유도무기는 원통형 형상에서 기인한 기하학적 특성으로 6자유도 공력계수에 물리적 구배 조건을 내포하게 된다. 본 연구는 부가적으로 주어진 물리적 구배 정보를 공력계수 모형화에서 효과적으로 이용할 목적으로 구배 보강 가우스 과정을 사용하였다. 물리적 구배 정보를 활용한 공력계수 예측의 정확성을 살펴보기 위해, 가우스 과정에 기초한 공력계수 예측 모형을 구배 정보의 유무에 따라 각각 구성한 후 서로의 예측 정확도를 비교·분석하였다. 그 결과, 물리적 구배 정보를 고려한 공력계수 예측은 부여된 구배 조건을 정확히 만족하였을 뿐만 아니라 그렇지 않은 모형에 비해 예측 정확도가 더 우수함을 확인하였다. 다만, 구배 보강 가우스 과정으로는 물리적 구배 정보를 연속적으로 부여할 수 없으며 추가된 구배 정보로 인해 공력계수 예측 모형 구성에 요구되는 표본수가 증가하는 단점도 확인하였다.
타원형 유한차분모형에서 개방 경계조건으로 포물선 근사식과 스폰지층 경계를 사용하여 모형의 개량을 도모하였다. 수치기법은 GCG(Generalized conjugate gradient)기법을 사용하였고 구형해저실험에서 포물형 근사식을 사용하여 부적절한 반사파를 상당 부분 제거할 수 있었다. 스폰지층 경계의 경우 2파장 이상의 스폰지층을 사용할 때 포물형 근사식과 유사한 결과를 얻을 수있었다. 직사각형 항만에 대한 실험을 통하여 임의 형상의 대상 해역에도 쉽게 모형을 적용할 수 있음을 확인하였다.
본 연구에서는 일 증발접시 증발량 산정을 위한 딥러닝 (deep learning) 모형의 적용성을 평가하였다. 본 연구에서 적용된 딥러닝 모형은 deep belief network (DBN) 기반 deep neural network (DNN) (DBN-DNN) 모형이다. 모형 적용성 평가를 위하여 부산 관측소에서 측정된 기상자료를 활용하였으며, 증발량과의 상관성이 높은 기상변수들 (일사량, 일조시간, 평균지상온도, 최대기온)의 조합을 고려하여 입력변수집합 (Set 1, Set 2, Set 3)별 모형을 구축하였다. DBN-DNN 모형의 성능은 통계학적 모형성능 평가지표 (coefficient of efficiency, CE; coefficient of determination, $r^2$; root mean square error, RMSE; mean absolute error, MAE)를 이용하여 평가되었으며, 기존의 두가지 형태의 ANN (artificial neural network), 즉 모형학습 시 SGD (stochastic gradient descent) 및 GD (gradient descent)를 각각 적용한 ANN-SGD 및 ANN-GD 모형과 비교하였다. 효과적인 모형학습을 위하여 각 모형의 초매개변수들은 GA (genetic algorithm)를 이용하여 최적화하였다. 그 결과, Set 1에 대하여 ANN-GD1 모형, Set 2에 대하여 DBN-DNN2 모형, Set 3에 대하여 DBN-DNN3 모형이 가장 우수한 모형 성능을 나타내는 것으로 분석되었다. 비록 비교 모형들 사이의 모형성능이 큰 차이를 보이지는 않았으나, 모든 입력집합에 대하여 DBN-DNN3, DBN-DNN2, ANN-SGD3 순으로 모형 효율성이 우수한 것으로 나타났다.
