The presence of excavations or cavities beneath the foundations of a building can have a significant impact on their stability and cause extensive damage. Traditional methods for calculating the bearing capacity and subsidence of foundations over cavities can be complex and time-consuming, particularly when dealing with conditions that vary. In such situations, machine learning (ML) and deep learning (DL) techniques provide effective alternatives. This study concentrates on constructing a prediction model based on the performance of ML and DL algorithms that can be applied in real-world settings. The efficacy of eight algorithms, including Regression Analysis, k-Nearest Neighbor, Decision Tree, Random Forest, Multivariate Regression Spline, Artificial Neural Network, and Deep Neural Network, was evaluated. Using a Python-assisted automation technique integrated with the PLAXIS 2D platform, a dataset containing 272 cases with eight input parameters and one target variable was generated. In general, the DL model performed better than the ML models, and all models, except the regression models, attained outstanding results with an R2 greater than 0.90. These models can also be used as surrogate models in reliability analysis to evaluate failure risks and probabilities.
2차원 조파수조 내에서 취득된 규칙파 실험데이터를 머신러닝 기법으로 분석하여 천수 변형을 경험한 파랑으로부터 조파기의 입력파고를 예측하는 모델을 수립하고 그 성능을 검증하였다. 이를 위해 가장 대표적인 머신러닝 기법인 인공신경망(NN)과 비모수 회귀분석 방법 중 하나인 가우시안 과정 회귀(GPR) 모델을 각각 수립하고 두 모델의 예측 성능을 비교하였다. 전체 실험자료를 모두 한꺼번에 활용한 경우와 쇄파 발생 여부에 따라 자료를 구분한 경우에 대해 독립적으로 분석을 수행하였다. 데이터를 구분하지 않은 경우에는 NN 및 GPR 모델 모두 조파기 입력파고 값과 계측값 사이의 오차가 비교적 크게 나타났다. 반면에 데이터를 비쇄파 및 쇄파 조건으로 구분하면 조파기 입력파고의 예측 정확도가 크게 향상되었다. 두 모델 중에서는 NN 모델보다 GPR 모델의 성능이 전반적으로 더 우수한 것으로 나타났다.
Low flow는 하천수의 공급관리 및 계획, 관개용수 등 다양한 분야에 영향을 미친다. 이러한 유황곡선을 산정하기 위해서는 30년 이상의 충분한 기간의 유량자료의 확보가 필수적이다. 하지만 국가하천 단위 이하의 하천의 경우 장기간의 유량자료가 없거나 중간에 일정기간 동안 결측된 관측소가 있어 하천별 유황 곡선을 산정하기에 한계가 있다. 이에 과거에는 미계측 유역의 유황을 예측하기 위해 다중회귀분석(Multiple Regression Analysis), ARIMA 모형 등 통계학적 기반의 기법들을 사용하였지만, 최근에는 머신러닝, 딥러닝 모형의 수요가 증가하고 있다. 이에 본 연구에서는 최신 패러다임에 맞는 머신러닝 기법인 DNN기법을 제시한다. DNN기법은 ANN기법의 단점인 학습과정에서 최적 매개변수 값을 찾기 어렵고, 학습시간이 느린 단점을 보완한 방법이다. 따라서 본연구에서는 DNN 모형을 이용하여 미계측 유역에 적용 가능한 유황곡선을 산정하고자 한다. 먼저, 유황곡선에 영향을 미치는 인자들을 수집하고 인자들 간의 다중공선성 분석을 통해 통계적으로 유의한 변수를 선정하여, 머신러닝 모형에 입력자료를 구축하였다. 통계적 검증을 통해 머신러닝 기법의 효용성을 검토하였다.
대용량 3상 시스템 에어컨은 최근 들어 소비 전력 저감을 위해 인버터 회로를 포함하고 있다. 인버터 회로는 교류를 다이오드를 통해 정류하고 DC-link 전원부 콘덴서에 의해 평활된 직류를 사용한다. 이 때 평활에 사용되는 DC-link 전원부 콘덴서는 전압 리플, 전류 리플 조건을 만족하기 위해 전해 콘덴서가 일반적으로 사용된다. 콘덴서의 용량을 줄이게 되면 회로부의 크기 및 무게, 비용을 줄일 수 있게 된다. 본 논문에서는 최소점 추정 PPL(Phase Locked Loop) 위상 제어와 평균 전압 d축 전류제어 기법을 조합하여 입력 리플 전류를 약 90% 저감하는 알고리즘을 제안한다. 입력 리플 전류의 감소로 인해 DC-link 콘덴서의 전류 리플도 감소하므로 콘덴서의 용량을 줄일 수 있지만 전해 콘덴서의 경우 등가 직렬 저항(ESR : Equivalent Series Resistance)이 크기 때문에 발열로 인한 수명이 한계를 가진다. 본 논문에서는 전해 콘덴서 대신 DC-link 단에 전류 리플을 고려한 필름 콘덴서를 선정하는 방법을 제안한다. 필름 콘데서의 정전 용량 선정, 내압 선정, RMS(Root Mean Square) 전류 용량, RMS 전류 주파수 해석을 고려해 콘덴서의 용량을 선정할 경우 1680uF의 전해 콘덴서를 20uF로 용량을 낮추어 설계함으로써 전원부 콘덴서의 크기 및 무게, 비용을 줄였으며 전동기 구동을 통해 동작을 확인하였다.
