• 산업경영시스템학회지
• /
• 제24권63호
• /
• pp.33-43
• /
• 2001

To estimate the reliability of a large and complex network with a small variance, we propose two dynamic Monte Carlo sampling methods: the sequential minimal cut set (SMCS) and the sequential minimal path set (SMPS) methods. These methods do not require all minimal cut sets or path sets to be given in advance and do not simulate all arcs at each trial, which can decrease the valiance of network reliability. Based on the proposed methods, we develop the importance sampling estimators, the total hazard (or safety) estimator and the hazard (or safety) importance sampling estimator, and compare the performance of these simulation estimators. It is found that these estimators can significantly reduce the variance of the raw simulation estimator and the usual importance sampling estimator. Especially, the SMCS algorithm is very effective in case that the failure probabilities of arcs are low. On the contrary, the SMPS algorithm is effective in case that the success Probabilities of arcs are low.

• 대한기계학회논문집A
• /
• 제30권9호
• /
• pp.1116-1123
• /
• 2006

In this study, the effective method for reliability estimation is proposed using tow-staged kriging metamodel and genetic algorithm. Kriging metamodel can be determined by appropriate sampling range and the number of sampling points. The first kriging metamodel is made based on the proposed sampling points. The advanced f'=rst order reliability method is applied to the first kriging metamodel to determine the reliability and most probable failure point(MPFP) approximately. Then, the second kriging metamodel is constructed using additional sampling points near the MPFP. These points are selected using genetic algorithm that have the maximum mean squared error. The Monte-Carlo simulation is applied to the second kriging metamodel to estimate the reliability. The proposed method is applied to numerical examples and the results are almost equal to the reference reliability.

• Structural Engineering and Mechanics
• /
• 제5권2호
• /
• pp.115-126
• /
• 1997

Importance sampling methods have been developed with the aim of reducing the computational costs inherent in Monte Carlo methods. This study proposes a new algorithm called the adaptive kernel method which combines and modifies some of the concepts from adaptive sampling and the simple kernel method to evaluate the structural reliability of time variant problems. The essence of the resulting algorithm is to select an appropriate starting point from which the importance sampling density can be generated efficiently. Numerical results show that the method is unbiased and substantially increases the efficiency over other methods.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권1호
• /
• pp.94-99
• /
• 2015

비모수 베이스 통계학, 확률적 표집에 기반한 추론 등이 기계학습의 주요 패러다임으로 등장하면서 디리슐레(Dirichlet) 분포는 최근 다양한 그래프 모형 곳곳에 등장하고 있다. 디리슐레 분포는 일변수 감마 분포를 벡터 분포로 확장한 형태의 하나이다. 본 논문에서는 감마 분포를 갖는 임의의 자연수 X를 K개의 자연수의 합으로 임의 분할 할 때 각 부분의 크기 비율을 디리슐레 분포에서 표집하는 방법을 제안한다. 일반적으로 디리슐레 분포는 연속적인 (K-1)-단체(simplex) 위에 정의 되지만 자연수로 분할하는 표본은 자연수라는 조건 때문에 단체 내부의 이산 그리드 점에만 정의된다. 본 논문에서는 단체 위의 그리드 상의 이웃 점들의 확률 분포로부터 마르코프연쇄 몬테 칼로(MCMC) 제안 분포를 정의하고 일련의 표본들의 마르코프 연쇄를 구현하는 알고리듬을 제안한다. 본 방법은 마르코프 모델, HMM 및 준-HMM 등에서 각 상태별 시간 지속 분포를 표현하는데 활용 가능하다. 나아가 최근 제안된 전역-지역(global-local) 상태지속 분포를 동시에 모형화하는 감마-디리슐레 HMM에도 응용가능하다.

• 한국조사연구학회지:조사연구
• /
• 제7권2호
• /
• pp.39-52
• /
• 2006

우리나라 대다수 조사전문기관은 지역 성 나이대 할당표본추출에 의한 전화조사를 하고 있다. 그러나 평일에는 인구사회적 속성에 따른 개인별 재택률의 차이가 심하므로 체계적 응답자선택편향(respondent selection bias)이 우려된다. 문제 해결을 위해 조사시간대를 할당변수로 추가한 '시간균형할당표본추출'(time-balanced quota sampling) 방법과 저녁시간대 할당을 부분적으로 완화한 '시간균형준할당표본추출'(time-balanced quasi-quota sampling) 방법을 제안한다. 그리고 우리나라 통계청에서 2004년에 수집한 생활시간조사 원자료를 가상적 모집단으로 설정하여 새로운 할당추출법과 기존할당추출법에 의해 얻는 몬테칼로 표본들을 비교할 것이다.

