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.

This study measured the particulate matter (PM) in a subway tunnel using a dust spectrometer and estimated the PM10 and PM2.5 using a Kriging method. For the hourly measurement, a probe was attached inside the cabin and put through the window to collect data from the outside. The Kriging method is a spatial analysis method, and time and spatial data were applied in the subway tunnel along with a PM concentration map. The result of the measurement shows that PM10 is 31.9~271.3 μg/m3 and PM2.5 is 30.9~209.5 μg/m3. In addition, The pollutant map shows that some sections have a higher concentration than other sections because of the depth and curvature of tunnel and traffic volume on the section and local construction. Also, the results show that differences concentration at different times of sampling could be distinguished. The highest concentration was found at 3 pm while the lowest was at 12 pm. We expect to use the pollutant map in planning air quality improvements for the tunnel.

정량적인 강수량 추정은 기상학 수문학적 연구와 활용에 가장 중요한 요소 중 하나이다. 본 논문에서는 정량적 강수량 추정을 위하여 레이더 강우의 지리통계적 오차 구조 함수를 공동크리깅에 적용하여 레이더 강우강도를 조정하였다. 레이더 강우강도의 오차는 공동크리깅의 주변수로서 지상 우량계와 레이더의 강우강도의 차이로 산출되었다. 지상 우량계 강우장은 공동크리깅의 이차변수로서 정규크리깅에 의해 산출되었다. 레이더 강우강도의 오차 분포는 실험적 베리오그램으로 결정된 이론적 베리오그램을 공동크리깅에 적용하여 생성되었고, 레이더 강우강도 조정을 위하여 레이더 강우강도의 오차 분포를 레이더 강우장에 적용하였다. 본 연구의 검증을 위하여 국지적으로 호우가 발생하였던 2009년 7월 6일에서 7일까지의 강우 사례를 선정하였다. 오차가 조정된 1시간 레이더 누적강우량과 지상 우량계 누적강우량의 상관성은 조정 전에 비하여 0.55에서 0.84로 향상되었고, 평균제곱근오차는 7.45에서 3.93 mm로 조정되었다.

신뢰성 기반 형상 최적화(RBDO)글 위한 기술은 한정된 정보로 인한 인식론적 불확실성을 다룰 수 있는 베이지안 접근에 근거하여 발달된다. 최근까지, 전통적인 RBDO는 측정 데이터가 무한히 많아서 확실한 확률정보를 알고 있다는 가정 하에 실행되었다. 하지만 실제로는, 부족한 데이터로 인해 기존의 RBDO 방법의 유용성을 떨어뜨린다. 본 연구에서는, 확률정보의 불확실성을 인식하고, 따라서 산포를 갖게 되는 시스템 신뢰도의 확률 분포에서의 신뢰수준의 하한 값을 고려하기 위해 '베이지안 신뢰성'이 소개된다. 이런 경우, 베이지안 신뢰성 해석은 기존 신뢰도 해석의 이중 해석을 요구하게 된다. 크리깅 기반 차원 감소 방법(KDRM)은 신뢰도 해석을 위한 새로운 효율적인 방법으로써 사용되며, 제시된 방법은 몇 가지 수치예제를 사용하여 설명된다.

이 연구의 목적은 두 가지로 대별할 수 있다. 첫째는, 베리오그램 모델링에 기초를 둔 정규크리깅 보간법의 p-적응적 유한요소법으로의 적용성이다. 둘째는, 수정된 초수렴 팻취복구 기법을 사용한 사후오차평가기와 연계된 계층적 p-체눈 세분화의 적응적 유한요소 과정을 제시하는 것이다. 가중치를 부여한 보간기법중의 하나인 정규크리깅 방법은 가우스 적분점에서의 응력데이타로 부터 소위 준정해를 얻는데 적용된다. 가중치를 동일하게 가정하는 종래의 보간기법과는 달리 실험적 및 이론적 베리오그램을 작성한 후 보간을 위한 가중치를 결정하게 된다. 한편, 적응적 p-체눈 세분화는 해석영역의 각 체눈에서 p-차수를 만족할만한 정확도를 얻을 수 있도록 프로그램내에서 자동으로 사후오차평가를 통해 불균등 또는 선택적으로 증가시킨다. 수정된 초수렴 팻취복구기법을 검증하기 위해 극한치를 사용한 새로운 오차평가기가 제안된다. 제안된 알고리즘의 정당성은 선형탄성파괴역학의 대표적 문제들인 중앙균열판, 일변균열 및 양변균열 해석을 통해 테스트되었다.

수문 인자, 특히 강우량의 공간 분포 해석은 수자원 분야에서 중요한 관심사 중 하나이다. 기존의 티센법(Thiessen), 역거리법, 등우선법이 공간적 연속성과 지형 특성을 고려하지 못하는 한계를 가지고 있는데, 본 연구에서는 일강우량에 대한 강우 공간분포 해석의 정확도 향상을 위해 월평균 자료와 평년 강우량 자료를 산출하여, 이들과 수집한 일강우량 자료간의 상관성 분석하였으며 이를 근거로 지구통계학적 분석방법인 코크리깅(Co-kriging) 기법의 이