This study develops a correction model to improve the accuracy of horizontal spectral accelerations estimated by stochastic extended finite-fault simulation (EXSIM) in southeastern Korea. EXSIM predictions for five earthquakes (M4.3-5.5) recorded at eight stations reveal frequency-dependent residuals, with a tendency to underpredict spectral accelerations at frequencies ≥ 3 Hz. These discrepancies are correlated with eight variables: moment magnitude, stress drop, hypocentral distance, azimuth, average shear wave velocity up to 30 m in depth, relative elevation, and slope. To address these discrepancies, a multiple linear regression model is developed using eight variables that reflect earthquake source characteristics, wave-propagation paths, and site-specific conditions, including azimuth and topographic effects not fully accounted for in the original EXSIM. Application of this correction model substantially improves predictive performance, reducing root-mean-square error by 18.8% to 81.0% for the test sets. The corrected response spectra show good overall agreement with observations, including high-frequency spectral peaks. This approach enables the construction of reliable ground-motion databases. It enhances the accuracy of EXSIM predictions for scenario earthquakes, providing a practical tool for seismic hazard assessment in regions with sparse observational data.

AI-driven automation for structural design has been actively studied in structural engineering. In particular, reinforcement learning (RL) has attracted attention as a framework in which an agent interacts with an environment to autonomously search for optimal design solutions in complex design spaces. This study proposes an automated design model for rectangular reinforced-concrete (RC) columns based on a multi-agent Double Deep Q-Network (Double DQN). Extending prior RL-based automation developed for RC beam design to column members, the proposed environment explicitly incorporates key column-specific behaviors, including axial force–bending moment (P–M) interaction and moment magnification due to column buckling. Four agents independently determine the section width (b), section depth (h), number of longitudinal bars (n), and bar size. The reward function combines (i) penalty terms for violations of ACI 318-19 design constraints and (ii) an economic reward defined relative to an approximate optimal cost predicted by a quadratic regression model. After training for approximately 10,000 episodes, the proposed multi-agent Double DQN consistently generated ACI-compliant column designs across all test load cases and produced solutions with improved cost efficiency compared with the approximate optimal baseline. These results demonstrate the feasibility and practical potential of multi-agent RL for automated RC column section design.

최근 BIM은 단순 3차원 모델링을 넘어 표준화된 속성 데이터의 품질 확보와 체계적 관리가 핵심 요구로 부각되고 있으며, 온톨로 지 및 지식그래프 기반의 데이터 관리･추론 방식이 주목받고 있다. 그러나 지식그래프 기반 BIM 데이터는 부재 간 구조 관계 분석, 설 계 검토, 물량･속성 정보 조회 등 실무 의사결정을 지원할 수 있으나, SPARQL･Cypher와 같은 그래프 질의어를 직접 작성해야 한다 는 점에서 실무 적용에 제약으로 작용한다. 이를 위해 본 연구에서는 사용자가 자연어 질문을 기반으로 그래프 질의를 자동 생성할 수 있는 GraphRAG 기반 질의 자동 생성 프레임워크를 제안하였다. 먼저 CSV 기반 속성/관계 테이블에 규칙을 적용해 노드･관계를 생 성하고 그래프 데이터베이스에 적재하는 CSV-to-LPG 파이프라인을 구현하여, LPG 지식그래프 구축 절차를 자동화하였다. 이후 Few-shot Learning 기반 프롬프트 설계를 통해 사용자의 자연어 질문을 Cypher 쿼리로 자동 변환하는 자동 질의 생성 모듈을 구현하 였다. 전체 프레임워크는 Graph-ACQ 시스템으로 개발하여 라멘교 BIM 데이터를 기반으로 적용하였다. 검증 결과 LPG 스키마 유효 성과 Cypher 자동 생성, Cypher 질의 수작업 과정에서 정확도 모두 100%를 달성하였고, 질의 생성 시간은 평균 7.1초에 처리되었다. GraphRAG 기반 질의 생성 방식은 부재 간 공간･구조 관계를 명시적으로 활용하므로, 설계･검토 과정에서 요구되는 연결 관계 분석, 구조 구성 파악, 물량･속성 정보 조회 등 관계 기반 질의를 자연어로 수행할 수 있다. 또한 Few-shot Learning 기반 접근을 적용하여 교 량 뿐만 아니라 다양한 공종 내에서도 질의 생성을 가능하게 함으로써, 프로젝트의 확장성을 확보 가능하다.

