• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.122-122
• /
• 2021

전 세계적인 기후변화로 인해 태풍과 집중호우의 빈도와 규모가 증가하고 있으며 그로 인해 수재해 대응과 수자원 관리에 많은 어려움이 따른다. 댐 운영은 이러한 수자원 관리의 중요한 요소이며 정확한 댐 유입량의 예측은 효율적인 댐 운영과 관리의 필수적인 부분이다. 최근에는 여러 분야에서 활용되고 있는 딥러닝 모델을 활용하여 댐 유입량 예측에 관한 다수의 연구들이 수행되고 있다. 특히, 수문 시계열의 장기적인 특성과 비선형적인 관계를 고려하기 위해 연속형 모의를 기반으로 하는 딥러닝 모델의 적용 및 평가와 관련 연구의 필요성이 대두되고 있다. 본 연구에서는 연속형 모의를 기반으로 하는 딥러닝 모델을 활용하여 댐 유입량 예측을 수행하고자 하며 이의 적용성을 평가하고자 한다. 적용 대상 지역으로는 안동댐 상류 유역을 선정하였으며 2006년부터 2020년까지의 시 단위 강우 및 댐 유입량 자료를 활용하였다. 선행시간(1~6시간)별 예측 유입량과 관측 유입량의 비교를 통한 정량적 평가를 수행하였다. 또한 입력 자료에 대한 과거 기간, 모델 구성, 손실함수 등에 대한 조건별 평가를 통해 예측 정확도의 변화에 대한 분석을 수행하였다. 본 연구결과를 통해, 딥러닝 기반의 댐 유입량 예측 정확도에 대한 향상과 실시간 예측을 위한 딥러닝 모델의 활용성 증대에 기여할 것으로 기대된다. 향후, 강우 예보 자료를 연계한 딥러닝 기반의 실시간 댐 유입량 예측 기법을 제안하고 이의 활용성을 평가하고자 한다.

• 한국신재생에너지학회:학술대회논문집
• /
• 2008.05a
• /
• pp.282-285
• /
• 2008

NREL Phase VI 12% 축소모델을 사용한 표준풍력터빈 풍동시험은 2006$\sim$2007년에 수행되었다. 1,2차 풍동시험은 복합재 및 알루미늄 블레이드를 사용하여 블레이드 제작정밀도 및 표면상태에 의한 영향을 파악하기 위해 수행되었다. 3차 풍동시험은 축소효과보상기법 개발을 위해 수행되었다. Bo-105 40% 모델에 사용된 코드확장기법을 적용하여 15% 코드확장 블레이드를 사용하여 풍동시험을 수행하였다. 시험결과 코드확장기법을 적용할 경우 풍속에 대한 토크 기울기는 실물모델과 잘 일치하나, 최대토크 대비 8%정도 간극을 나타내고 있다. 풍력터빈 블레이드와 같이 캠버가 큰 익형을 사용하는 회전체에 대한 수정된 보상기법을 적용할 경우 이러한 간극은 보상될 수 있다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.04a
• /
• pp.283-287
• /
• 2004

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시접에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• Proceedings of the KIEE Conference
• /
• 2001.07a
• /
• pp.323-326
• /
• 2001

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.787-790
• /
• 2010

현재 고속도로 상의 노후 교량에 대하여는 재하시험을 통하여 정량적인 내하력 평가를 수행하고, 만족스러운 수준의 내하력이 확보되지 않은 경우에는 보수, 보강 또는 교체를 수행한다. 그러나 교통량이 많은 고속도로사의 교량에 대해서는 재하시험이 매우 어렵고, 센서 케이블 작업으로 인하여 작업성이 떨어지는 경우가 많다. 본 연구에서는 이러한 문제점들을 개선하기 위하여 상시교통하중에 의한 교량 내하력 평가 시스템에 대한 연구를 수행하였다. 내하력 평가 대상 교량에 대하여 상시진동계측을 수행하였으며, 계측된 데이터를 통하여 교량의 동특성을 추정하였다. 추정된 동특성을 바탕으로 초기 해석 모델을 Downhill Simplex 방법을 이용하여 개선하였으며, 개선된 교량 모델을 이용하여 재하시험을 시뮬레이션 함으로써, 처짐 보정 계수를 구하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.1523-1527
• /
• 2005

본 연구에서는 수자원 통합모델링 프레임웍을 개발하기 위하여 국내의 모델개발과 프로그램개발 환경에 대한 사용자 요구조사를 실시하였다. 요구조사의 응답자는 총 19명 이었으며, 그 응답자는 대부분 수자원의 지속적 확보기술개발 사업에 참여하고 있는 연구자를 대상으로 하였다. 사용자 요구조사 결과 국내에서는 물관련 전공자들이 모델과 프로그램의 개발을 동시에 수행하는 경우가 많았으며, 대부분 Fortran을 중심으로 다양한 프로그래밍 언어를 사용하고 있었다. 모델개발자들은 모델간의 연계에 대한 필요성은 느끼면서도 모델간의 연계에 대한 실제적인 구현도구를 찾지 못하고 있으며, 모델의 공유에 대한 인식도 낮았다. 따라서 향후 통합모델링 프레임웍의 구체적인 설계 단계에서는 모델개발자가 개발된 모델의 프로그램으로 쉽게 구현할 수 있도록 편리한 사용환경이 요구되며, 모델간의 연계를 위한 프로그램 표준화작업도 동시에 수행되어야 할 것으로 판단된다. 또한 통합모델링 프레임웍의 설계에 있어 사용자의 요구를 충분히 반영하기 위하여 사용자 요구조사를 바탕으로한 통합모델링 프레임웍 개발 가이드라인을 제시하였다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1998.04a
• /
• pp.112-117
• /
• 1998

