• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권2호
• /
• pp.57-64
• /
• 2021

자율주행차 시대가 도래하면서 ECU (Electronic Control Unit)는 점차 고도화되고 있고, 이에 따라 차량에서 정확한 데이터를 추출하고 분석하려는 연구가 다양하게 시도되어 왔다. 그러나 ECU는 차량 제조사별로 상이한 프로토콜을 가지고 있어 상용 단말기로는 정확한 데이터 추출과 분석이 어렵다. 본 연구에서는 정확한 차량 데이터를 추출하기 위하여 전용 펌웨어를 개발하여 차량의 2019년 1월부터 2월의 실제 주행데이터 53,580건의 데이터를 추출하였으며, 20회가 넘는 실제 도로 주행을 통해서 데이터의 정확도를 검증하였다. 이러한 데이터를 바탕으로 실시간 연료 소비량 예측 모델의 정확도를 높이기 위하여 스태킹 앙상블 기법을 이용하였다. 본 연구에서는 베이스 모델로 Ridge, Lasso, XGBoost, LightGBM이 사용되고 메타 모델은 Ridge가 사용되었으며, 예측 성능은 MAE 0.011, RMSE 0.017로 최적의 결과를 보였다.

• 한국ITS학회 논문지
• /
• 제22권6호
• /
• pp.1-16
• /
• 2023

정확도가 높은 교통정보 예측은 지능형교통체계(intelligent transport systems, ITS)를 통한 교통 시설 이용자들의 혼잡 경로 회피 안내 등에서 활용되는 중요한 기능이다. 정확한 교통정보예측을 위해 다양한 딥러닝 모델들이 발전되어 왔다. 최근에는 앙상블 기법을 활용하여 다양한 모델들의 장단점을 결합하여 예측 정확도와 안정성을 높이고 있다. 따라서, 본 연구에서는 다양한 딥러닝 모델들을 활용하여 교통정보 예측 모델을 개발하였으며, 개발된 딥러닝 모델들을 스태킹 앙상블(stacking ensemble)하여 성능을 개선하였다. 개별 모델들은 교통량 예측에서 10% 이내의 오차율을, 속도 예측에서 3% 이내의 오차율을 보였다. 앙상블 모델은 교차검증을 수행하지 않았을 때, 타 모델과 비교하여 더욱 높은 정확도를 보였다. 교차검증을 수행한 앙상블 모델은 장기예측에서 타 모델보다 균일한 오차율을 보이는 것으로 나타났다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.31-34
• /
• 2024

태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.

• 대한기계학회논문집B
• /
• 제30권7호
• /
• pp.603-611
• /
• 2006

This paper presents the response surface optimization method using three-dimensional Wavier-Stokes analysis to optimize the blade shape of an axial flow fan. Reynolds-averaged Wavier-Stokes equations with $k-{\epsilon}$ turbulence model are discretized with finite volume approximations using the unstructured grid. Regression analysis is used for generating response surface, and it is validated by ANOVA and t-statistics. Four geometric variables, i.e., sweep and lean angles at mean and tip respectively were employed to improve the efficiency. The computational results are compared with experimental data and the comparisons show generally good agreements. As a main result of the optimization, the total efficiency was successfully improved. Also, detailed effects of sweep and lean on the axial flow fan are discussed.

• 유체기계공업학회:학술대회논문집
• /
• 유체기계공업학회 2003년도 유체기계 연구개발 발표회 논문집
• /
• pp.639-645
• /
• 2003

Design optimization of a transonic compressor rotor (NASA rotor 37) using response surface method and three-dimensional Navier-Stokes analysis has been carried out in this work. Baldwin-Lomax turbulence model was used in the flow analysis. Two design variables were selected to optimize the stacking line of the blade, and mass flow was used as a design variable, as well, to obtain new design point at peak efficiency. Data points for response evaluations were selected by D-optimal design, and linear programming method was used for the optimization on the response surface. As a main result of the optimization, adiabatic efficiency was successfully improved, and new design mass flow that is appropriate to an improved blade was obtained. Also, it is found that the design process provides reliable design of a turbomachinery blade with reasonable computing time.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2015년도 전력전자학술대회 논문집
• /
• pp.387-388
• /
• 2015

