• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.292-292
• /
• 2023

본 연구에서는 인공신경망을 이용한 통계적 모형을 구성하여 금강권역의 봄철(3~5월) 강수량 예측을 수행하였다. 통계적 모형의 예측인자로서는 NOAA 등에서 제공하는 AAO, AMM, AO 등 36종의 기후지수와 대상권역인 금강권역의 강수량, 기온 등의 기상인자 8종 등 총 44종의 기후지수를 활용하였다. 예측대상기간을 기준으로 선행기간(1~18개월)에 따른 상관성을 분석하여 상관도가 높은 10개의 기후지수를 예측인자로 선정하였다. 예측모형 형태는 10개의 입력층과 1개의 은닉층으로 되어 있는 인공신경망모형을 구성하였다. 모형 구성과정에서의 불확실성을 최소화하고 예측모형의 적합도를 높이기 위해 예측대상기간을 기준으로 과거 40년간의 자료에 대해 임의로 20년간 자료를 선별하여 모형을 구성하고, 너머지 기간에 대해 검증하는 무작위 교차검증을 반복하여, 예측대상기간 및 예측시점에 따라 각각 적합도가 높은 1000개의 예측모형을 선별하였다. 과거기간(1991~2022년)을 대상으로 예측시점에 따라 각 연도별 1000개의 예측결과를 도출하여, 실제 해당년도의 관측값과의 비교를 통해 예측성을 분석하였다. 예측성은 크게 예측치의 최대값과 최소값 범위 및 예측치의 25%~75% 범위 안에 관측치가 포함될 확률, 그리고 과거 관측값의 3분위 구간을 기준으로 한 예측확률 등을 평가하였다. 관측치가 예측치의 범위 안에 포함될 확률은 평균 87.5%, 예측치의 25~75% 범위 안에 포함될 확률은 30.2%로 나타났으며, 3분위 예측확률은 35.6%로 분석되었다. 관측값과의 일대일 비교는 정확도가 떨어지지만 3분위 예측확률이 33.3% 이상인 점으로 볼 때 예측성은 확보된다고 볼 수 있다. 다만, 우리나라 강수량의 불규칙성과 통계적 모형 특성상 과거 관측되지 않은 패턴에 대해서는 예측이 어려운 문제가 있어, 특정년도의 예측결과가 관측치를 크게 벗어나는 경우도 종종 나타나고 있다.

• Journal of Korea Water Resources Association
• /
• v.53 no.6
• /
• pp.395-408
• /
• 2020

This paper aims to develop and apply three different machine learning approaches (i.e., artificial neural networks (ANN), adaptive neuro-fuzzy inference systems (ANFIS), and wavelet-based neural networks (WNN)) combined with an evolutionary optimization algorithm and the k-fold cross validation for multi-step (days) streamflow forecasting at the catchment located in Algeria, North Africa. The ANN and ANFIS models yielded similar performances, based on four different statistical indices (i.e., root mean squared error (RMSE), Nash-Sutcliffe efficiency (NSE), correlation coefficient (R), and peak flow criteria (PFC)) for training and testing phases. The values of RMSE and PFC for the WNN model (e.g., RMSE = 8.590 ㎥/sec, PFC = 0.252 for (t+1) day, testing phase) were lower than those of ANN (e.g., RMSE = 19.120 ㎥/sec, PFC = 0.446 for (t+1) day, testing phase) and ANFIS (e.g., RMSE = 18.520 ㎥/sec, PFC = 0.444 for (t+1) day, testing phase) models, while the values of NSE and R for WNN model were higher than those of ANNs and ANFIS models. Therefore, the new approach can be a robust tool for multi-step (days) streamflow forecasting in the Seybous River, Algeria.

• Journal of Energy Engineering
• /
• v.6 no.1
• /
• pp.68-76
• /
• 1997

This paper presents a new neural network training algorithm which reduces the required training time considerably and overcomes many of the shortcomings presented by the conventional back-propagation algorithm. The algorithm uses a modified form of the back-propagation algorithm to minimize the mean squared error between the desired and actual outputs with respect to the inputs to the nonlinearities. Artificial Neural Network (ANN) model using the new algorithm is applied to forecast the short-term electric load. Inputs to the ANN are past loads and the output of the ANN is the hourly load forecast for a given day.

• Asia pacific journal of information systems
• /
• v.8 no.1
• /
• pp.1-26
• /
• 1998

본 연구에서는 사례기반추론, 인공신경망, 선형계획법 모형을 결합한 새로운 개념의 지능적인 경영전략수립 및 상충관계 해결 추론메카니즘을 제안한다. 본 연구에서 제안한 경영전략추론 메카니즘의 타당성을 검증하기 위하여 (1) 과거 문헌조사 결과와 (2) 비쥬얼 베이직 언어로 구현한 프로토타입인 CANNIE-SP (CAse-based Neural Network Inference Engine for Strategic Planning)를 제시하였다. 특히 본 연구에서 제안하는 인공신경망은 순방향 추론과 역방향 추론이 가능하도록 설계하여서 What-If분석 및 Goal-Seeking분석이 가능하도록 하였다. 또한 사례기반추론기관은 마이크로 소프트사의 데이터베이스 엔진인 엑세스(Access)를 사용하였다. 본 연구에서 제안하는 추론 메카니즘의 타당성을 검증하기 위하여 우리나라 화장품 시장의 실제자료를 가지고 실험하였으며 그 결과 매우 의미가 있음을 확인하였다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 1999.11a
• /
• pp.242-247
• /
• 1999

