• 지구물리와물리탐사
• /
• 제2권4호
• /
• pp.167-173
• /
• 1999

탄성파 토모그래피 중에서 많이 사용되는 2차원 시추공-시추공 주시 토모그래피는 파선각이 제한됨에 따라 분해능이 저하되므로, 본 논문에서는 감소된 분해능을 향상시키기 위한 방법들을 검토해 보았다. 토모그래피 역산 과정은 파선의 위치 및 주시에 대한 오차에 민감하므로 선형 주시 보간법을 사용하여 파선을 추적하였으며, 다른 파선 추적법들에 의한 역산결과와 비교하여 좋은 결과를 얻을 수 있었다. 반복적 비선형 역산 과정에 있어서, 파선경로의 추적에 소요되는 계산 시간을 줄이기 위해서 일정 계산과정 동안 선형성을 고려하였으며 그 결과 빠른 수렴을 얻을 수 있었다. 일반적으로 역산과정에서는 적절한 초기 모델의 선정이 계산 결과에 많은 영향을 미치므로, 인공 신경망을 이용하여 획득된 주시로부터 초기속도 모델을 계산하였다. 지구물리학에서 인공 신경망법으로 많이 쓰이는 다층 전향 신경망은 내재된 단점들 때문에 좋은 결과를 얻을 수 없었으므로, 본 연구에서는 GRNN신경망을 이용하였다. 인공 신경망으로부터 계산된 초기모델을 역산에 사용함으로써 분해능을 향상시킬 수 있었다. 그러나 파선 투과각이 넓은 경우나 탐사 대상체가 매우 복잡한 구조를 가지는 경우에는 초기모델이 역산결과에 큰 영향을 주지 않았다. 지구물리학적 토모그래피에서는 파선의 투과각이 제한을 받게되는 경우가 많으므로, 이럴 경우 인공 신경망을 이용하여 초기 모델값을 계산함으로써 역산 결과 생성되는 단면도의 분해능을 향상시킬 수 있다.

• 한국수자원학회논문집
• /
• 제38권7호
• /
• pp.575-584
• /
• 2005

수질오염 사고를 판단하기위한 경보모형은 다중퍼셉트론과 다층신경망, 뉴로-퍼지 모형들로 구성되었으며, 개발된 기준축에 따른 안정, 주의, 경고 상태를 학습하였다. 수질예측 모형에 유출예측 모형을 연계하고 경보모형을 결합하여 인공지능 시스템을 구축하였으며, 구축된 시스템을 GUI로 구현하였다. GUI 화면은 초기화면, 자료 전처리 과정, 유량예측 과정, 수질예측 과정, 경보시스템의 순으로 진행된다. 수질오염 사고에 대한 시나리오를 작성하여 시스템의 적용성을 검토하였으며, 인공지능 경보시스템은 이상수질에 대하여 위험 및 안정 상태를 적합하게 구별하는 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.206-206
• /
• 2023

지구온난화로 인한 기후변화에 따라 평균강수량과 증발량이 증가하며 강우지역 집중화와 강우강도가 높아질 가능성이 크다. 우리나라의 경우 협소한 국토면적과 높은 인구밀도로 기후변동의 영향이 크기 때문에 한반도에 적합한 유역규모의 수자원 예측과 대응방안을 마련해야 한다. 이를 위한 수자원 관리를 위해서는 유역에서 강수량, 유출량, 증발량 등의 장기적인 자료가 필요하며 경험식, 물리적 강우-유출 모형 등이 사용되었고, 최근들어 연구의 확장성과 비 선형성 등을 고려하기 위해 딥러닝등 인공지능 기술들이 접목되고 있다. 본 연구에서는 ASOS(동해, 태백)와 AWS(삼척, 신기, 도계) 5곳의 관측소에서 2011년~2020년까지의 일 단위 기상관측자료를 수집하고 WAMIS에서 같은 기간의 오십천 하구 일 유출량 자료를 수집 후 5개 관측소를 기준으로Thiessen 면적비를 적용해 기상자료를 구축했으며 Angstrom & Hargreaves 공식으로 잠재증발산량 산정해 3개의 모델에 각각 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온), 일 강수량과 잠재증발산량, 일 강수량 - 잠재증발산량을 학습 후 관측 유출량과 비교결과 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온)로 학습한 모델성능이 가장 높아 최적 모델로 선정했으며 일, 월, 연 관측유출량 시계열과 비교했다. 또한 같은 학습자료를 사용해 다층 퍼셉트론(Multi Layer Perceptron, MLP) 앙상블 모델을 구축하여 수자원 분야에서의 인공지능 활용성을 평가했다.

• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1283-1293
• /
• 2022

본 연구는 정수장의 수처리 공정에서 계측되고 있는 수량 및 수질데이터의 활용과 수처리 공정제어의 지능화를 위한 것으로 정수장에서 전염소 공정이 수반되는 처리공정에서 침전지 유출수 잔류염소농도 안정화를 위하여 이를 추정할 수 있는 모형을 구축하고자 하였다. 정수장 침전지 유출수의 잔류염소농도를 예측하기 위하여 중회귀모형과 인공지능 알고리즘 중 다층퍼셉트론 신경망, 랜덤포레스트 및 장단기기억(Long Short Term Memory; LSTM) 모형을 활용하였고 그 결과를 비교, 평가하였다. 모형의 입력변수로는 전염소 공정이 도입된 정수장에서의 잔류염소농도, 수온, 탁도, pH, 전기전도도, 유량, 알칼리도 등이 사용되었고 전염소에 따른 침전지의 안정적 운영을 위해 요구되는 침전지 잔류염소농도를 출력변수로 구성하였다. 적용 결과에서는 랜덤포레스트 모형이 가장 양호한 결과를 보여 주었으며 다음으로 LSTM, 다층퍼셈트론 신경망 순으로 나타났다. 수학적 모형인 중회귀모형은 적합도 측면에서 가장 낮은 결과를 보여 주었는데, 이는 수량과 수질데이터의 수치적인 규모나 차원의 차이뿐만 아니라 계절별 수질특성에 따라 염소소비 특성이 매우 다양하게 반응하기 때문으로 판단된다. 따라서 정수장 수처리 공정에서 인공지능 알고리즘의 적용을 위해서는 랜덤포레스트와 같이 의사결정 트리구조의 도입과 적용이 타당한 것으로 나타났다. 본 연구에서 분석된 결과를 근거로 전염소 공정이 도입된 정수장 수처리 공정에서 염소주입량을 실시간으로 예측 가능하게 함으로써 침전지 유출수에서 잔류염소농도를 일정하게 유지하는데 기여할 수 있을 것으로 기대된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.660-661
• /
• 2020

본 논문에서는 기존 인공 신경망 기반 시계열 학습 기법인 Recurrent Neural Network (RNN)의 많은 연산량 및 고 사양 시스템 요구를 개선하기 위해 랜덤 포레스트 (Random Forest)기반의 새로운 시계열 학습 기법을 제안한다. 기존의 RNN 기반 방법들은 복잡한 연산을 통해 높은 성능을 달성하는 데 집중하고 있다. 이러한 방법들은 학습에 많은 파라미터가 필요할 뿐만 아니라 대규모의 연산을 요구하므로 실시간 시스템에 적용하는데 어려움이 있다. 따라서 본 논문에서는, 효율적이면서 빠르게 동작할 수 있는 시계열 다층 랜덤 포레스트(Time series Multilayered Random Forest)를 제안하고 산불 조기 탐지에 적용해 기존 RNN 계열의 방법들과 성능을 비교하였다. 다양한 산불화재 실험데이터에 알고리즘을 적용해본 결과 GPU 상에서 방대한 연산을 수행하는 RNN 기반 방법들과 비교해 성능적인 한계가 존재했지만 CPU 에서도 빠르게 동작 가능하므로 성능의 개선을 통해 다양한 임베디드 시스템에 적용 가능하다.

