• Proceedings of the KSRS Conference
• /
• 2001.03a
• /
• pp.70-70
• /
• 2001

인공위성영상(ETM+)을 이용하여 산불피해지역을 추출하기 위해 신경망기법을 응용하였다. 적용된 신경망은 3개의 층으로 구성된 전향신경망이며 Levenberg-Marquardt 역전파 훈련 알고리즘을 사용하였다. 산불피해지역은 심, 중, 경 세 가지로 나누었으며, 그외 피해없는 산림지역과 기타(나지, 도시 등)지역으로 분류하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.484-484
• /
• 2023

지진해일은 해저지진, 화산활동, 해저 산사태 등에 의해 발생되는 장주기 파랑이다. 지진해일은 발생빈도가 낮지만, 한번 발생하면 많은 에너지가 연안으로 유입되어 인명 및 재산피해를 야기 시킬 수 있다. 따라서, 과거 수십년동안 지진해일에 대한 연구는 지진해일의 역학관계를 이해하고, 이를 바탕으로 한 수치모델 개발에 초점을 두어 연구가 진행되어 왔다. 더욱이, 지진해일 실험적 연구는 많은 경제적 비용을 지불해야 하기에 수치모델개발 연구가 더욱 중점적으로 수행되어 왔다. 지리학적으로 우리나라는 지진해일에 안전하지 못하다. 하나의 예로, 1983년 5월 26일, 일본 서해안에서 발생한 지진해일은 동해로 전파되어 동해안 지역에 커다란 피해를 야기시켰다. 이 당시, 강원도삼척시 원덕읍에 위치한 임원항에서는 2명의 사상자와 2명의 부상자가 발생하였고, 당시 금액으로 약3억원의 재산피해가 발생하였다. 이 연구는 인공지능 기법 중 하나인 인공신경망을 이용하여 인명과 재산피해가 발생한 임원항에서 최대지진해일고를 예측하고자 하였다. 지진해일 수치모델은 뛰어난 정확도를 나타내는 반면, 결과를 산출하는데 상당한 시간을 필요로 한다. 이에 반해, 인공신경망은 수치모델과 유사한 정확도 및 결과를 신속하게 제공할 수 있다는 장점을 가지고 있다. 지진해일 인공신경망 모델 개발은 지진의 단층파라미터를 바탕으로 작성된 지진해일의 시나리오를 토대로 연구가 진행되었고, 우리나라 동해에 위치한 외해 관측 지점의 지진해일고 자료를 통해, 임원항에서의 최대 지진해일고가 예측되도록 개발되었다. 이를 위하여, 인공신경망의 학습 및 검증 과정을 수행하였고, 향후 발생 가능한 다양한 지진해일에 대해 평가함으로써, 인공신경망 모델의 예측성능을 확인하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2006.06a
• /
• pp.195-202
• /
• 2006

본 연구에서는 보다 효과적인 기업부도예측을 위하여, 동계적 방법과 인공지능 방법을 결합한 통합모형을 제시하였다. 이를 위하여 통계적인 모형 중에서 가장 널리 활용되고 있는 다변량 판별분석, 로지스틱 회귀분석과 인공 지능적인 방법으로서 최근 널리 사용되고 있는 인공신경망, 규칙유도기법, 베이지안 망의 5가지 방법론을 통합한 Voting with Performance & Weights from ANN(WP-ANN) 통합모형을 제시하였다. 실험결과, 본 연구에서 제안한 WP-ANN 통합모형은 다변량 판별분석, 로지스탁 회귀분석, 인공신경망, 규칙유도기법, 베이지안 망 등의 단일모형과 비교한 결과 가장 예측정확성이 유수한 것으로 나타났다. 따라서 본 연구를 통해 기업부도예측에 있어서 WP-ANN 통합모형이 기존의 모형들에 비해 우수한 예측정확성을 나타냄을 알 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.320-320
• /
• 2019

