• 터널과지하공간
• /
• 제19권4호
• /
• pp.287-303
• /
• 2009

한라산 정상부의 백록담 암체는 백록담조면현무암이 분포하는 동측구역과 한라산조면암이 분포하는 서측구역으로 구분된다. 백록담에서 진행되는 풍화, 암벽붕괴, 낙반은 전반적으로 백록담 서측구역에 분포하는 한라산 조면암의 풍화작용과 밀접한 연관성을 가지며, 동측구역에서는 개별 암석 블록들의 국지적 붕락현상이 발생한다. 본 연구에서는 한라산조면암 분포지역의 지질학적 특성을 조사하였으며, 풍화단계별로 조면암 시료를 채취하여 편광현미경분석, X-선 회절분석, 지화학적 분석, 공학적 특성시험을 수행하였다. SEM, XRD, XRF 분석을 통하여 2차 변질광물의 종류와 함량 및 광물조성 변화를 관찰한 결과 점토광물이 확인될 정도의 심한 화학적풍화작용은 발생하지 않았지만 풍화에 따른 화학적풍화지수와 주요원소의 함량 변화에 대한 분석 결과에 의거할때 화학성분의 용탈에 의한 미약한 화학적풍화작용이 발생한 것으로 판단된다. 풍화에 기인된 암석의 공학적특성변화를 고찰하기 위하여 밀도, 비중, 흡수율, 공극률, 탄성파속도, 일축압축강도, 슬레이크내구성지수, 동결-융해시험을 수행하였다. 인공풍화시험을 통한 균열발현 양상과 물리적 특성 측정 결과 기계적풍화작용은 미세균열 및 공극을 발달시켜 암반의 역학적 강도 저하를 야기하고 있으며, 기계적풍화 진행에 의한 추가적인 공극률 저하 양상을 고려할 때 $D_B$ = 1.5 또는 공극률 = $20{\sim}21%$ 범위에서 한라산조면암의 공학적 강도 특성이 소멸될 것으로 분석되었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.

• 인지과학
• /
• 제27권4호
• /
• pp.501-539
• /
• 2016

인간 정신은 외상 자극에 역동적으로 반응하여 다차원적 위계를 따라 진화적으로 발전하는 시스템이다. 평형상태에서 일원화되어 있는 정신 내에 외상 자극이 유입되면 그에 반대 쌍이 되는 반응 극성이 형성되어 이원화된다. 그 반대 쌍 사이에 초월적 상호작용이 일어나면 상위 차원에 제3의 극성이 출현하게 되어 정신은 삼위구조로 변형된다. 삼위 구조화된 정신에서는 비평형 상태가 극대화되어 가소성이 최대화됨에 따라 삼위 요인이 같은 기능을 하게 되는 동기화가 가능해지며 이로 인해 정신은 상위차원에서 다시 일원화된다. 만약 정신이 또 다시 새로운 자극을 받아들이게 되면 정신은 위의 위계적 변형과정을 따라 성장하게 된다. 이를 정신의 기본삼위체계의 동기화를 통한 순환적 성장과정이라 한다. 이번 이론 연구에서는 이 개념을 외상 후 성장 과정에 적용하여 외상 후 성장 시계를 제안하였다. 외상 후 성장 시계는 7개의 위계적 단계로 구성되어있으며 처음 6개의 단계들은 충격 대 마비, 공포 대 침습, 편집 대 회피, 강박 대 폭발, 불안 대 우울, 허무 대 의미추구 단계 등의 12분기로 구성되어 있고 마지막 7번째 단계에서는 이들 모든 단계들의 기능들이 동기화되는 거대 동기화 단계가 나타나게 된다. 거대 동기화 단계에서는 이전의 6 단계들로 구성된 개인 내의 생리-사회-실존 차원들 뿐 아니라 자아와 타아도 동기화를 통해 일원화됨으로써 자신의 외상경험 뿐 아니라 타인의 고통도 자신의 실제적 외상경험으로 작용하게 되어 정신은 상위 차원에서 또 다른 성장과정을 반복한다. 이 논문에서 제안된 외상 후 성장 시계의 변형과정에 대한 타당성을 Horowitz의 외상반응과정과 비교하여 논의하였다.