격납건물은 원자력 발전소의 중대 사고 발생시 방사성 물질의 외부 방출을 막는 심층 방어 체계 중 마지막 방벽이다. 중대사고 발생시 격납건물 내부에선 노심 융해와 수소 발생으로 인한 내압 상승과 증기 폭발로 인한 구조적 손상이 일어나며, 이에 대한 구조적 건전성을 평가하기 위해 격납건물에 대 한 극한 내압 성능 평가를 실시한다. 극한 내압 성능 평가 방법 중 확률론적 평가시 현실적인 제약으 로 인해 고신뢰도 유한요소해석 모델을 이용하며 이때에 불확실성 인자들의 확률 분포 특성을 고려한 데이터 셋을 샘플링 기법을 이용하여 구성한 후 비선형 해석을 실시한다. 도출된 비선형 해석 결과는 취약도 곡선을 도출에 사용되며, 취약도 곡선을 이용하여 확률론적인 평가가 실시된다. 샘플링 기법에 따라 적절한 표본 크기가 아닌 데이터셋을 구성하게 되면 통계적 불확실성으로 인한 취약성 분석의 오차가 증대된다. 하지만 유한요소해석시 발생하는 막대한 계산 비용으로 인하여 기존의 방식은 적절 한 샘플링 크기 선정 및 부적절한 샘플링 크기 선정으로 인한 확률론적인 성능평가에 대한 영향에 대 한 정량화 및 평가를 제한적으로 수행하였다. 따라서 본 연구에서는 격납건물의 재료적 특성 및 내압 으로 인한 변위 데이터를 기반으로 생성한 인공신경망 모델을 통해 유한요소 해석에 대한 대리모델을 생성한다. 이후 생성한 대리모델을 기반으로 일반적인 불확실성 분포 샘플링에 사용되는 Monte Carlo method, latin hypercube sampling, Sobol sequence을 이용하여 표본 크기에 따른 격납건물 확률론적 인 극한내압성능 평가에 대한 영향을 정량화 및 평가를 실시하겠다. 이를 통해 제한적으로 탐색되었던 불확실성 공간에 대하여, 그 통계적 불확실성 및 전방위적인 탐색이 가능해 질것으로 기대한다.

강진에 대한 다양한 비선형 거동을 하는 부재요소들로 이루어진 교량시스템의 현재까지의 일반적인 지진취약도 평가방법은 부재- 수준에서 평가하는 것이다. 본 연구의 목적 부재-수준의 지진취약도 평가결과로부터 구조시스템을 대표하는 시스템-수준의 지진취 약도 평가방법을 개발하는 것이다. 교량의 지진 거동을 일반적으로 교축방향과 교축직각방향으로 구분하기 때문에 본 연구에서도 시 스템-수준 지진취약도를 두 방향에 대하여 구분해 평가하였다. 길이 방향에 대한 부재-수준의 지진취약도평가는 교각, 교량받침, 충 돌, 교대, 낙교에 대하여 수행하였다. 교축직각 방향에 대해서는 충돌, 교대, 낙교의 손상이 영향을 주지 않으므로 부재-수준의 지진취 약도평가는 교각과 교량받침에 대하여만 수행하였다. 다양한 구조부재의 비선형모델을 이용한 지진해석은 OpenSEES 프로그램을 사용하여 수행하였다. 시스템-수준의 지진취약도는 부재-수준 사이의 손상이 직렬연결이라고 가정하고 평가하였다. 교각의 손상이 다른 부재-수준의 손상보다 시스템-수준의 지진취약도에 지배적인 영향을 주는 것을 알 수 있었다. 다시 말하면 가장 취약한 부재-수 준의 지진취약도가 시스템-수준의 지진취약도에 가장 지배적인 영향을 주는 것을 의미한다.

In this study, we analyzed the performance of calibrated probabilistic forecasts of surface temperature over Pyeongchang area in Gangwon province by using Bayeisan Model Averaging (BMA). BMA has been proposed as a statistical post-processing method and a way of correcting bias and underdispersion in ensemble forecasts. The BMA technique provides probabilistic forecast that take the form of a weighted average of Gaussian predictive probability density function centered on the bias-corrected forecast for continuous weather variables. The results of BMA to calibrate surface temperature forecast from 24-member Ensemble Prediction System for Global (EPSG) are obtained and compared with those of multiple regression. The forecast performances such as reliability and accuracy are evaluated by Rank Histogram (RH), Residual Quantile-Quantile (R-Q-Q) plot, Mean Absolute Error (MAE), Root Mean Square Error (RMSE) and the Continuous Ranked Probability Score (CRPS). The results showed that BMA improves the calibration of the equal weighted ensemble and deterministic-style BMA forecasts performs better than that of the deterministic forecast using the single best member.