• 한국지능시스템학회논문지
• /
• 제12권6호
• /
• pp.571-576
• /
• 2002

본 논문에서는 여러 분야에서 널리 응용되고 있는 적응 뉴로-퍼지 시스템(ANFIS)의 성능 개선에 있어서 전제부 파라미터를 효과적으로 초기화 시키는 방법을 제안한다. 기존의 그리드 분할을 이용한 입력공간 선택 방법은 ANFIS의 규칙 생성에 있어서 얻어진 규칙의 수가 지수적으로 증가하는 단점이 있다. 이에, 본 연구에서는 GMM에서의 최대우도추정을 이용한 EM 알고리즘을 통하여 초기치에 의하여 성능의 영향이 좌우되는 ANFIS의 입력으로 주어 제안된 클러스터링 기법에 의하여 모델의 성능을 개선하고자 한다. 제안된 방법의 클러스터링 방법은 통계적 방법에 근거하여 좋은 성능의 파라미터를 획득할 수 있어 주어진 모델에 대한 ANFIS의 성능을 개선할 수 있다. 이들 방법의 유용함을 전형적인 다변수 비선형 데이터인 자동차 연료 예측 문제와 정수장 응집제 주입 문제에 적용하여 제안된 방법이 이전의 연구보다 성능이 개선되는 것을 통하여 보였다.

• Computers and Concrete
• /
• 제24권3호
• /
• pp.271-282
• /
• 2019

Concrete undergoes a series of thermo-based physio-chemical changes once exposed to elevated temperatures. Such changes adversely alter the composition of concrete and oftentimes lead to fire-induced explosive spalling. Spalling is a multidimensional, complex and most of all sophisticated phenomenon with the potential to cause significant damage to fire-exposed concrete structures. Despite past and recent research efforts, we continue to be short of a systematic methodology that is able of accurately assessing the tendency of concrete to spall under fire conditions. In order to bridge this knowledge gap, this study explores integrating novel artificial intelligence (AI) techniques; namely, artificial neural network (ANN), adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithm (GA), together with traditional statistical analysis (multilinear regression (MLR)), to arrive at state-of-the-art procedures to predict occurrence of fire-induced spalling. Through a comprehensive datadriven examination of actual fire tests, this study demonstrates that AI techniques provide attractive tools capable of predicting fire-induced spalling phenomenon with high precision.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.606-609
• /
• 2015

본 연구에서는 support vector regression (SVR) 및 매개변수 최적화 알고리즘을 이용한 하천수위 예측모델을 구축하고 이를 실제 유역에 적용하여 모델 효율성을 평가하였다. 여기서, SVR은 하천수위를 예측하기 위한 예측모델로서 채택되었으며, 커널함수 (Kernel function)로서는 radial basis function (RBF)을 선택하였다. 최적화 알고리즘은 SVR의 최적 매개변수 (C?, cost parameter or regularization parameter; ${\gamma}$, RBF parameter; ${\epsilon}$, insensitive loss function parameter)를 탐색하기 위하여 적용되었다. 매개변수 최적화 알고리즘으로는 grid search (GS), genetic algorithm (GA), particle swarm optimization (PSO), artificial bee colony (ABC) 알고리즘을 채택하였으며, 비교분석을 통해 최적화 알고리즘의 적용성을 평가하였다. 또한 SVR과 최적화 알고리즘을 결합한 모델 (SVR-GS, SVR-GA, SVR-PSO, SVR-ABC)은 기존에 수자원 분야에서 널리 적용되어온 신경망(Artificial neural network, ANN) 및 뉴로퍼지 (Adaptive neuro-fuzzy inference system, ANFIS) 모델과 비교하였다. 그 결과, 모델 효율성 측면에서 SVR-GS, SVR-GA, SVR-PSO 및 SVR-ABC는 ANN보다 우수한 결과를 나타내었으며, ANFIS와는 비슷한 결과를 나타내었다. 또한 SVR-GA, SVR-PSO 및 SVR-ABC는 SVR-GS보다 상대적으로 우수한 결과를 나타내었으며, 모델 효율성 측면에서 SVR-PSO 및 SVR-ABC는 가장 우수한 모델 성능을 나타내었다. 따라서 본 연구에서 적용한 매개변수 최적화 알고리즘은 SVR의 매개변수를 최적화하는데 효과적임을 확인할 수 있었다. SVR과 최적화 알고리즘을 이용한 하천수위 예측모델은 기존의 ANN 및 ANFIS 모델과 더불어 하천수위 예측을 위한 효과적인 도구로 사용될 수 있을 것으로 판단된다.