유류소모량 산정 모형 개발을 위해서는 차종, 도로의 경사, 포장상태, 포장종류 등 다양한 변수들을 고려해야 하지만 현재 사용하고 있는 국토교통부의 투자평가지침에도 차종으로만 구분이 되어 있을 뿐 다양한 요인들을 고려하지 못하고 있는 실정이다. 본 연구에서는 도로의 경사도가 승용차의 유류소모량에 미치는 영향을 분석하기 위해 실제 주행실험을 통해 얻은 데이터를 기반으로 유류소모량 산정 모형을 개발하고 적용성을 검증하는 것을 목적으로 한다. 경사도에 따른 유류소모량 모형 개발을 위해 GPS 장비와 연비측정장비를 이용하여 실제 주행실험을 통해 유류소모량을 초(sec)단위로 측정하였다. 평지(${\pm}0{\sim}2%$), 오르막(+2~5%), 내리막(-2~5%)의 세 가지 경사도로 구분하였으며 차량의 속도와 유류소모량을 변수로 하는 회귀모형을 이용하여 모형을 개발하였다. 승용차의 유류소모량은 내리막, 평지, 오르막 순으로 커지는 것을 확인할 수 있었다.
본 연구에서는 관측 링크통행량을 이용하여 기종점(OD) 통행량을 추정하는 두 가지 방법을 제시하며, 기존 연구들과는 달리 확률적 통행배정(stochastic traffic assignment)모형을 이용한다 확률적 통행배정모형을 이용할 경우, 운전자들이 갖고 있는 경로 대안간의 인지오차(perceived error)를 모형에 반영할 수 있으며, 링크통행량과 OD 통행량사이에 명시적인 함수관계가 존재하여 쉽게 OD 통행량을 구할 수 있다는 장점이 있다. 본 연구에서는 이런 관계식을 이용하여 두 가지의 OD통행량 추정모형을 개발하며 이를 풀기 위한 알고리듬을 제시한다. 첫 번째 모형식은 관측교통량과 추정교통량간의 차이를 최소화시키는 미분값에서 도출되며 OD통행량 추정과 관련된 변수들과의 민감도(sensitivity)값도 도출한다. 두 번째 모형식은 관측교통량에 접근하는 추정교통량의 동적과정(dynamic process)을 통하여 도출된다. 본 연구에서 제시된 OD통행량 추정모형들은 가상 예제 교통망을 대상으로 평가하며 각 모형의 장단점을 기술한다. 또한, OD통행량 추정문제가 갖는 다수의 해(multiple solutions)에 대해서도 간단히 살펴본다.
우리나라와 같은 개도국은 교통상황이 급변하고, 교통환경이 안정화되지 않은 사정을 고려해보면 비용과 시간이 다소 제약을 받고 있는 상황에 있어서 교통계획을 수립해야 하는 경우가 빈번히 발생한다고 볼 수 있다. 이러한 상황에서 O/D조사(가구방문조사, 노측면접조사 등)를 충실히 행하기에는 많은 어려움이 따르고, 그 결과 또한 만족할 만한 O/D를 구하기에는 현실적으로 매우 힘든 상황이라고 판단된다. 위와 같은 현실적인 문제점과 배경에 힘입어 최근 들어 국내외적으로 교통량을 기반으로 하여 O/D를 추정하는 기법개발에 관한 연구가 활발히 진행되고 있는 추세이다. 그러나, 현실적인 규모의 교통망상에 적용될 수 있는 연구는 많았지만, 그러한 접근법들의 장·단점을 비교 분석한 연구는 많지 않았다. 따라서 본 연구는 기존의 관측교통량을 이용한 O/D추정모형을 교통계획적 측면에서 정적(static)기법을 중심으로 살펴보고, 이러한 관측교통량으로 O/D를 추정하는 모형 중에서 대규모 교통망에서 현실적으로 이용가능성이 높다고 판단되는 2단계모형(bi-level(GLS))과 gradient방법을 중심으로 그 가능성과 타당성을 검토하였다. 연구방법은 2단계모형방법 (GLS방법)과 gradient 방법을 가상교통망에 적용하여 모형의 적정성을 평가한 후, 그 결과를 비교·분석하여 그 예측력을 살펴보았다.