• 지능정보연구
• /
• 제14권3호
• /
• pp.25-39
• /
• 2008

본 연구는 인공신경망을 이용하여 대대급 방어 작전에서 임의시점에서의 작전지속능력을 예측하는 데 있다. 전투결과에 대한 수학적 모델링은 이를 위한 많은 요인들이 가지는 시?공간적 가변성으로 인해 전투력을 평가하는데 많은 문제점이 있었다. 따라서 이번 연구에서는 대대 전투지휘훈련간 각 부대의 생존률을 전방향 다층 신경망(Feed-Forward Multilayer Perceptrons, MLP)과 일반 회귀신경망(General Regression Neural Network, GRNN)모형에 적용하여 임무달성 여부를 예측하였다. 실험 결과 매개변수들의 비선형적인 관계에도 불구하고 각각 82.62%, 85.48%의 적중률을 보여 일반회귀신경망 모형이 지휘관이 상황을 인식하고 예비대 투입 우선순위 선정 등 실시간 지휘결심을 하는데 도움을 줄 수 있는 방법임을 보여준다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.43-43
• /
• 2022

유해 조류 대발생은 전국 각지의 인공호소나 하천에서 다발적으로 발생하며, 경관을 해치고 수질을 오염시키는 등 수자원에 부정적인 영향을 미친다. 본 연구에서는 인공호소에서 발생하는 유해 조류 대발생을 예측하기 위해 심층학습 기법을 이용하여 예측 모델을 개발하고자 하였다. 대상 지점은 대청호의 추동 지점으로 선정하였다. 대청호는 금강유역 중류에 위치한 댐으로, 약 150만명에 달하는 급수 인구수를 유지 중이기에 유해 남조 대발생 관리가 매우 중요한 장소이다. 학습용 데이터 구축은 대청호의 2011년 1월부터 2019년 12월까지 측정된 수질, 기상, 수문 자료를 입력 자료를 이용하였다. 수질 예측 모델의 구조는 다중 레이어 퍼셉트론(Multiple Layer Perceptron; MLP)으로, 입력과 한 개 이상의 은닉층, 그리고 출력층으로 구성된 인공신경망이다. 본 연구에서는 인공신경망의 은닉층 개수(1~3개)와 각각의 레이어에 적용되는 은닉 노드 개수(11~30개), 활성함수 5종(Linear, sigmoid, hyperbolic tangent, Rectified Linear Unit, Exponential Linear Unit)을 각각 하이퍼파라미터로 정하고, 모델의 성능을 최대로 발휘할 수 있는 조건을 찾고자 하였다. 하이퍼파라미터 최적화 도구는 Tensorflow에서 배포하는 Keras Tuner를 사용하였다. 모델은 총 3000 학습 epoch 가 진행되는 동안 최적의 가중치를 계산하도록 설계하였고, 이 결과를 매 반복마다 저장장치에 기록하였다. 모델 성능의 타당성은 예측과 실측 데이터 간의 상관관계를 R2, NSE, RMSE를 통해 산출하여 검증하였다. 모델 최적화 결과, 적합한 하이퍼파라미터는 최적화 횟수 총 300회에서 256 번째 반복 결과인 은닉층 개수 3개, 은닉 노드 수 각각 25개, 22개, 14개가 가장 적합하였고, 이에 따른 활성함수는 ELU, ReLU, Hyperbolic tangent, Linear 순서대로 사용되었다. 최적화된 하이퍼파라미터를 이용하여 모델 학습 및 검증을 수행한 결과, R2는 학습 0.68, 검증 0.61이었고 NSE는 학습 0.85, 검증 0.81, RMSE는 학습 0.82, 검증 0.92로 나타났다.

• 한국멀티미디어학회논문지
• /
• 제6권6호
• /
• pp.1062-1070
• /
• 2003

본 논문에서는 자동 추적 시스템을 이용하여 반자연적인 조건에서 화학 약물의 아치사량 투석에 반응하는 수중 생물중 하나인 물고기(송사리)의 행동을 관찰하였다. 결과의 분석을 위하여, 약물 투여 전의 대표적인 행동을 패턴 A로 정의하였으며, 약물 투여 후의 대표적인 행동을 패턴 B로 정의하였다. 실험 결과, 패턴 B가 약물 투여 후에 빈번하게 관찰되는 반면, 패턴 A는 약물 투여 전에 많이 관찰되었다. 또한, 물고기의 움직임 패턴을 자동으로 탐지하기 위하여 대표 패턴들을 인공신경망의 학습을 위하여 추출하였다. 독성 물질(다이아지논) 투여 후 패턴 B에 대한 평균 탐지율은 크게 증가하였으나, 패턴 A에 대한 탐지율은 크게 감소함을 볼 수 있었다 본 논문에서는 지표종의 행동 모니터링을 통하여 환경에서 독성 물질의 존재를 탐지하는 방법으로 인공 신경망의 적용을 보여주고 있다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제9권6호
• /
• pp.757-772
• /
• 2019

