• The Journal of the Korea Contents Association
• /
• v.16 no.1
• /
• pp.52-59
• /
• 2016

For almost of concrete structures by placing in cold weather, it is very important that the selection of curing method at early aged construction stage. The Exothermic curing method with hot wire and rapid hardening cement is used mostly to prevent the initial cracks and the strength decrease. Most of the construction sites, however, have not been applied to the optimal curing method caused by the simple approaches and the empirical judgements. Therefore, this paper has proposed a evaluation algorithm of the exothermic curing method for representing heating temperature, period, position of hot wire by analyzing the transient heat transfer solution. This has been implemented, moreover, using an object oriented programming language to develop structural analysis system taking account risk parameters. This system is composed of input module, database module, database store module, analysis module, and result generation module. Linkage interface between the central database and each of the related module is implemented by the visual c# concept. Graphic user interface and the relational database table are supported for user's convenience.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.6
• /
• pp.792-798
• /
• 2021

In this paper, an algorithm for determining the coagulant input rate in the drug-injection tank during the process of the water purification plant was derived through big data analysis and prediction based on artificial intelligence. In addition, analysis of big data technology and AI algorithm application methods and existing academic and technical data were reviewed to analyze and review application cases in similar fields. Through this, the goal was to develop an algorithm for determining the coagulant input rate and to present the optimal input rate through autonomous driving simulator and pilot operation of the coagulant input process. Through this study, the coagulant injection rate, which is an output variable, is determined based on various input variables, and it is developed to simulate the relationship pattern between the input variable and the output variable and apply the learned pattern to the decision-making pattern of water plant operating workers.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• 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.

• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1183-1193
• /
• 2021

Low flow affects various fields such as river water supply management and planning, and irrigation water. A sufficient period of flow data is required to calculate the Flow Duration Curve. However, in order to calculate the Flow Duration Curve, it is essential to secure flow data for more than 30 years. However, in the case of rivers below the national river unit, there is no long-term flow data or there are observed data missing for a certain period in the middle, so there is a limit to calculating the Flow Duration Curve for each river. In the past, statistical-based methods such as Multiple Regression Analysis and ARIMA models were used to predict sulfur in the unmeasured watershed, but recently, the demand for machine learning and deep learning models is increasing. Therefore, in this study, we present the DNN technique, which is a machine learning technique that fits the latest paradigm. The DNN technique is a method that compensates for the shortcomings of the ANN technique, such as difficult to find optimal parameter values in the learning process and slow learning time. Therefore, in this study, the Flow Duration Curve applicable to the unmeasured watershed is calculated using the DNN model. First, the factors affecting the Flow Duration Curve were collected and statistically significant variables were selected through multicollinearity analysis between the factors, and input data were built into the machine learning model. The effectiveness of machine learning techniques was reviewed through statistical verification.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1208-1212
• /
• 2004

다목적댐을 효율적이고 체계적으로 운영하기 위해서는 수문순환에 대한 지역별, 기간별 이해와 더불어 댐저수지로의 정확한 유입량 산정이 필요하다. 수문모델링을 비교하기 위해서는 개념적 모형과 추계학적 모형으로 나눌 수 있는데 개념적 모형은 상당히 많은 입력요소로 말미암아 사용자로 하여금 이해를 하는데 있어서 어려움을 겪을 수 밖에 없는 실정이나 추계학적 모형은 확률적 철상 및 기초적 예측이론을 습득하게 되면 쉽고 간단하여 검토를 용이하게 할 수 있는 장점이 있다. 수자원시스템의 설계, 계획, 운영에 있어서 핵심적인 수문변수의 미래거동의 보다 나은 추정치가 필요하다. 예를 들어, 수력발전, 레크리에이션 이용과 하류지역의 오염희석과 같은 다중 목적을 유지하기 위하여 다목적댐을 운영할 때에, 다가오는 미래시간에 대한 계획된 유입량의 예측이 요구된다. 예측의 목적은 미래에 발생한 정확한 예측을 제공하는 것이다. 따라서 월유입량 예측을 위해 추계학적 모형(ARMA(1,1), ARMAX, TFN, SARIMA)과 신경망 모형(BP, CASCADE 등)의 적용을 통해 한강수게 주요 다목적댐에 가장 적합한 방법을 선정하고자 하는데 본 연구의 목적이 있다.