유역의 수문 자료를 정확하게 분석하는 것은 수리 구조물을 효율적으로 운영하기 위한 중요한 요소이다. 인공신경망(Artificial Neural Networks, ANNs) 모형은 입 출력 자료의 비선형적인 관계를 해석할 수 있는 모형으로 강우-유출 해석 등 수문 분야에 다양하게 적용되어 왔다. 이후 기존의 인공신경망 모형을 연속적인(sequential) 자료의 분석에 더 적합하도록 개선한 회귀신경망(Recurrent Neural Networks, RNNs) 모형과 회귀신경망 모형의 '장기 의존성 문제'를 개선한 장단기메모리(Long Short-Term Memory Networks, 이하 LSTM)가 차례로 제안되었다. LSTM은 최근에 주목받는 딥 러닝(Deep learning) 기법의 하나로 수문 자료와 같은 시계열 자료의 분석에 뛰어난 성능을 보일 것으로 예상되며, 수문 분야에서 이에 대한 적용성 평가가 요구되고 있다. 본 연구에서는 인공신경망 모형과 LSTM 모형으로 유출량을 모의하여 두 모형의 성능을 비교하고 향후 LSTM 모형의 활용 가능성을 검토하고자 하였다. 나주 수위관측소의 수위 자료와 인접한 기상관측소의 강우량 자료로 모형의 입 출력 자료를 구성하여 강우 사상에 대한 시간별 유출량을 모의하였다. 연구 결과, 1시간 후의 유출량에 대해서는 두 모형 모두 뛰어난 모의 능력을 보였으나, 선행 시간이 길어질수록 LSTM의 정확성은 유지되는 반면 인공신경망 모형의 정확성은 점차 떨어지는 것으로 나타났다. 앞으로의 연구에서 유역 내 다양한 수리 구조물에 의한 유 출입량을 추가로 고려한다면 LSTM 모형의 활용성을 보다 더 확장할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.45-45
• /
• 2018

오염물의 혼합거동을 해석하기 위해 물리기반 모델을 이용하는 경우 모델을 구축하고 운용하는데 많은 시간과 재정이 소요되며 현장검증을 통한 검증이 반드시 필요하다. 하지만 데이터 기반 모델의 경우 축적된 데이터만으로도 예측을 수행할 수 있으며 물리기반모델에 비해 결정해야할 입력인자가 적어 모델운용이 용이하다는 장점이 있다. 다양한 데이터 모델 중 인공신경망(ANN) 모델은 데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 모델로 수자원 및 환경 분야에서 자주 사용되고 있다. 본 연구에서는 인공신경망 모델을 이용하여 지천유입이 있는 대하천의 수질인자 (pH, 전기전도도, DO, chl-a)를 예측하였다. 다른 데이터기반 모델과 같이 인공신경망 모델 또한 수집된 데이터 질에 크게 영향을 받으며, 내부 입력인자의 선택이 모델의 예측 결과에 큰 영향을 미친다. 이러한 인공신경망 모델의 특성을 바탕으로 예측모형의 정확도를 향상하기 위해서는 크게 데이터 처리부분과 모델구축 부분에서의 접근이 필요하다. 본 연구에서는 데이터 처리 과정에서 연구대상지점의 각각의 수질인자가 가지는 분포 특성을 유지하기 위해 층화표츨추출법을 이용하여 데이터를 구성하였다. 모델의 구축 과정에서는 초기가중치 값의 영향을 줄이기 위해 앙상블기법을 사용하였으며, 좀 더 견고하고 정확한 결과를 예측하기 위해 탄력적 역전파알고리즘을 추가하였다. 추가적으로 합류 후 본류의 미 계측지역 수질 예측 정확도 향상을 위해 본류의 수질인자뿐만 아니라 지류의 수질인자를 입력자료로 사용하여 모의를 수행하였다. 또한 동일 구간에서 수행한 현장추적자실험 자료를 이용하여 수질인자의 분포특성을 비교, 검증하였다. 개발된 모델을 이용하여 낙동강과 금호강 합류부 하류의 수질인자를 예측한 결과 지류의 수질인자를 입력자료로 추가한 경우 예측의 정확도가 증가하였으며, 현장실험 자료를 통해 밝혀진 오염물의 거동현상을 인공신경망 모델로도 동일하게 재현하는 것으로 나타났다. 본 연구에서 제안한 인공신경모델을 이용한다면 물리기반 수치모델을 대체하여 지천으로 유입된 오염물의 거동을 정확하고 효율적으로 파악할 수 있을 것이다.

