• 한국산학기술학회논문지
• /
• 제17권5호
• /
• pp.364-371
• /
• 2016

본 논문에서는 차량이 주차된 지형의 조건에 따라 적용되는 도어 개폐 보조력 예측 모델을 제시하였다. 경사도, 사용자의 힘 등의 조건에 따른 개폐력 설정을 위하여 작동 보조력에 대한 학습 모델을 구현하여 비교하였고, 예측 모델의 학습을 위하여 축소모형을 제작하여 실험을 통해 학습데이터를 얻을 수 있는 실험 모델을 구성하였다. 실제 보상력 데이터를 학습, 반영하여 적정 값을 도출할 수 있는 학습 알고리즘을 개발하고, 이를 적용할 수 있는 시스템을 개발하였다. 학습 방법 중에서 인공신경망(Artificial Neural Network, ANN)과 서포트 벡터 머신(Support Vector Machine, SVM) 알고리즘을 적용하여 비교 검증하였다. 실제 측정값과 비교 검증한 결과, 차량의 도어 개폐 보조력 예측을 위해서 서포트 벡터 머신의 상대적으로 높은 적용성을 확인할 수 있었으며, 이 예측 모델을 활용하여 경사, 사용자의 힘에 따라 도어 개폐 구동 모터가 보상해야 할 적정한 힘을 예측하여 시간에 따라 구동함으로써 사용자가 평지와 같은 힘으로 문을 제어할 수 있는 시스템 구성을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.156-156
• /
• 2021

본 연구는 지역빈도해석을 기반으로한 인공신경망 모델과 기존에 널리 사용되는 방법인 홍수지수법의 성능을 몬테카를로 시뮬레이션을 이용하여 평가하였다. 컴퓨터 기술이 발달함에 따라 인공지능에 대한 접근성이 좋아지며 수문학을 포함한 다양한 분야에 적용되고 있다. 인공지능을 이용하여 강수량 및 유량 등 다양한 수문자료에 대한 예측이 이루어지고 있으나 빈도해석에 관한 연구는 비교적 적다. 본 연구에서 사용된 인공 지능 모델은 대상 지점의 지형학적 자료와 수문학적 자료를 이용하여 인공신경망을 통해 지점의 확률강우량(QRT-ANN) 및 확률분포형의 매개변수 (PRT-ANN)를 추정한다. 지형학적 자료로는 위도, 경도 그리고 고도가 사용되었으며 수문학적 자료로는 대상 지점의 최근 30년 일일연최대강우량을 사용하였다. 지역빈도해석의 정확도는 지역 내 통계적 특성이 비슷한 지점들이 포함되면 될수록 높아진다. 통계적 특성으로는 불일치 척도, 이질성 척도, 적합성 척도가 있으며 다양한 조건의 통계적 특성에 따른 세 개의 지역빈도해석 방법의 성능을 평가하고자 하였다. 대상 지역 내 n개의 지점이 있다고 가정하였을 때, 홍수지수법의 경우 n-1개의 지점으로 추정한 지역 성장곡선을 이용하여 나머지 1개 지점의 확률강우량을 산정할 수 있으며 인공신경망 모델들 또한 n-1개 지점들의 자료를 이용하여 모델을 구축한 뒤 나머지 지점의 확률강우량 및 확률분포형의 매개변수를 예측할 수 있다. PRT-ANN의 경우 예측된 매개변수를 이용하여 확률강우량을 산정하며 시뮬레이션 시행마다 발생시킨 자료의 지점빈도해석 결과에 대한 나머지 세 방법의 평균 제곱근 상대오차 (Relative root mean square error, RRMSE)를 계산하였다. 몬테카를로 시뮬레이션을 이용한 성능 분석을 통하여 관측값의 다양한 통계적 특성에 맞는 지역빈도해석 방법을 제시할 수 있을 것으로 판단된다.

