• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2013년도 춘계학술대회 논문집
• /
• pp.500-501
• /
• 2013

• KIEAE Journal
• /
• 제17권4호
• /
• pp.83-88
• /
• 2017

Purpose: The objective of this study is to develop a predictive model for calculating the amount of cooling load for the different setback temperatures during the setback period. An artificial neural network (ANN) is applied as a predictive model. The predictive model is designed to be employed in the control algorithm, in which the amount of cooling load for the different setback temperature is compared and works as a determinant for finding the most energy-efficient optimal setback temperature. Method: Three major steps were conducted for proposing the ANN-based predictive model - i) initial model development, ii) model optimization, and iii) performance evaluation. Result:The proposed model proved its prediction accuracy with the lower coefficient of variation of the root mean square errors (CVRMSEs) of the simulated results (Mi) and the predicted results (Si) under generally accepted levels. In conclusion, the ANN model presented its applicability to the thermal control algorithm for setting up the most energy-efficient setback temperature.

• 한국농공학회논문집
• /
• 제61권1호
• /
• pp.107-120
• /
• 2019

Reservoir water level data identify the current water storage of the reservoir, and they are utilized as primary data for management and research of agricultural water. For the reservoir storage management, Korea Rural Community Corporation (KRC) installed water level stations at around 1,600 agricultural reservoirs and has been collecting the water level data every 10 minutes. However, various kinds of outliers due to noise and erroneous problems are frequently appearing because of environmental and physical causes. Therefore, it is necessary to detect outlier and improve the quality of reservoir water level data to utilize the water level data in purpose. This study was conducted to detect and classify outlier and normal data using two different models including the threshold model and the artificial neural network (ANN) model. The results were compared to evaluate the performance of the models. The threshold model identifies the outlier by setting the upper/lower bound of water level data and variation data and by setting bandwidth of water level data as a threshold of regarding erroneous water level. The ANN model was trained with prepared training dataset as normal data (T) and outlier (F), and the ANN model operated for identifying the outlier. The models are evaluated with reference data which were collected reservoir water level data in daily by KRC. The outlier detection performance of the threshold model was better than the ANN model, but ANN model showed better detection performance for not classifying normal data as outlier.

• 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.

• Structural Engineering and Mechanics
• /
• 제85권5호
• /
• pp.635-644
• /
• 2023

The design of honeycomb sandwich structures is often challenging because these structures can be tailored from a variety of possible cores and face sheets configurations, therefore, the design of sandwich structures is characterized as a time-consuming and complex task. A data-driven computational approach that integrates the analytical method and Artificial Neural Network (ANN) is developed by the authors to rapidly predict the design of sandwich structures for a targeted maximum structural deflection. The elaborated ANN reverse design approach is applied to obtain the thickness of the sandwich core, the thickness of the laminated face sheets, and safety factors for composite sandwich structure. The required data for building ANN model were obtained using the governing equations of sandwich components in conjunction with the Monte Carlo Method. Then, the functional relationship between the input and output features was created using the neural network Backpropagation (BP) algorithm. The input variables were the dimensions of the sandwich structure, the applied load, the core density, and the maximum deflection, which was the reverse input given by the designer. The outstanding performance of reverse ANN model revealed through a low value of mean square error (MSE) together with the coefficient of determination (R2) close to the unity. Furthermore, the output of the model was in good agreement with the analytical solution with a maximum error 4.7%. The combination of reverse concept and ANN may provide a potentially novel approach in designing of sandwich structures. The main added value of this study is the elaboration of a reverse ANN model, which provides a low computational technique as well as savestime in the design or redesign of sandwich structures compared to analytical and finite element approaches.

• Computers and Concrete
• /
• 제18권1호
• /
• pp.1-16
• /
• 2016

In this study, an Artificial Neural Network (ANN) and Adaptive Network-based Fuzzy Inference Systems (ANFIS) prediction models for flexural strength of the cement mortars have been developed. For purpose of constructing this models, 12 different mixes with 144 specimens of the 2, 7, 28 and 90 days flexural strength experimental results of cement mortars containing pure Portland cement (PC), blast furnace slag (BFS), waste tire rubber powder (WTRP) and BFS+WTRP used in training and testing for ANN and ANFIS were gathered from the standard cement tests. The data used in the ANN and ANFIS models are arranged in a format of four input parameters that cover the Portland cement, BFS, WTRP and age of samples and an output parameter which is flexural strength of cement mortars. The ANN and ANFIS models have produced notable excellent outputs with higher coefficients of determination of $R^2$, RMS and MAPE. For the testing of dataset, the $R^2$, RMS and MAPE values for the ANN model were 0.9892, 0.1715 and 0.0212, respectively. Furthermore, the $R^2$, RMS and MAPE values for the ANFIS model were 0.9831, 0.1947 and 0.0270, respectively. As a result, in the models, the training and testing results indicated that experimental data can be estimated to a superior close extent by the ANN and ANFIS models.

