During the reign of King Sejong in the Joseon Dynasty (1433-1438), the Daegyupyo (large gnomon) was produced. The Daegyupyo, with a crossbar (horizontal bar), was used to observe the length of the gnomon’s shadow cast by the sun passing at the meridian. The shadow of this crossbar can be obtained using a measurable device called the Yeongbu (shadow definer). These Daegyupyo and Yeongbu are described in detail in the “Treatise on Astronomy” of Yuan History or “Celestial Spheres and Globes” of Jega-Yeoksang-Jjp (Collected Discourses on the Astronomy and Calendrical Science of the Chinese Masters). According to Jega-Yeoksang-Jjp, the Yeongbu had a structure similar to a door attached to its frame. A pinhole is located in the center of a copper leaf corresponding to the door of the Yeongbu. The image of the sun’s meridian transit and the shadow of the crossbar through the pinhole are projected onto the surface of the Daegyupyo’s ruler stone. Unlike the width and length of the Yeongbu, the height of the Yeongbu is not recorded. This research analyzed the height of the Yeongbu required to maintain the constant distance from the pinhole to the ruler stone surface. Based on these assumptions, it was estimated that 8 to 13 Yeongbu of different heights would be needed for observations using the Daegyupyo in Seoul. To accommodate the need for Yeongbu of various heights, this study proposed a model for a stackable Yeongbu with an adjustable height.

Truss structures, widely used in engineering, consist of straight members transferring axial forces. Traditional analysis methods like FEM and the Force Method become computationally expensive for large-scale and nonlinear problems. Surrogate models using Artificial Neural Networks (ANNs), particularly Physics-Informed Neural Networks (PINNs), offer alternatives but require extensive training data and computational resources. Variational Quantum Algorithms (VQAs) address these challenges by leveraging quantum circuits for optimization with fewer parameters. Variational Quantum Circuits (VQCs) based on Quantum Neural Networks (QNNs) utilize quantum entanglement and superposition to approximate high-dimensional data efficiently, making them suitable for computationally intensive tasks like surrogate modeling in structural analysis. This study applies QNNs to truss analysis using 6-bar and 10-bar planar trusses, assessing their feasibility. Results indicate that residual-based loss functions enable QNNs to make reliable predictions, with increased layers improving accuracy and a higher Q-bit count contributing to performance, albeit marginally.

Automated structural design methods for reinforced concrete (RC) beam members have been widely studied with various techniques to date. Recently, artificial intelligence has been actively applied to various engineering fields. In this study, machine learning (ML) is adopted to make automated structural design model for RC beam members. Among various machine learning methods, a supervised learning was selected. When a supervised learning is applied to development of ML-based prediction model, datasets for training and test are required. Therefore, the datasets for rectangular and t-shaped RC beams was constructed by commercial structural design software of MIDAS. Five supervised learning algorithms, such as Decision Tree (DT), Random Forest (RF), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost) were used to develop the automated structural design model. Design moment (Mu), design shear force (Vu), beam length, uniform load (wu) were used for inputs of structural design model. Width and height of the designed section, diameter of top and bottom bars, number of top and bottom bars, diameter of stirrup bar were selected for outputs of structural design model. Performance evaluation of the developed structural design models was conducted using metrics sush as root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE), and coefficient of determination (R2). This study presented that random forest provides the best structural design results for both rectangular and t-shaped RC beams.

본 연구에서는 박스 구조물의 부재력 예측을 위한 다양한 딥러닝 모델의 정확성을 비교하고자 하였다. 이를 위해 상용 유한 요소 프로그램인 MIDAS를 이용하여 300개의 유한요소모델을 작성하고, 수치해석을 수행하여 딥러닝 모델에 적용하기 위한 학습데이 터를 생성하였다. 또한, 딥러닝 모델의 정확성을 비교하기 위해 MLP, CNN, RNN 및 LSTM과 같은 다양한 신경망 모델과 Adam, SGD, RMSprop 및 Adamax 등 최적화 알고리즘을 교차 적용하여 16개의 딥러닝 모델을 생성하였다. 그 결과 Adam 최적화 알고리즘 이 모든 모델에서 가장 우수한 성능을 보여주었으며, 특히 MLP 모델에서 가장 높은 R2 값을 나타내었다. 이를 통해, 박스 구조물의 부재력 예측을 위한 최적의 딥러닝 모델 구성은 Adam optimizer와 MLP 구조임을 확인하였다.

