• 한국항공우주학회지
• /
• 제46권1호
• /
• pp.32-40
• /
• 2018

본 논문에서는 개념설계 단계에서 주로 사용되는 통계적 중량 예측식 도출 방법에 관한 연구를 수행하였으며 Microsoft Excel을 이용해 이를 프로그램화하고 제트 여객기에 적용하여 검증하였다. 기존 중량 예측식들의 변수들을 참고하여 데이터베이스를 구축하였고 이를 사용하여 제트 여객기 날개 중량 예측식을 모델링하였다. 모델의 과적합 문제를 해결하기 위해 K-fold cross validation 방법을 사용하여 모델을 평가하였다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.157-167
• /
• 2020

최근 인공지능 기술의 발전과 함께 물리탐사의 다양한 분야에서도 인공지능의 핵심 기술인 머신러닝의 활용도가 증가하고 있다. 또한 머신러닝 및 딥러닝을 활용한 연구는 이미지, 비디오, 음성, 자연어 등 다양한 태스크의 추론 정확도를 높이기 위해 복잡한 알고리즘들이 개발되고 있고, 더 나아가 자료의 특성, 알고리즘 구조 및 하이퍼 파라미터의 최적화를 위한 자동 머신러닝(AutoML) 분야로 그 폭을 넓혀가고 있다. 본 연구에서는 AutoML 분야 중에서도 하이퍼 파라미터(hyperparameter) 자동 탐색을 위한 베이지안 최적화 기술에 중점을 두었으며, 본 기술을 물리탐사 분야에서도 암상 분류(facies classification) 문제에 적용했다. Vincent field의 현장 물리검층 및 탄성파 자료를 이용하여 암상 및 공극유체를 분류하는 지도학습 기반 모델에 적용하였고, 랜덤 탐색 기법의 결과와 비교하여 베이지안 최적화 기반 예측 프레임워크의 효율성을 검증하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권4호
• /
• pp.797-810
• /
• 2017

한반도는 매년 태풍의 위험에 노출되어 있다. 태풍은 강풍과 강우가 동반되는 열대성 저기압으로 사회 경제적으로 막대한 피해를 유발한다. 현재의 자연재해 경고 시스템은 풍속과 강우를 구분하여 위험을 감지토록 설계되어 강풍과 폭우를 동반한 태풍의 위험을 경고하는데 한계점이 존재한다. 코플라모형은 확률변수들 사이의 복잡한 의존성 구조를 파악하기 위해 단변량분포의 집합을 다변량분포로 연결하는 모형으로 강우, 홍수, 가뭄 등의 분야에서 활발하게 연구되고 있다. 본 연구에서는 한반도에서 태풍에 가장 많이 노출된 도시인 부산과 제주도의 기상 관측소 (ASOS)에서 수집된 1904년 4월 9일부터 2015년 12월 31일까지 일강수량 (precipitation), 일최대풍속 (maximum wind speed) 자료를 이용하였다. 각 변수의 주변부확률을 추정하기 위해 두꺼운 꼬리 분포인 로그정규분포, 감마분포, 와이블분포를 고려하였다. 주변부 확률분포의 적합성검정은 Kolmogorov-Smirnov와 Cramervon-Mises, Anderson-Darling 검정통계량을 이용하였다. 코플라모형을 위해 순위를 기반으로 한 유사자료 (pseudo observation)를 생성하여 두 변수 간 의존성을 추정하였다. 강풍과 폭우의 의존성을 설명하기 위한 코플라모형으로 타원형, 나선형, 극단치 코플라모형이 고려되었다. 코플라모형의 적합성은 Cramer-von-Mises로 검정하였고, 교차검증을 통해 최적모형을 선택하였다. 연구결과 일강우량과 풍속의 주변부 확률분포로 대부분 로그정규분포가 적합하였다. 부산의 일평균풍속에 따른 일강우량은 t 코플라, 일최대풍속에 따른 일강우량은 Clayton 코플라가 최적모형으로 선정되었다. 제주도의 일최대풍속에 따른 일강우량은 정규코플라, 일강우량에 따른 일평균풍속은 Frank 코플라, 일강우량에 따른 일최대풍속은 Husler-Reiss 코플라가 최적모형으로 선택되었다.

• 대한토목학회논문집
• /
• 제43권3호
• /
• pp.321-335
• /
• 2023

자연하천에서의 유사량 계측은 하천공학적으로 중요한 의미를 가지지만 계측 방법의 비용 문제로 유사량 실측에 어려움이 따른다. 특히 소류사량 계측의 어려움으로 인해 주기적인 유사량 모니터링의 대부분이 부유사 농도 계측에만 제한되어 있는 실정이다. 본 연구에는 자동유량관측소에 설치된 횡방향 도플러 유속계(H-ADCP)의 후방산란값과 부유사 농도의 상관관계를 이용해 실시간으로 부유사 농도를 산정하고 총유사량을 산정하는 서포트벡터회귀 모형을 제안한다. 제안하는 실시간 총유사량 모니터링 시스템은 부유사 농도 모형과 수정 아인슈타인 방법을 모사하는 총유사량 산정 모형으로 구성된다. 각 모형의 매개변수와 입력변수는 K겹 교차검증 기반 격자검색 방법과 재귀적 특징 제거법을 이용해 결정되었다. 교차검증에서 부유사 농도 모형과 총유사량 산정 모형의 R²가 각각 0.885와 0.860으로 유사량-유량 관계곡선에 비해 정확한 것으로 나타났다. 시계열 유사량 관측을 통해 새로 제시되는 실시간 총유사량 관측 시스템이 자연하천에서 발달하는 유사량-유량 이력관계와 미세한 유량 변화에서 나타나는 유사량 변화를 성공적으로 관측할 수 있음을 확인했다. 본 연구에서 제안하는 방법은 마찰경사나 부유사 입도 등의 수리 조건을 가정할 필요 없이 H-ADCP의 원시자료만으로 부유사 농도와 총유사량을 산정할 수 있어 기존 방법에 비해 불확도가 적으며 경제적이다. 본 방법은 H-ADCP가 설치된 유사량 관측소에 광범위하게 적용 가능해 유사량 모니터링의 시간적 해상도를 경제적으로 크게 줄일 수 있을 것으로 기대된다.