상수관로의 노후화는 수질 안전성 저하와 수자원 손실, 유지보수 비용 증가 등의 문제를 야기하며, 이에 따라 지중 매설관의 상태를 신속하고 정확하게 진단할 수 있는 기술의 중요성이 커지고 있다. 특히 내시경 영상을 활용한 관로 점검은 가장 보편적인 방식으로 자리 잡았으나, 판독자의 숙련도에 따라 해석 편차가 발생하고, 대량 데이터의 신속한 처리에는 한계가 있다. 이러한 배경에서 본 연구는 관종⋅관경⋅용도 등 상수관 메타데이터를 모델에 통합하고, 관로 내 결함의 존재 여부와 유형, 크기를 동시에 예측할 수 있는 다중과제 학습(Multi-task Learning) 기반 인공지능 모델을 제안한다. 제안한 모델은 두 개의 예측 헤드를 통해 결함 판별과 정량적 분류를 병행하도록 설계되었으며, SHAP 기반 분석을 통해 모델의 판단 근거가 상수관로의 실제 결함 특성과 일치함을 확인하였다. 이러한 접근은 수작업 판독의 부담을 경감하고, 관로 상태 기록의 표준화 및 정량화를 통해 예방 중심의 유지관리 전략 수립을 효과적으로 지원할 수 있다.

현대 국가어항은 전통적인 어업생산 지원 기능을 넘어 관광, 레저, 물류, 지역경제 거점 등 복합적인 기능을 수행하는 다차원적 공간으로 진화하고 있다. 이러한 다기능성은 어항 개발 및 관리 정책 수립에 있어 중요한 고려사항이 되었으나, 기존의 개발 규모 산정 방 식은 어항의 복합적 특성을 제대로 반영하지 못하는 한계를 지니고 있었다. 특히, 「해양공간계획 및 이용에 관한 법률」에 따른 해양공간 적합성 협의 과정에서 개발 규모의 적정성을 판단할 과학적이고 객관적인 근거가 부족하여 잦은 보완 요구와 사업 지연을 초래하였다. 본 연구는 이러한 문제의식을 바탕으로, 국가어항의 다기능적 특성을 과학적으로 반영한 적정 이용 면적 산정 모델을 개발하고, 이를 기반으 로 해양공간적합성 협의 지원이 가능한 기초 자료 구축을 목표로 한다. 이를 위해 본 연구에서는 전국 115개 국가어항의 자료를 활용하여, 하나의 어항이 여러 군집에 동시에 속할 수 있다는 중복 소속(Overlapping Membership) 가정을 도입한 새로운 방법론을 제안한다. 구체적으 로, 독립변수와 종속변수(어항 이용 면적) 간의 회귀관계가 유사한 어항들을 하나의 군집으로 묶는 회귀 기반 군집화(Regression-based Clustering) 기법과, 하나의 데이터가 여러 군집에 속할 수 있도록 허용하는 중복 소속 군집화(Overlapping Clustering) 기법을 결합하였다. 또 한, 회귀모형의 안정성과 해석력을 높이기 위해 모든 회귀계수가 양(+)의 값을 갖도록 제약을 가한 단계적 선택(Stepwise Selection) 방법론 을 적용하였다. 실증분석 결과, 115개 국가어항을 총 6개의 중복 소속 군집으로 분류하였으며, 개별 어항에 대해서는 모든 군집의 회귀식 을 활용하여 도출한 6개의 적정 범위를 이용 면적과 비교함으로써 적정성을 판단하기 위한 정량적 기준을 구현하였다. 본 연구의 결과는 해양공간적합성 협의 과정에서 개발계획의 규모 적정성을 판단하는 객관적인 근거 자료로 활용될 수 있으며, 과도한 개발을 방지하고 해 양공간의 효율적 활용을 도모하는 데 기여할 수 있다. 나아가, 어항별 맞춤형 개발정책 수립과 지역경제 활성화 방안 모색을 위한 과학적 토대를 제공한다는 점에서 정책적·실무적으로 활용 가능하다. 본 연구는 국가어항의 복합적 특성을 통계적으로 모델링하고 이를 정책 결 정 시 적용하려는 최초의 시도라는 점에서 학술적 의의를 갖는다.