This paper studied a new shape unit model based on Gibson and Ashby's theory. As a result of theoretical research, the relative density equation is correlated with relative elasticity, and through this study, the theoretical relationship between the relative elasticity equation was defined. The relative elasticity equation was defined based on the model for which the analysis was performed. According to the analysis results, the diameter of the model was set to 3 mm, and the maximum stress values were confirmed by reflecting the same boundary conditions. The maximum stress for each model is 5668.9MPa for Type 1, 5136.7MPa for Type 2, 5642MPa for Type 3, and 6032.9MPa for Type 4 when the truss diameter is 3mm. The relative elasticity equation was defined based on this condition. In the future, compression analysis will have to be performed in the same way, reflecting the diameter of the truss at 5 mm and 7 mm, to find and define the coefficients of the relative elasticity equation, and verification through experiments will have to be carried out based on the theoretical equation. In addition, in order to be applied in each field, proof through prototype production and installation must be carried out.

Dynamic responses of nuclear power plant structure subjected to earthquake loads should be carefully investigated for safety. Because nuclear power plant structure are usually constructed by material of reinforced concrete, the aging deterioration of R.C. have no small effect on structural behavior of nuclear power plant structure. Therefore, aging deterioration of R.C. nuclear power plant structure should be considered for exact prediction of seismic responses of the structure. In this study, a machine learning model for seismic response prediction of nuclear power plant structure was developed by considering aging deterioration. The OPR-1000 was selected as an example structure for numerical simulation. The OPR-1000 was originally designated as the Korean Standard Nuclear Power Plant (KSNP), and was re-designated as the OPR-1000 in 2005 for foreign sales. 500 artificial ground motions were generated based on site characteristics of Korea. Elastic modulus, damping ratio, poisson’s ratio and density were selected to consider material property variation due to aging deterioration. Six machine learning algorithms such as, Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost), were used t o construct seispic response prediction model. 13 intensity measures and 4 material properties were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks present good prediction performance considering aging deterioration.

The design variables and material properties as well as the external loads concerned with structural engineering are used to be deterministic in optimization process. These values, however, have variability from expected performance. Therefore, deterministic optimum designs that are obtained without taking these uncertainty into account could lead to unreliable designs, which necessitates the Reliability-Based Design Optimization(RBDO). RBDO involves an evaluation of probabilistic constraints which constitutes another optimization procedure. So, an expensive computational cost is required. Therefore, how to decrease the computational cost has been an important challenge in the RBDO research field. Approximation models, response surface model and Kriging model, are employed to improve an efficiency of the RBDO.

Machine learning is widely applied to various engineering fields. In structural engineering area, machine learning is generally used to predict structural responses of building structures. The aging deterioration of reinforced concrete structure affects its structural behavior. Therefore, the aging deterioration of R.C. structure should be consider to exactly predict seismic responses of the structure. In this study, the machine learning based seismic response prediction model was developed. To this end, four machine learning algorithms were employed and prediction performance of each algorithm was compared. A 3-story coupled shear wall structure was selected as an example structure for numerical simulation. Artificial ground motions were generated based on domestic site characteristics. Elastic modulus, damping ratio and density were changed to considering concrete degradation due to chloride penetration and carbonation, etc. Various intensity measures were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks and extreme gradient boosting algorithms present good prediction performance.

이미지 분석을 통한 재료의 상 구분은 재료의 미세구조 분석을 위해 필수적이다. 이미지 분석에 주로 사용되는 마이크로-CT 이미 지는 대체로 재료를 구성하고 있는 상에 따라 회색조 값이 다르게 나타나므로 이미지의 회색조 값 비교를 통해 상을 구분한다. 순환골 재의 고체상은 수화된 시멘트풀과 천연골재로 구분되는데, 시멘트풀과 천연골재는 CT이미지 상에서 유사한 회색조 분포를 보여 상 을 구분하기 어렵다. 본 연구에서는 Unet-VGG16 네트워크를 활용하여 순환골재 CT 이미지로부터 천연골재를 분할하는 자동화 방법 을 제안하였다. 딥러닝 네트워크를 활용하여 2차원 순환골재 CT 이미지로부터 천연골재 영역을 분할하는 방법과 이를 3차원으로 적 층하여 3차원 천연골재 이미지를 얻는 방법을 제시하였다. 선별된 3차원 천연골재 이미지에서 각각의 골재 입자를 분할하기 위해 이 미지 필터링을 사용하였다. 골재 영역 분할 성능을 정확도, 정밀도, 재현율 F1 스코어를 통해 검증하였다.