• 한국농공학회논문집
• /
• 제59권3호
• /
• pp.97-110
• /
• 2017

This study investigates the efficiencies of machine learning models, including artificial neural network (ANN), generalized regression neural network (GRNN), adaptive neuro-fuzzy inference system (ANFIS) and random forest (RF), for reservoir water level forecasting in the Chungju Dam, South Korea. The models' efficiencies are assessed based on model efficiency indices and graphical comparison. The forecasting results of the models are dependent on lead times and the combination of input variables. For lead time t = 1 day, ANFIS1 and ANN6 models yield superior forecasting results to RF6 and GRNN6 models. For lead time t = 5 days, ANN1 and RF6 models produce better forecasting results than ANFIS1 and GRNN3 models. For lead time t = 10 days, ANN3 and RF1 models perform better than ANFIS3 and GRNN3 models. It is found that ANN model yields the best performance for all lead times, in terms of model efficiency and graphical comparison. These results indicate that the optimal combination of input variables and forecasting models depending on lead times should be applied in reservoir water level forecasting, instead of the single combination of input variables and forecasting models for all lead times.

• 한국산학기술학회논문지
• /
• 제5권1호
• /
• pp.1-6
• /
• 2004

휘발성유기 화합물(Vo1ati1e Organic Compounds : VOCs)은 탄화수소 화합물을 총칭한다. 이는 오존 및 광화학 스모그의 원인물질일 뿐 아니라 인체에는 암을 유발시키는 유해 물질이다. 또한 대기 중 악취 물질로서 환경 및 건강에 영향을 초래하는 유해성 물질이다. 본 논문은 대기 중에 포함된 암을 유발시키는 유해성 물질인 BTX(Benzene, Toluene, Xylene)의 존재 유무와 농도 측정에 대해서 연구하였다. 다종의 가스센서를 어레이하여 BTX 가스를 측정하고 인공신경망(Artificial Neural Network : ANN)의 역전파(Back propagation : BP) 알고리즘으로 시뮬레이션과 실험을 통해 농도를 추론하였다. ANN모듈은 기준 데이터를 시뮬레이션을 통해 학습시키고, 가스를 주입하여 실험 할 때 학습된 델타 모델에 근거하여 추론을 할 수 있는 추론 알고리즘 모듈이다. 이 모듈은 기준데이터를 MATLAB 코드로 시뮬레이션을 하여 생성된 parameter를 가지고 수행했으며, 시뮬레이션 결과를 실험을 통해 비교 테스트하여 검증하였다.

• 조명전기설비학회논문지
• /
• 제13권4호
• /
• pp.96-101
• /
• 1999

전력계통에서 부하모델은 안정도 해석과 조류계산의 정도를 높이기 위하여 매우 중요하다. 전력계통의 모선은 전압/주파수 변화에 따라 소비형태가 다른 다양한 부하들로 구성되어 있다. 따라서 전압/주파수 변화에 따른 부하모델을 고려하지 않으면 안된다. 본 연구는 정도 높은 부하모델링을 위해 신경회로망을 사용하였다. 대표적인 주거용 부하를 선정하여 전압과 주파수를 변화시키면서 부하특성을 측정하였다. 실험에서 얻은 실적자료로 신경회로망을 이용한 개별부하모델을 구축하고, 개별부하모델과 부하구성비에 의한 집단부하 모델을 제시하였다. 또, 전력계통해석 프로그램에 적용하기 위한 수학적 모델로의 변환기법을 제시하였다.

