• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.150-150
• /
• 2023

기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.

• 한국섬유공학회:학술대회논문집
• /
• 한국섬유공학회 1998년도 봄 학술발표회 논문집
• /
• pp.253-257
• /
• 1998

지금까지 직물의 역학적 특성을 고찰하기 위하여 직물의 구조에 대한 기하학적인 모델들이 많은 연구자들에 의해 소개되어 왔다. 1937년에 Peirce$^1$가 원형 단면의 모델을 제안하면서부터 이 모델을 기본으로 한 기하학적 모델에 대한 연구가 활발히 진행되어 race track 모델, lenticular 모델, circular arc 모텔, 직선 모델등 여러 가지 모델이 제시되었다. 이러한 모델들은 직물의 종류와 이완상태에 따라 직물의 역학적 특성을 예측하는데 있어 커다란 차이가 있다.(중략)

• 전기의세계
• /
• 제44권7호
• /
• pp.9-13
• /
• 1995

본 원고에서는 생체 운동의 가장 기초가 되는 근육의 역학적 특성과 역학 모델에 관해 이미 개설된 내용에 필자의 생각을 덧붙여 검토하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.343-343
• /
• 2012

미래 극한사상의 초과확률을 산정하기 위하여 저해상도의 전지구 기후변화 시나리오 자료를 그대로 사용하거나 이를 역학적 또는 통계적 방법으로 상세화한 고해상도 기후변화 시나리오 자료를 활용한다. 통계적 상세화는 전지구 또는 지역기후모델의 현재기후 모의 자료와 관측 자료와의 통계적 관계를 미래 예측자료에 적용하는 방법으로, 현재와 미래 기후의 시공간적 분포가 동일하다는 가정을 포함하고 있다. 반면 역학적 상세화 방법은 기후변화 강제력을 고려하는 지역기후모델을 이용하여 기후시스템의 역학 및 물리과정, 기후시스템간 의 상호작용, 기후변화의 비정상성 등을 고려할 수 있고, 변수간의 시공간적 상관성을 지구시스템의 물리 역학적 과정으로 해석할 수 있다는 장점이 있다. 이에 국립기상연구소에서는 영국 기상청의 통합모델(UM)기반의 지역기후모델(HadGEM3)을 사용하여 50 km 및 12.5 km 격자 단위로 역학적 상세화(dynamic downscaling)를 수행하였다. 본 연구에서는 역학적 상세화로 생산된 HadGEM3-RA 자료를 이용하여 현재기후(1980-2005), 가까운 미래(2020-2049)와 21세기말(2070-2099)의 20년 빈도 강수량을 비교하였다. 연구결과, 남한에 걸쳐 현재기후에 비하여 미래에는 극한강수의 크기와 빈도가 전반적으로 증가하는 경향을 확인할 수 있었다. 20년에 한번씩 발생하였던 일 극한강수는 RCP8.5를 고려한 21세기말에는 약 4년에 한번씩 발생하리라 전망되었다.

• 대한토목학회논문집
• /
• 제33권1호
• /
• pp.101-113
• /
• 2013

반복적인 하중을 받는 볼트 연결부의 비선형적인 거동을 예측할 수 있는 역학적 고등해석 모델을 개발하는 데 주된 초점을 두어 본 연구를 수행하였다. 또한 대표적인 접합부 형태인 T-stub 접합부의 연결 컴포넌트에 대한 실제의 하중 재하 실험값을 활용한 해석으로 얻어진 거동에 대한 예측의 정확성 및 모형화의 타당성을 입증하였다. 연결부를 이루고 있는 구성요소들의 거동은 볼트의 인장변형, T-stub 플랜지의 휨변형, T-stub 몸체의 신장, 전단볼트의 지압 및 미끄러짐을 포함하며 접합부내에서 개별적인 힘-변위 메커니즘으로부터 정의된 다중 선형의 강성모델에 의하여 재현된다. 이러한 구성요소들은 그들의 거동특성을 지닌 비선형 스프링으로 모형화되어 역학적 해석 모델에 설치되어 연결부 전체의 거동을 수치해석적인 방법으로 예측하도록 한다. 해석 모델에 의한 예측값은 강성, 강도 및 변형 측면에서 실험값과 비교하여 정확성을 평가하였으며 이를 근거로 본 연구에서 제안된 역학적 해석 모델이 볼트 연결부의 거동과 성능을 만족하며 예측 가능하다는 결론을 내렸다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.116-118
• /
• 2011