• 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 Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.181-181
• /
• 2021

유역 내의 물순환 평가를 위하여 적합한 강우-유출모형을 선정하고 적용하는 것은 수문학적 관점에서 주된 과제이다. 장기적인 관점의 수자원 관리를 위해서는 직접적인 계측을 통해 장기간의 유출자료를 취득하는 방법이 있으나, 국내의 주요지점을 제외한 대다수의 중소규모의 지점에 계측기를 설치하는 것은 현실적으로 어려우므로, 자료취득이 비교적 용이하고 신뢰성이 높은 장기간 강우 자료를 강우-유출모형의 입력자료로 활용하여 미계측 유역으로의 모형을 확장하는 방안이 적절하다는 평가를 받고 있다. 본 연구는 국내외 주요 연속강우-유출모형의 특성을 파악하기 위하여 비교적 신뢰성 있는 자료를 보유하고 있는 소양강댐 유역에 다수의 연속강우-유출모형을 적용하였다. 모델링 결과로 산출된 유황곡선(flow duration curve)을 소양강댐 유입량과 비교하여 각 모형의 특징을 파악하고 유량에 따른 적합성 평가를 진행하였다. 또한, 향후 미계측유역으로 모형을 확장하기 위하여 매개변수 개수 및 재현능력을 동시에 평가하였다. 다수의 모형 중 적합성이 높은 모형들을 선별하였으며, 선별된 모형들의 불확실성을 고려함과 동시에 계층적 베이지안 기법을 활용하여 최종적으로 앙상블모형을 제시하였다. 앙상블모형을 단일 모형과 비교한 결과 단일 모형보다 개선된 성능을 확인하였다.

• Journal of Intelligence and Information Systems
• /
• v.21 no.1
• /
• pp.29-45
• /
• 2015

Response modeling is a well-known research issue for those who have tried to get more superior performance in the capability of predicting the customers' response for the marketing promotion. The response model for customers would reduce the marketing cost by identifying prospective customers from very large customer database and predicting the purchasing intention of the selected customers while the promotion which is derived from an undifferentiated marketing strategy results in unnecessary cost. In addition, the big data environment has accelerated developing the response model with data mining techniques such as CBR, neural networks and support vector machines. And CBR is one of the most major tools in business because it is known as simple and robust to apply to the response model. However, CBR is an attractive data mining technique for data mining applications in business even though it hasn't shown high performance compared to other machine learning techniques. Thus many studies have tried to improve CBR and utilized in business data mining with the enhanced algorithms or the support of other techniques such as genetic algorithm, decision tree and AHP (Analytic Process Hierarchy). Ahn and Kim(2008) utilized logit, neural networks, CBR to predict that which customers would purchase the items promoted by marketing department and tried to optimized the number of k for k-nearest neighbor with genetic algorithm for the purpose of improving the performance of the integrated model. Hong and Park(2009) noted that the integrated approach with CBR for logit, neural networks, and Support Vector Machine (SVM) showed more improved prediction ability for response of customers to marketing promotion than each data mining models such as logit, neural networks, and SVM. This paper presented an approach to predict customers' response of marketing promotion with Case Based Reasoning. The proposed model was developed by applying different weights to each feature. We deployed logit model with a database including the promotion and the purchasing data of bath soap. After that, the coefficients were used to give different weights of CBR. We analyzed the performance of proposed weighted CBR based model compared to neural networks and pure CBR based model empirically and found that the proposed weighted CBR based model showed more superior performance than pure CBR model. Imbalanced data is a common problem to build data mining model to classify a class with real data such as bankruptcy prediction, intrusion detection, fraud detection, churn management, and response modeling. Imbalanced data means that the number of instance in one class is remarkably small or large compared to the number of instance in other classes. The classification model such as response modeling has a lot of trouble to recognize the pattern from data through learning because the model tends to ignore a small number of classes while classifying a large number of classes correctly. To resolve the problem caused from imbalanced data distribution, sampling method is one of the most representative approach. The sampling method could be categorized to under sampling and over sampling. However, CBR is not sensitive to data distribution because it doesn't learn from data unlike machine learning algorithm. In this study, we investigated the robustness of our proposed model while changing the ratio of response customers and nonresponse customers to the promotion program because the response customers for the suggested promotion is always a small part of nonresponse customers in the real world. We simulated the proposed model 100 times to validate the robustness with different ratio of response customers to response customers under the imbalanced data distribution. Finally, we found that our proposed CBR based model showed superior performance than compared models under the imbalanced data sets. Our study is expected to improve the performance of response model for the promotion program with CBR under imbalanced data distribution in the real world.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.9 no.1
• /
• pp.78-88
• /
• 2006

This paper is to apply Geographical Information System (GIS) supported Geomorphoclimatic Instantaneous Unit Hydrograph (GCIUH) approach for the calculated flash flood trigger rainfall of the mountainous area. GIS techniques was applied in geography data construction such as average slope, drainage area, channel characteristics. Especially, decided stream order using GIS at stream order decision that is important for input variable of GCIUH. We compared the GCIUH peak discharge with the existing report using the design storm at Chundong basin($14.58km^2$). The results showed that derived the GCIUH was a very proper method in the calculation of mountaunous discharge. At the Chundong basin, flash flood trigger rainfall was 12.57mm in the first 20 minutes when the threshold discharge was $11.42m^3/sec$.