The governing equation for a dome-type shallow spatial truss subjected to a transverse load is expressed in the form of the Duffing equation, and it can be derived by considering geometrical non-linearity. When this model under constant load exceeds the critical level, unstable behavior is appeared. This phenomenon changes sensitively as the number of free-nodes increases or depends on the imperfection of the system. When the load is a periodic function, more complex behavior and low critical levels can be expected. Thus, the dynamic unstable behavior and the change in the critical point of the 3-free-nodes space truss system were analyzed in this work. The 4-th order Runge-Kutta method was used in the system analysis, while the change in the frequency domain was analyzed through FFT. The sinusoidal wave and the beating wave were utilized as the periodic load function. This unstable situation was observed by the case when all nodes had same load vector as well as by the case that the load vector had slight difference. The results showed the critical buckling level of the periodic load was lower than that of the constant load. The value is greatly influenced by the period of the load, while a lower critical point was observed when it was closer to the natural frequency in the case of a linear system. The beating wave, which is attributed to the interference of the two frequencies, exhibits slightly more behavior than the sinusoidal wave. And the changing of critical level could be observed even with slight changes in the load vector.

본 연구에서는 코히어런스 분석을 통하여 시각집중 기간 동안 시간 변화에 대한 뇌기능과 관련된 공간-주 파수간 연관관계를 해석하였다. 집중관련 시각자극 실험 데이터를 통해 θ 와 α 대역에서 서로 다른 두피 위치 간 위상연관변화를 확인하였다. 좌우 전두엽, 전두엽과 두정엽 간 뇌유발전위는 P100, N200지점에서 위상동조를 보였으며, 전두엽과 후두엽 간 뇌유발전위는 시각 처리 정보가 반영되는 P300지점에서 위상동조를 보였다. 고정된 길이의 창을 이용하는 단구간 푸리에 변환에 비하여 연속 웨이블릿 변환은 모 웨이블릿의 파라미터 조정을 통한 다중해상도 분석이 가능하였다. 따라서 연속 웨이블릿 변환을 이용한 코히어런스 결과가 시간 변화에 대한 뇌유발전위의 공간-주파수간 연관관계의 변화를 확인하는데 유효함을 확인하였다. 비 집중 자극수행에 대해서는 위상동조 현상이 나타나지 않았다.

Fuzzy information representation of multi-source spatial data is applied to landslide hazard mapping. Information representation based on frequency ratio and non-parametric density estimation is used to construct fuzzy membership functions. Of particular interest is the representation of continuous data for preventing loss of information. The non-parametric density estimation method applied here is a Parzen window estimation that can directly use continuous data without any categorization procedure. The effect of the new continuous data representation method on the final integrated result is evaluated by a validation procedure. To illustrate the proposed scheme, a case study from Jangheung, Korea for landslide hazard mapping is presented. Analysis of the results indicates that the proposed methodology considerably improves prediction capabilities, as compared with the case in traditional continuous data representation.