본 논문에서는 상용 프로그램 MIDAS GEN을 활용하여 플랜트 시설물의 특성을 반영한 골조와 단일 부재의 비선형 동적 해석을 수 행하였으며 이에 따른 결과를 분석하였다. 플랜트에 배치되는 일반적인 구조 부재의 크기와 재료적 특성을 고려하였으며, 수치해석 방법 중 뉴마크 평균 가속도법, 재료 비선형을 고려하기 위한 소성 힌지를 적용하였다. 플랜트 폭발의 대표적 유형인 증기운 폭발의 폭 발하중을 산정하였으며, 이를 골조 및 단일 부재에 적용하여 비선형 동적 해석을 수행하였다. 동적 거동의 결과는 고유주기와 하중지 속시간의 비율, 최대변위, 연성도, 회전각으로 정리하였으며 골조를 단일 부재로 해석할 수 있는 조건과 범위를 분석 및 확인하였다. 보-기둥 강성비가 0.5, 연성도가 2.0 이상인 NSFF는 FFC로 단순화할 수 있으며, 보-기둥 강성비가 0.5, 연성도가 1.5 이상인 NSPF는 FPC로 단순화하여 해석할 수 있다. 본 연구의 결과는 플랜트 시설물의 내폭설계 가이드라인으로 활용될 수 있다.

이 논문에서는 파랑 하중을 받는 부유식 구조체의 운동 해석에 있어서 시스템 식별 방법을 이용한 상태공간방정식 모델을 수립하 고 해석하는 방법을 제안하였다. 상태공간방정식 모델의 수립 방법으로는 주파수영역에서 하중-변위 입출력 관계에 대한 목표 전달 함수를 구하고 이에 가장 근접하는 상태공간방정식을 구하는 절차를 제시하였다. 전통적으로 부유식 구조체 운동의 시간영역 해석은 지연함수의 합성곱적분을 포함하는 Cummins 방정식을 시간적분하여 이루어진다. 상태공간방정식 모델은 이러한 시간영역해석을 효과적으로 수행하기 위한 방법의 하나로서 연구되어 왔다. 제안하는 방법에서는 시스템 식별방법인 N4SID 와 전달함수의 분모 및 분자 다항식의 계수를 설계변수로 하는 최적화방법을 사용하여 목표 전달함수에 상응하는 상태공간방정식을 구한다. 제안하는 방법 의 적용성을 보이는 예제로서 단자유도 수치모델 및 6자유도 바지의 운동을 해석하였다. 제시하는 상태공간방정식 모델은 주파수영 역 및 시간영역에서 모두 기존의 해석결과와 잘 일치하고 시간영역해석에서는 계산의 정확도를 확보하면서 계산 시간을 크게 줄일 수 있음을 확인하였다.

일반적으로 적합직교분해(proper orthogonal decomposition, POD) 기반의 침습적(intrusive) 차수축소모델(reduced order model, ROM)을 활용하면 구조 시스템의 전체 자유도를 크게 줄이고 외연적 시간 적분법에서 해의 안정성을 만족하는 임계 시간 간격을 증가 시킬 수 있다. 따라서 본 연구에서는 POD-ROM을 활용하여 Voronoi-cell 격자 요소로 이산화된 구조 시스템의 축소와 이에 따른 외연 적 시간 적분법의 임계 시간 간격 및 해석 정확도 변화를 살펴보았다. 또한 지진하중과 같은 불규칙한 하중 이력을 받는 구조물 응답 해석에 POD-ROM을 적용하였다. 해석 결과 ROM을 통해 해의 정확도를 충분히 확보하면서 연산 시간을 크게 단축할 수 있음을 확인 하였다. 또한 POD-ROM과 VCLM의 연계 방안의 적절성을 확인하였다. 향후 해당 연구는 고정밀 대용량 동적 구조해석의 실용성을 높이고, 설계 변수에 따른 구조물 동적 거동의 실시간 예측을 위한 기반 연구로 활용될 수 있다.

본 논문에서는 위상최적설계를 위한 입자-구조 충돌 모델을 제시한다. 위상최적설계를 위해서는 민감도 분석이 선행되어야 하며, 민감도 분석이 가능한 새로운 모델이 필요하다. 본 논문에서는 위상최적설계를 위한 민감도 분석을 수행하기 위한 입자-구조 충돌 모 델을 제시한다. 이후 이 모델을 이용하여 위상최적설계를 위한 민감도 분석을 수행한다. 제안한 모델의 정확도를 평가하기 위해 먼저 단순화된 1차원 충돌 문제에 적용한다. 이후, 이 모델을 이용하여 위상 최적화를 통해 입자의 최종 위치를 최적화하여 위상 최적화에 대한 이 모델의 적용 가능성을 확인한다. 이러한 결과는 위상 최적화에서 입자-구조 충돌을 고려하는 것이 가능하다는 것을 보여준다.