원격운항자는 자율운항선박의 안전 운항에 대한 책임이 있는 사람으로 위급한 상황에 개입하여 원격조종을 수행하는 역할을 수행한다. 기존의 유인선 항해 환경에서는 단일 선박에 선장, 당직사관, 당직 조타수 등의 선교 인력이 동시에 승선하고 있어, 미숙한 선 박조종을 수행할 때에도 이를 지원이 가능한 조직으로 구성된다. 다수의 선박을 동시에 관리하는 원격운항자는 각 선박에 대한 조종 특 성에 대응이 필요하고, 위급한 상황에서만 상대적으로 짧은 시간 동안 개입해야 함에도 단일 선박에만 집중할 수 없는 방식으로서, 긴급 한 선박 조종에 대한 조직적 지원을 제공받기 어려울 것으로 예상된다. 본 연구에서는 원격운항자의 선박조종을 지원하기 위한 선박 조 종 행동 예측 모델 개발을 위한 기초연구로서, 숫자가 아닌 패턴을 활용한 행동 예측 방법을 제안한다. 제안하는 방법론은 선박 조종 데 이터를 패턴화하는 과정, 행동 패턴을 자기회귀 모델에 학습하여, 실제 선박에서의 개인의 조종 습관에 기반한 선박 조종 행동 예측 방법 을 제안하고, 원격운항자의 선박별 선박 조종을 지원하기 위한 선박 조종 행동 예측 모델 활용의 구체적인 예시를 제공한다. 검증된 패턴 을 활용한 행동 예측 방법은 원격운항자의 조종 특성 적응을 지원하는 모델의 개발에 활용될 수 있을 것으로 기대한다.

This study aims to develop and evaluate a GPT-based English learning system that creates reading materials tailored to the Korean middle school first-grade English curriculum. To this end, this study adopted OpenAI’s MyGPTs platform and created the AI system through eight different developmental versions by iterating prompts and uploading relevant knowledge files. To evaluate its linguistic appropriateness, this study generated reading passages at three difficulty levels (low, medium, high) and compared them with eight textbook texts using seventeen key indices from Coh-Metrix 3. The results show that GPT-generated texts at the medium level most closely resembled actual textbook passages in sentence count, syntactic simplicity, lexical familiarity, and overall readability. Low-level outputs achieved the highest readability and concreteness scores, indicating suitability for beginner EFL learners, while high-level outputs featured greater syntactic complexity, longer sentences, and richer lexical diversity. The study also identified limitations in GPT’s consistent adherence to prescribed difficulty parameters, text-type variety, and adaptive difficulty adjustment based on learner performance.

본 연구에서는 용융염 원자로(MSR)의 열 전달 성능을 최적화하기 위한 수학적 모델을 제안하였다. MSRE 설계 개념을 기반 으로 한 제시된 모델을 통해 차폐 구조물에서의 열 손실을 계산하고, 다양한 변수들이 표면 온도 및 전체 열 성능에 미치는 영향을 평가하였다. SPROULE WR-1200과 같은 칼슘 실리케이트 기반의 단열재를 사용하였으며, 스틸볼 영역은 스틸볼과 물이 채워져 있고, 단열재와 스틸볼 영역 간격(Gap)이 있다고 가정하였다. 분석 결과, 단열재 두께, 간격 크기, 스틸볼 영역의 두께와 같은 변수들이 열 손실 및 표면 온도에 영향을 미친다는 점을 확인할 수 있었다. 특히, 단열재 두께 최적화를 통해 차폐 구조물의 열 효율성과 안전성을 크게 향상시킬 수 있음을 보여주었다. 본 연구는 차세대 원자로 시스템의 개발을 위한 차폐 구조물의 개념설계에 필요한 기초 자료를 제공한다.

