Modelling of noise-added saturated steam table using the neural networks

신경회로망을 사용한 노이즈가 첨가된 포화증기표의 모델링

In numerical analysis numerical values of thermodynamic properties such as temperature, pressure, specific volume, enthalpy and entropy are required. But most of the thermodynamic properties of the steam table are determined by experiment. Therefore they are supposed to have measurement errors. In order to make noised thermodynamic properties corresponding to errors, random numbers are generated, adjusted to appropriate magnitudes and added to original thermodynamic properties. the neural networks and quadratic spline interpolation method are introduced for function approximation of these modified thermodynamic properties in the saturated water based on pressure. It was proved that the neural networks give smaller percentage error compared with quadratic spline interpolation. From this fact it was confirmed that the neural networks trace the original values of thermodynamic properties better than the quadratic interpolation method.

수치해석에서는 온도, 압력, 비체적, 엔탈피, 엔트로피 등의 수치값이 필요하다. 그런데 증기표의 대부분의 열역학적 성질들은 측정된 값이기 때문에 기본적으로 측정 오차를 가지고 있다. 본 연구에서는 압력 기준의 물의 포화 상태에 대해, 난수를 발생시켜 적절한 크기로 조절한 다음 원래의 성질들에 더하여 인위적으로 노이즈가 포함된 데이터를 만들었다. 이 데이터를 신경회로망과 스플라인 보간법으로 함수 근사를 하였다. 해석 결과 신경회로망이 2차 스플라인 보간법보다 훨씬 더 적은 백분율 오차를 보였으며 이로부터 신경회로망이 측정 오차의 영향을 적게 받는 함수 근사에 적절한 방법임을 확인하였다.