• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.382-382
• /
• 2011

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.

• Computational Structural Engineering
• /
• v.3 no.4
• /
• pp.10-13
• /
• 1990

구조물의 동적계수 추정방법과 이에 관련된 몇가지 사항들에 대해서 기술하였다. 여러 문제들중 가장 중요한 것이라고 생각되는 것으 소음에 대한 처리문제라고 여겨진다. 순차적 예측오차법과 같은 비선형 최적화기법을 사용하여 측정오차와 관련된 소음영향은 어느정도 처리되어질 수 있다고 생각되나, 많은 자유도를 가진 실제구조물의 거동을 간단한 모형식으로 나타냄으로써 야기되는 모형화 오차에 대해서는 아직 그 처리방법에 상당한 난점이 있다. 앞으로 이에 대한 많은 연구가 요구되는 실정이다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1992.04a
• /
• pp.120-124
• /
• 1992

평면 연삭가공에 있어서 피삭재의 진직도의 제어는 정밀계측기와 같은 정밀기기의 제작에 중요한 문재중 하나이다. 본 연구에서는 연삭작업 능률을 향상시키기 위해 고 능률 단공정 가공시 발생할 수 있는 피삭재의 열변형기등을 유한요소법으로 밝힌것을 기초로 실험과의 타당성 여부를 검토하고, 고능률 연삭시 형상오차에 미치는 여러가지인자의 영향을 조사하였으며, 회귀분석에의해 형상오차의 추정치를 예측하였다.

• The Korean Journal of Applied Statistics
• /
• v.24 no.1
• /
• pp.93-102
• /
• 2011

In this paper, we compared the performance of the several time series models for tourism demand forecasting. We showed that seasonal effects in the data(Japan, China, USA, and Philippines) exist in the tourism data and the forecasting accuracies are compared by the RMSE criterion.

• Journal of Industrial Technology
• /
• v.28 no.B
• /
• pp.199-207
• /
• 2008

A linear wind prediction program, WAsP, was employed to predict wind speed at two different sites located in complex terrain in South Korea. The reference data obtained at locations more than 7 kilometers away from the prediction sites were used for prediction. The predictions from the linear model were compared with the measured data at the two prediction sites. Two compensation methods such as a self-prediction error method and a delta ruggedness index (RIX) method were used to improve the wind speed prediction from WAsP and showed a good possibility. The wind speed prediction errors reached within 3.5 % with the self prediction error method, and within 10% with the delta RIX method. The self prediction error method can be used as a compensation method to reduce the wind speed prediction error in WAsP.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.32 no.4C
• /
• pp.355-361
• /
• 2007

In this paper, the hop-timing estimator, which NED and ELF are adopted to, has been proposed. The estimation performance of the proposed scheme and the conventional scheme is compared through computer simulations. The simulation results show that the new system has less hop-timing error than the conventional system in partial band noise jamming channel. The lover Eb/Nj and ratio of jamming bandwidth(rho) we, the bigger performance enhancement of the proposed system is.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.284-285
• /
• 2015

발전설비의 불시정지, 예상치 못한 전력수요 급증 등 전력수요와 공급의 불확실성에 대비하기 위해 예비력을 운영 하고 있다. 최근 풍력발전원의 지속적인 증가로 풍력발전 출력값과 예측값의 차이인 예측오차에서 기인하는 풍력발전출력의 불확실성 또한 예비력 산정 시 고려할 주요 요소로 논의되고 있다. 본 논문에서는 발전력의 상당 부분을 풍력발전원이 담당하는 전력시스템에서 산정된 운영예비력의 적정성을 평가하는 방안을 제시하였다. 기존의 전력수요 예측오차, 발전기 불시정지 뿐만 아니라 풍력발전원의 불확실성을 모두 고려해 산정된 운영 예비력의 적정성을 평가한다.

• The Journal of the Acoustical Society of Korea
• /
• v.13 no.1E
• /
• pp.64-70
• /
• 1994

Predictive neural network models are powerful speech recognition models based on a nonlinear pattern prediction. But those models suffer from poor discrimination between acoustically similar words. In this paper we propose an discriminative training algorithm for predictive neural network models. This algorithm is derived from GPD (Generalized Probabilistic Descent) algorithm coupled with MCEF(Minimum Classification Error Formulation). It allows direct minimization of a recognition error rate. Evaluation of our training algoritym on ten Korean digits shows its effectiveness by 30% reduction of recognition error.

• 한국신재생에너지학회:학술대회논문집
• /
• 2008.10a
• /
• pp.268-273
• /
• 2008

A linear wind prediction program, WAsP, was employed to predict wind speed at two different sites located in complex terrain in South Korea. The reference data obtained at locations more than 7 kilometers away from the prediction sites were used for prediction. The predictions from the linear model were compared with the measured data at the two prediction sites. Two compensation methods such as a self-prediction error method and a delta ruggedness index (RIX) method were used to improve the wind speed prediction from WAsP and showed a good possibility. The wind speed prediction errors reached within 3.5 % with the self prediction error method, and within 10% with the delta RIX method. The self prediction error method can be used as a compensation method to reduce the wind speed prediction error in WAsP.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.656-659
• /
• 2017

현대 사회에서는 다양한 이동수단 중 지하철, 버스 등의 대중교통에 대한 수요가 높은 편이다. 본 연구의 배경이 되는 서울특별시의 경우에는 출퇴근 시, 과반 수 이상이 대중교통을 이용한다. 대중교통 이용량에는 날씨, 평일-주말, 연착, 도로현황 등 여러 가지에 원인을 둔다. 본 연구에서는 여러 요인 중에서도 날씨 데이터(기온, 강수량, 미세먼지)에 초점을 두어, 날씨에 따른 대중교통 이용량의 변화양상을 학습하여 예측하는 연구를 진행한다. 서울특별시 25개 자치구마다의 날씨 데이터와 대중교통 이용 데이터를 이용하여 Regression을 통한 데이터 학습을 진행하였으며, 학습된 모델을 통한 날씨에 따른 서울특별시 대중교통 이용량 예측에 따른 평균 오차율은 15.49%로 낮은 오차율을 가진다. 본 연구 결과는 날씨에 따른 버스와 지하철의 배차 간격 조절 등의 대중교통 배치 판단 결정에 기초자료로 사용될 것으로 기대된다.