율 5% 이내로 비교적 정확하게 최대 처짐을 예측하는 것으로 나타났다.

• 전기화학회지
• /
• 제13권2호
• /
• pp.116-122
• /
• 2010

DC magnetron 스퍼터링을 이용해 구리(Cu) 호일 위에 실리콘(Si)을 증착한 후 $800^{\circ}C$에서 열처리하여 $Cu_3Si$를 얻고, 이의 리튬 이차전지용 음극으로서 특성을 조사하였다. $Cu_3Si$는 Si 성분을 포함하고 있으나 상온에서 리튬과 반응하지 않았다. 선형 주사 열-전류(linear sweep thermammetry, LSTA) 실험과 고온 충방전 실험을 통하여, 상온에서 비활성인 $Cu_3Si$가 $85^{\circ}C$ 이상에서는 활성화되어 Si 성분이 전환(conversion)반응에 의해 리튬과 반응함을 확인하였다. $Cu_3Si$에서 분리된 Si는 $120^{\circ}C$에서 Li-Si 합금 중에서 리튬의 함량이 가장 많은 $Li_{21}Si_5$ 상까지 리튬과 반응함을 유사 평형 조건(quasi-equilibrium)의 실험으로부터 알 수 있었다. 그러나 정전류 조건($100\;mA\;{g_{Si}}^{-1}$)에서는 리튬 합금반응이 $Li_{21}Si_5$까지 진행되지 못하였다. 또한 $120^{\circ}C$에서 전환반응에 의해 생성된 Li-Si 합금과 금속 상태의 Cu는 충전과정에서 다시 $Cu_3Si$로 돌아감, 즉 $Cu_3Si$와 리튬은 가역적으로 반응함을 확인하였다. $120^{\circ}C$에서 $Cu_3Si$ 전극은 비정질 실리콘 전극보다 더 우수한 사이클 특성을 보여 주었다. 이는 비활성인 구리가 실리콘의 부피변화를 완충하여 집전체에서 탈리되는 현상을 완화하고 결과적으로 전극이 퇴화하는 것을 억제하기 때문인 것으로 설명할 수 있다. 실제로 비정질 실리콘 전극은 충방전 후에 실리콘 층의 균열과 탈리가 관찰되었으나, $Cu_3Si$ 전극에서는 이러한 현상이 관찰되지 않았다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.