• Structural Engineering and Mechanics
• /
• 제83권5호
• /
• pp.671-680
• /
• 2022

The shear capacity of beams is an essential parameter in designing beams carrying shear loads. Precise estimation of the ultimate shear capacity typically requires comprehensive calculation methods. For steel fiber reinforced concrete (SFRC) beams, traditional design methods may not accurately predict the interaction between different parameters affecting ultimate shear capacity. In this study, artificial neural network (ANN) modeling was utilized to predict the ultimate shear capacity of SFRC beams using ten input parameters. The results demonstrated that the ANN with 30 neurons had the best performance based on the values of root mean square error (RMSE) and coefficient of determination (R²) compared to other ANN models with different neurons. Analysis of the ANN model has shown that the clear shear span to depth ratio significantly affects the predicted ultimate shear capacity, followed by the reinforcement steel tensile strength and steel fiber tensile strength. Moreover, a Genetic Algorithm (GA) was used to optimize the ANN model's input parameters, resulting in the least cost for the SFRC beams. Results have shown that SFRC beams' cost increased with the clear span to depth ratio. Increasing the clear span to depth ratio has increased the depth, height, steel, and fiber ratio needed to support the SFRC beams against shear failures. This study approach is considered among the earliest in the field of SFRC.

• 한국건설관리학회논문집
• /
• 제15권4호
• /
• pp.68-76
• /
• 2014

건축 프로젝트에서 초기단계에서의 정확한 공사비 예측은 성공적인 프로젝트의 중요한 요소이다. 기존의 연구에서 공사비를 예측하기 위한 방법으로 통계학적인 방법이 활용되었다. 통계학적 방법 중 서포트 벡터 회기분석은 비용예측 분야에서 뛰어난 일반화 능력으로 많은 주목을 받고 있다. 하지만 서포트 회귀분석은 조정해야 할 파라미터가 단순함에도 불구하고 최적의 파라미터를 결정하는 방법은 시행착오적인 방법을 적용해야 하는 문제점이 있었다. 따라서 최적의 파라미터를 보다 효율적으로 결정하기 위해 본 연구에서는 유전 알고리즘을 적용하고, 이를 통해 서포트 벡터 회귀를 효율적으로 활용한 공사비 예측이 가능 할 것이다. 본 연구의 목적은 유전 알고리즘과 서포트 벡터 회귀를 활용하여 공동주택의 프로젝트 초기 기획단계의 공사비 예측모델을 구축하는 것이다. 유전 알고리즘을 통해 최적의 파라미터를 찾아내고, 이를 서포트 벡터 회귀모델에 적용시켜 공사비를 예측하였다.

• 한국산림과학회지
• /
• 제111권4호
• /
• pp.603-612
• /
• 2022

본 연구는 다중시기 위성영상과 머신러닝 알고리즘을 이용하여 준국가수준의 시계열 산림바이오매스량을 추정하였으며, 이를 바탕으로 산림배출기준선 설정하여 비교·분석하였다. 머신러닝기반의 산림바이오매스 추정 모델을 구축하기 위하여 Landsat TM 위성영상과 유럽항공우주국에서 제공하는 Biomass Climate Change Initiative 정보를 이용하였으며, 머신러닝 알고리즘은 비모수 학습모델인 k-Nearest Neighbor(kNN)과 의사결정나무 기반의 Random Forest(RF)를 적용하였다. 또한, 추정된 산림바이오매스량은 Forest reference emission levels(FREL) 자료와 비교하였다. 머신러닝 알고리즘 별 산림바이오매스 추정 모델을 비교해보면, 최적의 kNN 모델과 RF 모델의 Root Mean Square Error (RMSE)는 각각 35.9와 34.41였으며, RF모델이 kNN모델보다 상대적으로 우수하였다. 또한, FREL, kNN, RF 모델 별 산림배출기준선의 기울기는 각각 약 -33천ton, -253천ton, -92천ton으로 설정되었다.

