• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.110-110
• /
• 2018

상수관로의 노후화는 단수유발, 수압부족 및 수질악화, 싱크홀 발생 피해와 누수로 인한 경제적 손실 등을 초래한다. 최근 상수관로의 노후화에 의한 피해가 심각해짐에 따라, 환경부에서는 전국적으로 노후관로를 개량 및 교체하는 작업을 시행하고 있다. 다만, 모든 노후관로를 일시에 보수 및 교체하는 것은 불가능하므로, 사용 중인 관로의 노후도를 정량적으로 판단하여 개량우선순위를 결정해야한다. 현재 국내에서는 '상수도 기술진단' 매뉴얼에 따른 관망성능평가 결과를 이용하여 상수관로의 노후화 정도를 평가하고 있다. 이는 평가항목 별로 기준을 나누어 조건값과 가중치를 부여하고, 총 점수를 합산하여 해당 관로의 평가 점수에 따라 등급을 판정하게 되는 점수평가법이다. 본 연구에서는 기존의 점수평가법과의 비교를 통하여, ANN(Artificial Neural Network)-Clustering 기법이 상수관로의 노후도 평가를 위한 새로운 평가방법이 될 수 있음을 제시하였다. 본 연구는 강원도 Y지역의 상수관로를 대상으로 진행하였으며, 기존의 관망성능평가 항목을 이용하여 전체 관로를 세 가지 등급으로 분류하여 노후도를 평가하였다. 또한 ANN-Clustering방법의 적용 가능성을 판단하기 위하여 기존의 점수평가법 결과와 비교분석을 실시하였으며, 전체 대상관로의 노후도 정도를 직관적으로 파악할 수 있도록 계산된 노후도 등급을 관망도에 도시하였다. ANN-Clustering방법은 관로의 다양한 특성값을 손쉽게 변경하여 적용할 수 있으며, 기존의 점수평가법과 더불어 상수관로의 유지관리를 위한 보다 객관적이고 합리적인 관망성능평가법이 될 수 있을 것으로 기대한다.

• 한국수자원학회논문집
• /
• 제51권11호
• /
• pp.959-969
• /
• 2018

노후화된 상수관로는 단수유발, 수압부족 및 수질악화, 싱크홀 발생 피해와 누수로 인한 경제적 손실 등을 초래한다. 하지만 모든 노후관로를 일시에 보수 및 교체하는 것은 불가능하므로, 사용 중인 관로의 노후도를 정량적으로 판단하여 상수관로의 개량 우선순위를 결정해야 한다. 본 연구에서는 ANN(Artificial Neural Network)-Clustering 기법이 상수관로의 노후도 평가를 위한 새로운 평가방법이 될 수 있음을 제시하였다. 본 연구는 전라남도 YG지역의 배수관로를 적용대상으로 진행하였으며, 관망성능평가 항목을 이용하여 전체 관로를 세 개의 등급으로 분류하여 노후도를 평가하였다. 또한, 본 연구의 적용 가능성을 판단하기 위하여 실무에서 적용 중인 점수평가법 결과와 비교분석을 실시하였으며, 전체 대상관로의 노후도 정도를 직관적으로 파악할 수 있도록 산정된 노후도 등급을 관망도에 도시하였다. 본 연구에서 제안한 노후관로 평가기법은 관로의 다양한 특성값을 손쉽게 변경하여 적용할 수 있으며, 점수평가법과 더불어 상수관로의 유지관리를 위한 객관적이고 합리적인 관망성능평가법이 될 수 있을 것으로 기대한다.

• Journal of the Korean Statistical Society
• /
• 제15권1호
• /
• pp.1-8
• /
• 1986

The k-medians clustering method is considered to partition observations into k clusters. Consistency and advantage of bootstrap confidence sets of k optimal cluster centers are discussed. The k-medians and k-means clustering methods are compared by using actual data sets.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권6호
• /
• pp.215-218
• /
• 2014

해슁(hashing)을 기반으로 한 근사 최근접 이웃 탐색(approximate nearest neighbors search, ANN search) 방법에서는 데이터 샘플들을 k-비트 이진 코드로 변환하는 해쉬 함수들을 이용함으로써 근접 이웃 탐색이 이진변환 공간에서 이루어지게 된다. 본 논문에서는 PCA 기반 군집화 방법인 Principal Direction Divisive Partitioning(PDDP)를 이용한 해슁 방법을 제안한다. PDDP는 가장 큰 분산을 가지는 클러스터를 선택하여 그 클러스터의 첫 번째 주성분 방향을 이용하여 두 개의 클러스터로 분할하는 과정을 반복적으로 시행하는 군집화 방법이다. 제안하는 해슁 방법에서는 PDDP에서 분할을 위해 사용하는 주성분방향을 바이너리 코딩을 위한 사영벡터로서 사용한다. 실험결과는 제안하는 방법이 다른 해슁 방법들과 비교하여 경쟁력 있는 방법임을 입증한다.

