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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.