• 청정기술
• /
• 제7권2호
• /
• pp.119-126
• /
• 2001

인공신경 회로망과 통계적 방법을 이용하여 오존 형성의 예측에 관한 연구를 수행하였다. 파라미터 평가방법으로는 실시간 파라미터를 평가하기 위하여 ELS 및 RML 방법이 사용되었으며 오존 형성의 모델로는 ARMAX 모델을 사용하였다. 또한 3층 구조를 갖는 인공신경 회로망 방법을 이용하여 오존 형성의 예측 시험을 수행하였으며 본 연구에 사용된 통계적 방법의 성능을 평가하기 위하여 오존 형성의 예측결과를 실제 자료와 비교 분석을 하였다. 실제 자료와의 비교를 통하여 파라미터 평가 방법 및 인공신경 회로망 방법에 근거한 예측방법이 제한된 예측 구간 내에서 만족할 만한 성능을 보임을 확인할 수 있었다.

• 한국건설관리학회논문집
• /
• 제7권4호
• /
• pp.91-99
• /
• 2006

본 연구는 신축 교육시설 프로젝트의 개념단계에서 공사비를 예측하기 위한 인공신경망모델의 제안을 목적으로 한다. 현행 공공 교육시설의 개념단계 공사비예측에는 기본인자인 연면적에 의한 단일변수 모델이 적용되고 있다. 그러나 개념단계에서 단일변수 공사비예측모델을 적용하여 예측된 공사비는 그 오차범위가 크고, 실시설계 완료 후 물량산출에 의해 산정된 상세공사비와 비교하여 큰 차이를 보일 경우 프로젝트의 수정이 불가피하며, 이는 프로젝트의 비용을 증가시키고 공기를 지연시킨다. 그러므로 본 연구에서는 교육시설 프로젝트의 사업계획 수립 및 예산확보 과정에서 공사비예측에 적용이 가능한다 변수 인공신경망모델을 제안하였다. 개발된 모델을 평가한 결과 평균오차율이 6.82%로써, 평균 93.18%의 정확도를 기록하였다. 제안된 인공신경망모델은 지난 5년간 신축된 교육시설의 공사예정금액을 실적자료로 사용하여 학습되었기 때문에, 차후 교육시설 신축공사의 예산편성에 그 활용이 기대된다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 1999년도 가을 학술발표회 논문집
• /
• pp.387-394
• /
• 1999

Artificial Neural Network (ANN) is a computational model inspired by the structure and operations of the brain. It is massively parallel system consisting of a large number of highly interconnected and simple processing units. The purpose of this paper is to verify the applicability of ANN to predict experimental results through the use of measured experimental data. Although there have been accumulated data based on hysteretic characteristics of structural element with cyclic loading tests, it is difficult to directly apply them for the analysis of elastic and plastic response. Thus, simple models with mathematical formula such as Bi-Linear Model, Ramberg-Osgood Model, Degrading Tri Model, Takeda Model, Slip type Model, and etc, have been used. To verify the practicality and capability of this study, ANN is adapted to several models with mathematical formula using numerical data To show the efficiency of ANN in nonlinear analysis, it is important to determine the adequate input and output variables of hysteretic models and to minimize an error in ANN process. The application example is Beam-Column joint test using the ANN in modeling of the linear and nonlinear hysteretic behavior of structure.

• 지질공학
• /
• 제28권4호
• /
• pp.741-753
• /
• 2018

최근 우리나라에서 발생되는 국지적 가뭄은 지하수의 효율적 활용에 대한 관심을 증대시키고 있으며, 잉여의 물을 지층 내에 저장하는 지하수 인공함양 기술 도입의 필요성이 대두되고 있다. 본 연구에서는 충청남도내 퇴적 분지의 지하수 인공함양 대상지로의 가능성을 평가하기 위하여 1차 인자 3개, 2차 인자 7개로 구성된 AHP 모델을 개발하였으며, 10개 후보지에 적용한 결과를 토대로 인공신경망 모델을 구축하였다. AHP 모델은 후보지가 추가될 경우 수학적인 연산 과정에 의하여 최종 평가점수가 변하게 되나, 인공신경망 모델은 후보지별 고정적인 최종평가 점수를 제시하게 되어 인공함양 적지 선정 기준으로 사용할 수 있다. 충청남도 지역의 연구 결과, 인공신경망 모델의 최종 평가점수가 약 1.5점 이하인 경우에는 인공함양 후보지로서의 가능성이 낮은 것으로 평가되었다. 향후 타 지역에 대한 추가 연구 및 현장 조사를 통해 다양한 자료 군을 확보한다면 보다 보편적으로 적용할 수 있는 인공신경망 모델 도출이 가능할 것이다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 추계학술대회 논문집 전력기술부문
• /
• pp.329-331
• /
• 2006

Load models are important for improving the accuracy of stability analysis. Load characteristics are changed for voltage and frequency condition. In this research, ANN with LMBP learning rule is used to construct the load model. Characteristics of some residential loads are tested under various voltage and frequency conditions. Acquired data are used to construct load models by ANN. Constructed ANN load model are applied to transient stability analysis.

