대표적인 엘니뇨 지수인 태평양 Nino 해역의 표층 수온을 예측하기 위해 비선형 통계모델 중의 하나인 신경망 기법을 적용하였다. 신경망 모델 학습 과정의 입력 자료로 1951년부터 1993년까지의 태평양 해역(120˚ E, 20˚ S-20˚ N) NCEP/NCAR의 재분석 표층 수온 편차의 경험적 직교함수 7개 주모드를 사용하였고, 그 중 1994년부터 2003년까지의 10년 결과를 분석하였다. 모든 해역에서의 9개월까지의 신경망 모델의 예측력은 비교적 우수하였으며, 특히 1997년과 1998년의 강한 엘니뇨의 발달 및 소멸도 잘 예측함을 확인할 수 있었다. 해역별로는 Nino3 지역의 예측성능이 가장 높았으며, 9개월 이후부터는 그 예측력이 급격히 감소하였다. 한편 지역적인 영향이 커 예측력이 낮은 동태평양 연안의 Nino1+2 지역은 9개월 이후에도 예측력의 감소가 관찰되지 않았다.

프레임 구조물의 접합부 손상을 평가하기 위하여 접합부 손상모델과 신경망기법을 이용한 손상평가기법을 제안하였다 구조물의 보-기둥 접합부를 접합부의 회전강성을 갖는 등가의 스프링요소로 표현하였으며 접합부의 손상도는 손상 전 후의 고정도계수의 감소비율로 정의하였다 손상평가를 위하여 다층퍼셉트론즈 신경망 기법을 제안하였으며 손상평가성능을 향상시키기 위하여 부분구조추정법, 노이즈첨가학습, 자료교란법등의 기법을 적용하였다 10층 프레임 구조물에 대한 수치 예제해석과 2층 프레임 구조물에 대한 실험 예제해석을 통하여 제안기법의 유용성을 평가하였다 계측지점이 일부분으로 제한되어 있고 계측자료에 심한 계측오차가 포함되어 있는 경우에도 손상평가가 합리적으로 이루어질수 있음을 알 수 있었다.

본 논문은 신경망 근사 해석 모델의 원형을 스터브 거더의 거동 해석에 적용하고, 이 과정 중에 발생한 문제점을 파악하여 해결책을 제시함으로써, 앞서 개발한 원형 모델을 스터브 거더 시스템에 적합하도록 발전시키는데 목적이 있다. 스터브 거더의 해석 변수는 주어진 시간 내에 시뮬레이션이 가능하게 7개, 해석 결과값은 탄성 처짐뿐만 아니라 응력까지 고려하여 총 4개의 결과값을 동시에 고려하고, 학습 패턴 수는 총 143개를 사용하였다. 근사해석의 정확도를 향상시키고 학습의 수렴성을 보장하기 위하여 다양한 시뮬레이션을 수행하여 은닉층 뉴런 수, 학습 패턴 그리고 최대 에러의 관계를 규명하고, 이 결과를 바탕으로 신경망 근사 해석 모델 개발 단계를 수정하여 제안하였다.

대량의 복잡한 비선형적인 관계도 단순화의 과정 없이 연관 관계를 자체 조직화 할 수 있는 인간의 뇌와 가장 유사한 병렬 연산 모델인 인공 신경 회로망을 구조 해석 분야에 도입하였다. 본 논문은 스터브 거더의 거동 예측을 위한 신경망 근사해석 모델 개발을 궁극적인 목적으로 하는 기초적 연구로서, 단순 보의 처짐 문제와 같은 정확해를 구할 수 있는 문제로부터 신경망 근사해석모델의 원형 (prototype)을 제시하고 검증하는데 목적이 있다.