• The Journal of Korean Association of Computer Education
• /
• v.21 no.1
• /
• pp.51-58
• /
• 2018

Recently artificial neural networks have shown excellent performance in various fields. However, there is a problem that it is difficult for a person to understand what is the knowledge that artificial neural network trained. One of the methods to solve these problems is an algorithm for extracting rules from trained neural network. In this paper, we extracted rules from artificial neural networks using ordered-attribute search(OAS) algorithm, which is one of the methods of extracting rules, and analyzed result to improve extracted rules. As a result, we have found that the distribution of output values of the hidden layer unit affects the accuracy of rules extracted by using OAS algorithm, and it is suggested that efficient rules can be extracted by binarizing hidden layer output values using hidden unit clarification.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.880-880
• /
• 2012

수위-유량자료는 수문모형의 적용 등과 같은 다양한 수자원분야에서 기초적인 관측자료로서 이용되고 있다. 하지만 겨울철 결빙에 따른 수위계의 오작동과 제한된 실측 수위자료에 따른 수위 자료의 보정과 획득에 어려움을 겪고 있다. 본 연구에서는 수자원 분야에서 다양하게 적용된 바 있는 인공신경망 기법과 누적결빙온도일 (AFDD; Accumulated Freezing Degree Days) 개념을 이용하여 오산천 유역의 탑동수위관측점의 결빙기 수위자료를 보정하였다. 연구결과 보정된 수위자료는 강우량과 방류량 등의 영향을 비교적 잘 반영하는 것으로 나타났으며 향후 지속적인 연구를 통해 인공신경망을 이용한 수위 보정 결과를 검정할 수 있어야 할 것이다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.19 no.3
• /
• pp.33-40
• /
• 2011

This paper presents the prediction and evaluation of landslide using LRA(logistic regression analysis) and ANN (Artificial Neural Network) methods. In order to assess the landslide, we selected Sarabong, Byeoldobong area and Mt. Song-ak in Jeju Island. Five factors which affect the landslide were selected as: slope angle, elevation, porosity, dry density, permeability. So as to predict and evaluate the landslide, firstly the weight value of each factor was analyzed by LRA(logistic regression analysis) and ANN(Artificial Neural Network) methods. Then we got two prediction maps using AcrView software through GIS(Geographic Information System) method. The comparative analysis reveals that the slope angle and porosity play important roles in landslide. Prediction map generated by LRA method is more accurate than ANN method in Jeju. From the prediction map, we found that the most dangerous area is distributed around the road and path.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.676-679
• /
• 2011

인공신경망(Artificial Neural Network)을 이용하여 RC Mock-up 구조물의 손상위치 및 손상정도를 단계적으로 추정하였다. 대상 구조물은 가진실험을 통하여 구조물의 응답을 취득하고 구조물식별기법(Structural System Identification)을 통하여 구조물의 동특성을 찾았다. 유한요소해석프로그램을 사용하여 동특성이 계측치와 가장 유사한 기본해석모델을 만든 후 이 기본해석모델을 이용하여 학습데이터를 생성하였다. 기존 인공신경망을 이용한 손상탐지를 개선하고자 본 연구에서는 인공신경망 학습데이터를 분석하였고 효과적인 손상탐지를 위하여 학습데이터를 가공하였다. 가공된 학습데이터를 사용하여 단계별 손상탐지를 실시하였고 기존 손상탐지 방법보다 좋은 결과를 유도하였다.

• Proceedings of the Korean Geotechical Society Conference
• /
• 2008.03a
• /
• pp.59-70
• /
• 2008

도심지 터널의 설계, 시공 그리고 유지관리에 있어서 지반 변위 억제와 변형거동 예측은 중요하다. 국내 외 연구자들은 다양한 수치해석적인 기법과 현장 계측 결과를 이용하여 터널 시공과 관련된 변형거동 예측을 시도하였다. 하지만, 설계물성치의 산정과 지반 모델링 그리고 수치해석기법과 관련된 사용상의 어려움에 의해 아직까지 만족스러운 결과를 얻지는 못하였다. 본 논문은 수치해석적인 기법과 인공신경망을 이용하여 도심지 NATM 터널의 설계 물성치 산정과 변형거동 예측에 관한 방법을 제안하였다. 인공신경망 모델 개발을 위한 학습과 테스트과정은 데이터베이스된 수치해석결과를 이용하였다. 개발된 인공신경망 모델은 입력변수인 지반변위와 결과변수인 설계 물성치 간의 상호관계를 적절히 인식할 수 있다. 수치해석은 지반의 연화거동을 모사할 수 있는 변형률 연화모델을 적용하였다. 사례분석에 있어서 굴착 초기단계의 계측 값을 개발된 인공신경망 모델에 입력하여 설계 물성치를 계산하였으며, 수정된 설계 물성치는 수치해석을 통하여 다음 굴착단계에서의 터널 주변의 지반 변형거동을 예측하였다. 본 논문에서 제안된 방법을 토대로 시공조건이 엄밀한 도심지 터널의 설계물성치의 정량적인 평가 및 변형거동 예측이 계측이 입수된 초기 굴착단계에서 가능할 것으로 기대된다.