움직임 추정은 영상 부호화 시스템에서 큰 비중을 차지하는 부분으로, 실시간 동작을 위해서는 효율적인 구조를 필요로 한다. 따라서 H.264 전체 시스템을 위한 움직임 추정기 블록의 구현은 부호화 과정을 고속으로 수행할 수 있도록 별도의 전용 하드웨어 모듈로 설계하는 것이 바람직하다. 본 논문에서는 많은 연산량을 효율적으로 줄일 수 있도록 병렬 처리를 바탕으로 움직임 추정 감지 블록, 41개의 SAD(Sum of Absolute Difference)값 계산 블록, 최소의 SAD값 계산과 움직임 벡터 생성 블록을 제안하고자 한다. 움직임 추정 감지 블록과 최소의 SAD값 계산기에서는 선계산(pre-computation) 방법을 적용함으로써, 입력 Switching Activity를 줄여 고속 구현이 가능하도록 하였으며, 움직임 추정 감지 블록과 41개의 SAD값 계산 블록에서 가장 많은 부분을 차지하는 가산기 구조를 일반적으로 사용되는 Ripple Carry Adder 대신에 Carry Skip Adder를 적용함으로써, Adder Tree 구조를 고속으로 처리할 수 있도록 하였다. 또한 외부에서 탐색 영역 제어와 같은 주요 변수를 쉽게 제어할 수 있도록 하여, 하드웨어 구조의 효율성을 높였다. 시뮬레이션 및 FPGA 검증 결과, 움직임 추정기의 임계 경로를 발생시키는 MED블록에서 일반적인 구조를 적용했을 때보다 19.89%의 Delay 감소 효과를 얻을 수 있었다.
연구배경 : 유전자 재결합 반응에 있어서 다른 종류의 RNA의 첨가에도 불구하고 유전자 반응에 영향이 없어야 여타 실험의 정량적 분석에 이용이 가능하다. 이에 저자들은 쥐를 대상으로 filter hybridization방법과 SP-A mRNA을 이용하여 비특이성 RNA 즉, 쥐의 비장 RNA의 첨가가 surfactant protein A (SP-A)의 유전자 재결합반응의 linearity, 상관계수 및 특이성에 미치는 영향을 알아보기 위하여 이 연구를 시행하였다. 방 법 : SP-A transcript mRNA의 정량, 즉 0, 0.1, 0.5, 1 및 2.5 ng에 비특성 RNA 즉 비장 RNA를 각각 0,1, 5 및 $10{\mu}g$을 첨가하여 filter hybridization 방법을 이용하여 SP-A mRNA양과 cpm과의 연관성을 비교정량측정하여 각각의 linearity, 상관계수 및 특이성의 분자생물학적 정도관리에 대한 비교 관찰을 하기 위하여 이 연구를 시행하였다. 결 과 : 1. 쥐의 spleen RNA 0, 1, 5, 10 및 $20{\mu}g$에 대한 cpm과의 표준곡선 및 상관계수는 Y=0.13X-19.35(X=cpm, Y=spleen RNA input)이고, 상관계수는 0.98이었다. 2. SP-A sense 전사체 0, 0.1, 0.5, 1.0, 2.5 및 5 ng에 대한 cpm과의 표준곡선 및 상관계수는 Y=0.00066X-0.046 (X=cpm, Y=SP-A mRNA 전사체)이고, 상관계수는 0.99이었다. 3. 쥐의 비장 RNA $1{\mu}g$을 첨가 후 SP-A sense 전사체 0, 0.1, 0.5, 1.0, 2.5 및 5 ng에 대한 cpm과의 표준곡선 및 상관계수는 Y=0.00056X-0.051(X=cpm, Y=SP-A mRNA 전사체)이고, 상관계수는 0.99이였다. 쥐의 비장 RNA $5{\mu}g$을 첨가 후 표준곡선은 Y=0.00065X-0.088 (X=cpm, Y=SP-AmRNA 전사체)이고, 상관계수는 0.99이였다. 쥐의비장 RNA $10{\mu}g$을 첨가 후 표준곡선은 Y=0.00051X-0.10 (X=cpm, Y=SP-A mRNA 전사체)이고, 상관계수는 0.99이었다. 결 론 : 이상의 결과는 비특이성 RNA인 비장 RNA의 첨가 후 SP-A sense mRNA양과 cpm과의 상관관계는 sense 유전자와 anti-sense 유전자의 유전자 재결합 반응에 있어서 다양한 양의 비특이성 RNA의 첨가나 오염에도 불구하고 linearity, 상관계수 및 그 특이성이 잘 유지됨을 입증해 준 결과라 생각된다.
