• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.33 no.1
• /
• pp.101-113
• /
• 2013

This paper intends to develop mechanical analysis models that are able to predict complete nonlinear behavior in the bolted connector subjected to cyclic loads. In addition, experimental data which were obtained from loading tests performed on the T-stub connections are utilized to validate the accuracy of analytical prediction and the adequacy of numerical modeling. The behavior of connection components including tension bolt uplift, bending of the T-stub flange, stem elongation, relative slip deformation, and bolt bearing are simulated by the multi-linear stiffness models obtained from the observation of their individual force-deformation mechanisms in the connection. The component springs, which involve the stiffness properties, are implemented into the simplified joint element in order to numerically generate the behavior of full-scale connections with considerable accuracy. The analytical model predictions are evaluated against the experimental tests in terms of stiffness, strength, and deformation. Finally, it can be concluded that the mechanical models proposed in this study have the satisfactory potential to estimate stiffness response and strength capacity at failure.

• Journal of the Korean GEO-environmental Society
• /
• v.5 no.3
• /
• pp.61-70
• /
• 2004

N-value by the SPT is one of the key parameter for settlement evaluation. However, if the ground is firm, the usual N-value is not blow count of 30cm depth penetration. In such case, if N-value is more than 50 with 30cm penetration, the N-value 50 is applied for settlement analysis. Therefore, in this study, the modified method of N-value estimation is suggested and compared the settlement by Elastic Theory, and the measured field data by Plate Load Test. As the result of this study, it is shown that the settlement by Elastic Theory with the modified N-value is more accurate than settlement by usual N-value. The application of Elastic Theory for pure sand is also evaluated in this paper.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.3
• /
• pp.20-29
• /
• 2021

In the Industry 4.0 era, artificial intelligence has attracted considerable interest for learning mass data to improve the accuracy of forecasting and classification. On the other hand, the current method of detecting anomalies relies on traditional statistical methods for a limited amount of data, making it difficult to detect accurate anomalies. Therefore, this paper proposes an artificial intelligence-based anomaly detection methodology to improve the prediction accuracy and identify new data patterns. In particular, data were collected and analyzed from the point of view that sensor data collected at vehicle idle could be used to detect abnormalities. To this end, a sensor was designed to determine the appropriate time length of the data entered into the forecast model, compare the results of idling data with the overall driving data utilization, and make optimal predictions through a combination of various sensor data. In addition, the predictive accuracy of artificial intelligence techniques was presented by comparing Convolutional Neural Networks (CNN) and Long Short Term Memory (LSTM) as the predictive methodologies. According to the analysis, using idle data, using 1.5 times of the data for the idling periods, and using CNN over LSTM showed better prediction results.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.280-282
• /
• 2005

현재 국내외 적으로 많은 대사경로 재구축을 위한 소프트웨어들이 개발 보급되고 있다. 그러나 기존의 소프트웨어들은 유전자 서열의 주해 작업이 끝난 게놈에 대해서만 가능하다. 따라서 대사경로를 예측하고자 할 경우는 주해 작업이 선행되어야 하는 어려움이 있었다. 본 논문에서는 주해 작업이 완료되지 않은 유전자 서열로부터 유전자의 기능 예측뿐만 아니라 대사경로를 예측할 수 있는 시스템을 제안한다. 제안된 시스템은 Orthologous 데이터베이스를 활용하여 새롭게 밝혀진 유전자 서열을 대상으로 비교적 정확성이 높은 대사경로를 예측하는 기능을 제공한다. 이 방법을 통해 주해 작업이 완료되지 않은 유전자 서열을 이용하여 서열 내에 포함된 유전자의 기능을 예측할 뿐만 아니라 예측된 유전자 정보를 이용하여 대사 경로를 예측할 수 있다.

• Science of Emotion and Sensibility
• /
• v.1 no.1
• /
• pp.123-133
• /
• 1998

시계열 예측은 효과적인 기업 경영에 반드시 필요한 활동이지만, 이와 관련 인간의 인지처리 과정에 대한 연구는 아직까지 미비하다. 본 연구는 인간 감성이 시계열 예측에 미치는 영향을 탐색하였다. 본 실혐에서는 반복을 통한 2(감성) x 2(횟수) 팩토리얼 설계를 채택하였다. 감성은 청각, 시각, 후각자극을 통해 환경을 조성하고 준비된 시나리오를 연상케하여 유발시켰다. 12명의 대학, 대학원생이 실험에 참여하였으며, 감성의 영향을 탐색하기 위해 뇌파(EEG)와 피부저항(GSR)이 후두엽(Oz)과 전두엽(Fz)에서 측정되었다. 그 결과 인간의 감성은 예측에 유의적인 영향을 보였다. 즉, 피험자가 부정적인 감성을 갖을 때 긍정적인 감성에 비해 예측의 정확성이 높은 경향이 있었다. 그 이유는 부정적 감성일 경우 전두엽에서 베타가 많이 출현하였고, 이는 시계열 예측의 정확도를 향상시키는 역할을 하였다.

