본 연구는 국내에 적합한 지불규정을 도입하기 위해 아스팔트 포장의 품질측정 방법을 제시하고자 수행되었다. 지불규정은 통계이론을 바탕으로 포장의 품질을 결정하여 시공비용을 조정하는 방법으로 지불규정을 적용하는 미국 대다수의 주에서는 고유의 품질테이블을 이용해 PWL(Percent With in Limit)을 산정한다. 따라서 미국 South Carolina에서 적용중인 품질측정테이블을 사용한 PWL과 통계분석방법에 기초한 확률이론의 비교분석을 통해 PWL의 국내 적용여부의 가능성을 판단하였다. 시험포장구간의 데이터를 사용하여 통계이론을 이용해 산출한 확률값과 PWL을 미국AASHTO에서 제시한 지불계수(Pay Factor)에 대입한 결과는 큰 차이를 보이지 않았으며 확률값 도출을 위한 Z-Value산출과정에서 모집단의 평균을 추정해 계산한 확률값 역시 PWL과 유사한 값을 보였다. 또한 현행 아스팔트 포장의 시방규정을 만족하지만 표준편차가 큰 가상의 데이터를 이용하여 지불계수를 산정한 결과 데이터의 평균값은 현행 시방규정에 만족하지만 지불계수는 100%이하로 산정되는 경우가 있는 것을 알 수 있었다. 이는 PWL방법을 이용함으로써 균질하고 성능이 우수한 품질의 측정이 가능한 것을 의미하며 따라서 국내실정에 접합한 품질측정테이블을 개발하여 PWL을 국내 지불규정의 품질측정방법으로 사용하는 것이 적합한 것으로 판단되었다.

구조 재료와 시공기술의 발달로 구조물은 높고 길게 설계할 수 있게 되었으나, 그에 따른 진동문제와 사용성에 관한 문제가 발생하였고, 구조물의 과다한 변위는 구조물에 심각한 손상을 발생시켰다. 이러한 구조물의 진동 문제를 해결하기 위하여 본 논문에서는 구조물의 상태벡터와 제어력만으로 구성된 훈련패턴을 기본으로 하여 인공신경망이론과 확률신경망이론을 사용하여 구조물의 진동을 능동제어하는 방법을 제안하였다. 구조물의 제어를 위해 LQR 제어알고리즘을 이용하여 구조물의 상태벡터와 제어력을 구한 후, 상태벡터를 입력으로 제어력을 출력으로 하는 인공신경망과 확률신경망의 훈련패턴을 구성하였다. 제안된 방법을 사용하여 Northridge 지진하중을 받는 3층 빌딩구조물을 제어하였고, 제안된 인공신경망과 확률신경망의 제어 결과를 비교하였다.