우리나라의 경우 1990년대부터 환경오염문제의 사회화가 배경이 되어 환경에 대한 관심이 높아짐에 따라 1998년부터 배기가스의 탈황공정이 가동되어 화학석고가 발생하기 시작하였는데 이것이 화력발전소에서 부산물로 나오는 배연탈황석고이다. 국내의 석탄화력 발전소에 설치된 탈황설비는 흡착재로 석회석 분말을 사용하고 부산물로 석고를 생성하는 습식공정으로서, 배연탈황석고는 이수석고(CaSO4⋅2H2O)로 생성되는데, 인산석고와 비교할 때 pH가 중성이며 높은 순도의 균일한 품질을 가지고 있어 발생 전량이 시멘트 및 석고보드 원료로서 재활용되고 있다. 한편 최근 그 수요가 증가하는 고강도콘크리트 혼화재, 슬래그 시멘트에 사용하기 위하여 년간 30만톤 이상 수입되고 있는 천연무수석고는 우리나라에 광물로 부존하지 않는다. 선진국과 마찬가지로 배연탈황 석고가 전량 수입되고 있는 천연석고를 대체할 수 있다는 장점에 대하여 충분히 인식함에도 불구하고, 아직까지 전반적인 기술 기반의 취약성 및 인력 부족으로 석고보드 제조 등 초보적인 수준에 머물러 있으나 최근 콘크리트 혼화재료 제조기업은 중국의 값싼 제품으로 인해 가격 경쟁력을 상실하고 있어 미래 경쟁력 있는 분야로의 전환을 위해 배연탈황 석고를 이용한 고부가성 건설재료 제조 기술에 관심을 가지기 시작하고 있다. 이에 본 연구에서는 지속가능 친환경-고성능 건설용 복합재료의 생산 및 이의 활용 기술을 적극적으로 개발하고자 인공신경망 모델을 활용한 배연탈황석고 모르타르의 배합조건과 물리적 결과값의 데이터를 다양한 알고리즘에 적용하여 이의 분석과 예측의 정확성을 판별하여 기초데이터로 제공하고자 한다.

A reliable streamflow forecasting is essential for flood disaster prevention, reservoir operation, water supply and water resources management. This study proposes a hybrid model for river stage forecasting and investigates its accuracy. The proposed model is the wavelet packet-based artificial neural network(WPANN). Wavelet packet transform(WPT) module in WPANN model is employed to decompose an input time series into approximation and detail components. The decomposed time series are then used as inputs of artificial neural network(ANN) module in WPANN model. Based on model performance indexes, WPANN models are found to produce better efficiency than ANN model. WPANN-sym10 model yields the best performance among all other models. It is found that WPT improves the accuracy of ANN model. The results obtained from this study indicate that the conjunction of WPT and ANN can improve the efficiency of ANN model and can be a potential tool for forecasting river stage more accurately.

컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.

레이더 신호처리론 포함하여 무선통신 시스템의 성능향상을 위한 수신신호의 도래방향 추정기술 중, MUSIC과 ESPRIT와 같은 방법들은 수신신호 벡터로부터 얻어진 상관행렬의 고유치 분해를 통하여 도래방향을 정도 높게 추정할 수 있는 초고분해 알고리즘들로 잘 이용되어 왔다. 그러나, 이러한 방법들은 계산의 복잡성으로 인하여 실시간 처리에 장애가 되어 왔으며, 어레이 안테나의 물리적인 결함에 대한 보정을 요구한다. 이에 대한 해결방법으로서 신경망 모델을 이용한 도래방향 추정방법들이 연구되어 왔으나, 복수의 신호가 존재할 경우 신경망 모델에 대한 대규모 학습량을 요구하고, 실시간 처리가능성에 대한 명확한 해를 제공하지 못한다. 본 연구에서는 상호결합형 신경망 모델을 이용하여 도래방향을 추정하기 위한 방법을 제안하고, 컴퓨터 시뮬레이션을 통하여 실시간 처리가능성을 보여주었으며, 제안된 방법이 MUSIC 보다 더 좋은 추정치를 제공한다. 게다가, 제안된 방법은 대규모 학습을 요구하지 않는다. 즉, 도래방향을 추정하기 전에 상호결합계수를 신경망에 할당할 뿐이다.