• 한국전산구조공학회논문집
• /
• 제17권2호
• /
• pp.131-140
• /
• 2004

철근콘크리트 구조물의 보수ㆍ보강 등의 유지관리를 위해서는 내구성과 내하성을 동시에 고려한 건전성평가의 의사결정기준이 절실히 요구된다. 본 논문은 CART-ANFIS을 사용하는 철근콘크리트 구조물에 대하여 효율적인 모델을 나타내었다. 철근콘크리트 구조물의 손상과 진단 등에 활용되어온 분류형 전문가시스템의 일종인 퍼지이론을 이용한 결정목 구조와 기존의 인공신경망을 이용한 결정목 구조의 건전성평가를 비교 분석한다. 손상된 철근콘크리트의 내구성 회복을 위한 보강설계 이론과 내하력 증가를 위한 보장설계 이론을 정립시켜 손상검출의 산정식을 유도하였다. 본 연구의 건전성 평가시스템 모델을 이용함으로서 보다 효율적인 철근콘크리트 유지관리 뿐만 아니라 생애주기비용 예측을 수행 할 수 있다.

• Computers and Concrete
• /
• 제21권5호
• /
• pp.525-530
• /
• 2018

As a nondestructive testing method, the Schmidt rebound hammer is widely used for structural health monitoring. During application, a Schmidt hammer hits the surface of a concrete mass. According to the principle of rebound, concrete strength depends on the hardness of the concrete energy surface. Study aims to identify the main variables affecting the results of Schmidt rebound hammer reading and consequently the results of structural health monitoring of concrete structures using adaptive neuro-fuzzy inference system (ANFIS). The ANFIS process for variable selection was applied for this purpose. This procedure comprises some methods that determine a subsection of the entire set of detailed factors, which present analytical capability. ANFIS was applied to complete a flexible search. Afterward, this method was applied to conclude how the five main factors (namely, age, silica fume, fine aggregate, coarse aggregate, and water) used in designing concrete mixture influence the Schmidt rebound hammer reading and consequently the structural health monitoring accuracy. Results show that water is considered the most significant parameter of the Schmidt rebound hammer reading. The details of this study are discussed thoroughly.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.123-123
• /
• 2018

가뭄은 홍수와 달리 진행속도가 비교적 느리기 때문에 초기에 감지한다면 피해를 최소화 할 수 있다. 국내에서는 가뭄전망을 위해 물리적 기반의 기상-수문연계해석 시스템을 구축하여 월 내지 계절전망을 수행하고 있다. 물리적 기반의 가뭄전망은 수치예보모델의 불확실성을 가지고 있으므로 예보 정확도 개선의 측면에서는 통계적 모델을 같이 활용하는 것이 바람직하다. 최근 국외에서는 통계적 방법인 AI (Artificial Intelligence) 기술을 사용하여 가뭄을 전망하는 연구가 활발히 진행 중이나, 아직까지 국내에서는 관련연구가 미흡한 실정이다. 이에 본 연구에서는 ANFIS (Adaptive Neuro-Fuzzy Inference System) 기반의 댐 유입량 예측 모델을 구축하고 SRI (Standardized Runoff Index)를 활용하여 수문학적 가뭄전망을 수행하였다. 대상유역은 국내 주요 다목적댐이 위치한 충주댐 유역과 소양강댐 유역을 선정하였다. 수문 및 기상자료는 국토 교통부 및 기상청의 관측 댐 유입량, 관측 강수량, 관측 기온 및 장기기상예보 자료를 사용하였다. ANFIS 모델 구축을 위한 훈련 및 보정기간과 검정기간은 각각 1987~2010년과 2011~2016년을 선정하였다. 수문학적 가뭄전망은 지속기간 3개월의 1개월 전망 SRI3를 활용하였으며, SRI3는 관측유입량과 예측유입량을 결합하여 산정하였다. 댐 예측유입량 및 수문학적 가뭄전망의 정확도 평가를 위해 상관계수, 평균제곱근오차를 활용하였다. 댐 예측유입량 평가 결과 예측값과 관측값의 상관계수가 높게 나타났으며, 평균제곱근오차는 낮아 예측성이 뛰어났다. SRI3의 경우 관측값과 예측값의 가뭄발생시기가 유사하여 가뭄을 적절하게 반영하는 것으로 나타났다. 본 연구의 결과는 통계적 기반의 수문학적 가뭄전망기법을 개발하였다는 측면에서 의의가 있으며, 향후 물리적 기반의 가뭄전망정보와 결합한다면 보다 실효성이 향상될 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.132-136
• /
• 2007