• 한국컴퓨터정보학회논문지
• /
• 제22권7호
• /
• pp.31-37
• /
• 2017

There are lots of combined battlefield elements which complete the war. It looks problematic when collecting and analyzing these elements and then predicting the situation of war. Commander's experience and military power assessment have widely been used to come up with these problems, then simulated combat training program recently supplements the war-game models through recording real-time simulated combat data. Nevertheless, there are challenges to assess winning factors of combat. In this paper, we characterize the combat element (ce) by clustering simulated combat data, and then suggest multi-layered artificial neural network (ANN) model, which can comprehend non-linear, cross-connected effects among ces to assess mission completion degree (MCD). Through our ANN model, we have the chance of analyzing and predicting winning factors. Experimental results show that our ANN model can explain MCDs through networking ces which overperform multiple linear regression model. Moreover, sensitivity analysis of ces will be the basis of predicting combat situation.

• 통합자연과학논문집
• /
• 제4권3호
• /
• pp.238-242
• /
• 2011

For any pattern matching based algorithm in WLAN environment, the characteristics of signal to noise ratio(SNR) to multiple access points(APs) are utilized to establish database in the training phase, and in the estimation phase, the actual two dimensional coordinates of mobile unit(MU) are estimated based on the comparison between the new recorded SNR and fingerprints stored in database. The system that uses the artificial neural network(ANN) falls in a local minima when it learns many nonlinear data, and its classification accuracy ratio becomes low. To make up for this risk, the SVM/ANN hybrid algorithm is proposed in this paper. The proposed algorithm is the method that ANN learns selectively after clustering the SNR data by SVM, then more improved performance estimation can be obtained than using ANN only and The proposed algorithm can make the higher classification accuracy by decreasing the nonlinearity of the massive data during the training procedure. Experimental results indicate that the proposed SVM/ANN hybrid algorithm generally outperforms ANN algorithm.

• 대한전자공학회논문지SP
• /
• 제48권2호
• /
• pp.109-115
• /
• 2011

Fingerprinting 방식에서 KNN은 WLAN 기반 실내 측위에 가장 많이 적용되고 있지만 KNN의 성능은 k 개의 이웃 수와 RP의 수에 따라 민감하다. 논문에서는 KNN 성능을 향상시키기 위해 ANN 군집화를 적용한 KNN과 ANN을 혼합한 알고리즘을 제안하였다. WLAN 환경하에서 알고리즘 기반의 패턴 매칭을 위해 training 단계에서는 여러 개의 AP에서 신호 잡음비의 특성값을 데이터베이스에 만들어 활용하고 estimation 단계에서는 단말기(MU)의 2차원 좌표값을 단말기로부터 새롭게 얻은 SNR과 데이터베이스에 저장된 fingerprint을 비교함으로써 추정한다. 제안한 알고리즘은 신호잡음비 데이터를 KNN 방법에 적용하여 k개의 RP을 선택한 후 선택된 RP의 신호잡음비를 ANN에 적용하여 k개의 RP를 군집하여 분류한다. 실험 결과에서는 위치 오차가 2m 이내에서 KNN/ANN 알고리즘이 KNN 알고리즘보다 성능이 우수하다.

• 응용통계연구
• /
• 제34권6호
• /
• pp.969-977
• /
• 2021

본 연구에서는 Hierarchical K-means 군집화 알고리즘을 이용해 서울의 A아파트 가구들의 전력 사용량 패턴을 군집화 하였다. 차원을 축소해주면서 패턴을 파악할 수 있는 Hierarchical K-means 군집화 알고리즘은 기존 K-means 군집화 알고리즘의 단점을 보완하여 최근 대용량 전력 사용량 데이터에 적용되고 있는 방법론이다. 본 연구에서는 여름 저녁 피크 시간대의 시간당 전력소비량 자료에 대해 군집화 알고리즘을 적용하였으며, 다양한 군집 개수와 level에 따라 얻어진 결과를 비교하였다. 결과를 통해 사용량에 따라 패턴이 군집화 됨을 확인하였으며, 군집화 유효성 지수들을 통해 이를 비교하였다.

• Corrosion Science and Technology
• /
• 제22권5호
• /
• pp.377-386
• /
• 2023

Aircraft washing is performed periodically for corrosion control. Currently, the aircraft washing interval is qualitatively set according to the geographical conditions of each base. We developed a washing interval determination algorithm based on atmospheric corrosion environment monitoring data at the Republic of Korea Air Force (ROKAF) bases and United States Air Force (USAF) bases to determine the optimal interval. The main factors of the washing interval decision algorithm were identified through hierarchical clustering, sensitivity analysis, and analysis of variance, and criteria were derived. To improve the classification accuracy, we developed a washing interval decision model based on an artificial neural network (ANN). The ANN model was calibrated and validated using the atmospheric corrosion environment monitoring data and washing intervals of the USAF bases. The new algorithm returned a three-level washing interval, depending on the corrosion rate of steel and the results of the ANN model. A new base-specific aircraft washing interval was proposed by inputting the atmospheric corrosion environment monitoring results of the ROKAF bases into the algorithm.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.672-679
• /
• 2018

Recently, microgrid (MG) has been proposed as one of the most critical solutions for various energy problems. For the optimal and economic operation of MGs, it is very important to forecast the load profile. However, it is not easy to predict the load accurately since the load in a MG is small and highly variable. In this paper, we propose an artificial neural network (ANN) based method to predict the energy use in campus buildings in short-term time series from one hour up to one week. The proposed method analyzes and extracts the features from the historical data of load and temperature to generate the prediction of future energy consumption in the building based on sparsified K-means. To evaluate the performance of the proposed approach, historical load data in hourly resolution collected from the campus buildings were used. The experimental results show that the proposed approach outperforms the conventional forecasting methods.