기상 자료 미계측 지점의 단기 강우 예보 모형을 개발하였다. 본 연구 모형은 강우 모의 모형, 기상학적 동질성, 그리고 기상 변수 예측 및 추정에 관한 몇 가지 가정을 전제로 하였으며 강우의 예보에는 칼만 필터 기법을 사용하였다. 기존 모형의 방정식은 수운적 크기 분포(HSD)가 강우 강도에 종속이므로 강우량에 대하여 비선형이다. 본 연구 모형의 방정식은 HSD를 구름층 저류량의 함수로 구성함으로써 강우량에 대하여 비선형이다. 본 연구 모형의 방정식은 HSD를 구름층 저류량의 함수로 구성함으로써 강우량에 대하여 선형화되었다. 또한 기상 입력 변수는 경험 모형에 의하여 예측되었다. 본 연구 모형을 대청댐 유형의 호우 사상에 적용하였다. 그 결과 예보 및 실측 강우 강도간의 평균 자승 오차는 0.30~1.01 mm/hr이었다. 이 결과로 미루어 볼 때, 본 연구 모형에 수반된 가정은 합리적이며 본 연구 모형은 기상 자료 미계측 지점에서 강우를 단기 예보하는데 유용하다고 판단된다.
Strapdown Inertial navigation systems consist of an inertial sensor assembly(ISA), electronic modules to process sensor data, and a navigation computer to calculate attitude, velocity and position. In the ISA, most gryoscopes such as RLGs and FOGs, have digital output, but typical accelerometers use current as an analog output. For a high precision inertial navigation system, sufficient stability and resolution of the accelerometer board converting the analog accelerometer output into digital data needs to be guaranteed. To achieve this precision, the asymmetric error and A/D reset scale error of the accelerometer board must be properly compensated. If the relation between the acceleration error and the errors of boards are exactly known, the compensation and estimation techniques for the errors may be well developed. However, the A/D Reset scale error consists of a pulse-train type term with a period inversely proportional to an input acceleration additional to a proportional term, which makes it difficult to estimate. In this paper, the effects on the acceleration output for auto-pilot situations and the effects of A/D reset scale errors during horizontal alignment are qualitatively analyzed. The result can be applied to the development of the real-time compensation technique for A/D reset scale error and the derivation of the design parameters for accelerometer board.
구조물의 대표적 동적특성인 고유진동수 및 모드형상은 손상평가, 구조계추정기법 등과 결합한 구조건전성 평가분야에서 매우 중요한 기초 자료로 활용되고 있다. 그러나 해양구조물이나 대경간 교량과 같은 대형 구조물의 경우 진동원을 정확히 계측하기 힘들기 때문에 소규모의 구조물에 많이 쓰이는 기존의 모달 테스트 기법으로는 구조물의 진동특성을 구할 수 없다. 본 논문에서는 경간이 긴 대형 트러스 구조물을 대상으로 가속도 응답만으로 고유진동수 및 모드형상을 추출할 수 있는 방법을 연구하였다. 트러스 구조물의 수치해석 모델을 이용하여 가속도 응답 및 주파수 응답함수의 생성과정, 모드분석을 통한 고유진동수 및 모드형상 추출과정을 상세히 설명하였다. 제안한 방법으로 얻은 모드형상은 고유치 해석으로부터 계산된 모드형상과 비교하여 정확성을 검증하였으며, 모의 손상을 통한 손상평가기법에 적용하여 타당성을 입증하였다.
파고와 주기 그리고 수심의 함수로 정의된 이류계수를 파고와 주기에 대한 결합분포함수와 확률적으로 결합하여 수중둔덕의 이동율을 예측할 수 있는 해석해를 유도하였다. 파랑의 비선형성에 의하여 유발되는 하상에서의 흐름이 표사의 이동을 유발한다는 가정하에 개념적 모형의 표사이동량 방정식을 사용하였다. 표사보존식에 표사이동량을 대입하여 시간에 따른 해저면의 변동을 나타내는 비선형 이류-확산 방정식을 얻을 수 있었다. 해석해에 의하면 수심이 증가할 수록 수중둔덕의 이동율은 지수적으로 감소하는 경향을 보였다. 그러나 스펙트럼에서 주파수 영역의 폭을 정의하는 계수, v의 값이 커지면 수중둔덕의 이동율은 증가하였다. 해석해에 의하여 예측된 수중둔덕의 이동율은 관측자료보다 과대평가하는 경향을 나타내나, 해석해를 유도하는 과정에 내포된 이론식의 제약성 및 입력자료의 부정확성 등을 고려할 때 전반적으로 해석해의 결과는 관측자료와 잘\ulcorner 일치한다고 볼 수 있다. 특히, 수심의 변화에 따른 해석해의 거동은 대상영역 외해에서 추정된 자료를 이용하여 이산화 기법으로 추정된 결과와 매우 잘 일치하였다.
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.