• 한국수자원학회논문집
• /
• 제38권4호
• /
• pp.281-292
• /
• 2005

수자원장기종합계획에서는 물의 과부족 또는 가용한 물을 정량적으로 평가하기 위해 물수지 분석을 실시한다. 물수지 분석은 미래 예측되는 용수수요량과 공급가능량을 비교하는 단순한 과정이지만, 분석 과정에 포함되어 있는 자료와 모형의 불확실성으로 인하여 물수지 분석을 실시한 각종 보고서마다 서로 다른 결과를 보여주고 있어 국민의 신뢰를 얻지 못한 실정이다. 본 연구에서는 Monte Carlo simulation 기법 중 Latin Hypercube sampling에 기반한 확률적 모사로 물수지 분석에서의 불확실성을 표현하고 분석하였다. 대표 물수지 입력변수로 자연유량, 생공용수, 농업용수, 회귀율을 선정하여 이를 선형회귀와 entropy 이론으로 분포를 설정하였고, 불확실성 분석을 통하여 물부족량에 대한 불확실성의 범위와 위치를 규명하였다. 금강수계 3개의 소유역에 대해 불확실성 분석을 한 결과, 기존의 물수지 분석에서의 단일 물부족량이 과소 및 과대 추정될 수 있음을 보였고, 또한 민감도 분석을 통해 농업회귀율이 입력변수들 중 가장 큰 불확실성을 가지고 있으나 결과에는 거의 영향을 미치지 못하고 있음을 알 수 있었다.

• Smart Structures and Systems
• /
• 제26권2호
• /
• pp.175-184
• /
• 2020

Conventional Monte Carlo simulation-based methods for seismic risk assessment of water networks often require excessive computational time costs due to the hydraulic analysis. In this study, an Artificial Neural Network-based surrogate model was proposed to efficiently evaluate the flow-based system reliability of water distribution networks. The surrogate model was constructed with appropriate training parameters through trial-and-error procedures. Furthermore, a deep neural network with hidden layers and neurons was composed for the high-dimensional network. For network training, the input of the neural network was defined as the damage states of the k-dimensional network facilities, and the output was defined as the network system performance. To generate training data, random sampling was performed between earthquake magnitudes of 5.0 and 7.5, and hydraulic analyses were conducted to evaluate network performance. For a hydraulic simulation, EPANET-based MATLAB code was developed, and a pressure-driven analysis approach was adopted to represent an unsteady-state network. To demonstrate the constructed surrogate model, the actual water distribution network of A-city, South Korea, was adopted, and the network map was reconstructed from the geographic information system data. The surrogate model was able to predict network performance within a 3% relative error at trained epicenters in drastically reduced time. In addition, the accuracy of the surrogate model was estimated to within 3% relative error (5% for network performance lower than 0.2) at different epicenters to verify the robustness of the epicenter location. Therefore, it is concluded that ANN-based surrogate model can be utilized as an alternative model for efficient seismic risk assessment to within 5% of relative error.

• 한국게임학회 논문지
• /
• 제16권4호
• /
• pp.79-86
• /
• 2016

몬테카를로 트리탐색은 최대우선탐색 알고리즘이며, 많은 게임 특히 바둑 게임에 성공적으로 적용되어 왔다. 삼목 게임에서 MCTS 간의 대국을 통해 성능을 평가하고자 했다. 첫 번째 대국자는 항상 두 번째 대국자에 비해 압도적인 우위를 보였으며, 최선의 게임 결과가 무승부가 됨에도 불구하고 첫 번째 대국자가 두 번째 대국자에 비해 우월한 이유를 찾고자 했다. MCTS는 반복적인 무작위 샘플링을 기반으로 하는 통계적 알고리즘이기 때문에, 특히 두 번째 대국자를 위해 전략을 요하는 시급한 문제를 적절히 대처하지 못한다. 이를 위해 전략적 MCTS(S-MCTS)를 제안하며, S-MCTS는 결코 삼목 게임에서 지지 않는다는 것을 보였다.

• Nuclear Engineering and Technology
• /
• 제49권4호
• /
• pp.710-720
• /
• 2017

In Korea, many nuclear power plants operate at a single site based on geographical characteristics, but the population density near the sites is higher than that in other countries. Thus, multiunit accidents are a more important consideration than in other countries and should be addressed appropriately. Currently, there are many issues related to a multiunit probabilistic safety assessment (PSA). One of them is the quantification of a multiunit PSA model. A traditional PSA uses a Boolean manipulation of the fault tree in terms of the minimal cut set. However, such methods have some limitations when rare event approximations cannot be used effectively or a very small truncation limit should be applied to identify accident sequence combinations for a multiunit site. In particular, it is well known that seismic risk in terms of core damage frequency can be overestimated because there are many events that have a high failure probability. In this study, we propose a quantification method based on a Monte Carlo approach for a multiunit PSA model. This method can consider all possible accident sequence combinations in a multiunit site and calculate a more exact value for events that have a high failure probability. An example model for six identical units at a site was also developed and quantified to confirm the applicability of the proposed method.

• Journal of the Korean Statistical Society
• /
• 제30권3호
• /
• pp.435-451
• /
• 2001

We describe a hierarchical bayesian model to analyze multinomial nonignorable nonresponse data. Using a Dirichlet and beta prior to model the cell probabilities, We develop a complete hierarchical bayesian analysis for multinomial proportions without making any algebraic approximation. Inference is sampling based and Markove chain Monte Carlo methods are used to perform the computations. We apply our method to the dta on body mass index(BMI) and show the model works reasonably well.