As a means to activate eco pastoral system in alpine grassland, the government can consider public pastures, which are currently unused, to scale them up into public ranches. Depending on ownership and operation, four management models proposed as follows: 1) Government-Owned and Operated with Balanced Profit and Loss 2) Government-Owned and Operated with Revenue Generation 3) Government-Owned but Privately Operated by Outsourced to Professional Manager 4) Full Privatization (Ownership and Operation by Private Individuals). The study outlined above proposes four management models for the activation of eco pastoral system in alpine grassland. It also suggests methods for the selection and performance evaluation of manager to establish a profitable structure. Additionally, the research provides management methods for the conservation of grazing ecology in pastoral ecosystems. Particularly, the adaptation of tools commonly used in South Korean business sector for the selection and performance evaluation of manager within the system of the proposed management models. This aspect is deemed valuable as it aligns these tools with the specific characteristics of eco pastoral system in alpine grassland, contributing not only to the effective implementation of the models but also to the enhancement of the revenue structure.

Bellows expansion joints enhance the displacement performance of piping systems owing to their unique geometrical features. However, structural uncertainties such as wall thinning in convolutions, a byproduct of the manufacturing process, can impair their structural integrity. This study addresses such issues by conducting a global sensitivity analysis to assess the impact of these uncertainties on the performance of bellows expansion joints under monotonic loading. Global sensitivity analysis, which examines main and nth order interaction effects, is computationally expensive. To mitigate this, we employed a surrogate model-based approach using an artificial neural network. This model demonstrated robust prediction capabilities, as evidenced by metrics such as the coefficient of determination. The sensitivity indices of the main effect for the 2-ply and 3-ply bellows at the sixth convolution were 0.3340 and 0.3233, respectively. The sensitivity index of the sixth convolution was larger than that of other convolutions because the maximum deformation of the bellows expansion joint under monotonic bending load occurs around it. Interestingly, the sensitivity index for the interaction effect was negligible (0.01%) compared to the main effect, suggesting minimal activity between uncertainty factors across convolutions. Notably, bellows expansion joints under repetitive loading exhibit more complex behaviors, with the initial leakage typically occurring at the convolution. Therefore, future studies should focus on the structural uncertainties of bellows expansion joints under cyclic loading and employ a surrogate model for comprehensive global sensitivity analysis.

본 연구에서는 한옥의 해석모델 구축을 지원하고, 구축된 해석모델의 활용도를 높이고자 이를 활용한 가상현실 소프트웨어를 개발 하였다. 한옥의 구조해석 모델은 범용 구조해석 소프트웨어인 midas Gen으로 생성하고, 이를 문자기반 입력파일로 변환한 후 본 연구 에서 개발된 소프트웨어에서 한옥 해석모델의 검토에 필요한 자료들을 저장한다. 개발된 가상현실 소프트웨어 내에서 3차원으로 표 현된 한옥의 해석모델은 시점을 변경하며 살펴볼 수 있고 특정 부재를 선택하여 관련된 자료를 확인할 수 있다. 이러한 과정을 통해 해 석모델의 오류를 확인 및 수정하여 완결된 해석모델을 구축할 수 있다. 개발된 소프트웨어는 3개의 한옥 사례에 적용하여 그 적용성 과 효용성을 검증하였으며, 구조분야 이외의 타 분야에서도 활용될 수 있다.

본 연구는 아프리카 전자상거래 법률 및 규정이 중국-아프리카 디지털 무역에 끼치는 영향을 탐색한다. 이를 위해, 구조방정식 모델링을 이용해 중국-아프리카 ICT 상품 무역액, 아프리카 전자상거래 발전 지수, 그리 고 전자상거래 법률 및 규정간의 상호 영향을 분석하였다. 결과적으로, 아프리카 전자상거래 법률 및 규정이 아프리카 전자상거래 발전과 중국- 아프리카 디지털 무역에 모두 긍정적으로 작용함을 확인하였다. 하지만 과도한 세금은 이러한 발전을 제한하는 요소로 작용하였다. 이 연구는 방법론적 혁신을 포함하며, 아프리카 전자상거래 법률 및 규정의 개선과 디지털 무역의 발전을 촉진하는 실증적 근거를 제시하였다. 다만, 데이터 와 이론적 한계로 인한 제약점이 존재하며, 향후 연구는 이를 극복하기 위한 방안을 제시하였다. 이 연구는 이론적 가치와 실질적 시사점을 제 공한다.