• 대한지리학회지
• /
• 제42권4호
• /
• pp.488-505
• /
• 2007

이 연구는 한반도에서 발생하고 있는 지진의 분포특성을 통하여 지반운동의 공간적인 차별성을 증명함과 동시에, 지진다발지역의 형성 메카니즘을 규명하는 것이 목적이다. 전편의 논문(박수진, 2007)에서는 지형분석을 통해 한반도에는 지역적인 지형특성을 결정하는 4개의 지반운동구가 존재한다는 사실을 보여주었다. 상기의 연구는 수치고도모델의 분석에 전적으로 의존하고 있어, 지구물리자료를 통해 그 결과를 검증하는 작업이 필요하다. 지진은 지각이 이동 혹은 변형되는 과정에서 발생하는 현상으로, 진앙의 분포는 지반운동의 방향성과 분포를 반영해주는 직접적인 증거가 될 수 있다. 이 연구에서는 한반도의 지진분포를 공간통계기법을 통해 분석하였으며, 그 결과를 지반운동구의 공간적인 배열과 비교 평가하였다. 한반도에서 지진발생의 공간적인 특성은 세 가지로 될 수 있다. 첫째, 지진의 규모는 약한 공간적인 의존성만을 보이고 있으며, 인접한 지역에서도 지진의 규모는 큰 차이를 보일 수 있다. 둘째, 지진의 규모는 공간적으로 무작위성에 가까운 분포를 보이는 반면, 진앙의 분포는 뚜렷한 공간적 밀집현상을 보이고 있다. 셋째, 한반도에서의 지진다발지역은 'L'자형의 밀집현상을 보이고 있다. 육지부분에서는 평양시를 중심으로 한 평안남도와 황해도, 그리고 서산과 포항을 잇는 선을 따라 지진이 밀집되어 있다. 지진밀도가 지체구조선에서의 거리, 주요단층선의 밀도, 그리고 지반운동구 경계선에서의 거리등과 가지는 상관관계를 살펴본 결과, 지반운동구의 경계선이 지진다발지역을 가장 잘 설명하는 것으로 나타났다. 단층선이나 지체구조선은 오랜 기간을 통해 형성되었기 때문에, 이들 요인을 이용하여 현재의 지진다발지역을 설명하기에는 시간적인 스케일의 문제가 존재한다. 한반도를 구성하는 4개의 지반운동구는 서로 다른 이동방향과 변형특성을 보이기 때문에, 그 경계부분에서 지진이 발생할 수 있는 가능성이 높은 것으로 해석된다. 지반운동의 공간적인 차별성은 GPS 자료를 통한 지각의 이동방향에 의해서도 간접적으로 증명될 수 있었다. 이러한 해석은 기존에 알려져 왔던 한반도의 지진발생 메카니즘과는 차이를 보이는 것으로, 한반도의 지형발달과 지진예측에 새로운 시각을 제시할 것으로 기대된다.

• 대한치과보철학회지
• /
• 제59권4호
• /
• pp.395-404
• /
• 2021

목적: 본 연구의 목적은 절삭가공이 순차적으로 진행됨에 따른 왁스 디스크의 구조적 안정성의 변화가 보철물의 적합도에 미치는 영향을 평가하는 것이다. 재료 및 방법: 삭제된 상악 제1대구치 인공치아를 이용하여 Ni-Cr 합금 표준모형을 제작하였고, 이를 스캔하여 크라운을 디자인한 뒤 왁스 디스크를 절삭가공하고 매몰 및 Ni-Cr 합금으로 주조하여 보철물을 제작하였다. 단일 왁스 디스크 내에서 중앙에 일렬로 위치한 납형들은 가장 처음 절삭가공 되는 WM1군부터 마지막에 절삭가공 되는 WM5군으로 총 5개의 군을 설정하였고 각 군의 수는 10개로 하였다. 적합도는 실리콘 레플리카 방법을 이용하여 변연 간극, 축면 간극, 선각간극, 교합면 간극을 측정하였다. 측정값은 일원배치분산분석(one-way ANOVA)을 사용하여 유의 수준은 95%로 그룹 간의 차이를 평가한 뒤, 사후 분석을 위해 Tukey HSD test를 시행하였다(α = .05). 결과: 각 군의 변연 간극은 WM1군(40.41 ± 2.15 ㎛), WM2군(40.44 ± 2.23 ㎛), WM3군(39.96 ± 2.25 ㎛), WM4군(39.96 ± 2.48 ㎛), WM5군(40.57 ± 2.53 ㎛)으로 각 군간에 유의한 차이를 보이지 않았다. 축면 간극, 선각 간극, 교합면 간극에서도 각 군간에 유의한 차이를 보이지 않았다. 결론: 단일 절삭가공용 왁스 디스크 내에서 순차적 절삭가공 시 크라운의 내면 및 변연 적합도는 절삭 순서에 영향 받지 않는 것으로 보인다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.29-45
• /
• 2012

회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.