• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.141-141
• /
• 2017

본 연구에서는 대하천의 8개의 수질인자(수온, 용존산소, 수소이온농도, 전기전도도, 총질소, 총인, 탁도, 클로로필-a)를 예측할 수 있는 인공신경망모델을 개발하였다. 인공신경망모델(ANN)은 수질데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 데이터기반 모델이다. 데이터기반 모델의 특성상 예측정확도를 높이기 위해서 양질의 입력데이터를 구성하는 것이 가장 중요하다. 때문에 각각의 수질인자뿐만 아니라 기상학적 인자 또한 예측을 위한 입력자료로 사용하였으며, 요인분석 및 층화표층추출법을 적용하여 입력데이터를 구성하였고 앙상블기법을 이용하여 추가적으로 예측의 정확도를 향상시켰다. 개발된 모델을 이용하여 지천유입이 있는 북한강의 수질자료를 예측한 결과 탁도를 제외한 7개의 수질인자 모두 0.85 이상의 설명력을 보였으며, 실측값과 예보값을 비교해본 결과 평균적으로 10% 미만의 에러값을 나타냈다. 요인분석을 통하여 연관성있는 인자를 입력인자로 추가한 경우 향상된 결과값을 보였주었으며, 앙상블기법을 적용한 결과 정확도 면에서 큰 향상을 보여주었다.

• 한국터널지하공간학회 논문집
• /
• 제4권4호
• /
• pp.277-286
• /
• 2002

터널을 설계함에 있어서 굴착방법이나 지보패턴을 결정할 때 어려움을 겪는 주된 요인은 현지 지반에 작용하는 응력조건 및 암반상태를 정확히 파악하는데 한계가 있기 때문이다. 현장 장비의 제약, 터널을 굴착 위치까지 접근성이 난이함 등의 기술적인 제약뿐만 아니라 최근에는 민원이나 각종 인허가 등으로 더욱 많은 제약요건이 존재한다. 그럼에도 불구하고 최근들어 대안설계나 턴키설계를 통하여 직접적인 시추에 의존하지 않더라도 미지의 산악터널구간에 대한 지반정보를 획득할 수 있는 고급화된 물리탐사기술이 눈부시게 발전하는 추세이며 이를 통하여 터널굴착구간의 암반에 대한 직 간접적인 지반정보를 입수할 수 있다. 인공신경망 (ANN)의 장점은 이러한 적은 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성있는 결과를 제공하여 준다는 것이다. 본 연구에서는 미지의 터널굴착구간에 대한 예비 지반정보를 입력항목으로 하여 인공신경망의 오류역전파 학습알고리즘기법에 의하여 학습된 패턴을 가지고 미지의 터널굴착구간에 대한 예비 암반분류 (RMR)를 수행하는데 그 목적을 두었다. 이를 위하여 연장 4km에 달하는 ${\triangle}{\triangle}$터널현장에 대한 인공신경망 모형적용시 입력자료에 대한 적정성을 사전 평가하였고, 그 이후에 물리탐사자료를 입력변수로 활용하여 미지의 터널구간에 대한 RMR을 예측하였다. 그 결과 자료의 일치성이나 예측 RMR에 대한 신뢰도가 높은 것으로 나타났으며, 향후에는 학습효과를 높이기 위한 입력변수의 민감도 분석 (sensitivity analysis)수행 및 모델과정에서 노출된 몇가지 문제점 보완등을 통하여 설계에 적극적으로 활용하고자 한다.

• 한국화재소방학회:학술대회논문집
• /
• 한국화재소방학회 2005년도 공동추계학술논문발표회 논문집
• /
• pp.180-184
• /
• 2005

• 대한의용생체공학회:의공학회지
• /
• 제10권2호
• /
• pp.157-164
• /
• 1989

Three-dimensional imaging and manipulation of CT data are becoming increasingly important for deterRing the complex structure and pathologies. Octree which is a hierarchical data model is used to reconstruct three- dimensional objects from CT scans. Orthogonal cross sections are displayed by traverse the octree partially. Arbitrary oblique planes are derived by intersecting the square region of plane and cubic volume of octal node. Thia method enables the display of multi-structured complex organ ann the realization by personal computer.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 춘계학술대회 학술발표 논문집
• /
• pp.79-82
• /
• 2001