This study assessed suitable lettuce (Lactuca sativa L.) cultivars and lighting conditions for indoor hydroponic cultivation in Mongolia, examining their applicability in a household-scale vertical farming system. Three cultivars— ‘Jeokchima,’ ‘Cheongsangchu,’ and ‘Meiguodashusheng’— were grown under two lighting treatments: LEDs and T5 LEDs. ‘Jeokchima’ demonstrated the most consistent and superior growth across both harvests, exhibiting significantly higher leaf length, SPAD value, dry weight, and leaf number compared to the other cultivars. The use of LED lighting enhanced all growth parameters, except for petiole length, compared to T5, highlighting its advantages in arid indoor environments. Based on these findings, a compact three-tier Deep Water Culture (DWC) system was designed as a model for urban households, facilitating year-round lettuce production in limited indoor spaces. This model shows promise for enhancing vegetable self-sufficiency and food security in Mongolia. Further research on optimizing light spectra, managing photoperiods, and diversifying cultivars is recommended.

인천 적수 사고를 비롯한 수돗물 수질 사고가 연이어 발생하면서, 안전하고 깨끗한 물 공급의 중요성과 함께 상수도관망의 체계적인 유지관리에 대한 필요성이 증대된 실정이다. 이에 본 연구에서는 현장 세척 기록과 수리해석 및 관로 제원 등 데이터를 통합하여 상태가 취약한 상수관로의 최적 플러싱 주기를 결정하는 모델을 제안하고자 한다. 이를 위해 본 연구에서는 문헌 검토를 통해 상수관로의 취약성을 평가하기 위한 6가지 핵심 지표로 평균 유속, 관 연령, 비내식성 밸브 산재 구역, 수질민원 발생 구역, 잔류염소 및 탁도 기준 미달 구간, 법정 세척 이력 부재 구역이다. 이러한 지표를 기반으로 상수관의 상태를 4가지 등급으로 분류하였다. 먼저, S시(2013∼2014 년)의 플러싱 데이터를 사용하여 관로 길이, 관경, 연령을 모델의 독립변수로 고려하여 최적 세척 주기를 예측하는 다중 회귀 모델을 개발했다. 이 모델은 통계적 유의성(R = 0.617, p < 0.05)을 갖으며, 다중공선성은 없는 것으로 나타났다. 개발한 모델의 적용성을 검토하기 위해 B시의 대규모 블록 구역에 모델을 적용한 결과, 취약한 관로가 관망의 말단 및 저유속 지역에 집중되어 있는 것으로 나타났다. 또한, 관경이 작고(100∼150mm) 노후된 배관은 일반적으로 월별 또는 분기별 주기로 더 짧은 세척 간격이 필요한 것으로 도출되었다. 이처럼 세척 간격이 짧은 구간은 세척을 정기적으로 수행하기 보다는 경제성 평가를 통해 개량 의사결정을 수립하는 것이 적절하다고 판단된다. 종합적으로 본 연구에서 제시한 취약관로 상태평가 기준 및 세척 주기 산정모델은 기존의 일률적 세척 주기 운영 방식의 한계를 보완하고, 관로별 상태에 따라 차등화된 유지관리 전략 수립에 기여할 수 있는 정량적 의사결정 도구로서의 활용 가능성을 확인하였다. 향후 다양한 지역에서의 세척 데이터 축적과 현장 실증을 통해 모델의 외삽성을 검증하고, 제한된 예산, 인력, 장비 등 현실적 제약조건을 고려한 최적화된 세척 스케줄링 기법으로의 확장이 필요할 것으로 판단된다. 이를 통해 정기적 세척뿐 아니라 예산 효율성, 유지관리 비용, 세척 효과 분석을 통합적으로 고려하는 종합적 의사결정 지원 모델로 발전시킬 수 있을 것으로 기대된다.

Non-seismic-designed reinforced concrete (RC) pier walls often include lap splices in potential plastic hinge regions. This study develops an analytical model to capture the post-yield load–deformation response of lap-spliced RC pier walls subjected to earthquake loading. The parameters of the model were calibrated using experimental results, and linear regression was conducted to propose predictive equations for these parameters. The accuracy of the model was validated by comparing it to the load–deformation responses of specimens not included in the calibration database. Subsequently, the developed model was applied to probabilistic bridge models supported by RC pier walls. A multi-parameter seismic demand model was constructed, taking into account geometric, material, and structural uncertainties, using Lasso regression. This model achieved R² values of 0.73 for in-plane loading and 0.75 for out-of-plane loading. The improvements in performance metrics and the results of the sensitivity analysis emphasize the need to develop a multi-parameter seismic demand model to ensure more reliable seismic demand predictions.

