본 논문에서는 지진 하중으로 인한 급격한 구조손상탐지를 수행하기 위해 분산점 칼만필터(Unscented Kalman Filter, UKF)와 파티 클 필터(Particle Filter)를 소개하고 지진 손상 시나리오에 적용 및 비교･검토하였다. 이때, 비선형 전단 빌딩을 모사하기 위해 Bouc-Wen 모델을 사용하였고, 급격한 변화를 추정하기 위해 추가적으로 적응형 기법(Adaptive rule)인 Adaptive Jumping Method를 두 필터 모두에 적용하였다. 적용 결과 두 오리지날 필터 모두 급격한 손상 시점과 정도를 파악하지 못하였고, 적응형 기법을 반영하였 을 경우에만 시점 파악이 가능하였다. 하지만, 여전히 손상 정도를 정확히 파악하지 못하였고, 두 방법 모두 제안된 적응형 기법을 새 로이 조정하였을 경우에 정확한 추정이 가능함을 확인하였다. 최종적으로 계산시간을 고려하였을 때, 새로운 형태의 적응형 기법을 적용한 UKF 사용을 제안하는 것으로 비교 검토를 수행하였다.

The purpose of this study is to confirm the structural relationship between parental support, relationships with teachers, and stress variables on adolescents' mental health. Among the panel of 7,324 third-year high school students in the 8th survey in 2020 of the ‘Korean Education Longitudinal Study 2013’ conducted by the Korea Educational Development Institute, 6,054 people who participated in the survey were selected as research subjects. Frequency analysis, descriptive statistics, correlation analysis, and Bayesian structural equation model path analysis were performed using SPSS 26.0 and Amos 24.0. First, adolescents' parental support had a statistically significant positive effect on their mental health. Second, the relationship with teachers had a negative effect on stress and a positive effect on mental health. Third, it was confirmed that stress has a negative effect on the mental health of adolescents. Fourth, relationships with teachers had a positive effect on mental health with stress as a mediating variable. This study identified predictors that affect mental health at the point when adolescents' mental health problems become serious, and the research results can serve as data related to policy establishment and program operation in educational settings to improve mental health.

최근 원자력 지진 PSA(Probabilistic Safety Assessment)를 토대로 산업시설물의 지진 PSA를 수행하는 연구가 진행되었다. 해당 연 구는 원자력 발전소와 산업시설물의 차이를 파악하고, 최종적으로 운영정지를 목표로 하는 고장수목(Fault Tree)를 구축한 후 시각적 확률도구인 베이지안 네트워크(Bayesian Network, BN)으로 변환하였다. 본 연구는 선행연구를 기반으로 지진으로 유발된 구조손상 으로 인해 발생 가능한 화재･폭발에 대해 PSA를 수행하고자 하였다. 이를 위해 화재･폭발을 사건수목(Event Tree)으로 표현하고, BN 으로 변환하였다. 변환된 BN은 화재･폭발 모듈로서 선행연구에서 제시된 고장수목 기반 BN과 연계되어 최종적으로 지진 유발 화재･ 폭발 PSA를 수행할 수 있는 BN 기반 방법론이 개발되었다. 개발된 BN을 검증하기위해 수치예제로서 가상의 가스플랜트 Plot Plan을 생성하였고, 가스플랜트의 설비 종류가 구체적으로 반영된 대규모 BN을 구축하였다. 해당 BN을 이용하여 지진 규모에 따른 전체시 스템의 운영정지 확률 및 하위시스템들의 고장확률 산정과 더불어 역으로 전체시스템이 운영 정지되었을 때 하위시스템들의 영향도 분석과 화재･폭발 가능성을 산정하여 다양한 의사결정을 수행할 수 있음을 제시함으로써 그 우수성을 확인하였다.

