International Journal of Aeronautical and Space Sciences
/
v.18
no.3
/
pp.474-484
/
2017
This paper studies the applicability of an efficient numerical model based on artificial neural networks (ANNs) to predict the dynamic responses of the wing structure of an airplane due to atmospheric turbulence in the time domain. The turbulence velocity is given in the form of a stationary Gaussian random process with the von Karman power spectral density. The wing structure is modeled by a classical beam considering bending and torsional deformations. An unsteady vortex-lattice method is applied to estimate the aerodynamic pressure distribution on the wing surface. Initially, the trim condition is obtained, then structural dynamic responses are computed. The numerical solution of the wing structure's responses to a random turbulence profile is used as a training data for the ANN. The current ANN is a three-layer network with the output fed back to the input layer through delays. The results from this study have validated the proposed low-cost ANN model for the predictions of dynamic responses of wing structures due to atmospheric turbulence. The accuracy of the predicted results by the ANN was discussed. The paper indicated that predictions for the bending moments are more accurate than those for the torsional moments of the wing structure.
Mohammadhassani, Mohammad;Nezamabadi-pour, Hossein;Jumaat, Mohd Zamin;Jameel, Mohammed;Arumugam, Arul M.S.
Computers and Concrete
/
v.11
no.3
/
pp.237-252
/
2013
This paper presents the application of artificial neural network (ANN) to predict deep beam deflection using experimental data from eight high-strength-self-compacting-concrete (HSSCC) deep beams. The optimized network architecture was ten input parameters, two hidden layers, and one output. The feed forward back propagation neural network of ten and four neurons in first and second hidden layers using TRAINLM training function predicted highly accurate and more precise load-deflection diagrams compared to classical linear regression (LR). The ANN's MSE values are 40 times smaller than the LR's. The test data R value from ANN is 0.9931; thus indicating a high confidence level.
Yujin Lee;Seunghoon Seo;Ilhwan You;Tae Sup Yun;Goangseup Zi
Computers and Concrete
/
v.31
no.4
/
pp.315-325
/
2023
Calcium leaching is one of the main deterioration factors in concrete structures contact with water, such as dams, water treatment structures, and radioactive waste structures. It causes a porous microstructure and may be coupled with various harmful factors resulting in mechanical degradation of concrete. Several numerical modeling studies focused on the calcium leaching depth prediction. However, these required a lot of cost and time for many experiments and analyses. This study presents an artificial neural network (ANN) approach to predict the leaching depth quickly and accurately. Totally 132 experimental data are collected for model training and validation. An optimal ANN model was proposed by ANN topology. Results indicate that the model can be applied to estimate the calcium leaching depth, showing the determination coefficient of 0.91. It might be used as a simulation tool for engineering problems focused on durability.
Yaylaci, Ecren Uzun;Yaylaci, Murat;Olmez, Hasan;Birinci, Ahmet
Computers and Concrete
/
v.25
no.6
/
pp.551-563
/
2020
This paper investigates the artificial neural network (ANN) to predict the dimensionless parameters for the maximum contact pressures and contact areas of a contact problem. Firstly, the problem is formulated and solved theoretically by using Theory of Elasticity and Integral Transform Technique. Secondly, the contact problem has been extended based on the ANN. The multilayer perceptron (MLP) with three-layer was used to calculate the contact distances. External load, distance between the two quarter planes, layer heights and material properties were created by giving examples of different values were used at the training and test stages of ANN. Program code was rewritten in C++. Different types of network structures were used in the training process. The accuracy of the trained neural networks for the case was tested using 173 new data which were generated via theoretical solutions so as to determine the best network model. As a result, minimum deviation value (difference between theoretical and C++ ANN results) of was obtained for the network model. Theoretical results were compared with artificial neural network results and well agreements between them were achieved.
Proceedings of the Korean Society of Soil and Groundwater Environment Conference
/
2006.04a
/
pp.391-393
/
2006
In this study, the performance of artificial neural network (ANN) models for estimating spatial distribution of water quality was evaluated using electric conductivity (EC) values in landfill site. For the ANN model development, feedforward neural networks and backpropagation algorithm with gradient descent method were used. In Test 1, the interpolation ability of the ANN model was evaluated. Results of the ANN model were more precise than those of the Kriging model. In Test 2, spatial distributions of EC values were predicted using precipitation data. Results seemed to be reasonable, however, they showed a limitation of ANN models in extrapolations.