• Proceedings of the KIEE Conference
• /
• 2000.07b
• /
• pp.1445-1447
• /
• 2000

본 논문에서는 철도 수요예측 문제의 유형을 목적에 따라 3가지로 분류하였고, 최근 철도자원을 재고관리 차원에서 접근하고자 하는 시각에 따라 분배모형으로써 적응필터를 사용하는 방법의 타당성에 대해 설명하였다. 또 철도 승객수요의 주요 특징을 분석하였으며, 철도 승객수요 예측의 요구사항 및 방법론을 대규모 재고관리 시스템의 일반적 요구사항에 따라 정리하였다. 영향인자에 대한 분석으로 요일별 계절변동 지수를 정량적으로 산정하였다. 적응필터를 이용한 철도 승객수요 예측의 예제를 제시하였으며, 예측에의 정확성에 대한 비교를 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.357-357
• /
• 2021

홍수로 인한 침수피해 발생을 최소화하기 위해 정확한 하천의 수위 예측과 리드타임 확보가 매우 중요하다. 특히 조석현상의 영향을 받는 감조하천의 경우 기존의 물리적 수문모형의 적용이 제한되어 하천수위 예측의 정확도가 떨어지기도 한다. 따라서 본 연구에서는 이러한 감조하천 수위 예측의 정확도를 높이기 위해 조석현상을 분리하고 인공신경망을 활용하는 하이브리드 모델을 제안 하였으며 다중 선형회귀분석과 비교 분석하였다. 감조하천에 위치한 교량의 수위데이터에서 Stationary Wavelet Transform으로 조석현상을 분리하였으며, 이외의 수위에 영향을 주는 time series data와 인공신경망(ANN)을 활용하여 1시간, 2시간, 3시간 후의 수위를 예측하였다. 하이브리드 모델은 96% 이상의 정확도를 보였으며 다중 선형회귀 분석과 비교하여도 높은 정확성을 보여주었다.

• KEPCO Journal on Electric Power and Energy
• /
• v.6 no.4
• /
• pp.413-418
• /
• 2020

It is necessary to manage the prediction accuracy of the machine learning model to prevent the decrease in the performance of the grid network condition prediction model due to overfitting of the initial training data and to continuously utilize the prediction model in the field by maintaining the prediction accuracy. In this paper, we propose an automation technique for maintaining the performance of the model, which increases the accuracy and reliability of the prediction model by considering the characteristics of the power grid state data that constantly changes due to various factors, and enables quality maintenance at a level applicable to the field. The proposed technique modeled a series of tasks for maintaining the performance of the power grid condition prediction model through the application of the workflow management technology in the form of a workflow, and then automated it to make the work more efficient. In addition, the reliability of the performance result is secured by evaluating the performance of the prediction model taking into account both the degree of change in the statistical characteristics of the data and the level of generalization of the prediction, which has not been attempted in the existing technology. Through this, the accuracy of the prediction model is maintained at a certain level, and further new development of predictive models with excellent performance is possible. As a result, the proposed technique not only solves the problem of performance degradation of the predictive model, but also improves the field utilization of the condition prediction model in a complex power grid system.

• Journal of Korean Society of Transportation
• /
• v.26 no.5
• /
• pp.163-174
• /
• 2008

The conventional four-step travel demand model is still widely used as the state-of-practice in most transportation planning agencies even though it does not provide reliable estimates of travel demand. In order to improve the accuracy of travel demand estimation, implementing an alternative approach would be critical as much as acquiring reliable socioeconomic and travel data. Recently, the role of travel demand model is diverse to satisfy the needs of microscopic analysis regarding various policies of travel demand management and traffic operations. In this context, the activity-based approach for travel demand estimation is introduced and a case study of developing a spatial-temporal activity presence-based approach that estimates travel demand through forecasting number of people present at certain place and time is accomplished. Results show that the spatial-temporal activity presence-based approach provides reliable estimates of both number of people present and trips actually people made. It is expected that the proposed approach will provide better estimates and be used in not only long-term transport plans but short-term transport impact studies with respect to various transport policies. Finally, in order to introduce the spatial-temporal activity presence-based approach, the data such as activity-based travel diary and land use based on geographic information system are essential.