본 연구는 고령층의 치매 예방을 위한 선별검사 수단으로 자동화된 기계학습(AutoML)을 활용하여 인지기능 장애 예측모형을 개발하였다. 연구 데이터는 한국지능정보사회진흥원의 '치매 고위험군 웨어러블 라이프로그 데이터'를 활용하였다. 분석은 구글 코랩 환경에서 PyCaret 3.0.0이 사용하여 우수한 분류성능을 보여주는 5개의 모형을 선정하고 앙상블 학습을 진행하여 모형을 통합한 뒤, 최종 성능평가를 진행하였다. 연구결과, Voting Classifier, Gradient Boosting Classifier, Extreme Gradient Boosting, Light Gradient Boosting Machine, Extra Trees Classifier, Random Forest Classifier 모형 순으로 높은 예측성능을 보이는 것으로 나타났다. 특히 '수면 중 분당 평균 호흡수'와 '수면 중 분당 평균 심박수'가 가장 중요한 특성변수(feature)로 확인되었다. 본 연구의 결과는 고령층의 인지기능 장애를 보다 효과적으로 관리하고 예방하기 위한 수단으로 기계학습과 라이프로그의 활용 가능성에 대한 고려를 시사한다.
It is known that previous models are unsatisfactory in predicting adverse pressure gradient turbulent flows. In the present paper, a revised low Reynolds number $k-{\varepsilon}$ model is proposed. In this model, a newly developed term is added lo the dissipation rate equation. In order to reflect appropriate effects for an adverse pressure gradient. The added tenn is derived by considering the distribution of mean velocity and turbulent properties in the turbulent flow with, adverse pressure gradient. The new $k-{\varepsilon}$ model was applied to calculations of flat plate flow with adverse pressure gradient, conical diffuser flow and backward facing step flow. It was found that the three numerical results showed better agreement than other models compared with DNS results and experimental ones.
본 연구는 도로상의 화물차량 관측교통량과 가장 잘 부합하는 화물차량 기 종점통행량을 생성하는 모형을 개발하는 것이다. 본 연구에서는 비통행배정과 통행배정(GM모형)을 순차적으로 사용한 통합모형(Hybrid Method)을 개발하고, 통합모형과 GM모형을 수도권에 적용하여 비교 평가한 결과 평균오차율과 %RMSE에서 통합모형이 더 신뢰도 높은 화물차량 기 종점통행량을 생성하는 것으로 나타났다. 통합모형으로 보정된 수도권 화물차량 기 종점통행량은 첫째, 화물차량을 차종별로 구분하여 제시함으로써 활용 영역을 확장시켰다. 둘째, 기존 화물차량 기 종점통행량 보다 평균오차율과 %RMSE가 낮은 신뢰도 높은 화물차량 기 종점통행량을 산출하였다. 셋째, 현재뿐만 아니라 장래 화물차량 기 종점 자료를 제시함으로써 타당성 조사 등에 활용이 가능하게 하였다.
본 연구는 Conjugate Gradient법을 적용하여 개발한 관측교통량기반 기종점 OD행렬 추정모형이 대규모 가로망에서도 적용 가능성이 있는지를 판단하기 위하여 246개죤 기준 전국 가로망에 적용하여 적용성 및 활용가능성을 판단해 보았다. 대규모 가로망에서 모형의 일치성을 분석한 결과, 모형의 상위수준과 하위수준이 내부적으로 유기적인 관계를 유지하고 있는 것으로 분석되었다. 관측링크 개수에 따라 모형의 추정력을 분석한 결과 교통량 오차는 허용오차 범위내에서 추정력을 확보하는 것으로 나z타났다. 또한 추정 기종점 OD행렬의 추정력 역시 기존의 모형을 이용한 결과치보다는 양호한 추정력을 보이고 있는 것으로 분석되었다. 더 많은 다양한 실험을 하여 개발된 모형의 알고리즘의 안정성이 확보된다면 대규모 가로망에서도 적용 가능성이 있다고 판단된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.