기하학적 모델에 변형을 주는 것은 매우 시간을 소모한다. 따라서, 분싱이 동작 할 때 신체의 각부위에 대한 자연스러운 모델 변형을 실시간으로 수행한다는 것은 어려운 일이다. 따라서, 분신에 대한 일반적인 모델변형은 어렵지만, 모델 변형이 관절에서만 일어나는 것으로 제한한다면 일어나는 모델 변형은 매우 단순해진다. 즉, 하나의 축을 중심으로 휘기만 하는 단순한 방법으로도 척추를 포함한 모든 관절의 모델변형을 충분히 만족시키는데, 이러한 단순한 모델 변형은 매우 간단한 연산을 제공하여 실시간으로 모든 관절의 모델변형을 수행하는 것을 가능하게 한다. 이러한 모델변형은 사이버 글러브와 같은 가상현실용 인터페이스를 실험할 때 가상의 손모델에 적용되어 보다 사실감을 높이게 할 수 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.366-369
• /
• 2003

본 연구에서는 강건한 문맥의존 음향모델을 작성하기 위한 기초적인 연구로서 문맥환경과 상태수의 변화에 따른 음향모델의 성능을 고찰하고자 한다. 음성은 시간함수로 표현되며 음절, 단어, 연속음성을 발성할때 자음과 모음에 따라 발성시간에 차이가 있으며 음성인식의 최소 인식단위로 널리 사용되는 음소의 앞과 뒤에 오는 문맥환경에 따라 인식성능에 많은 차이를 보이고 있다. 따라서 본 연구에서는 시간의 변화(상태수의 변화)와 상태분할 과정에서 문맥환경의 변화를 고려하여 다양한 형태의 문맥의존 음향모델을 작성하였다. 모델학습은 음소결정트리 기반 SSS 알고리즘(Phonetic Decision Tree-based Successive State Splitting： PDT-555)을 이용하였다 PDT-SSS 알고리즘은 미지의 문맥정보를 해결하기 위해 문맥방향과 시간방향으로 목표 상태수에 도달할 때까지 상태분할을 수행하여 모델을 작성하는 방법이다. 본 연구에서 강건한 문맥의존 음향모델을 학습하기 위한 방법의 유효성을 확인하기 위해 국어공학센터의 452 단어를 대상으로 음소와 단어인식 실험을 수행하였다. 실험결과, 음성의 시간변이에 따른 모델의 상태수와 각 음소의 문맥환경에 따라 인식성능의 변화를 고찰할 수 있었다. 따라서 본 연구는 향후 음성인식 시스템의 강건한 문맥의존 음향모델을 작성하는데 유효할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.468-468
• /
• 2016

3차원 동수역학 모델을 이용하여 연안 순환에서 발생하는 이안류의 연직 분포를 조사하였다. 이안류 흐름은 변수심 위에서 발생하는 파의 쇄파와 모멘텀 전달에 의해 발생하는 외해방향의 흐름을 의미하는 것으로 해안의 보전, 유지 및 개발 측면에서 매우 중요한 역할을 한다. 지난 수십년동안 이안류와 관련된 현상을 해석하기 위해 많은 연구들이 수행되어 왔다. 하지만 대부분의 연구들은 수심적분된 2차원 모델을 사용하거나 위상 평균된 3차원 모델을 사용하여 이안류 흐름이 발생할 시 유속의 3차원 분포나 각 종 물리량의 시간적인 변화 등을 모의하기 어려웠다. 본 연구에서는 3차원 동수역학 모델 NHWAVE (Non-Hydrostatic WAVE model)을 이용하여 이안류의 연직분포를 조사하였다. 이안류를 발생시키기 위하여 이상적인 이안류 지형을 만들었으며 여러 지점에서 연직분포를 측정하여 수심적분된 Boussinesq 모델과 비교하여 특성을 파악하였다. 수치모의 수행결과, 두 모델 모두 이안류 현상을 잘 재현하였으나 Boussinesq 모델은 수평유속의 연직방향 변화를 잘 재현하지는 못하였다. 또한, 파고가 상대적으로 큰 경우에는 3차원 모델에서는 작은 순환류가 외해 영역에서 발생하였으나 Boussinesq 모델에서는 관측하지 못하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.207-209
• /
• 2024

딥러닝은 선형 연산과 비선형 연산을 조합하여 목표로 하는 시스템을 잘 표현할 수 있는 함수를 찾기 위해 사용하며, 이미지 분류 및 생성, 거대 언어 모델 및 객체 인식의 영역에서 활발하게 사용되고 있다. 그러나 딥러닝 연산을 위해서는 모델과, 연산을 수행하고자 하는 데이터가 하나의 공간에 저장되어야 한다. 모델과 데이터를 데이터 소유자가 관리할 경우, 데이터 소유자가 모델 데이터의 프라이버시를 침해할 수 있으며, 이는 모델을 적대적 예제 생성 공격에 취약하도록 만드는 원인이 된다. 한편 모델과 데이터를 모델 소유자가 관리할 경우, 모델 소유자는 데이터의 프라이버시를 침해하여 데이터 소유자의 정보를 악의적으로 이용할 수 있다. 본 논문에서는 딥러닝 모델과 데이터의 프라이버시를 모두 보호하기 위해 주어진 딥러닝 모델의 암호화와 복호화를 수행하는 EncNet 을 구현하였으며, MNIST 와 Cifat-10 데이터셋에 대하여 실효성을 테스트하였다.