최근 지구온난화로 인한 이상기후의 영향으로 강우일수는 줄고 있으나 강수량은 예년과 비슷한 수준을 보이고 있다. 이로 인해 갈수기의 용수부족 현상은 더욱 심해지고. 장마철의 홍수피해와 게릴라성 집중호우로 인한 피해가 커지는 등 해가 갈수록 홍수 예경보의 중요성은 더욱 높아지고 있다. 그럼에도 불구하고 현재 홍수 예경보 체계는 몇 가지 문제를 가지고 있다. 기존 예경보 체계의 경우 한 번의 예측을 수행하기 위해 수반되는 전처리과정과 주계산과정을 거치는 동안 각 과정에서 발생한 오차들이 반복, 누적되어 최종 결과물(예측된 유출량) 속에 모두 포함된다. 또한 기존 체계에서는 유출모형을 적용하기 위해서 토양형. 피복상태 등에 관련된 매개변수들이 필요한데. 이러한 매개변수의 결정에 어려움이 있고. 불확실성을 갖고 있다. 본 연구에서는 불확실성을 적극적으로 인정하고 수학적으로 해석하려는 fuzzy 이론을 신경망 이론에 도입하여 홍수 예경보 시스템의 운영과정에서 발생하는 불확실성의 문제를 해결하고자 하였다. 본 연구에서 사용한 ANFIS(Adaptive Neuro-Fuzzy Inference System)은 data driven model(자료에 기반을 둔 모형)의 하나로 다음과 같은 장점을 가진다. 우선 data driven model은 유역의 물리적, 지형적 특성을 고려하지 않고(매개변수설정에서 발생하는 문제 해결 가능), 입력자료와 출력자료만을 고려하여 구축되는 모형이므로, 유역의 물리적 자료나 지형 자료와 같은 방대한 양의 자료 수집이 필요 없고, 일단 모형이 구축되면 자료의 입력만으로도 신뢰성 높은 결과를 단시간 내에 효율적으로 획득할 수 있다. 그리고 유역 내의 상황이 변화하더라도, 이들의 영향을 고려하여 쉽게 모형을 갱신할 수 있다. 마지막으로 모형의 구축 과정이 물리적 모형에 비해 비교적 간편하다는 장점이 있다. 본 연구에서는 ANFIS를 통해 탄천유역의 강수량 자료와 대곡교의 수위자료를 입력자료로 사용하여 대곡교의 수위를 예측하였다. 입력 자료는 시간차 계열의 강우량과 수위 자료를 사용하였으며 모형을 통하여 t+1, t+2, t+3 시간 후의 수위를 예측하였다.

