Engineering design involves making numerous decisions as the design process. These decisions can be broadly categorized into selection decisions and compromise decisions. The outcomes of these decisions heavily depend on the designer's intentions, highlighting the need to systematically and accurately incorporate the designer's intentions. The Analytic Hierarchy Process (AHP) is a design technique that systematically reflects the designer's intentions by hierarchically analyzing and evaluating ambiguous decision problems. Therefore, in this study, effective optimal structure designs that maximally reflect the designer's intentions were confirmed by introducing AHP (Analytic Hierarchy Process) and Neural Network into the foundational decision-making process of engineering design.

Tomato is one of the major widely cultivated crops around the world. The leaf area is directly related to the total amount of photosynthesis, which affects the yield and quality of the fruit. Traditional methods of measuring the leaf area are time-consuming and can cause damage to the leaves. To address these problems, various studies are being conducted for measuring the leaf area. In this study, we introduced a model to estimate the leaf area using images of tomatoes. Using images captured by a camera, we measured the leaf length and width and used linear regression analysis to derive the leaf area estimation formula. Furthermore, we used a Neural Network (NN) for additional analysis to compare the accuracy of the models. Initially, to verify the reliability of the image data, we conducted a correlation analysis between the actual measurement data and the image data, which showed a high positive correlation. The leaf area estimation model presented 23 estimation formulas. We used regression analysis to estimate the coefficients of each model and also used employed an artificial neural network analysis to derive high R-squared (R2) values and low Root Mean Square Error (RMSE) values. Among the estimation formulas, the ninth model showed the highest reliability with an R-squared value of 0.863. We conducted a verification experiment to confirm the accuracy of the selected model, and the R-squared value was 0.925. This study confirmed the reliability of data measured from images and the reliability of the leaf area estimation model using image data. These methods are expected to be an important tool in agriculture, using imaging equipment for measuring and monitoring the crop growth.

본 논문에서는 3차원 엮임 재료의 재료 물성치들을 효율적으로 분석하고 추후 최적설계 연구에 활용하기 위해서 파라메트릭 배치 해석 워크플로우를 제시하였다. 3차원 엮임 재료를 구성하는 와이어들 사이의 간격을 설계 매개변수로 하는 파라메트릭 모델에 대해 서 임의의 변수 조합을 가지는 2,500개의 수치 모델을 생성하였으며, 상용 프로그램인 매트랩과 앤시스의 여러 모듈을 사용하여 체적 탄성계수, 열전도도, 유체투과율과 같은 다양한 재료 물성치들을 배치 해석을 통해서 자동으로 얻어질 수 있도록 구성하였다. 이와 같 이 얻어진 대용량의 재료 물성치 데이터베이스를 활용해서 회귀 분석을 수행하였으며, 그 결과 설계 변수들과 재료 물성치 사이의 경 향성과 수치 해석 결과의 정확도를 검증하였다. 또한 확보된 데이터베이스를 통해서 3차원 엮임 재료의 물성치를 예측할 수 있는 인 공 신경망을 구성하고 학습시켰으며, 그 결과 임의의 설계 매개변수 값들을 가지는 엮임 재료 모델에 대해서 구조 및 유체해석 과정 없 이도 높은 정확도로 재료 물성치들을 추정할 수 있음을 확인하였다.

포장의 공용수명은 교통량, 기후, 포장강도, 차량하중 등 다양한 인자들의 영향을 받고 있으며 특히 교 통하중 특성과 기후, 포장의 상･하부구조 등은 포장의 수명에 큰 영향을 주는 것으로 알려져 있다. 하지 만 측정에 따른 오차, 조사구간의 불일치등에 따른 다양한 잠재오차들로 인해 다양한 인자들을 고려한 공 용수명의 예측에 관한 연구가 어려운 실정이다. 따라서 본 연구에서는 다중회귀분석기법을 활용하여 포장 의 수명에 영향을 미치는 주요인자를 선정하고 인공지능 분석기법 중의 하나인 신경망 분석기법(Neural Network Analysis)을 활용하여 아스팔트포장의 공용수명을 예측하고 이를 다중회귀분석의 분석결과 비 교･분석하였다. 먼저, 최근 3년간의 일반국도를 대상으로 조사가 이루어진 아스팔트포장의 수명 데이터를 기준으로 해 당 구간의 누적 교통량(AADT: Average Annual Daily Traffic), 누적 환산축하중(ESAL: Equivalent Single Axle Loads), 포장상부구조(보수층, 표층, 기층), 포장하부구조(보조기층, 동상방지층), 포장강도, 유지보수 지역(관리청)등의 다양한 요인들을 고려한 다중회귀분석 결과 누적교통량, 포장상부구조, 포장하 부구조, 유지보수 지역(관리청)이 유효한 변수로 선정되었다. 본 연구에서 인공신경망분석을 위해 활용한 다층 퍼셉트론(Multi layer Perceptron)기법은 입력층과 출력층 사이에 하나 이상의 은닉층(Hidden Layer)이 존재하게 되며 분석 알고리즘으로는 역전파 알고리 즘(Backpropagation algorithm)을 활용하였다. 분석을 위해 입력층에는 독립변수에 해당되는 누적교통 량, 포장상·하부구조, 유지보수지역의 4가지 변수를 입력하였으며 출력층에는 포장의 공용수명을 입력 하였다. 분석데이터는 70%를 학습, 15%를 검정, 15%를 테스트를 위해 활용하였으며 나아가 은닉층 신경 망(hidden neuron) 개수의 변화를 고려한 시나리오 분석을 수행하였다. 분석결과, 다중회귀분석에 비해 인공신경망 분석기법의 예측력이 뛰어난 것으로 나타났으며 은닉층 신경망(hidden neuron)의 개수가 과 대해지는 경우에는 인공신경망 자체의 예측력이 감소하는 것으로 나타났다.