• 헬스앤미션
• /
• 통권13호
• /
• pp.22-24
• /
• 2008

• 한국구조물진단유지관리공학회 논문집
• /
• 제25권6호
• /
• pp.111-120
• /
• 2021

상업용 건축물에서 화재가 발생하는 경우에는 피난경로가 복잡하고 연기 및 화염의 진행방향이 재실자의 피난방향과 비슷하기 때문에 많은 인명피해가 발생하고 있다. 인명피해를 최소화하기 위해서는 건축물에 대한 성능기반 피난설계가 필수적으로 요구된다. 성능기반 피난설계를 건축물에 적용하기 위해서는 각 건축물에 대한 복잡한 화재 시뮬레이션을 필요로 하기 때문에 많은 인력과 시간이 소요된다. 이를 보완하기 위하여, 화재 시뮬레이션을 수행하지 않고도 합리적으로 피난허용시간을 도출할 수 있는 피난허용시간 예측 모델을 개발한다면 매우 유용하게 활용될 수 있을 것이다. 이 연구에서는 상업용 건축물에 대한 화재 시뮬레이션을 수행하여 온도와 가시거리, 온도와 유독가스 농도의 상관관계를 규명하였으며, 이에 대한 데이터베이스를 구축하였다. 또한, 이를 기반으로 피난허용시간을 예측할 수 있는 인공신경망(ANN) 모델을 개발하였다. 제안된 인공신경망 모델이 다른 상업용 건축물에도 적용될 수 있는지를 검토하기 위하여 다른 상업용 건축물에 대한 검증을 수행하였으며, 제안모델은 이 상업용 건축물의 화재 시 피난허용시간을 매우 우수한 정확도로 추정하는 것으로 나타났다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 한국수자원학회논문집
• /
• 제49권10호
• /
• pp.877-885
• /
• 2016

본 연구에서는 기상학적 가뭄지수인 표준강수지수(Standardized Precipitation Index, SPI)를 이용하여 우리나라 전역에 대한 가뭄예측의 시공간적인 평가를 수행하였다. 또한 다층 퍼셉트론 인공신경망(Multi Layer Perceptron-Artificial Neural Network, MLP-ANN) 예측 기법을 이용하여 SPI(3), (6)에 대한 선행예보시간별 가뭄 예측을 실시하였다. 입력 자료는 기상청 산하의 59개 관측소에서 관측된 기상자료를 활용하였고, 관측자료 기간은 1976~2015년이다. 예측 모델의 성능평가는 기준점(Threshold)에 따른 가뭄 발생유무와 같은 이진분류 혼동행렬을 구성하여 Receiver Operating Characteristics (ROC) score와 조건부 확률에 따른 F score를 산정하여 예측 성능평가를 수행하였다. 예측성능에 대한 ROC 분석결과 다층 퍼셉트론 인공신경망(MLP-ANN) 모형을 적용한 가뭄예측성능이 매우 우수한 것으로 나타났으며, SPI (3)은 2개월, SPI (6)는 5개월 정도의 선행예측이 충분히 가능한 것으로 나타났다.

• 전자공학회논문지SC
• /
• 제48권2호
• /
• pp.47-55
• /
• 2011

전 세계적으로 상해로 인한 사망자 중 1/3의 직접적인 사망 원인은 출혈성 쇼크이다. 그러나 초기 쇼크에서 이를 정확히 예측할 수 있다면 신속한 치료가 가능하여 그 피해를 줄일 수 있다. 본 논문의 목적은 흰쥐의 대퇴부정맥을 통해 일정량의 출혈을 시키면서 변화하는 생리적 변수인 심박수, 수축기 혈압, 평균 동맥압, 호흡수, 체온 데이터로 최적의 생존 예측 모델을 제시하여 출혈성 쇼크를 조기 진단하는 것이다. 예측 모델로는 최근 많이 연구되는 인공신경망과 지원벡터기계 방법을 사용하였다. 과대적합을 피하고 최적의 모델을 선정하기 위해 10-fold cross validation을 수행하였을 때, 인공신경망의 경우 은닉노드 수가 3개인 모델이 가장 우수한 성능을 보였고, 지원벡터기계에서는 가우시안 커널함수를 이용한 모델이 가장 우수한 성능을 보였다. 평가 데이터 세트를 이용하여 각각의 생존 예측 모델을 평가한 결과 인공신경망의 경우 민감도 88.9 %, 특이도 96.7 %와 정확도 92.0 %를 보였고, 지원벡터기계의 경우 민감도 97.8 %, 특이도 95.0 %와 정확도 96.7 %를 보였다. 따라서 출혈에 따른 흰쥐의 생존 예측에서 지원벡터기계가 인공신경망보다 더 우수한 성능을 보이는 것을 확인하였다.