In this study, the nonlinear vibrations of stepped beams having different boundary conditions were investigated. The equations of motions were obtained by using Hamilton's principle and made non dimensional. The stretching effect induced non-linear terms to the equations. Natural frequencies are calculated for different boundary conditions, stepped ratios and stepped locations by Newton-Raphson Method. The corresponding nonlinear correction coefficients are also calculated for the fundamental mode. At the second part, an alternative method is produced for the analysis. The calculated natural frequencies and nonlinear corrections are used for training an artificial neural network (ANN) program which has a multi-layer, feed-forward, back-propagation algorithm. The results of the algorithm produce errors less than 2.5% for linear case and 10.12% for nonlinear case. The errors are much lower for most cases except clamped-clamped end condition. By employing the ANN algorithm, the natural frequencies and nonlinear corrections are easily calculated by little errors, and the computational time is drastically reduced compared with the conventional numerical techniques.
The performance of transmission lines and its shielding design during a lightning phenomenon are quite essential in the maintenance of a reliable power supply to consumers. The leader progression model, as an advanced approach, has been recently developed to calculate the shielding failure rate (SFR) of transmission lines using geometrical data and physical behavior of upward and downward lightning leaders. However, such method is quite time consuming. In the present paper, an effective method that utilizes artificial neural networks (ANNs) to create a metamodel for calculating the SFR of a transmission line based on shielding angle and height is introduced. The results of investigations on a real case study reveal that, through proper selection of an ANN structure and good training, the ANN prediction is very close to the result of the detailed simulation, whereas the Processing time is by far lower than that of the detailed model.
Among nondestructive damage detection methods, impedance-based methods have been recognized as an effective technique for damage identification in many kinds of structures. This paper proposes a method to detect cracks in metal structures by combining electro-mechanical impedance (EMI) responses and artificial neural networks (ANN). Firstly, the theories of EMI responses and impedance-based damage detection methods are described. Secondly, the reliability of numerical simulations for impedance responses is demonstrated by comparing to pre-published results for an aluminum beam. Thirdly, the proposed method is used to detect cracks in the beam. The RMSD (root mean square deviation) index is used to alarm the occurrence of the cracks, and the multi-layer perceptron (MLP) ANN is employed to identify the location and size of the cracks. The selection of the effective frequency range is also investigated. The analysis results reveal that the proposed method accurately detects the cracks' occurrence, location, and size in metal structures.
The Journal of Korean Institute of Communications and Information Sciences
/
v.39C
no.9
/
pp.820-827
/
2014
One of the basic problems in Wireless Sensor Networks (WSNs) is the localization of the sensor nodes based on the known location of numerous anchor nodes. WSNs generally consist of a large number of sensor nodes and recording the location of each sensor nodes becomes a difficult task. On the other hand, based on the application environment, the nodes may be subject to mobility and their location changes with time. Therefore, a scheme that will autonomously estimate or calculate the position of the sensor nodes is desirable. This paper presents an intelligent localization scheme, which is an artificial neural network (ANN) based localization scheme used to estimate the position of the unknown nodes. In the proposed method, three anchors nodes are used. The mobile or deployed sensor nodes request a beacon from the anchor nodes and utilizes the received signal strength indicator (RSSI) of the beacons received. The RSSI values vary depending on the distance between the mobile and the anchor nodes. The three RSSI values are used as the input to the ANN in order to estimate the location of the sensor nodes. A feed-forward artificial neural network with back propagation method for training has been employed. An average Euclidian distance error of 0.70 m has been achieved using a ANN having 3 inputs, two hidden layers, and two outputs (x and y coordinates of the position).
Artificial neural networks (ANNs) are successfully developed for the modeling and prediction of normalized polarity parameter (ETN) of 216 various solvents with diverse chemical structures using a quantitative-structure property relationship. ANN with architecture 5-9-1 is generated using five molecular descriptors appearing in the multi-parameter linear regression (MLR) model. The most positive charge of a hydrogen atom (q+), total charge in molecule (qt), molecular volume of solvent (Vm), dipole moment (μ) and polarizability term (πI) are input descriptors and its output is ETN. It is found that properly selected and trained neural network with 192 solvents could fairly represent the dependence of normalized polarity parameter on molecular descriptors. For evaluation of the predictive power of the generated ANN, an optimized network is applied for prediction of the ETN values of 24 solvents in the prediction set, which are not used in the optimization procedure. Correlation coefficient (R) and root mean square error (RMSE) of 0.903 and 0.0887 for prediction set by MLR model should be compared with the values of 0.985 and 0.0375 by ANN model. These improvements are due to the fact that the ETN of solvents shows non-linear correlations with the molecular descriptors.
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.