본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.

계측점의 규모가 제한되어 있는 경우에 대형구조물의 모든 부재의 손상을 추정하는 것은 기술적으로 불가능하다. 따라서 본 연구에서는 최근에 국내외에서 많이 연구되고 있는 인공신경망이론을 이용하여 구조물의 손상을 추정하는 기법을 개발하였으며, 대형구조물의 손상을 계측자료로부터 보다 효과적으로 평가하기 위해 두 단계로 수행되는 손상부재 평가과정을 개발하였다. 먼저 합리적인 평가대상 부재선택을 위해 구조물의 파괴 또는 이상거동 등에 가장 큰 영향을 미치는 부재를 민감도분석을 통해 선정한 후, 선정된 부재의 손상추정에 가장 영향을 미치는 계측점과 적절한 계측기의 수를 민감도분석기법을 이용해 선정하는 기법이다. 다양한 예제를 통하여 본 연구에서 제안된 방법들의 적용가능성을 검증한 결과, 본 연구에서 개발한 기법을 적용하면 제한된 수의 계측자료를 가지고 보다 효과적으로 대형구조물의 파괴나 이상거동을 사전에 감지할 수 있는 것으로 분석되었다.

항만의 주요 정책 및 향후 운영계획 수립 시 정확한 물동량 예측에 관한 연구는 매우 중요하며 이러한 중요성으로 인해 관련 연구가 활발히 수행되고 있다. 본 논문에서는 국내 최대 석탄 및 철광석 처리 항만인 광양항을 대상으로 단계적 회귀분석과 인공신경망모형을 활용하여 모형간 예측력을 비교하였다. 2009년 1월부터 2019년 1월까지 총 121개월의 월별자료를 활용하였으며 석탄 및 철광석 물동량에 영향을 주는 요인을 선정하여 공급관련요인과 시장·경제관련요인으로 분류하였다. 단계적 회귀분석 결과, 광양항 석탄 물동량 예측모형의 경우, 입항선박 톤수, 석탄가격 및 대미환율이 최종변수로 선정되었고 철광석 물동량 예측모형의 경우, 입항선박 톤수, 철광석가격이 최종변수로 선정되었다. 인공신경망모형의 경우, 모델 성능에 영향을 미치는 다양한 Hyper-parameters를 조정하며 최적 모델을 선정하는 시행착오법을 사용하였다. 분석결과 인공신경망모형이 단계적 회귀분석에 비해 우수한 예측성능을 나타내었으며 예측 모형별 예측값과 실측값을 그래프 상 비교 시에도 인공신경망모형이 단계적 회귀분석에 비해 고·저점을 유사하게 나타냈다.

본 연구에서는 미급수지역의 주요 수원인 지하수의 수위 변동 상황을 기반으로 한 미급수지역 가뭄 예보 기법 개발을 목적으로 하였다. 이를 위해 지역화된 표준지하수지수(SGI)와 표준강수지수들(SPIs)의 상관관계를 분석하였다. 관측 지하수위로부터 산정된 SGI의 자기회귀 특성 및 지속기간별 SPI와 SGI의 상관관계를 동시에 고려할 수 있는 NARX (nonlinear autoregressive exogenous model) 인공신경망 모형을 이용하여 지역별 예측모형을 구축하였다. 학습기간 동안 관측 SGI와 모델 출력 SGI의 상관계수는 0.7 이상인 곳이 전체 167개 지역별 모형 중 146개(87%)로 상관성이 높은 것으로 분석되었다. 적용기간에 대해서는 평균제곱근오차와 상관계수로 모형을 평가하였다. 본 연구를 통해 기상청에서 제공하는 59 개 관측소별 강수량 전망 값으로부터 산정된 지속기간별 SPI와 관측된 지하수위를 이용한 지역별 SGI 전망이 가능하도록 하였으며, 미급수지역의 가뭄 예‧경보를 위한 기초자료로 활용이 가능토록 하였다.

온라인 게임의 인기 장르인 FPS (First Person Shooting) 게임에서 치팅(cheating)을 근절하기 위해 게임 회사는 다양한 클라이언트 보안 솔루션을 운영하고 있지만 불법 프로그램을 이용한 치팅은 끊이지 않고 있으며 이로 인한 피해도 지속적으로 발생하고 있다. 본 논문에서는 서버 단에서 게임 로그 분석을 통해 FPS 게임의 치팅 사용자를 탐지하는 방법을 제안한다. FPS 게임에서 일반적으로 적재되는 로그를 중심으로 치팅 사용자와 일반 사용자의 특성을 비교 분석하고 인공 신경망 알고리즘을 이용해 치팅 사용자를 탐지하는 모델을 생성하였다. 또한 실제 서비스 중인 FPS 게임 로그를 이용해 치팅 사용자 탐지 모델에 대한 성능 평가를 수행하였다.

In this study, we implemented landslide distribution of Jeju Island using ANN and GIS, respectively. To do this, we first get the counter line from 1:2,5000 digital map and use this counter line to make the DEM. for the evaluate the land slide susceptibility. Next, we abstracted slop map and aspect map from the DEM and get the land use map using ISODATA classification method from Landsat 7 images. In the computation processes of landslide analysis, we make the class to the soil map, tree diameter map, Isohyet map, geological map and so on. Finally, we applied the ANN method to the landslide one and calculated its weighted values. GIS results can be calculated by using Acrview program and produced Jeju landslide susceptibility map by usign Weighted Overlay method. Based on our results, we found the relatively weak points of landslide ware concentrated to the top of Halla mountains.