• Proceedings of the Korea Technical Association of the Pulp and Paper Industry Conference
• /
• 2006.04a
• /
• pp.103-112
• /
• 2006

제지 기계의 습부 공정을 안정화시키고, 또한 종이의 지필도에 악영향을 끼치지 않으면서 종이의 기계방향 물성의 변이를 줄이기 위해서, 보류도와 지필도 공정을 동시에 제어하기 위한 제어전략들이 개발되었다. 보류도와 지필도에 미치는 주 변수들에 관한 연구를 양이온성팜(CPAM)/벤토나이트 보류제와 파일럿 제지 기계를 사용하여 수행하였다. 마이크로파티클 보류제 첨가량이 보류도와 지필도에 미치는 영향을 설명하기 위해서 deposition efficiency 모델과 bridging strength 모델을 개발하였다. 제지 기계 보류 공정의 동특성 모델을 질량수지분석을 사용해서 개발하였다. 지료화학 변수의 효과를 모델에 포함하기 위해서, 보류도를 작업조건들에 의존하는 변수로 모델에 포함시켰다. 또한 지필도의 실험적 모델을 개발하고 보류공정을 위한 동특성 모델들과 연계해서 지필도의 동특성을 모사하였다. 여러 제어 전략들이 시뮬레이션상에서 실험되어졌다. 평량과 종이의 회분율 대신에 종이내의 펄프 질량과 충전제 질량을 제어하면 decouper를 사용하지 않고도 두 제어 루프간 상호작용을 줄일 수 있음을 보였다. 지필도의 제어를 위해서, 헤드박스 펄프 농도제어와 폴리머유량과 벤토나이트 유량의 비율제어를 제안하였다. 지종 변경시 백수농도의 설정값을 계산하는 문제를 해결하였다. 또한, 평량, 회분율, 백수농도 및 헤드박스 펄프 농도의 다변수제어가 논의되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.185-185
• /
• 2021

기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• Korean Journal of Remote Sensing
• /
• v.39 no.2
• /
• pp.193-205
• /
• 2023

A large amount of floating debris from land-based sources during heavy rainfall has negative social, economic, and environmental impacts, but there is a lack of monitoring systems for floating debris accumulation areas and amounts. With the recent development of artificial intelligence technology, there is a need to quickly and efficiently study large areas of water systems using drone imagery and deep learning-based object detection models. In this study, we acquired various images as well as drone images and trained with You Only Look Once (YOLO)v5s and the recently developed YOLO7 and YOLOv8s to compare the performance of each model to propose an efficient detection technique for land-based floating debris. The qualitative performance evaluation of each model showed that all three models are good at detecting floating debris under normal circumstances, but the YOLOv8s model missed or duplicated objects when the image was overexposed or the water surface was highly reflective of sunlight. The quantitative performance evaluation showed that YOLOv7 had the best performance with a mean Average Precision (intersection over union, IoU 0.5) of 0.940, which was better than YOLOv5s (0.922) and YOLOv8s (0.922). As a result of generating distortion in the color and high-frequency components to compare the performance of models according to data quality, the performance degradation of the YOLOv8s model was the most obvious, and the YOLOv7 model showed the lowest performance degradation. This study confirms that the YOLOv7 model is more robust than the YOLOv5s and YOLOv8s models in detecting land-based floating debris. The deep learning-based floating debris detection technique proposed in this study can identify the spatial distribution of floating debris by category, which can contribute to the planning of future cleanup work.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1875-1876
• /
• 2008

네트웍 모델러(Network Modeler)는 EMS 시스템에서 전력 네크워크 토폴로지(Network Topology)를 입력하기 위한 도구이다. 네트워크 모델러는 토폴로지 정보를 입력하여 모델을 생성하고 변경하는 일과 네트워크 다이어그램을 생성하는 일 등을 처리한다. 모델을 생성하기 위해 계통요소를 나타내는 심벌을 마우스로 움직여 화면에 배치하고 각 요소의 파라미터를 설정하며 작성된 전력계통 구성이 올바른지 검사하는 기능도 수행한다. 네트워크 모델러는 주로 EMS에서 사용되었고 SCADA 시스템에서는 사용되지 않았으나, 최근 개발되고 있는 SCADA 시스템은 네트워크 모델러를 함께 포함하여 시스템의 기능을 향상시키고 있다. 그러나 기존의 Network Modeler가 EMS 시스템 개발 벤더에 따라 다른 데이터 구조를 가지고 있어서 데이터의 상호 운용성이 떨어지고, 입력방법에 있어서도 자동화 및 자료 연계가 미흡하여 관리에 많은 시간이 소요되는 단점을 가지고 있다. 본 논문에서는 CIM 기반으로 정의된 데이터 모델을 사용자가 그래픽 다이어그램을 이용하여 쉽게 네트워크 토폴로지를 정의하도록 하고, 입력정보의 상호 운영성이 향상된 CIM 기반 Network Modeler를 설계한 내용을 설명하도록 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2020.11a
• /
• pp.108-110
• /
• 2020