본 논문은 장펄스 폭을 가지는 펄스 전원 장치에 대해서 기술한다. 펄스 전원 장치는 크게 충전부와 펄스부로 나누어 진다. 충전부의 경우 고효율, 고신뢰성을 위한 공진형 컨버터와 높은 전압이득을 위한 배전압 정류 회로로 구성 되어 있으며, 펄스부의 경우 펄스의 제어가 용이하고 고밀도 구현이 가능한 수정형 막스 방식의 제네레이터를 채택하고 있다. 또한 개발된 펄스 전원 장치는 직렬 스태킹 되어 있는 반도체 스위치의 효과적인 동기화 및 안정적인 구동과 장펄스를 만들어 내기 적합한 게이트 구동회로를 사용하고 있다. 다양한 실험 결과를 통하여 장펄스 전원장치 설계의 타당성과 우수성을 검증한다.

• 한국멀티미디어학회논문지
• /
• 제25권10호
• /
• pp.1386-1394
• /
• 2022

As consumption of high-quality fruits increases and sales and packaging units become smaller, the demand for automatic fruit grading systems is increasing. Compared to other crops, the quality of fruit is determined by visual characteristics such as shape, color, and scratches, rather than just physical size and weight. Accordingly, this study presents a CNN model that can effectively extract and classify the visual features of fruits and a perceptron that classifies fruits using physical features, and proposes a stacking ensemble model that can effectively combine the classification results of these two neural networks. The experiments with AI Hub public data show that the stacking ensemble model is effective for grading fruits. However, the ensemble model does not always improve the performance of classifying all the fruit grading. So, it is necessary to adapt the model according to the kind of fruit.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1053-1066
• /
• 2020

이산화황(SO₂)은 대기 중 화학 반응을 통해 2차 대기오염물질을 생성하는 전구체로, 주로 산업활동이나 주거 및 교통 활동 등을 통해 배출된다. 장기간 노출 시 호흡기 질환이나 심혈관 질환 등을 유발하여 인체 건강에 부정적인 영향을 미칠 수 있기 때문에 이에 대한 지속적인 모니터링이 필요하다. 우리나라에서는 SO₂에 대해 관측소 기반의 모니터링이 수행되고 있으나 이는 공간적으로 연속적인 정보를 제공하는 데에 한계가 있다. 따라서, 본 연구에서는 위성자료와 수치모델 자료를 융합하여 일별 13시를 타겟으로 하는 1 km의 고해상도로 공간적으로 연속적인 SO₂ 지상농도를 산출하였다. 2015년 1월부터 2019년 4월까지의 기간 동안 남한 지역에 대하여 스태킹 앙상블 기법을 이용하여 SO₂ 지상농도 추정 모델을 개발하였다. 스태킹 앙상블 기법이란 여러가지 기계학습 기법을 두 단계로 쌓는 방식으로 융합하여 단일 모델 대비 더 향상된 성능을 도출하는 방법이다. 본 연구에서는 베이스 모델로는 RF (Random Forest)와 XGB (eXtreme Gradient BOOSTing) 기법이, 메타 모델로는 MLR (Multiple Linear Regression) 기법이 사용되었다. 구축된 모델의 교차검증 결과 메타 모델은 상관계수(R) = 0.69와 root-mean-squared-error(RMSE) = 0.0032 ppm의 결과를 보였으며 이는 베이스 모델의 평균 대비 약 25% 향상된 안정성을 보였다. 또한 모델 구축에 사용되지 않은 기간에 대한 예측 검증을 수행하여 모델의 일반화 가능성을 평가하였다. 구축된 모델을 이용하여 남한 지역의 SO₂ 지상농도 공간분포를 분석한 결과 일반적인 계절성과 배출원의 변화를 잘 반영하는 패턴을 보임을 확인하였다.