본 연구에서는 농업시설에서 활용되고 있는 안개분무시스 템의 냉각 효과를 모의할 수 있는 CFD 모델을 개발하고, 자연 환기식 우사에서 측정한 냉각 효과를 통해 CFD 모델을 적용 가능성을 평가하였다. 현장 실험 결과, 안개분무시스템 가동 시 복도 내 기온은 최대 약 2.5°C 감소하였으며, 상대습도는 평균적으로 약 7% 증가하였다. 이는 이론적으로 달성 가능한 최대 냉각 효과의 약 36%에 해당하였다. 개발된 CFD 모델은 노즐에서 분사된 물방울의 이동 경로와 증발 과정을 잘 모의 하였으며, 실내 평균 기온과 상대습도의 변화 경향이 실측값 과 유사하게 나타나 CFD 모델의 신뢰성이 확인되었다. CFD 모델의 결과로부터 실내에서의 증발 냉각 과정을 살펴보면, 공간적인 냉각 효과는 불균일하게 나타났으며, 최대 4°C 이상 의 온도 편차가 확인되었다. 특히, 물방울의 분포는 분사 영역 에 국한되어 나타났으며, 분사된 물방울 중 약 20% 이상은 외 부로 유출되거나 벽체에 퇴적되어 손실되는 것으로 확인되었 다. 따라서 순환팬 등 보조장치의 운영을 병행하면, 분무 된 물 방울의 공간적 분포를 확장하고, 균일화하여 축사 내부 냉방 효과를 극대화 하는 데 효과적일 것으로 사료된다. 또한 본 연 구에서 개발된 CFD 모델을 활용하여 노즐의 배치와 분무 특 성을 최적화하여 안개분무시스템의 성능을 개선할 수 있는 방 안을 도출하는 데 기여할 수 있을 것으로 판단되며, 기존에 경 험에 기반한 설치와 운영 방법에 가이드라인을 제시하는 주요 한 모델로 활용할 수 있을 것으로 기대한다.

본 연구는 간호사의 높은 직무 스트레스와 소진에 대응하기 위해, 부정적 경 험을 긍정적 성장의 서사로 전환하는 내러티브 접근법인 'Re-Story 코칭 모델' 을 개발하고 타당화했다. 반복되는 직무 현장의 어려움에서 비롯되는 서사 정체 성의 왜곡 문제에 주목하여, 본 연구는 코칭 연구의 지평을 확장해 간호사의 복 잡한 내면을 다룬다. 초기 모델은 문헌고찰과 SWOT 분석을 통해 도출되었으 며, 12명 전문가의 델파이 조사를 통해 타당성을 확보했다. 연구 결과, '온전함' 회복을 핵심으로 신뢰·조율·진정성에 기반한 '공감의 장' 안에서 개방하기, 전 환하기, 발견하기, 체화하기의 네 가지 핵심 요소가 유기적으로 상호작용하는 다차원적 모델이 확립되었다. 본 모델은 간호사가 자기 이야기의 주체적 저자가 되도록 역량을 부여하는 구체적인 방법론을 제시하며, 소진을 예방하고 회복탄 력성을 높이는 자기 주도적 성장을 촉진하고, 지지적 관계를 통해 더 건강한 간 호 조직 문화를 조성하는 데 기여한다.

For estimating ground motion intensity measures on the surface from seismic sensors installed in structures, it is crucial to correct structural response effects embedded in the recorded signals. This study proposes a model for peak ground acceleration (PGA) amplification based on VS30, derived from multi-degree-of-freedom analysis. PGA amplification factor (AFPGA) is defined as the ratio of peak floor acceleration (PFA) of structures to PGA. The model includes three key input parameters: the natural period of the structures (Tn), the ratio of stories to the total number of stories in the structures, and the time-averaged shear wave velocity down to a depth of 30 meters. It is developed using 78 ground motion records from both domestic and international earthquakes. A LOESS smoothing technique is applied using 3 span values, with the optimal span of 0.1 is determined based on RMSE performance and an analysis of local trend characteristics in the dataset. The model is verified using empirical data from the CESMD global strong motion database, which includes classification by Tn into short, intermediate, and long periods. The results show that although the model tends to predict higher AFPGA values than those observed in real structures, it effectively reflects the overall amplification trends. This approach enables the pre-earthquake estimation of structural amplification, allowing for the use of seismic sensors installed in structures as a complementary monitoring network for seismic response.