본 논문에서는 아시아 38개 컨테이너항만 들을 대상으로 10년(2007년-2016년)동안의 4개의 투입요소(선석길이, 수심, 총면적, 크레인 수)와 1개의 산출요소(컨테이너화물 처리량)를 이용하여 인공신경망모형(다층퍼셉트론, 방사형기저함수)으로 클러스터링에 영향을 미친 요소들을 파악하였으며, 1단계 교차효율성 메트릭스를 이용한 군집 수를 사회연결망모형과 타부서치모형에 적용하여 클러스터링을 파악하고 효율성을 측정하였다. 또한 2단계효율성 메트릭스모형을 이용한 클러스터링을 파악하고 효율성을 측정하여 1단계 교차효율성 메트릭스에 의한 측정결과와 비교하였다. 주요한 실증분석 결과는 다음과 같다. 첫째, 인공신경망모형에 의해서 측정해 보았을 때, 군집에 영향을 많이 미친 요소별로 제시해 보면 컨테이너화물 처리량, 선석길이와 수심, 총면적, 크레인 수의 순서로 나타났다. 둘째, 사회연결망분석에서는 2단계 교차효율성(Type IV)메트릭스에 의한 군집은 benevolent 와 aggressive 모형에서 매년 동일한 결과를 보였다. 셋째, 클러스터링 후에 1단계 교차효율성 모형에 비해서 사회연결망 모형 분석과 타부서치 모형 분석에서 국내항만들의 효율성이 거의(사회연결망 모형에서 인천항의 경우 제외) 악화되는 것으로 나타났다. 다섯째, 일반적인 투입지향, 규모수확불변하의 CCR모형의 효율성 측정결과와 비교했을 때는 클러스터링이 모든 항만들에 대해서 약 37%이상의 효율성을 증대시켰다. 여섯째, 사회연결망모형과 타부서치모형에 의해서 클러스터링 되는 항만들은 부산항(고베, 오사카, 포트클랑, 탄중 펠파스, 마닐라항), 인천항(사히드 라자히, 광양), 광양항(아카바, 포트 슐탄 카바스, 담만, 크호르 파칸, 인천)으로 나타났다. 한국항만당국은 본 연구에서 이용된 방법을 도입하여 항만개선방안을 마련해야만 한다.

• 디지털융복합연구
• /
• 제17권5호
• /
• pp.217-223
• /
• 2019

자동차 분야에서 저항 점용접의 결함 및 품질을 실시간으로 예측할 수 있는 연구는 원가절감과 고품질 생산을 위한 필수 불가결한 연구 분야라 할 수 있다. 용접 품질은 전단강도와 너깃의 크기에 의해서 결정되며 여러 가지 독립변수에 따라 결과가 달라진다. 실시간 예측시스템을 개발하기 위하여 다중 회귀분석을 실시하여 3개의 독립변수로 두 가지 종속변수를 충분한 통계적 결과로 구하였으나 회귀식에 의한 품질 예측은 정확도를 보장할 수 없었다. 본 연구에서는 다층 신경망 회로를 구축하였다. 10가지의 동저항 변수에 의한 신경망은 3개의 은닉층을 구축하여 실행 함수와 가중치 행렬을 구하였다. 그러나 이 경우, 입력 변수가 너무 많아 실시간 제어에 어려움이 있을 수 있으므로 회귀분석에 의한 3개의 독립변수로 신경망을 구축하였다. 그 결과 모든 시험데이터를 불량, 부분 불량, 양품으로 구분하는데 성공하였다. 따라서 다중 회귀분석에 의해서 구한 3개의 독립변수에 의한 실시간 용접 품질 판정 시스템을 완성할 수 있었다.