궤도충격계수의 확률분포모델 제시 :Suggestion of a New probability model for Impact factor

최유정

추천

검색

자료유형: 학위논문

저자정보: 최유정 (서울과학기술대학교, 서울과학기술대학교 대학원)

지도교수: 여인호, 조국환

발행연도: 2016

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (4)

2017

현장계측 데이터를 활용한 화물열차의 궤도충격계수 확률분포모델 별 비교

최유정 , 김기현 , 여인호 한국철도학회 학술발표대회논문집 2017.10 학술대회자료

현장계측 데이터를 활용한 궤도충격계수 확률분포 모델 별 비교

최유정 , 김기현 , 장승엽 외 1명 한국철도학회 학술발표대회논문집 2017.05 학술대회자료

2016

현장계측 데이터를 활용한 궤도충격계수 확률분포 모델 제안

최유정 , 김기현 , 장승엽 외 1명 한국철도학회 학술발표대회논문집 2016.10 학술대회자료

궤도충격계수의 확률분포모델 제시

최유정 2016.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 현장계측을 통한 통과열차의 동적윤중 데이터를 확률분포모델로 활용 시 한국철도시설공단의 설계지침(KR C-14030)에 의해 측정 데이터의 거동 특성을 정규분포에 기반을 두고 사용하고 있다. 하지만 실제 측정 데이터의 거동특성을 확인해보면, 정규분포처럼 궤도충격계수 1.0 근방에 데이터가 밀집되어있긴 하지만 몇몇 극한 값들로 인해 정규분포와는 다른 확률분포모델의 성향을 띄는 것을 확인 하였다.

때문에 더욱 최적화된 확률분포모델을 찾기 위해 전라선 은석교 토공부 콘크리트궤도구간에서 장기 계측(계측일자 : 2015.01.23.~2015.02.25.) 한 실측데이터를 활용하였고, 이중 전체 열차하중 중 가장 지배적인 하중으로 판단되는 기관차 부분을 활용 값으로 선정하였고, 마찬가지로 많은 열차의 종류 중 가장 지배적이라 판단되는 22t 화물열차와 여객열차를 활용 값으로 선정하였다. 측정데이터 중 열차의 데이터가 가장 많이 분포되어있는 2개의 속도대역을 선택하여 현행 기준인 한국철도시설공단의 설계지침(KR C-14030)을 적용해 보고, 추가로 대수정규분포, Gumbel분포, GEV (Generalized Extreme Value)분포에도 적용해 비교해보았다.

비교 후 더 정확한 확률분포모델의 적합성 검정을 위해 K-S test (Kolmogorov - Smirnov test)로 검정해 보았다. 검정결과 계측데이터는 모두 현행지침대비 안전측으로 측정되었으며, 열차의 종류, 속도대역에 관계없이 적합한 확률분포모델은 GEV(Generalized Extreme Value)분포인 것을 확인할 수 있었다.

향후 다양한 노선, 다양한 속도대역에 대한 추가의 평가를 통해 궤도충격계수의 확률분포 모델 개선이 되기를 기대한다.

#궤도충격계수 #KR C-14030 #확률분포모델 #K-S test

I. 서 론 1
1. 연구배경 및 목적 1
2. 연구내용 및 범위 2
II. 이론 및 규정 3
1. 충격계수의 산정 3
2. 동적할증계수(Dynamic Amplitude Factor)의 산정 4
3. 확률분포모델의 종류 7
4. 확률분포모델의 검정 10
III. 현장계측 장치 및 시험 방법 13
1. 시험 개요 13
2. 윤중 및 횡압의 측정방법 16
3. 계측 센서의 제원 및 원리 21
4. 현장계측 수행 24
IV. 결과분석 및 고찰 32
1. 계측결과 분석 32
2. 측정데이터와 현행지침 비교 34
3. 열차의 충격계수 히스토그램을 통한 확률분포모델 분석 36
4. Kolmogorov-Smirnov test (K-S 검정) 42
5. 현행지침과 일반화된 극치(GEV)분포와의 비교 46
6. 종합 분석 결과 및 고찰 48
V. 결 론 50
참고문헌 51
영문초록(Abstract) 52

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)