불확실성 전파(Uncertainty Propagation, UP)는 입력 불확실성이 구조 반응에 미치는 영향을 평가하는 핵심 단계로, 공학적 적용에서 중요한 의미를 갖는다. 그러나 고도로 비선형적이고 다출력 특성을 가진 구조 시스템에 대해 정확하고 효율적인 불확실성 전파 분석을 구현하는 것은 여전히 도전 과제이다. 본 연구에서는 이러한 도전에 대응하기 위해 인공신경망(Artificial Neural Network, ANN)을 기반으로 한 새로운 적응형 UP 방법을 제안하였다. 이 방법에서는 해석적 유도 방식을 통해 ANN을 이용하여 출력 반응의 평균값을 직접 구하며, 계산 과정은 네트워크의 가중치 및 편향 벡터 호출만으로 이루어진다. 출력 표준편차 계산 문제에 대해서는 본 연구가 다변수 적분 대신 다수의 단변수 적분을 혁신적으로 사용하였다. 구축된 해석법과 단변수 적분 기법은 ANN 프레임워크 하에서 전통적인 수치 시뮬레이션 방법의 출력 통계 모멘트 추정 시 흔히 발생하는 후처리 오차 문제를 효과적으로 완화하였다. 또한 본 연구는 입력 공간 분할과 조절 가능한 다점 추가 전략을 포함하는 적응형 프레임워크를 제안하여 구조 UP 문제의 계산 정확도를 향상시켰다. 고도의 비선형 문제, 다출력 시스템 및 유한 요소 모델 등 여러 응용 사례를 통해 제안 방법의 유효성을 검증하였다. 결과는 이 방법이 통계 모멘트를 정확하게 추정할 뿐만 아니라 구조 출력 반응의 확률 밀도 함수를 효과적으로 획득할 수 있음을 보여주었다.

불확실성 전파;인공신경망;분석 결과;단변수 적분;적응형 프레임워크