본 연구의 목적은 딥러닝 기법의 하나인 인공신경망 모델을 활용하여 선박의 가치평가 모델을 개발하는 것이다. 선박의 가치는 해운시장 변화와 밀접한 관계가 있으며, 경기 변동성이 크고 시장 민감성이 높은 해운시장의 특성상 가치의 불확실성 역시 높게 나타나고 있다. 이러한 선박가치의 중요성에도 불구하고 국내외적으로 선박가치평가의 체계 개선 및 평가모델의 객관성과 신뢰성을 제고시키기 위한 연구는 부족한 실정이다. 따라서 본 연구에서는 딥러닝 방법을 통해 선박의 가치를 산출하는 새로운 평가모델을 제시하고자 한다. 가치평가의 대상은 중고 VLCC선이며, 선행연구를 통해 선박의 가치 변화를 유발하는 주요 요인들을 선별하여 변수를 설정하고 2010년 1월부터 현재까지의 해당 데이터를 확보하였다. 교차검증을 통해 파라미터들을 추정하여 인공신경망의 최적 구조를 식별하고 이에 대한 객관성과 신뢰성을 검증한 결과 인공신경망 모델의 가치평가 정확성이 우수함을 확인하였다. 본 연구는 선박가치평가의 전통적 방법론에서 탈피하여 기계학습 기반의 딥러닝 모델을 활용한 측면에서 독창적인 의미가 있다.

• Journal of Korean Society of Forest Science
• /
• v.100 no.1
• /
• pp.62-69
• /
• 2011

Six commonly used non-linear growth functions were fitted to individual tree height-dbh data of eight major tree species measured by the $5^{th}$ National Forest Inventory in Chungcheong province. A total of 2,681 trees were collected from permanent sample plots across Chungcheong province. The available data for each species were randomly splitted into two sets: the majority (90%) was used to estimate model parameters and the remaining data (10%) were reserved to validate the models. The performance of the models was compared and evaluated by $R^2$, RMSE, mean difference (MD), absolute mean difference (AMD) and mean difference(MD) for diameter classes. The combined data (100%) were used for final model fitting. The results showed that these six sigmoidal models were able to capture the height-diameter relationships and fit the data equally well, but produced different asymptote estimates. Sigmoidal growth models such as Chapman-Richards, Weibull functions provided the most satisfactory height predictions. The effect of model performance on stem volume estimation was also investigated. Tree volumes of different species were computed by the Forest Resources Evaluation and Prediction Program using observed range of diameter and the predicted tree total height from the six models. For trees with diameter less than 30 cm, the six height-dbh models produced very similar results for all species, while more differentiation among the models was observed for large-sized trees.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.325-327
• /
• 2004

제품계열공학(Product Line Engineering, PLE)은 효과적인 재사용 기법으로, 핵심자산(Core Asset) 개발 프로세스와 어플리케이션 공학 프로세스로 구성된다. 핵심자산 개발 프로세스는 제품계열의 여러 어플리케이션들의 공통 휘쳐(Feature)들을 모델링 한 핵심자산 개발에 사용된다. 어플리케이션 공학 프로세스에서 핵심자산을 인스턴스화(instantiation)하고, 핵심자산이 제공하지 않는 어플리케이션 종속적인 기능을 모델링 한 후, 이 두 모델을 통합하여 목표 어플리케이션을 생성 개발한다. 현재의 제품계열공학 연구는 핵심자산 개발과 인스턴스화 과정에 집중되어 있고, 어플리케이션 공학 프로세스의 연구는 개념적 수준에 머물고 있다. 특히, 인스턴스화된 핵심자산 모델과 어플리케이션 종속 모델의 통합의 실용적 기법이 미흡하다. 본 논문에서는 어플리케이션 공학 프로세스의 주요 활동들에 대한 작업 순서와 실용적 지침을 제공한다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.14-17
• /
• 2009