• 대한토목학회논문집
• /
• 제30권5D호
• /
• pp.453-459
• /
• 2010

교통안전연구에서 한 지점 (또는 구간)의 기대교통사고건수를 신뢰성 높게 추정하는 것은 매우 중요하다. 기대교통사고건수를 추정하기 위해 현재 국내에서는 주로 관측교통사고건수를 사용하고 있으나 국외에서는 포아송-감마 혼합모형에 기반한 경험적 베이즈 추정치를 활용하고 있는 추세이다. 그간 많은 연구들이 경험적 베이즈 추정치를 이용해 기대교통사고건수 추정 및 교통안전개선사업의 평가를 시도 하였으나 전술한 2가지 추정방법의 추정오차를 비교연구한 문헌은 없는 실정인 바 본 연구는 2가지 추정방법의 추정오차를 모의실험을 통해 비교 분석하여 제시하였다. 모의 발생된 총 3,000,000개 지점의 교통사고 자료를 분석한 결과 기대교통사고건수를 경험적 베이즈 추정방법을 이용해 추정했을 경우 그 추정오차는 관측교통 사고건수만을 이용했을 때 발생하는 추정오차에 비해 항상 작은 것으로 나타나 국내의 교통안전연구 가이드라인에 경험적 베이지안 추정방법의 도입이 필요할 것으로 판단된다. 그러나 사전분포의 불확실성이 높아질수록 두 가지 추정방법의 추정오차의 차이는 감소하는 것으로 나타나, 기대교통사고건수 추정 시 추정된 음이항 모형에 대한 종합적인 검증을 수행한 후 신뢰성 있는 초모수의 추정치를 이용해 경험적 베이지안 방법을 적용하는 것이 바람직하다고 판단된다.

• 한국수자원학회논문집
• /
• 제41권5호
• /
• pp.527-544
• /
• 2008

GPD 모형은 수문학 극치확률량 해석에 주로 적용되어 왔다. 극치 통계의 주목적은 드문 사상의 예측이며, 주요 문제점으로는 임계값 또는 임계값 초과치들에 대한 정확한 산정방법이 없어 그 추정이 매우 어렵다는 것이다. 본 연구에서는 임계값 또는 임계값 초과치들을 산정하기 위하여 4가지 방법을 적용하였다. 그 비교를 위하여 GPD 모형에 적용하여 7개의 지속시간(1, 2, 3, 6, 12, 18 및 24시간)과 10개의 재현기간(2, 3, 5, 10, 20, 30, 50, 70, 80 및 100년)에 대한 매개변수 및 Quantile을 추정하였다. 3변수 GPD의 매개변수 및 Quantile을 추정하기 위하여 MOM, ML과 PWM을 적용하였다. 적합도를 추정하기 위하여 K-S, CVM 및 A-D 검정을 수행하였고 Monte Carlo 실험으로 상대 제곱근오차를 산정하였다. 이러한 방법들을 이용하여 임계값 산정방법들을 비교하여 최적화된 방법을 추정하였다.

• 한국물환경학회지
• /
• 제34권4호
• /
• pp.391-398
• /
• 2018

The main purpose of this study is to suggest and recommend the more reliable flow direction methods within the framework of DEM and power law distribution, by investigating the existing methodologies. To this end SFD (single flow direction method), MFD (multiple flow direction method) and IFD (Infinite flow direction method) are applied to analyze the determination of a flow direction for the water particles as seen in the Jeonjeokbigyo basin, and then assessed with respect to the variation of flow accumulation in that region. As the main results revealed, the study showed the different patterns of flow accumulation are found out from each applications of flow direction methods utilized in this study. This brings us to understand that as the flow dispersion on DEM increases, in this case the contributing areas to the outlet grow in sequence of SFD, IFD, MFD, but it is noted that the contribution of individual pixels into outlet decreases at that time. In what follows, especially with the MFD and IFD, the result tends to make additional hydrologic abstraction from rainfall excess, as noted due to the flow dispersion within flow paths on DEM. Based on the parameter estimation for a power law distribution, which is frequently used for identify the aggregation structure of complex system, by maximum likelihood flow accumulation can be thought of as a scale invariance factor. In this regard, the combination of flow direction methods could give rise to the more realistic water flow on DEM, as revealed through the separate flow direction methods as utilized for dispersion and aggregation effects of water flow within the available different topographies.

