• 대한토목학회논문집
• /
• 제30권3A호
• /
• pp.193-200
• /
• 2010

구조물을 설계함에 있어서 작용하중, 재료특성 및 제작오차 등의 불확실성을 고려하여 안전성을 확보함과 동시에 경제적 효율성을 고려해야 한다. 이에 대한 가장 합리적인 해결방안으로서, 불확실성과 경제성을 동시에 고려하는 시스템 신뢰도 기반 최적설계 분야에 대한 관심이 증대되었으며 이를 구조물 설계에 적용하기 위한 많은 시도가 이루어졌다. 기존의 확정론적 최적설계와는 다르게 시스템 신뢰도 기반 최적설계는 요소 확률구속조건 및 시스템 확률구속조건에 대한 평가를 수행해야 한다. 하지만, 요소 신뢰도 지수 및 시스템 신뢰도 지수를 매 확률구속조건을 평가할 때마다 산정해야 하므로 대형구조해석이 필요한 경우에는 과도한 계산시간이 요구된다. 따라서, 대형구조해석을 필요로 하는 경우에 대하여 보다 효율적인 SRBDO 알고리즘 개발이 필요하다고 할 수 있다. 이 연구에서는 성능치 접근법을 이용하여 보다 더 안정적이고 효율적인 시스템 신뢰도 기반 최적설계 알고리즘을 제안하였다. 신뢰도 기반 최적설계에 효과적으로 적용된 성능치 접근법은 직접적으로 신뢰도 지수 및 파괴확률을 산정할 수 없어 시스템 신뢰도 기반 최적설계에는 적용할 수 없는 단점이 있다. 이러한 단점을 극복하기 위해서 시스템 신뢰도 기반 최적설계 알고리즘을 요소 신뢰도 해석만을 수행하는 신뢰도 기반 최적설계 부분과 시스템 신뢰도 해석만을 수행하는 신뢰도 기반 최적설계 부분으로 나누어, 요소 신뢰도 해석만을 수행하는 신뢰도 기반 최적설계에 성능치 접근법을 적용하였다. 시스템 신뢰도 지수가 목표 시스템 신뢰도 지수를 만족할 때까지 각 요소 한계상태에 대한 목표 신뢰도 지수를 변경하면서 신뢰도 기반 최적설계를 수행하였다. 수학적 문제 및 트러스 문제에 대하여 제안된 방법을 적용한 결과, 수렴성 및 효율성 측면에서 우수한 성능을 보여줌을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.576-579
• /
• 2024

경제 위기 대비를 위해 인공지능을 활용한 주식시장 변동성 이상을 탐지하는 목적을 가지고 있다. 글로벌 이슈와 경제 위기 대비를 위해 주식시장 변동성 예측의 중요성이 부각되고 있으며, 기존의 주식시장 변동성 지수인 VIX 의 한계로 인해 더 복잡한 모델 및 인공지능을 활용한 연구에 관심이 집중되고 있다. 기존의 주식시장 변동성 예측에 관한 연구들은 통계적인 방법을 사용했으며 인공지능을 이용한 연구 또한 대부분 이상치 구간을 표시하여 예측을 목표로 하고 있으나 이러한 접근법은 라벨이 있는 데이터 수집 어려움, 클래스 불균형 문제가 있다. 본 연구는 인공지능을 활용한 주식시장 변동성 탐지에 기여하고 지도 학습 방식 대신 비지도 학습 기반의 이상탐지모델을 사용하여 주식시장 변동성을 예측하는 새로운 방법론을 제안한다. 본 연구에서 개발한 인공지능 모델은 IsolationForest 모델을 활용하며, 시계열 데이터를 전처리한 후 정상성을 확보하는 등의 과정을 거친다. 실험 결과로 인공지능 모델이 주요 경제이슈를 이상치로 검출하는 성능을 확인하였으며 재현율 약 93.6%, 정밀도 100%로 높은 성능을 달성했다.

• 한국생산제조학회지
• /
• 제19권5호
• /
• pp.637-644
• /
• 2010

This paper presents a reliability-based shape optimization (RBSO) using the growth-strain method. An actual design involves uncertain conditions such as material property, operational load, Poisson's ratio and dimensional variation. The purpose of the RBSO is to consider the variations of probabilistic constraint and performances caused by uncertainties. In this study, the growth-strain method was applied to shape optimization of reliability analysis. Even though many papers for reliability-based shape optimization in mathematical programming method and ESO (Evolutionary Structural Optimization) were published, the paper for the reliability-based shape optimization using the growth-strain method has not been applied yet. Growth-strain method is applied to performance measure approach (PMA), which has probabilistic constraints that are formulated in terms of the reliability index, is adopted to evaluate the probabilistic constraints in the change of average mises stress. Numerical examples are presented to compare the DO with the RBSO. The results of design example show that the RBSO model is more reliable than deterministic optimization. It was verified that the reliability-based shape optimization using growth-strain method are very effective for general structure. The purpose of this study is to improve structure's safety considering probabilistic variable.

• 한국생산제조학회지
• /
• 제20권4호
• /
• pp.412-418
• /
• 2011

Reliability-based Topology optimization(RBTO) is to get an optimal design satisfying uncertainties of design variables. Although RBTO based on homogenization and density distribution method has been done, RBTO based on BESO has not been reported yet. This study presents a reliability-based topology optimization(RBTO) using bi-directional evolutionary structural optimization(BESO). Topology optimization is formulated as volume minimization problem with probabilistic displacement constraint. Young's modulus, external load and thickness are considered as uncertain variables. In order to compute reliability index, four methods, i.e., RIA, PMA, SLSV and ADL(adaptive-loop), are used. Reliability-based topology optimization design process is conducted to obtain optimal topology satisfying allowable displacement and target reliability index with the above four methods, and then each result is compared with respect to numerical stability and computing time. The results of this study show that the RBTO based on BESO using the four methods can effectively be applied for topology optimization. And it was confirmed that DLSV and ADL had better numerical efficiency than SLSV. ADL and SLSV had better time cost than DLSV. Consequently, ADL method showed the best time efficiency and good numerical stability.