• 대한토목학회논문집
• /
• 제29권1D호
• /
• pp.33-40
• /
• 2009

횡단보행자의 임계간격은 비신호 횡단보도에서의 교통운영분석에 중요한 파라메타이나 국내에서는 이 분야의 연구가 빈약한 실정이다. 이에 본연구의 목적은 횡단보행자의 임계간격 추정을 위한 모형을 개발하는데 있다. 이를 위해, 이 임계간격 에 영향을 미치는 인자들 중 퍼지적 성격을 가진 보행자 연령과 횡단보도의 연장, 거절되거나 수락되는 간격이 연장 3.5m에서 10.5m 범위의 행단보도에서 수집되었다. 이들 횡단보도에서의 임계간격은 2.56초에서 5.56초 범위의 값을 보였다. 연령과 횡단보도 연장이 각각 3개의 퍼지변수로 구분되고 각 경우에 대하여 Raff의 기법에 의한 임계간격이 추정되어 총 9개의 퍼지규칙이 설정되었다, 이들 규칙에 기초하여 횡단보행자 임계간격을 추정할 수 있는 ANFIS모형이 구축되었다. 모형의 예측력은 실측치와 추론치를 비교함으로써 평가되었다. 결정계수 $R^2$와 오차 및 분산정도를 나타내는 척도인 평균절대 오차(MAE) 및 평균제곱근 오차(MSE)가 각각 0.96, 0.097, 0.015로 나타나 본 모형의 설명력이 높은 것으로 평가된다. 본 연구의 과정에서 보행자의 연령 40세 이후 임계간격의 증가율이 높음을 볼 수 있었다.

• Smart Structures and Systems
• /
• 제22권3호
• /
• pp.335-340
• /
• 2018

The behavior of concrete slabs in composite beam with C and L shaped angle shear connectors has been studied in this paper. These two types of angle shear connectors' instalment have been commonly utilized. In this study, the finite element (FE) analysis and soft computing method have been used both to present the shear connectors' push out tests and providing data results used later in soft computing method. The current study has been performed to present the aforementioned shear connectors' behavior based on the variable factors aiming the study of diverse factors' effects on C and L shaped angle in shear connectors. ANFIS (Adaptive Neuro Fuzzy Inference System), has been manipulated in providing the effective parameters in shear strength forecasting by providing input-data comprising: height, length, thickness of shear connectors together with concrete strength and the respective slip of shear connectors. ANFIS has been also used to identify the predominant parameters influencing the shear strength forecast in C and L formed angle shear connectors.

• Geomechanics and Engineering
• /
• 제31권2호
• /
• pp.129-147
• /
• 2022

The properties of soil are naturally highly variable and thus, to ensure proper safety and reliability, we need to test a large number of samples across the length and depth. In pile foundations, conducting field tests are highly expensive and the traditional empirical relations too have been proven to be poor in performance. The study proposes a state-of-art Particle Swarm Optimization (PSO) hybridized Artificial Neural Network (ANN), Extreme Learning Machine (ELM) and Adaptive Neuro Fuzzy Inference System (ANFIS); and comparative analysis of metaheuristic models (ANN-PSO, ELM-PSO, ANFIS-PSO) for prediction of bearing capacity of pile foundation trained and tested on dataset of nearly 300 dynamic pile tests from the literature. A novel ensemble model of three hybrid models is constructed to combine and enhance the predictions of the individual models effectively. The authenticity of the dataset is confirmed using descriptive statistics, correlation matrix and sensitivity analysis. Ram weight and diameter of pile are found to be most influential input parameter. The comparative analysis reveals that ANFIS-PSO is the best performing model in testing phase (R² = 0.85, RMSE = 0.01) while ELM-PSO performs best in training phase (R² = 0.88, RMSE = 0.08); while the ensemble provided overall best performance based on the rank score. The performance of ANN-PSO is least satisfactory compared to the other two models. The findings were confirmed using Taylor diagram, error matrix and uncertainty analysis. Based on the results ELM-PSO and ANFIS-PSO is proposed to be used for the prediction of bearing capacity of piles and ensemble learning method of joining the outputs of individual models should be encouraged. The study possesses the potential to assist geotechnical engineers in the design phase of civil engineering projects.