• 디지털융복합연구
• /
• 제13권10호
• /
• pp.313-318
• /
• 2015

전통적인 음성 향상 방법은 잘못된 잡음의 추정에 따라 남아있는 잡음이 발생하여 음성 스펙트럼을 왜곡하거나 음성 프레임을 찾지 못하여 음성 인식 성능을 저하시키는 문제가 발생된다. 본 논문에서는 음성 에너지 분포 처리와 음성 에너지 파라미터를 융합한 음성 검출 방법을 제안하였다. 제안한 방법은 음성 에너지를 최대화시켜 잡음의 영향을 적게 받는 특성을 이용하였다. 또한, 음성 신호의 특징 파라미터 중에서 작은 값을 가지는 로그에너지 특징의 구간에서는 큰 에너지를 가지는 구간에 비해 상대적으로 로그에너지 값을 더 많이 키워서 잡음이 포함한 음성신호의 로그에너지 특징의 크기와 비슷하게 하여 훈련과 인식 환경의 불일치를 융합으로 인해 줄여준다. 인식 실험 결과 기존 방법에 비해 향상된 인식 성능을 확인할 수 있었으며, car 잡음 환경의 음성 구간 적중률은 낮은 SNR구간인 0dB과 5dB에서는 97.1%와 97.3%의 정확도를 보였으며, 높은 SNR구간인 10dB와 15dB에서는 98.3%, 98.6%의 정확도를 보였다.

• 한국해안해양공학회지
• /
• 제16권3호
• /
• pp.130-141
• /
• 2004

연안 및 항만구조물의 설계에서 심해 설계파는 매우 중요한 환경인자이다. 특히, 심해설계파고의 분포 정보는 최근 부각되고 있는 신뢰성 설계에 필수적인 요소이다. 본 연구에서는 한국해양연구원(2003)에서 제시한 1979년부터 1998년까지의 한국연안 67개 지점의 16방향별 최대 유의파 산출자료를 이용하여 극치분포 분석을 수행하였다. 특성분석에 사용된 극치분포함수는 Weibull, Gumbel, Log-Pearson Type-III, Lognormal 분포이며, 각 분포함수의 매개변수는 모멘트법, 최우도법 그리고 확률가중모멘트법으로 추정하였다. 또한, 극치분포함수의 적합성은 95% 신뢰도 수준으로 $\chi$$^2$및 K-S 검정을 실시하였다. 그 결과, 한국연안의 심해 설계파고는 Gumbel 분포형이 가장 적합한 모형으로 파악되었으며, 최적 추정된 매개변수 및 재현기간 50년에 대한 심해 설계파고 정보를 제시하였다.

• 한국수자원학회논문집
• /
• 제34권6호
• /
• pp.713-724
• /
• 2001

수자원 기술자들은 수자원 계획에 있어서 중요한 월유출 모의 모형을 개발하여 왔으며, 우리 나라에서는 가지야마 모형을 대표적인 월유출 모형으로 이용하고 있다. 최근 Xiong과 Guo (1999)는 2-변수 월 물수지 방정식 모형 을 제안하였고, 수자원 계획과 기상학적인 영향을 분석하기 위하여 제안한 모형을 이용할 수 있음을 보였다. 그러나 그들은 시간변환 변수 c와 저수지 포장 용수량 변수 SC를 시행착오에 의하여 추정하였다. 따라서, 본 연구의 목적은 2-변수 모형의 변수인 c와 SC를 추정하는 방법론을 제안하고, 2-변수 월 물수지 방정식 모형과 가지야마 모형을 한강 유역과 IHP 대표유역에 적용하여 비교 점토하고자 한다. c는 실제 증발산량과 잠재 증발산량 사이의 관계에 의하여 추정하였고, SC는 CN 값과의 관계를 사용하여 추정하였으며, 추정된 모형변수 c와 SC는 2-변 수 월 물수지 방정식 모형을 위하여 초기치 혹은 최적치로 이용할 수 있음을 보이고자 한다.

• 한국습지학회지
• /
• 제19권4호
• /
• pp.423-432
• /
• 2017

본 연구는 SSARR모형을 이용해 금강유역의 미호천 유역에 대하여 홍수모의예측을 수행하였다. 먼저 모형의 매개변수의 특성을 알고, 범위를 설정하기 위해 모형의 매개변수에 대한 민감도 분석을 실시하였다. 매개변수 보정을 위하여 유전자 알고리즘, 패턴탐색, SCE-UA등의 최적화 방법을 이용하였고, 목적함수로는 WSSR과 SSR를 적용하였으며, 최적화 방법과 목적함수에 따른 결과를 비교, 분석하였다. 본 연구 결과 최적화 방법으로는 패턴탐색이, 목적함수로는 WSSR을 사용하였을 때, 홍수 예측이 가장 정확하였다. 본 연구 결과를 활용하여 각 모형의 매개변수를 최적화한다면, 홍수 예측 및 홍수 예경보와 같은 의사결정에 유용하게 활용 될 수 있을 것이다.