원자력발전소 지진 확률론적 안전성 평가인 PSA(Probabilistic Safety Assessment)는 오랜 기간에 걸쳐 확고히 구축되어 왔다. 반면 에 다양한 공정 기반의 산업시설물의 경우 화재, 폭발, 확산(유출) 재난에 대해 주로 연구되어 왔으며, 지진에 대해서는 상대적으로 연 구가 미미하였다. 하지만, 플랜트 설계 당시와 달리 해당 부지가 지진 영향권에 들어갈 경우 지진 PSA 수행은 필수적이다. 지진 PSA 를 수행하기 위해서는 확률론적 지진 재해도 해석(Probabilistic Seismic Hazard Analysis), 사건수목 해석(Event Tree Analysis), 고장수 목 해석(Fault Tree Analysis), 취약도 곡선 등을 필요로 한다. 원자력 발전소의 경우 노심 손상 방지라는 최우선 목표에 따라 많은 사고 시나리오 분석을 통해 사건수목이 구축되었지만, 산업시설물의 경우 공정의 다양성과 최우선 손상 방지 핵심설비의 부재로 인해 일 반적인 사건수목 구축이 어렵다. 따라서, 본 연구에서는 산업시설물 지진 PSA를 수행하기 위해 고장수목을 바탕으로 확률론적 시각 도구인 베이지안 네트워크(Bayesian Network, BN)로 변환하여 리스크를 평가하는 방법을 제안한다. 제안된 방법을 이용하여 임의로 생성된 가스플랜트 Plot Plan에 대해 최종 BN을 구축하고, 다양한 사건 경우에 대한 효용성있는 의사결정과정을 보임으로써 그 우수 성을 확인하였다.

We report the discovery of four quasars with M1450 ≳ −25.0 mag at z ∼ 5 and supermassive black hole mass measurement for one of the quasars. They were selected as promising high-redshift quasar candidates via deep learning and Bayesian information criterion, which are expected to be effective in discriminating quasars from the late-type stars and high-redshift galaxies. The candidates were observed by the Double Spectrograph on the Palomar 200-inch Hale Telescope. They show clear Lyα breaks at about 7000–8000 ˚A, indicating they are quasars at 4.7 < z < 5.6. For HSC J233107-001014, we measure the mass of its supermassive black hole (SMBH) using its Civ λ1549 emission line. The SMBH mass and Eddington ratio of the quasar are found to be ∼108 M⊙ and ∼0.6, respectively. This suggests that this quasar possibly harbors a fast growing SMBH near the Eddington limit despite its faintness (LBol < 1046 erg s−1). Our 100% quasar identification rate supports high efficiency of our deep learning and Bayesian information criterion selection method, which can be applied to future surveys to increase high-redshift quasar sample.

The Bayesian algorithm model is a model algorithm that calculates probabilities based on input data and is mainly used for complex disasters, water quality management, the ecological structure between living things or living-non-living factors. In this study, we analyzed the main factors affected Korean Estuary Trophic Diatom Index (KETDI) change based on the Bayesian network analysis using the diatom community and physicochemical factors in the domestic estuarine aquatic ecosystem. For Bayesian analysis, estuarine diatom habitat data and estuarine aquatic diatom health (2008~2019) data were used. Data were classified into habitat, physical, chemical, and biological factors. Each data was input to the Bayesian network model (GeNIE model) and performed estuary aquatic network analysis along with the nationwide and each coast. From 2008 to 2019, a total of 625 taxa of diatoms were identified, consisting of 2 orders, 5 suborders, 18 families, 141 genera, 595 species, 29 varieties, and 1 species. Nitzschia inconspicua had the highest cumulative cell density, followed by Nitzschia palea, Pseudostaurosira elliptica and Achnanthidium minutissimum. As a result of analyzing the ecological network of diatom health assessment in the estuary ecosystem using the Bayesian network model, the biological factor was the most sensitive factor influencing the health assessment score was. In contrast, the habitat and physicochemical factors had relatively low sensitivity. The most sensitive taxa of diatoms to the assessment of estuarine aquatic health were Nitzschia inconspicua, N. fonticola, Achnanthes convergens, and Pseudostaurosira elliptica. In addition, the ratio of industrial area and cattle shed near the habitat was sensitively linked to the health assessment. The major taxa sensitive to diatom health evaluation differed according to coast. Bayesian network analysis was useful to identify major variables including diatom taxa affecting aquatic health even in complex ecological structures such as estuary ecosystems. In addition, it is possible to identify the restoration target accurately when restoring the consequently damaged estuary aquatic ecosystem.