디자이너는 제품의 디자인에 대한 고객의 감성적 평가에 대한 예측을 필요로 하고 있는데 특히 Web상에서 제품을 평가하는 사례가 늘어감에 따라 보다 차별화된 감성적 평가 모형이 요구되고 있다. 본 연구에서는 이미 연구된 다양한 디자인의 명세화 방법을 조사ㆍ분석하여 사용자로 하여금 Web상에서 좋은 제품을 선택하게 하는 감성적인 속성을 명세화하는 몇 가지 모델을 제시하고 이를 인공신경망을 통한 검증을 거쳐서 디자인 평가를 수행할 수 있는 적절한 감성요소 명세화의 방법을 제시하였다. 또한 이러한 명세화된 감성속성을 가지고 인공신경망을 응용하여 감성적인 속성을 고려하여 디자인을 평가할 수 있는 연구모형을 구축하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.295-295
• /
• 2012

영농기간 동안 논에서의 유출량을 정량적으로 파악하기 위해서는 강우와 관개를 고려하여 논에서의 물수지를 파악하여야 한다. 효율적인 물수지를 분석하기 위해서는 관개량과 지표 유출량의 기작을 모니터링하는 것이 중요하지만, 지표 유출량의 경우 현장 관리나 영농 조건 변화 등에 따라 정확한 현장 자료 수집에 어려움이 있다. 따라서, 본 연구에서는 서울대학교 지역시스템공학과에서 운영하고 있는 평택의 논 포장을 연구 대상지로 선정하여 영농기간 동안 모니터링을 실시한 뒤 논에서의 물수지에 요구되는 현장자료를 수집하였다. 모니터링을 통해 수집된 기초 수문 자료를 활용하여 물수지식에 적용한 뒤 논 포장에서의 지표 유출량을 산정하였다. 본 연구에서는 현장 모니터링을 통하여 수집된 담수심, 강우량, 관개량 자료와 증발산량 산정에 있어 보다 큰 영향을 미치는 기상자료를 활용하여 입력자료를 구축한 뒤, 인공신경망 모형을 이용한 지표 유출량 추정 모형을 구성하였다. 모형의 적용성을 평가하기 위하여, 구축된 학습 자료를 이용하여 학습을 수행하여 매개변수를 결정하였고, 그 결과를 바탕으로 유출량의 모의치와 물수지식을 통하여 산정된 유출량 값을 비교하여 모형을 검증하고, 그 결과를 평가하였다. 본 연구에서 제시된 모형은 지속적인 현장 모니터링과 이를 통하여 축적된 장기간의 수문자료를 활용하여 그 성능을 향상시킬 수 있을 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.460-460
• /
• 2012

영농기간 동안 논에서의 유출량을 정량적으로 파악하기 위해서는 강우와 관개를 고려하여 논에서의 물수지를 파악하여야 한다. 효율적인 물수지를 분석하기 위해서는 관개량과 지표 유출량의 기작을 모니터링하는 것이 중요하지만, 지표 유출량의 경우 현장 관리나 영농 조건 변화 등에 따라 정확한 현장 자료 수집에 어려움이 있다. 따라서, 본 연구에서는 서울대학교 지역시스템공학과에서 운영하고 있는 평택의 논 포장을 연구 대상지로 선정하여 영농기간 동안 모니터링을 실시한 뒤 논에서의 물수지에 요구되는 현장자료를 수집하였다. 모니터링을 통해 수집된 기초 수문 자료를 활용하여 물수지식에 적용한 뒤 논 포장에서의 지표 유출량을 산정하였다. 본 연구에서는 현장 모니터링을 통하여 수집된 담수심, 강우량, 관개량 자료와 증발산량 산정에 있어 보다 큰 영향을 미치는 기상자료를 활용하여 입력자료를 구축한 뒤, 인공신경망 모형을 이용한 지표 유출량 추정모형을 구성하였다. 모형의 적용성을 평가하기 위하여, 구축된 학습 자료를 이용하여 학습을 수행하여 매개변수를 결정하였고, 그 결과를 바탕으로 유출량의 모의치와 물수지식을 통하여 산정된 유출량 값을 비교하여 모형을 검증하고, 그 결과를 평가하였다. 본 연구에서 제시된 모형은 지속적인 현장 모니터링과 이를 통하여 축적된 장기간의 수문자료를 활용하여 그 성능을 향상시킬 수 있을 것으로 사료된다.