생산품을 제조하는 과정에서 처리 시간에 따른 제조 기계를 최적의 수로 결정함으로서 공정 과정에서 비효율적인 제조 기계의 활용 비율을 줄일 수 있으며, 이는 공정 과정의 비용을 최소화할 수 있는 방법 중에 하나이다. 본 논문에서는 핸드폰에 사용되는 여러 가지 모델의 배터리를 생산하는 공장의 작업 과정을 조사하고, 일정하기 않은 처리 시간과 작업에 필요한 제조 기계를 조사하였다. 이를 인공 신경망(ANN)의 역전파 알고리즘을 이용하여 생산현장에서 효율적인 처리 시간과 공정 과정에서 생산에 적합한 기계의 수를 최적화시키는 방법을 제안한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.45-45
• /
• 2018

오염물의 혼합거동을 해석하기 위해 물리기반 모델을 이용하는 경우 모델을 구축하고 운용하는데 많은 시간과 재정이 소요되며 현장검증을 통한 검증이 반드시 필요하다. 하지만 데이터 기반 모델의 경우 축적된 데이터만으로도 예측을 수행할 수 있으며 물리기반모델에 비해 결정해야할 입력인자가 적어 모델운용이 용이하다는 장점이 있다. 다양한 데이터 모델 중 인공신경망(ANN) 모델은 데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 모델로 수자원 및 환경 분야에서 자주 사용되고 있다. 본 연구에서는 인공신경망 모델을 이용하여 지천유입이 있는 대하천의 수질인자 (pH, 전기전도도, DO, chl-a)를 예측하였다. 다른 데이터기반 모델과 같이 인공신경망 모델 또한 수집된 데이터 질에 크게 영향을 받으며, 내부 입력인자의 선택이 모델의 예측 결과에 큰 영향을 미친다. 이러한 인공신경망 모델의 특성을 바탕으로 예측모형의 정확도를 향상하기 위해서는 크게 데이터 처리부분과 모델구축 부분에서의 접근이 필요하다. 본 연구에서는 데이터 처리 과정에서 연구대상지점의 각각의 수질인자가 가지는 분포 특성을 유지하기 위해 층화표츨추출법을 이용하여 데이터를 구성하였다. 모델의 구축 과정에서는 초기가중치 값의 영향을 줄이기 위해 앙상블기법을 사용하였으며, 좀 더 견고하고 정확한 결과를 예측하기 위해 탄력적 역전파알고리즘을 추가하였다. 추가적으로 합류 후 본류의 미 계측지역 수질 예측 정확도 향상을 위해 본류의 수질인자뿐만 아니라 지류의 수질인자를 입력자료로 사용하여 모의를 수행하였다. 또한 동일 구간에서 수행한 현장추적자실험 자료를 이용하여 수질인자의 분포특성을 비교, 검증하였다. 개발된 모델을 이용하여 낙동강과 금호강 합류부 하류의 수질인자를 예측한 결과 지류의 수질인자를 입력자료로 추가한 경우 예측의 정확도가 증가하였으며, 현장실험 자료를 통해 밝혀진 오염물의 거동현상을 인공신경망 모델로도 동일하게 재현하는 것으로 나타났다. 본 연구에서 제안한 인공신경모델을 이용한다면 물리기반 수치모델을 대체하여 지천으로 유입된 오염물의 거동을 정확하고 효율적으로 파악할 수 있을 것이다.

• 한국강구조학회 논문집
• /
• 제16권4호통권71호
• /
• pp.443-452
• /
• 2004

인간의 뇌와 유사한 병렬 연산 모델을 활용하여 다양하고 복잡한 비선형적인 문제에 효과적으로 연관관계를 조직화 할 수 있는 인공신경망에 관한 연구가 근래에 공학의 넓은 분야에서 도입되고 그에 따른 많은 성과가 나타나고 있다. 본 연구에서는 설계자의 판단력과 경험에 의존 하던 기존의 예비구조설계 단계에 효과적인 인공신경망을 적용하여 예비 구조설계 단계에 컴퓨터를 이용한 정형화된 방법을 제시하고자 한다. 이를 위해 각 구조물의 일반적인 설계과정에 따른 다단계 신경망을 제시하고 인공신경망의 학습은 역전파알고리즘과 유전알고리즘을 적용하여 예비구조설계의 원형을 구현한다. 이와 같이 구성된 다단계 신경망을 사장교의 예비구조설계 단계에 활용하여 본 연구의 적용성과 두가지 학습기법에 따른 결과를 비교 분석 한다.