• 조명전기설비학회논문지
• /
• 제20권10호
• /
• pp.27-34
• /
• 2006

본 논문은 드라이브의 간적벡터제어에서 ANN을 이용하여 유도전동기의 회전자 저항을 온라인 추정하기 위한 새로운 기법을 제시한다. 약전파 알고리즘은 신경회로망의 학습을 위해 사용된다. 신경회로망의 실제 상태값과 유도전동기의 요구값 사이의 오차는 신경회로망 모델의 하중값 조절을 위하여 역전파 하여 실제값이 요구값을 추정하도록 한다. 드라이브의 회전자 저항, 토크, 자속응답 성능등 이러한 추정기의 성능은 고유값으로부터 회전자 저항을 연구하게 된다. 회전자 저항은 유도전동기 드라이브의 벡터제어에서 제시된 ANN을 사용하여 추정한다.

• Advances in nano research
• /
• 제16권3호
• /
• pp.251-263
• /
• 2024

This article investigates the free vibration behavior of carbon nanotube reinforced composite (CNTRC) beams embedded using variational analytical methods and artificial neural networks (ANN). The material properties of layered functionally graded CNTRC (FG-CNTRC) beams are estimated using nonlocal parameters modified power-law with different types of CNT distributions through the thickness direction of the beam. Adopting Eringen's nonlocal elasticity theory to capture the small size effects, the nonlocal governing equations are derived and solved using the analytical method. And also, the problem was analyzed using the ANN method. The architecture of the proposed ANN model is 3-9-1. In the experiments, we used 112 different data to predict the natural frequency using ANN. Based on the nonlocal differential constitutive relations of Eringen, the equations of motion as well as the boundary conditions of the beam are derived using Hamilton's principle. The classical beam theory is used to formulate a governing equation for predicting the free vibration of laminated CNTRC beams. According to the experimental results, the prediction ability of the ANN model is very good and the natural frequency can be predicted in ANN without attempting any experiments.

• Steel and Composite Structures
• /
• 제45권2호
• /
• pp.281-291
• /
• 2022

Surmounting complexities in analyzing the mechanical parameters of concrete entails selecting an appropriate methodology. This study integrates a novel metaheuristic technique, namely satin bowerbird optimizer (SBO) with artificial neural network (ANN) for predicting uniaxial compressive strength (UCS) of concrete. For this purpose, the created hybrid is trained and tested using a relatively large dataset collected from the published literature. Three other new algorithms, namely Henry gas solubility optimization (HGSO), sunflower optimization (SFO), and vortex search algorithm (VSA) are also used as benchmarks. After attaining a proper population size for all algorithms, the Utilizing various accuracy indicators, it was shown that the proposed ANN-SBO not only can excellently analyze the UCS behavior, but also outperforms all three benchmark hybrids (i.e., ANN-HGSO, ANN-SFO, and ANN-VSA). In the prediction phase, the correlation indices of 0.87394, 0.87936, 0.95329, and 0.95663, as well as mean absolute percentage errors of 15.9719, 15.3845, 9.4970, and 8.0629%, calculated for the ANN-HGSO, ANN-SFO, ANN-VSA, and ANN-SBO, respectively, manifested the best prediction performance for the proposed model. Also, the ANN-VSA achieved reliable results as well. In short, the ANN-SBO can be used by engineers as an efficient non-destructive method for predicting the UCS of concrete.

• 한국지반공학회논문집
• /
• 제36권8호
• /
• pp.7-15
• /
• 2020

인공신경망(ANN) 지진응답 예측모델 구성을 위해 다양한 지진파 및 지반 조건 하에서 구조물의 최대변위 및 최대 전단력 데이터베이스 구축이 필요하다. 하지만 3차원 컴퓨터 해석을 활용한 데이터베이스 구축은 많은 시간 및 인력, 비용을 발생시킨다. 본 연구에서는 주어진 지반의 포아송비와 전단파 속도에 대하여 건물의 지진응답을 예측할 수 있는 ANN 모델 개발 프레임워크를 소개하였다. 데이터베이스 구축에는 지반-상부 구조물 효과를 고려할 수 있는 간단한 단자유도 모델을 이용하였고 개발된 ANN 모델의 정확도를 결정계수(R²)를 통하여 논의하였다. 또한 구축된 데이터베이스의 백분위 90~100에서 ANN 모델을 구성하고 결정계수를 통해 각 백분위에서 ANN 모델의 정확도에 대하여 논의하였다.