• Proceedings of the KOR-KST Conference
• /
• 1998.10a
• /
• pp.265-274
• /
• 1998

본 논문은 도로를 주행하는 차량의 지점속도에 대하여 단기간(short-term)으로 예측하는 네 가지의 모형들에 대한 개발 및 결과의 비교하고 평가했다. 사용된 기법들로는 다중회귀분석, 시계열분석(ARIMA), 인공 신경망, 칼만필터링 등이며, 모형의 구출을 위하여 다수의 독립변수 및 입력변수가 요구되는 다중회귀분석과 인공 신경망에서는 연속방정식에서 고려되는 변수들간의 단순상관계수 및 편상관계수의 계산을 통해서 입력변수가 설정이 되었으며, 시계열분석(ARIMA)과 칼만필터링 등 단일 입력 변수만을 요하는 모형에서는 바로 전 시간대와 현재시간대의간격동안 속도의 변화량을 입력변수로 설정하였다. 속도를 비롯해서 교통 데이터는 현장자료를 사용하였는데, 이는 서울의 한강 옆에 위치한 올림픽대로 중 한강대로에 위치한 검지기 3개를 통해서 천호동 방면으로 이동하는 교통류에 대해서 17시간 (00시~17시)동안 수집했다. 17시간 수집했는데 그중에 검지된 속도는 14km/h에서 98km/h까지 변하는 등, 수집된 자료에는 다양한 교통상태가 포함되어 있는데 이는 각 모형들의 정확한 예측력과 적응성을 평가하기 위함이었다. 각 모형은 예측하고자 하는 시점으로부터 1, 5, 10, 15분 후의 속도를 예측하는 것으로 총 4가지의 예측시간간격으로 각각 실험되었다. 결과는 전반적으로 신뢰성 있게 나왔으나 그중에서도 정확성면에서는 인공신경망과 칼만필터링이 우수했고 적응성면에서는 칼만필터리딩 탁월했다. 또한 1분 후의 속도를 예측하는 결과들은 모형들간에 거의 비슷한 정확도를 보여주었는데 이는 입력변수의 설정이 중요한 것임을 보여주는 것이라 판단된다. 있는 기법이다.적으로 세부적 차종분류로 접근한다.의 영향들을 고려함으로써 가로망 설계 과정에서 가로망의 상반된 역할인 이동성과 접근성의 비교가 가능한 보다 현실적인 가로망 설계 모형을 구축하고자 한다. 지금까지 소개된 가로망 설계모형들은 용량변화에 대한 설계변수의 형태에 따라 이산적 가로망 설계 모형과 연속적 가로망 설계모형으로 나뉘어지게 된다. 본 논문의 경우, 계산속도의 향상 측면에서는 연속적 가로망 설계 모형을 도입할 수 있지만, 이때 요구되는 도로용량이 이산적인 변수(차선 수)로 결정되어야만 신호제어 변수를 결정할 수 있기 때문에, 이산적 가로망 설계 모형이 사용된다. 하지만, 이산적 설계모형의 경우 조합최적화 문제이므로 정확한 최적해를 구하기 위해서는 상당한 시간이 소요되며, 경우에 따라서는 국부 최적해에 빠지게 된다. 이러한 문제를 극복하기 위해, 우선 이상적 모형의 근사화, 혹은 조합최적화문제를 위해 개발된 Simulated Annealing기법의 적용, 연속적 모형의 변수를 이산화하는 방법 등 다양한 모형들을 고려해 본 뒤, 적절한 모형을 적용할 것이다. 가로망 설계 모형에서 신호제어를 고려하기 위해서는 주어진 가로망에 대한 통행 배정과정에서 고려되는 통행시간을 링크통행시간과 교차로 지체시간을 동시에 고려해야 하는데, 이러한 문제의 해결을 위해서 최근 활발히 논의되고 있는 교차로에서의 신호제어에 대응하는 통행배정 모형을 도입하여 고려하고자 한다. 이를 위해서 지금까지 연구되어온 Global Solution Approach와 Iterative Approach를 비교, 검토한 뒤 모형에 보다 알맞은 방법을 선택한다. 차량의

• Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology
• /
• v.9 no.6
• /
• pp.757-772
• /
• 2019

The purpose of this paper is to measure the clustering change and analyze empirical results, and choose the clustering ports for Busan, Incheon, and Gwangyang ports by using Artificial Neural Network, Social Network, and Tabu Search models on 38 Asian container ports over the period 2007-2016. The models consider number of cranes, depth, birth length, and total area as inputs and container throughput as output. Followings are the main empirical results. First, the variables ranking order which affects the clustering according to artificial neural network are TEU, birth length, depth, total area, and number of cranes. Second, social network analysis shows the same clustering in the benevolent and aggressive models. Third, the efficiency of domestic ports are worsened after clustering using social network analysis and tabu search models. Forth, social network and tabu search models can increase the efficiency by 37% compared to that of the general CCR model. Fifth, according to the social network analysis and tabu search models, 3 Korean ports could be clustered with Asian ports like Busan Port(Kobe, Osaka, Port Klang, Tanjung Pelepas, and Manila), Incheon Port(Shahid Rajaee, and Gwangyang), and Gwangyang Port(Aqaba, Port Sulatan Qaboos, Dammam, Khor Fakkan, and Incheon). Korean seaport authority should introduce port improvement plans by using the methods used in this paper.