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.
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.
우리나라의 경우 1990년대부터 환경오염문제의 사회화가 배경이 되어 환경에 대한 관심이 높아짐에 따라 1998년부터 배기가스의 탈황공정이 가동되어 화학석고가 발생하기 시작하였는데 이것이 화력발전소에서 부산물로 나오는 배연탈황석고이다. 국내의 석탄화력 발전소에 설치된 탈황설비는 흡착재로 석회석 분말을 사용하고 부산물로 석고를 생성하는 습식공정으로서, 배연탈황석고는 이수석고(CaSO4⋅2H2O)로 생성되는데, 인산석고와 비교할 때 pH가 중성이며 높은 순도의 균일한 품질을 가지고 있어 발생 전량이 시멘트 및 석고보드 원료로서 재활용되고 있다. 한편 최근 그 수요가 증가하는 고강도콘크리트 혼화재, 슬래그 시멘트에 사용하기 위하여 년간 30만톤 이상 수입되고 있는 천연무수석고는 우리나라에 광물로 부존하지 않는다. 선진국과 마찬가지로 배연탈황 석고가 전량 수입되고 있는 천연석고를 대체할 수 있다는 장점에 대하여 충분히 인식함에도 불구하고, 아직까지 전반적인 기술 기반의 취약성 및 인력 부족으로 석고보드 제조 등 초보적인 수준에 머물러 있으나 최근 콘크리트 혼화재료 제조기업은 중국의 값싼 제품으로 인해 가격 경쟁력을 상실하고 있어 미래 경쟁력 있는 분야로의 전환을 위해 배연탈황 석고를 이용한 고부가성 건설재료 제조 기술에 관심을 가지기 시작하고 있다. 이에 본 연구에서는 지속가능 친환경-고성능 건설용 복합재료의 생산 및 이의 활용 기술을 적극적으로 개발하고자 인공신경망 모델을 활용한 배연탈황석고 모르타르의 배합조건과 물리적 결과값의 데이터를 다양한 알고리즘에 적용하여 이의 분석과 예측의 정확성을 판별하여 기초데이터로 제공하고자 한다.
교량기초에서 발생하는 국부세굴에 의한 교량의 안전성 문제에서 필연적으로 내재될 수 밖에 없는 임의성(randomness), 불확실성(uncertainty)을 고려하기 위해 기존의 결정론적 접근방법에서는 주로 경험에 입각한 안전계수를 사용하여 여유강도를 두어 이론상 파괴의 위험이 없는 것으로 가정하지만, 실제 현실에서는 종종 그러한 가정에 모순이 발생한다. 이에 반해 불확실성 자체를 정량적으로 고려하는 신뢰성 이론에서는 작지만 0이 아닌 파괴의 가능성을 고려하여 안전성 평가를 수행하는 것이 기존의 결정론적 방법과 다른 점이라고 할 수 있다.
본 연구에서는 교각주위 국부세굴에 의한 교량의 신뢰성 해석에서 한계상태방정식을 결정할 수 없는 경우 적용가능한 응답면 기법을 인공신경망을 이용하여 신뢰성 해석을 수행하였으며 Johnson(1992)의 Monte Carlo 방법과 비교하여 적용성을 검토하였다.
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.