• 한국정밀공학회지
• /
• 제34권1호
• /
• pp.23-27
• /
• 2017

This paper aims to develop a prediction model for the product quality of a casting process. Prediction of the product quality utilizes an artificial neural network (ANN) in order to renovate the manufacturing technology of the root industry. Various aspects of the research on the prediction algorithm for the casting process using an ANN have been investigated. First, the key process parameters have been selected by means of a statistics analysis of the process data. Then, the optimal number of the layers and neurons in the ANN structure is established. Next, feed-forward back propagation and the Levenberg-Marquardt algorithm are selected to be used for training. Simulation of the predicted product quality shows that the prediction is accurate. Finally, the proposed method shows that use of the ANN can be an effective tool for predicting the results of the casting process.

• 한국지리정보학회지
• /
• 제23권3호
• /
• pp.252-262
• /
• 2020

원격탐사 분야에서 토지피복분류에는 머신러닝 기반의 SVM 모델이 대표적으로 활용되고 있는 한편, 신경망 모델을 이용한 연구도 지속적으로 수행되고 있다. 다목적실용위성의 고해상도 영상을 이용한 연구는 미흡한 실정이며, 따라서 본 연구에서는 고해상도 KOMPSAT-3 위성영상을 이용하여 신경망 모델의 토지피복분류 정확도를 평가하고자 하였다. 경주시 인근 해안지역의 위성영상을 취득하여 훈련자료를 제작하고, 물과 식생 및 육지의 세 항목에 대해 SVM, ANN 및 DNN 모델로 토지피복을 분류하였다. 분류 결과의 정확도를 오차 행렬을 통해 정량적으로 평가한 결과 DNN 모델을 활용한 토지피복분류가 92.0%의 정확도로 가장 우수한 결과를 나타냈다. 향후 다중 시기의 위성영상을 통해 훈련자료를 보완하고, 다양한 항목에 대한 분류를 수행 및 검증한다면 연구의 신뢰성을 높일 수 있을 것으로 판단된다.

• 지질공학
• /
• 제28권4호
• /
• pp.583-592
• /
• 2018

최근들어 방사형 집수정 방식의 대용량 강변여과수 개발에 따른 배후지의 지하수위 강하에 대한 우려가 존재하고 있다. 본 연구에서는 안성천의 방사형 집수정을 대상으로 Modflow를 활용하여 수평정의 취수량에 따른 배후지의 수위 강하를 예측하였으며, 이 데이터를 기반으로 배후지 수위 강하가 최소가 되는 수평정별 취수량을 결정하는 다층퍼셉트론 기반의 인공신경망 모델을 개발하였다. 하천 방향으로 굴착된 수평정 HW-6의 취수량을 높이는 것이 OW-7 및 OB-11 관측정의 지하수위를 높게 유지하는데 필요한 것으로 평가되었다. 또한, 모델 입력 자료의 수 및 훈련과 검증 자료의 분류는 인공신경망 모델 결과에 영향을 미치므로 유의하여야 한다. 향후 현장의 실제 운영 자료와 수치모델의 비교를 통하여 인공신경망 모델을 보완한다면 배후지의 지하수 관리에 기여할 것으로 본다.

• 한국지반공학회논문집
• /
• 제30권5호
• /
• pp.47-54
• /
• 2014

전단파 속도는 내진설계시 중요한 설계인자이나 지반조사의 목적으로는 흔히 경제적, 시간적 제약 등으로 시험을 통한 측정이 널리 이루어지지 않고 있다. 본 연구에서는 인공신경망 기법을 이용하여 가장 일반적인 현장 지반조사시험인 표준관입시험 결과를 바탕으로 사질토 지반에서의 전단파 속도를 예측하는 연구를 수행하였다. 650개 데이터 세트를 이용해 표준관입시험 저항치 $N_{60}$, 함수비, 세립분함량, 비중을 입력변수로 하여 전단파속도를 추정하는 인공신경망 모델을 구축하고 입력변수별 전단파속도에 미치는 영향을 민감도 해석을 통해 조사하였다. 그리고, 기존의 국내 외 7개의 표준관입시험을 이용한 전단파속도 예측 경험식들과 인공신경망에 의한 결과를 비교하였다. 민감도 분석결과 표준관입시험 저항치의 영향이 월등히 큰 것으로 나타났으며, 모델효율계수와 평균제곱근오차를 사용하여 기존의 경험식들과 인공신경망 모델의 예측 능력을 비교한 결과 인공신경망 모델의 예측 결과가 가장 좋은 것으로 나타났다.

• 한국시뮬레이션학회논문지
• /
• 제28권1호
• /
• pp.99-107
• /
• 2019

기존 본 연구팀에서 연구한 직사화기 무기효과 산출방법론은 JMEM(Joint Munitions Effectiveness Manuals : 합동탄약효과편람)내(內) 표적에 대해서만 무기효과자료를 산출 가능하다는 제한 사항을 가지고 있었다. 따라서 본 연구에서는 JMEM 이외의 현실적 표적을 추가하여 무기효과자료를 산출하는 방법을 인공신경망(ANN : Artificial Neural Network)을 적용하여 도출하는 데 중점을 두었다. 즉, 미국 JMEM내(內) 표적의 제원과 효과지수인 취약면적(Av : vulnerable area)을 이용하여 인공신경망의 예측모델을 학습시키고, 학습된 예측모델에 현실적 표적의 제원을 적용하여 취약면적을 계산한다. 최종적으로 본 연구팀이 연구한 기존 직사화기 무기효과 산출방법론에 계산된 취약면적을 적용하여 살상확률(Pk)을 계산하는 방법론을 제시하였다.