• 자원환경지질
• /
• 제31권1호
• /
• pp.21-29
• /
• 1998

원주 (KSRS), 인천 (IRIS), 그리고 포항 (PHN)에서 관측한 원격 지진 P파로부터 광대역 수신 함수(Receiver Function)를 이용하여 관측소 하부의 지각 속도 모델을 찾았다. 3개의 관측소에서 기록된 수신 함수 파형으로부터 모호 불연속면에서 전환된 Ps파형을 명확하게 관측할 수 있었다. 각 관측소에서 관측된 수신 함수들은 신호 대 잡음 비 (S/N ratio)를 향상시키기 위해 후방위각과 진앙 거리가 거의 같은 수신 함수들끼리 스태킹(Staking)하였다. 이와 같이 스태킹한 수신함수를 수신함수 역산법 (Receiver Function Inversion Method)을 이용하여 다음과 같은 결과를 얻었다. (1) 포항 관측소에는 후방위각 남동 (SE)과 북서 (NW)방향의 수신 함수 역산 결과 표층으로부터 4~5km에서 고속도층이 존재하며 10 km깊이부터 저속도층 (LVZ)이 존재하고 있다. 그리고 북서 (NW)방향의 원격 수신 함수 역산 결과 약 28km 깊이에 모호 불연속면이 존재하는 것을 찾았다. (2) 원주 관측소에서는 북동 (NE)방향의 원격 수신 함수 역산 결과 천부 지각 속도 구조 양상이 다소 복잡하고 3~4km깊이에 고속도대 (high-velocity zone, $V_p{\simeq}6.8km/sec$)가 존재하는 것으로 나타났다. 이 지역의 평균 지각 두께는 33km 이며, 30~33 km깊이에서 속도가 6.4 km/sec에서 7.9 km/sec로 급격히 변하는 지각-맨틀 경계가 존재하는 것을 알 수 있다. 따라서 Moho 불연속면의 깊이는 33km로 추정된다. (3) 북서 (NW)방향의 수신함수 분석결과 인천 관측소 하부의 지각 속도 모델의 특징으로는 P파의 속도는 표층부터 선형적으로 증가되고 또한 26~29 km 깊이에 P파 속도가 6.2 km/sec에서 7.9 km/sec로 속도가 급격히 변하고 있음에 비추어 Moho 불연속면은 심도 약 29km에 존재하는 것으로 나타났다.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.129-136
• /
• 2020

블록체인의 장점들은 다양한 분야에서 블록체인의 필요성을 제시한다. 하지만 블록체인에는 몇 가지 단점들이 존재한다. 그 중 엉클블록 문제는 블록체인의 가치와 활용을 크게 저해할 수 있는 문제 중 하나다. 엉클블록 문제로 인해 블록체인의 가치가 저하 될 수 있음에도 불구하고 이전의 연구들은 엉클블록에 대한 연구에 크게 주목하지 않았다. 따라서 본 연구의 목적은 블록체인의 엉클 블록 문제를 예측하고 대비할 수 있도록 엉클블록의 발생을 예측 하고자 한다. 본 연구는 엉클 블록 발생의 정확한 예측을 위해서 새로운 변수와 앙상블 분석 기법 도입의 타당성을 검증한다. 연구 방법으로 엉클블록 문제가 실제로 발생하는 이더리움의 엉클블록을 대상으로 보팅, 배깅, 스태킹 앙상블 분석 기법을 활용하였다. 분석 데이터로는 이더리움과 비트코인 블록체인 정보를 활용하였다. 연구 결과, 이더리움 블록체인 정보만을 활용하여 보팅, 스태킹 앙상블 기법을 적용할 경우 가장 높은 예측 결과가 나타난다는 사실을 발견하였다. 본 연구의 결과는 엉클블록의 발생을 보다 정확하게 예측하여 블록체인의 엉클블록 문제에 대비할 수 있도록 기여한다.