강풍에 대한 피해가 증가하면서 시설물의 취약도를 예측하여 대응하는 것이 필요하다. 이때, 풍속의 변동성을 고려하여 확률 론적 예측이 필요하여 물리 기반 인공신경망(PINN) 기반의 기초적인 확률론적 예측 모델을 개발하였다. 입력변수를 마르코프체인 몬 테카를로 시뮬레이션을 통해 랜덤 샘플링하여 이를 PINN 모델로 입력하고, 물리식 기반의 손실함수를 통해 신호등을 대상으로 취약 도를 예측하였다. 모델을 통해 예측한 결과 신호등에서 파손이 발생할 수 있는 신호 접합부와 지면 접합부에 대해 확률적으로 취약도 를 산출할 수 있었고, 이를 기반으로 신호 접합부가 더 취약함을 확인할 수 있었다. 기초 모델로 물리식 만을 기반으로 예측하여 얻은 결과로 추후 실측 데이터를 통해 학습과 검증을 거쳐야하나 충분히 강풍에 의한 시설물 취약도를 예측할 수 있으며 이러한 예측에 확 률론적 모델이 유용함을 확인하었다.

Machine learning (ML) techniques have been increasingly applied to the field of structural engineering for the prediction of complex dynamic responses of safety-critical infrastructures such as nuclear power plant (NPP) structures. However, the development of ML-based prediction models requires a large amount of training data, which is computationally expensive to generate using traditional finite element method (FEM) time history analysis, especially for aging NPP structures. To address this issue, this study investigates the effectiveness of synthetic data generated using Conditional Tabular GAN (CTGAN) in training ML models for seismic response prediction of an NPP auxiliary building. To overcome the high computational cost of data generation, synthetic tabular data was generated using CTGAN and its quality was evaluated in terms of distribution similarity (Shape) and feature relationship consistency (Pair Trends) with the original FEM data. Four training datasets with varying proportions of synthetic data were constructed and used to train neural network models. The predictive accuracy of the models was assessed using a separate test set composed only of original FEM data. The results showed that models trained with up to 50% synthetic data maintained high prediction accuracy, comparable to those trained with only original data. These findings indicate that CTGAN-generated data can effectively supplement training datasets and reduce the computational burden in ML model development for seismic response prediction of NPP structures.

본 연구에서는 내연적 시간적분법과 비선형 정적해석에서 발생하는 선형 시스템을 효율적으로 해결하기 위한 자체 솔버 프로그램 을 개발하고 이를 평가하였다. 희소행렬 연산에 유용한 반복법과 전처리기(preconditioner) 알고리즘을 구현하였으며, 자체 개발을 통 해 프로그램 코드의 수정 및 활용을 용이하게 하였다. 또한 메모리 사용량 절감 및 계산 효율성 향상을 위해 CSR(compressed sparse row) 형식 기반의 행렬 및 벡터 연산을 구현하였다. 개발된 솔버 성능 검증을 위해 Voronoi-cell 격자 모델 기반 선형시스템을 대상으 로 개별 반복법 알고리즘을 적용하였다. 아울러 선형/비선형 정적 구조 거동을 모두 고려하여 관련 대칭/비대칭 시스템 행렬을 도출 하고 이를 활용하였다. 보의 처짐 문제를 대상으로 각 반복법의 결과를 수렴성, 계산 시간, 행렬의 대칭성 및 크기에 따라 비교 분석하 였다. 이를 통해 자체 개발한 반복법 솔버의 수치적 성능을 검증하였고 내연적 구조해석 등에 수반되는 선형 시스템의 근사해 계산에 개발 코드를 효과적으로 활용할 수 있음을 확인하였다.