본 연구에서는 장대교량에서 케이블의 장력을 간편하게, 그리고 자동적으로 추정할 수 있는 저비용 무선장력계측시스템을 개발하였다. 개발된 시스템은 크게 비용이 저렴하고 설치 및 관리가 용이한 무선 기반 하드웨어와 케이블에서 계측된 가속도 데이터로부터 장력을 자동으로 추정하여 주는 내장 (Embedded) 자동화 소프트웨어로 구성된다. 저비용 무선 기반 하드웨어는 연산능력을 가진 무선계측유닛과, 계측 신호개선을 위한 신호처리보드, 그리고 상용 MEMS 가속도계로 구성되었으며, 내장 자동화 소프트웨어는 계측된 신호의 주파수 분석을 위한 FFT 모듈, 케이블의 푸리에 스펙트럼으로부터 고유진동수를 자동으로 추출하기 위한 자동 피크 추출(Peak-picking) 알고리즘 모듈, 그리고 추출된 고유진동수를 활용하여 케이블의 장력을 추정하는 진동법 모듈로 구성되었다. 개발된 시스템의 검증을 위하여, 사장교의 케이블 축소모델을 제작하고 케이블 모델에 다양한 장력과 새그를 주어 진동실험을 수행하였다. 실험 결과, 개발된 시스템은 케이블 모델의 주파수응답스펙트럼으로부터 고유진동수를 정확하게 추정하였으며, 장력과 새그의 크기에 상관없이 매우 정확한 장력을 추정하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2011.11a
• /
• pp.99-101
• /
• 2011

접이안 조선은 도선사들의 필수 업무에 해당하는 것이며 이에 대한 안전성 확보는 무엇보다 중요하다. 새로운 항만의 개발, 새로운 선형 선박의 등장 등으로 도선사가 접이안 하는 항만은 계속 그리고 빠르게 변화하고 있다. 이런 변화에 능동적으로 대처하여 도선사 개개인의 선박조종 능력을 함양할 수 있는 방법의 하나로서 도선사들이 쉽게 어디서나 접할 수 있도록 랩탑(laptop) 기반의 선박조종 시뮬레이터를 개발하였다. 도선사들이 다루는 선박에서는 통상의 정속의 항행속력이 아닌 저속에서의 선박 조종이 주가 되므로 이에 대하여 특별히 고려하여 선박모델을 개발하였다. 선박 텔러그래프의 해당 속력 및 그 속력에 도달하는 시간 등이 실선에 부합할 수 있도록 하였다. 선박은 일본의 MMG 모델을 기반으로 하였으며 실제 선박의 시운전 데이터를 참고하여 개발하였다. 실선박이 가진 시운전 자료는 공선의 경우가 많으므로 이에 대하여서는 각 도선사들의 자문을 받아 수정 보완하였다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2000.11a
• /
• pp.16-21
• /
• 2000

본 연구는 대형 프로젝트의 위험분석을 위한 확률적 Network 시뮬레이션모델의 연구로서 Simulation방법으로 프로젝트의 성공 및 실패확률을 산정 하였다. 프로젝트의 주요 불확실성 요소(Uncertainty Factors)인 프로젝트의 수행기간(Time), 비용(Cost) 및 성과(Performance) 등의 계획은 실패 없이 추진되어야 하는 것이 중요하다. 연구 개발 및 신기술개발과 같이 대형 프로젝트의 경우, 그 성과 달성의 위험(Risk)성은 매우 크며 이러한 위험 예측 및 분석이 프로젝트의 성공적인 수행을 위하여 매우 중요 시 된다. 본 연구에서는 이를 위한 위험분석(Risk Analysis)의 방법으로 일반적으로 쉽게 사용할 수 있는 위험요인법(Risk Factor Analysis)과 확률적 Network 시뮬레이션모델을 제시하였으며 또한 이를 위한 Simulation프로그램을 개발하였으며 이를 신 기술개발 프로젝트에 응용하는 과정을 보였다. 본 연구에서 개발된 관련 프로그램을 보완 할 경우 대형 프로젝트의 각종 의사결정 시에 매우 유용하게 활용될 수 있으리라 생각된다.