본 논문에서는 다이나믹크리깅 대리모델 기반 자동차 브레이크 패드 마모량 측정센서 브라켓의 설계최적화를 소개한다. 브레이크 작동시 마찰재 바닥의 온도가 600°C 이상으로 상승하고, 이 열이 전달되어 센서의 기능을 상실시킨다. 따라서 열전달을 최소화하는 브라켓 형상의 설계최적화는 필수적이다. 최적화에 소요되는 계산비용을 절감하기 위해 다이나믹크리깅 대리모델로 열전달 시뮬레 이션을 대체하였다. 다이나믹크리깅은 최적의 상관함수와 기저함수를 선정하였으며, 정확한 대리모델을 도출하였다. 최적화 결과 센 서위치의 온도가 초기모델에 비해 7.57% 감소하였으며, 이를 열전달 시뮬레이션으로 다시 한번 확인하여 대리모델 기반 최적설계가 유의미함을 검증하였다.

본 논문에서는 기저 스크리닝 기반 크리깅 모델(BSKM: Basis Screening based Kriging Model) 생성의 정확도를 높이기 위해 페널티 를 적용한 최대 우도 평가 방법(PMLE : Penalized Maximum Likelihood Estimation)에 대해서 소개한다. BSKM에서 사용하는 기저함 수의 최대 차수와 종류는 그 중요도에 따라서 결정하게 되며, 이때 중요도의 지표는 기저함수에 대한 교차 검증 오차(CVE : Cross Validation Error)로 택한다. 크리깅 모델(KM : Kriging Model) 구성시 최적의 기저함수 조합은 우선 최대 기저함수 차수를 선택하고 개별 기저함수의 중요도를 평가를 하게 된다. 최적 기저함수 조합은 크리깅 모델의 CVE가 최소가 될 때까지 개별 기저함수의 중요도 가 높은 순으로 기저함수를 하나씩 추가하며 찾는다. 이 과정에서 KM은 반복적으로 생성해야 하며, 동시에 데이터 사이의 상관관계 를 나타내는 하이퍼 매개변수(Hyper-parameters)도 최대 우도 평가방법을 통해 계산하여야 한다. 하이퍼 매개변수의 값에 따라 선택 되는 최적의 기저함수 조합이 달라지기 때문에 KM의 정확도에 막대한 영향을 미치게 된다. 정확한 하이퍼 매개변수를 계산하기 위해 서 PMLE 방법을 적용하였으며, Branin-Hoo 함수 문제에 적용하여 BSKM 의 정확성이 개선될 수 있음을 확인하였다.

In the event of a radioactive release, it is essential to quickly detect and locate the source of the release, as well as track the movement of the plume to assess the potential impact on public health and safety. Fixed monitoring posts are limited in their ability to provide a complete picture of the radiation distribution, and the information they provide may not be available in real-time. This is why other types of monitoring systems, such as mobile monitoring, aerial monitoring, and personal dosimeters, are also used in emergency situations to complement the information provided by fixed monitoring posts. Also, the monitoring system can be improved by using the Kriging technique, which is one of the interpolation methods, to predict the radiation dose in the relevant districts. This can be achieved by utilizing both the GPS information and the radiation dose measured at a particular point. The Kriging method involves estimating the value between different measurement points by considering the distance between them. The model used GPS and radiation data that were measured around the Hanbit NPP. The data were collected using a radiation measuring detector on a bus that traveled around the NPP area at 2-second intervals for one day. From the collected data, 200 data points were randomly selected for analysis, excluding the data measured at the bus garage out of a total of 16,550 data points. The average dose of the daily measurement data was 117.94 nSv/h, and the average dose of the 200 randomly extracted data was 119.17 nSv/h. The GPS and radiation dose data were utilized to predict the radiation dose around the Yeonggwang area where the Hanbit NPP is located. In the event of an abnormal release of radioactive material, it can be difficult to accurately determine the dose unless a monitoring measurement point is present. This can delay the rapid evacuation of residents during an emergency situation. By utilizing the Kriging model to make predictions, it is anticipated that more accurate dose predictions can be generated, particularly during accident scenarios. This can aid in the development of appropriate resident protection measures.

A novel disaggregation model that combines a machine learning model and kriging of residuals is presented to map precipitation at a fine scale from coarse scale precipitation data. Random forest (RF) and fine scale auxiliary variables are used to estimate trend components at a fine scale. Residual components are then estimated by area-to-point residual kriging. A case study of spatial disaggregation of TRMM monthly precipitation data acquired over the Korean peninsula is carried out to illustrate the potential of the presented disaggregation method. From the evaluation results, the presented method outperformed the RF-based disaggregation method that only considers trend components and ignores residual components, in terms of accuracy statistics and the ability of coherent predictions. This case study indicates that accounting for residual components by applying a proper spatial prediction method such as area-to-point kriging is very important in spatial disaggregation of coarse scale spatial data, even though advanced regression models such as RF could have high goodness of fit for the quantification of relationships between a target attribute and auxiliary variables.

LMTT는 항만 자동화를 위한 수평 이송이 가능하도록 설계된 셔틀카와 격자구조의 레일에 부착된 스테이터 모듈(stator module)로 구성된 PMLSM(Permanent Magnetic Linear Synchronous Motor)에 의해 구동된다. 본 연구에서는 순차적 표본방법에 기초하여 구성된 크리깅 근사모델을 이용하여 이동체의 구조최적설계를 수행하였다. 본 논문에서는 셀 요소로 유한요소 모델링된 이동체(mover)의 경량화 설계를 위하여 강도기준을 고려하고, 설계변수로는 가로빔, 세로빔, 휠 빔의 두께로 설정하였다. 순차적 크리깅모델에 의하여 구해진 최적해를 상용프로그램인 GENESIS를 이용하여 구해진 최적해와 비교, 검토하였다.

4개 주요 검조소의 기본수준점표 설정연혁을 개괄하였다. 이 검조소의 검조의 영점표고, 기본수준고, 그리고 주위기준점(Tidal Bench M막)의 자료를 수집검토하였다. 농어촌진흥공사, 수로국, 항만국 등이 조사한 지역평균 해면고(Local Mean Sea Level)를 비교하여 이들 4개 검조소지점(인천, 군산내.외항, 목포)의 평균해면고로 정의하였다. 기본수준면(DL), 평균해면(MSL), 대조평균만조면(HWOST) 등의 설계조위면을 추정하기 위하여