일반적으로 나노입자의 크기는 나노복합체의 역학적 특성에 상당한 영향을 미친다. 이에 본 연구에서는 나노입자 크기를 고려한 나노복합체 재료 구성모델 (Kim et al., 2011)을 소개하고자 한다. Kim et al. (2011)에 의해서 나노입자 크기효과를 위한 Size-dependent Eshelby tensor가 미세역학 모델에 적용되었으며, 나노스케일 해석과 함께 다양한 수치해석을 수행하였다. 특히, 본 연구에서는 이를 활용하여 $SiO_2$/Epoxy 나노복합체의 역학적 특성을 예측해 보았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.111-111
• /
• 2022

우리 사회가 수자원 관리 정책 결정에 사용 가능한 수문 이상 기상 정보를 제공하기 위해서는 초고해상도 지표면 수문 모델 개발이 필수적이다. 본 연구에서는 기존 저해상도 기후 모델들의 지표 수문학적인 과정들을 개선하기 위해 초고해상도 하도 추적 모델링 기술을 통해 역학적인 상세화가 시도되었다. 100-km 격자의 VIC 모델에서 재생산된 지표 배출량과 기저 배출량을 입력 데이터로 사용하여 다양한 공간 규모의 하도 추적 모델에서 사용하여 산정된 하천유량의 신뢰도를 평가하였다. 본 연구에서는 90미터 (3 arc second), 450 미터(15 arc second), 그리고 900 미터 (30 arc second) 격자 규모의 금강 유역 하천망 지도를 사용하여 과거 장기 하천 유량 데이터(1948년-2016년)를 재생산하였다. 본 연구에서는 금강 유역 내의 지점 관측 하천 유량 데이터와 재생산된 유량 데이터의 불확실성을 평가하였다. 본 연구의 주요 결과는 보다 고해상도의 하천망 지도를 하도 추적 모델에 사용 시 산정된 하천 유량 데이터의 불확실성이 감소하는 경향을 발견하였다. 끝으로, 초고해상도 지표 수문-하도 추적 모델을 통한 상세화 기술의 한계점과 개선 방안을 논의하였다. 본 연구는 기후변화로 인한 이상 기상 또는 기후의 위험성 증가에 효율적으로 선제 대응할 수 있는 핵심 수문 기후 모델링 기술을 개발에 중요한 기여할 것이다.

• 기계저널
• /
• 제57권6호
• /
• pp.37-41
• /
• 2017

이 글에서는 분자동역학 및 탄성 네트워크 모델 기반 계산과학 기법을 이용하여 단백질의 역학적 거동 해석에 대한 연구를 소개하고자 한다.

• Environmental Analysis Health and Toxicology
• /
• 제24권2호
• /
• pp.79-93
• /
• 2009

오염물질에 대한 생태위해성평가(ecological risk assessment)를 위해서는 노출평가(exposure assessment)와 함께 생물영향에 대한 평가(effect assessment)를 수행해야 한다. 노출평가의 경우는 지화학적 과정에 대한 이해를 바탕으로 환경농도를 예측하기 위한 화학평형모델이나 다매체환경거동모델 등 다양한 평가 및 예측모델을 활용해 왔다. 이와 달리 생물영향평가는 실험실 조건에서 제한된 독성자료를 대상으로 외부노출농도에 기반한 농도-반응관계를 통계적 방법을 통해서 추정하는 '경험적 모델(empirical model)'에 주로 의존해 왔다. 최근에 와서 생체 내 잔류량을 기반으로 농도-시간-반응관계를 기술하고 예측하는 독성동태학 및 독성역학 모델(toxicokinetic-toxicodynamic model)과 같은 독성작용에 기반한 모델(processbased model)들이 개발되어 활용되고 있다. 본 논문에서는 여러 종류의 독성동태학 및 독성역학 모델을 소개하고, 이를 통계적 추론에 기반한 전통적인 독성학 모델과 비교하였다. 서로 다른 종류의 독성동태학 및 독성역학 모델로부터 도출된 노출농도-시간 -반응관계식을 비교하고, 동일 독성기작을 보이는 오염물질 그룹 내에서 미측정 오염물질의 독성을 예측할 수 있게 해주는 구조-활성관계(Quantitative Structure-Activity Relationship, QSAR) 모델을 여러 독성동태 및 독성역학모델로부터 유도하였다. 마지막으로 독성동태학 및 독성역학 파라미터를 추정하기 위한 실험계획을 제안하였고, 앞으로 독성동태학 및 독성역학 모델을 생태계 위해성평가에 활용하기 위해서 해결해야 될 연구과제를 검토하였다.