본 연구에서는 Bayesian 통계기법을 활용한 지역빈도해석 모형을 기반으로 외부 기상인자 및 공간정보에 의한 확률강우량의 변동성을 고려할 수 있는 Bayesian 지역빈도해석 기법을 개발하였다. 기존 지역빈도해석에서 분석시 확률분포형의 매개변수는 과거와 일정하다는 정상성을 기본 가정으로 연구를 진행해 왔다. 이는 평균의 변동성 및 확률강우량 추정시 최근 기후변화의 영향을 효과적으로 고려하지 못하는 단점이 존재하였다. 또한 우리나라의 경우 산악지형이 약 70% 이상을 차지할 정도로 지형적 및 계절적으로 강수량 패턴이 불분명하여 확률강우량 추정시 공간적 변동성을 고려할 수 있는 새로운 개념의 지역빈도해석의 필요성이 대두되고 있다. 최근 국내 연구에서는 유역내 면적강우량 환산시 극치계열의 강수자료를 이용하여 지점빈도해석(point frequency analysis, PFA) 또는 지역빈도해석(regional frequency analysis, RFA)을 수행하여 수자원 설계에 이용되고 있다. 그러나 기존 지역빈도해석연구에서 매개변수 산정시 외부인자(covariate)를 고려할 수 없는 단점이 존재하며, 불확실성을 정량적으로 해석하는데 어려움이 있다. 이와 더불어 기존 RFA에서는 관측지점을 중심으로 산정된 확률강우량은 Thiessen망을 통해 유역면적강우량으로 변환하여 사용하는 것이 일반적이나 우리나라의 산지특성과 여름철 강우처럼 시공간적 변동성이 큰 경우 면적평균강우를 추정하는데 있어서 오차가 크게 발생할 수 있다고 알려지고 있다. 이러한 이유로 본 연구에서는 Bayesian 통계기법을 활용하여 매개변수 추정시 기상인자 및 공간정보가 고려된 지역빈도해석을 수행할 수 있는 모형을 개발하였으며 다음과 같이 연구를 진행하였다. 첫째, 한강유역내 18개 관측소를 대상으로 연도별 여름강수량을 추출하고 이들 관측소의 여름강수에 물리적인 영향을 미치는 기상인자로서 SST(sea surface temperature)를 외부인자로 채택하였다. 둘째, 극치분포를 잘 재현한다고 알려져 있는 Gumbel 분포를 확률분포형으로 선정하였으며, Gumbel 분포 매개변수 산정시 앞서 추출한 SST와 한강 유역내 공간정보를 활용하여 매개변수를 산정하였다. 마지막으로 Bayesian 기법을 도입하여 산정된 매개변수의 불확실성 구간을 제시하였으며, 추정된 확률강우량 또한 불확실성 구간을 제시하여 신뢰성 있는 연구를 수행하였다.

본 연구에서는 지역특성(위도, 경도, 고도)과 기후학적 특성(연최대강우량)을 계층적 Bayesian 모형안에서 연계하여 공간적 분석이 가능한 지역빈도해석 모형을 개발하였다. 기존 지역빈도해석은 강수지점의 지리적/지형적 특성을 반영한 해석이 어려운 단점이 있으며, 지점을 기준으로 해석된 확률강수량을 유역면적강우량으로 변환 시 불확실성이 큰 단점이 있다. 이에 본 연구에서는 계층적 Bayesian 기법을 이용하여 지역특성 및 기후학적 특성이 고려된 Gumbel 확률분포형의 매개변수를 추정하였으며, 이들 매개변수들을 공간적으로 보간하여 한강유역내 모든 지점에 대해서 확률강수량을 추정할 수 있도록 하였다. 결과적으로 기존 L-모멘트 방법과 유사한 결과를 확인할 수 있었으며 확률강수량의 불확실성 정량화와 더불어 지리적/지형적 영향을 고려한 해석이 가능하였다.

본 연구에서는 구형펄스모형을 이용한 가뭄심도-지속기간-생기빈도 해석 방법을 적용하여 전국 59개 지점에 대한 분석을 수행하고, 이를 통해 남한전체 가뭄심도의 공간분포를 특성화하였다. 먼저 일정재현기간에 대해 가뭄심도는 대체적으로 남부지방에서 크게 나타남을 확인할 수 있었다. 구형펄스의 중첩을 고려하는 경우와 고려하지 않는 경우 모두에 대해 이러한 경향은 일관되게 나타났으며 지속기간이 증가하더라도 남부지방의 가뭄 심도는 타 지역에 비해 여전히 큰 것으로

The defects occurred in knitted fabrics have several types due to some trouble sources. In particular, the defects caused by knitting machine troubles give a serious damage to the whole webs. It is, therefore, necessary to discriminate the kind of defects. The method to discriminate the type and size of defects has been proposed, which is used a pair of narrow band eliminating spatial filters. This method is based upon an isotropic signal processing in time domain. This paper is to confirm that the proposed method can be useful in the discrimination of defects, having analyzed in spatial frequency domain.