• 한국터널지하공간학회 논문집
• /
• 제18권2호
• /
• pp.195-211
• /
• 2016

이 논문에서는 해저터널의 특수성을 고려한 NATM 터널의 라이닝의 설계에 대한 내용을 다루었다. 해저터널 자동화 설계 시스템 개발의 요소기술인 인공신경망(Artificial Neural Network) 기반의 터널 설계 시스템에 대한 개념, 학습과정 및 검증과정과 예측된 부재력을 통한 최적 단면 설계에 대한 내용을 기술하였다. 부재력 평가가 정확하게 구현 가능한 인공신경망을 개발하기 위해서 다양한 설계 조건과 각 조건에 따른 해석 모델을 이용한 유한요소해석을 수행하여 단면 설계에 필요한 최대부재력의 학습DB를 구축하고 인공신경망을 통해 일반화하였다. 인공신경망을 이용해 산정된 부재력은 해저 터널의 라이닝 설계 시스템에 적용시켜 빠르고 쉽게 해저터널의 라이닝 설계에 적용이 가능하도록 하였다.

• 한국터널지하공간학회 논문집
• /
• 제18권1호
• /
• pp.13-30
• /
• 2016

본 연구에서는 해저 터널의 특수성을 고려한 TBM 세그먼트 라이닝의 최적 설계 시스템을 개발하였다. 해저 터널은 일반적으로 일정 수압 하의 토사나 암반 등으로 구성된 해저 지반 내에 시공된다. 본 설계 시스템은 특정 해저 터널 단면에서의 지반 조건, 시공 조건 및 터널 조건을 고려하여 인공신경망 기반의 세그먼트 라이닝 부재력 예측 시스템을 구축하고, 시공성이 확보된 단면 DB를 구축하여 해저터널에서 최적 단면 설계가 가능하도록 구성하였다. 결과적으로 본 시스템은 해저 터널 설계에 사용되는 BIM과 연동되어 자동으로 설계가 가능하도록 하였다. 단면 검토 및 설계에 사용되는 세그먼트 라이닝 부재력 예측은 유한요소해석을 토대로 구축한 인공신경망을 통해 일반화한 후 BIM 시스템에 접목시켜 별도의 추가 해석이 필요없이 유사 단면의 해저 터널 설계에 적용이 가능하도록 하였다.

• 한국물환경학회지
• /
• 제33권3호
• /
• pp.326-333
• /
• 2017

The lakes and reservoirs have been reported as important sources of carbon emissions to the atmosphere in many countries. Although field experiments and theoretical investigations based on the fundamental gas exchange theory have proposed the quantitative amounts of Net Atmospheric Flux (NAF) in various climate regions, there are still large uncertainties at the global scale estimation. Mechanistic models can be used for understanding and estimating the temporal and spatial variations of the NAFs considering complicated hydrodynamic and biogeochemical processes in a reservoir, but these models require extensive and expensive datasets and model parameters. On the other hand, data driven machine learning (ML) algorithms are likely to be alternative tools to estimate the NAFs in responding to independent environmental variables. The objective of this study was to develop random forest (RF) and multi-layer artificial neural network (ANN) models for the estimation of the daily $CO_2$ NAFs in Daecheong Reservoir located in Geum River of Korea, and compare the models performance against the multiple linear regression (MLR) model that proposed in the previous study (Chung et al., 2016). As a result, the RF and ANN models showed much enhanced performance in the estimation of the high NAF values, while MLR model significantly under estimated them. Across validation with 10-fold random samplings was applied to evaluate the performance of three models, and indicated that the ANN model is best, and followed by RF and MLR models.