This study explored the usefulness and implications of the Bayesian hyperparameter optimization in developing species distribution models (SDMs). A variety of machine learning (ML) algorithms, namely, support vector machine (SVM), random forest (RF), boosted regression tree (BRT), XGBoost (XGB), and Multilayer perceptron (MLP) were used for predicting the occurrence of four benthic macroinvertebrate species. The Bayesian optimization method successfully tuned model hyperparameters, with all ML models resulting an area under the curve (AUC) > 0.7. Also, hyperparameter search ranges that generally clustered around the optimal values suggest the efficiency of the Bayesian optimization in finding optimal sets of hyperparameters. Tree based ensemble algorithms (BRT, RF, and XGB) tended to show higher performances than SVM and MLP. Important hyperparameters and optimal values differed by species and ML model, indicating the necessity of hyperparameter tuning for improving individual model performances. The optimization results demonstrate that for all macroinvertebrate species SVM and RF required fewer numbers of trials until obtaining optimal hyperparameter sets, leading to reduced computational cost compared to other ML algorithms. The results of this study suggest that the Bayesian optimization is an efficient method for hyperparameter optimization of machine learning algorithms.

안전한 구조부재의 위치파악, 정밀한 시공을 위하여 인양, 안착시스템의 위치추정은 매우 중요한 요소이다. 크레인 인양시스템, 침매터널 이동시스템은 운용 중에 돌풍, 파랑과 같은 외란에 노출되어 불필요한 진동이 유발되고, 인양 길이 등이 시간에 따라 변하는 시변 시스템으로 구조부재나 질량체의 설계위치이동에 방해 요인이 되고 있다. 본 연구에서는 베이지안 필터가 가지는 비가우시안 잡음, 시스템 비선형성에 대한 확장성을 이용하여 정교하게 위치를 추정하는 기법을 다룬다. 이를 위하여 베이지안 프러세스로부터 필터의 유도과정을 살펴보고 유도된 확장 칼만필터를 이용하여 시변 진자시스템의 위치 추정 성능을 평가하여 보았다. 시변 진자시스 템에 대한 수치 시뮬레이션결과 외란에 의한 진동, 시스템의 비선형성, 시변성에 대해 안정적으로 위치를 추정하는 것을 알 수 있었다.

PURPOSES : This study aimed to estimate road pavement life expectancy using Bayesian Markov Mixture Hazard Model, to support infrastructure asset management. In addition, the life expectancies for the pavement condition index were compared among regional construction and management administrations. METHODS : Eleven years of National Highway road pavement monitoring data fused with ESAL (Equivalent Single Axle Loads), SNP (Structural Number of Pavement, an indicator of structural capacity), and average low temperature, total rainfall, and de-icing were used for the deterioration modeling. Deterioration modeling was performed through the Bayesian Markov Mixture Hazard Model. RESULTS : The expected life expectancy of the crack was estimated at 12.28 to 18.51 years, rut depth was estimated at 15.93 to 25.3 years, and the International Roughness Index was estimated at 10.44 to 14.33 years. It was also confirmed that the heterogeneity factor proposed in the Bayesian Markov Mixture Hazard Model could be used to analyze group characteristics and differences in the benchmark. CONCLUSIONS: This study provided important information in that it compared the life expectancies and structural characteristics of the pavement condition indexes among regional construction and management administrations. Based on this result, it is expected that a pavement structure design and maintenance strategy suitable for deterioration characteristics among regional construction and management administrations will be established.