• 대한토목학회논문집
• /
• 제31권2B호
• /
• pp.155-163
• /
• 2011

본 연구에서는 의사결정나무(CART)기법, 인공신경망모형, 인공위성 원격탐사자료와 지형자료 및 지상 기상관측망자료를 이용하여 토양수분을 산정하는 모형을 개발하였다. 본 모형의 검증을 위하여 사용된 토양수분 관측자료는 용담댐 유역에서 관측된 5개 지점의 토양수분자료를 사용하였다. 가용자료에 대해 CART기법을 적용하여 자료를 분류한 다음 분류된 각 자료집단에 대하여 인공신경망(Artificial Neural Networks)모형을 적용하여 토양수분 분포를 예측하였다. 모형의 학습에 사용된 주천, 부귀, 상전, 안천 지점의 토양수분 산정치는 관측치와 약 0.92-0.96의 상관계수, 약 1.00-1.88%의 평균제곱근오차와 약 0.75-1.45%의 평균절대오차를 보여주었다. 토양수분 추정모형을 검증하기 위해 천천2의 지점에 적용한 결과 약 0.91의 상관계수, 약 3.19%의 평균제곱근오차, 약 2.72%의 평균절대오차를 보여 CART기법과 인공신경망모형을 연계한 토양수분 산정모형이 토양수분 분포제시 활용에 적절한 것으로 판단된다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제24권3호
• /
• pp.18-25
• /
• 2020

경량혼합토의 일축압축강도는 배합비에 크게 의존한다. 경량혼합토와 다양한 경량혼합토의 구성성분들의 관계를 특징짓기 위한 기존연구에서는 시험을 통한 회귀모델을 사용하여 정규화계수를 제안하였다. 그러나 실내시험에서 얻은 결과는 재료와 배합비사이의 관계가 복잡하기 때문에 일정한 예측의 정확도를 기대할 수 없다. 이 연구에서는 다양한 배합조건에서 수행된 실내시험결과를 바탕으로 심층신경망 모델을 적용함으로써 경량혼합토의 일축압축강도를 예측하였다. 제안된 심층신경망 모델을 사용함으로써 설계 배합조건으로 구성된 경량혼합토의 일축압축강도 값을 합리적으로 산정할 수 있다.

• 한국농림기상학회지
• /
• 제19권3호
• /
• pp.86-92
• /
• 2017

본 연구에서는 기상청 예보자료를 이용할 것을 전제로 서리가 발생하는 날과 서리가 발생하지 않는 날을 구분하는 모형을 구축하였다. 서리가 발생한 날과 서리가 발생하지 않은 날을 구분할 수 있는 기상인자로서 최저기온, 평균풍속, 평균상대습도, 평균이슬점온도로 나타났다. 기상인자별로 두 날을 비교한 결과 서리가 발생한 날이 서리가 발생하지 않은 날에 비해 최저기온, 이슬점온도, 평균풍속은 낮게 나타났고 상대습도는 높게 나타났다. 이러한 기상인자로 인공신경망, 랜덤포레스트, 서포트벡터 머신의 기계학습법을 이용한 모형을 연구한 결과 70%이상의 정확도를 나타내어 활용 가능성이 있을 것으로 판단된다.

• 한국정보통신학회논문지
• /
• 제8권8호
• /
• pp.1732-1739
• /
• 2004

본 논문은 다량의 가변적인 정보를 보유하고 있는 수중에서 유동하는 입자의 움직임을 추적하고 유체의 흐름에 따라 분산되는 입자의 분산정도 그리고 입자의 침전패턴을 정확하게 예측해내기 위해 인공신경망 알고리즘을 도입한 가시화 시스템을 제안한다. 이러한 시스템은 물과 같은 공간에서 움직이는 다양한 입자들을 고려하고 있는데, 물의 흐름을 위해서 운동량방정식과 연속방정식을 일반화하여 흐름을 제어하고 있다. 또한 입자간에 작용하는 부력, 침강력 등의 물리적인 힘과 침전패턴에 주요한 영향을 주고 있는 입자간의 충돌은 인공신경망 ART2를 이용하여 충돌을 감지하도록 하고 있다. 본 논문에서 제안한 시스템을 통해 다양한 외부적인 요인에 따라 움직임을 달리하는 유동 입자들을 실제 물에서와 같이 유사하게 가시화되도록 한다. 또한 가시화된 유동 입자의 움직임을 효율적으로 추적하고, 침전하는 입자들의 패턴까지도 미리 예측해 낼 수 있다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2004년도 춘계학술발표회
• /
• pp.946-951
• /
• 2004

ITIS is applied to the several tunnel construction sites in Korea. Tunnel construction properties which are acquired from these sites are transferred to information management server(SQL 2000 server)by client application program in real time. Access permission to DB server depends on the user's roles. Some functions which cannot be embodied in SQL Server are serviced through XML and GMS server is used for spatial data based on GIS part. This system is supposed to give engineers the advantages which are not only easy handling of the program and computerized documentation on every information during construction but also analyzing the acquired data in order to predict the structure of ground and rock mass to be excavated later and show the guideline of construction. Neung-Dong tunnel and Mu-Gua express way tunnel are now under construction and with this system they have 3D visualized map of the geology and tunnel geometry and accumulate database of construction information such as tunnel face mapping results, special notes and pictures of construction and 3D monitoring data, all matters on the stability of rock bolts and shotcrete, and so on. Ground settlement prediction program included in ITIS, based on the artificial neural network(ANN) and supported by GIS technology is applying to the subway tunnel. This prediction tool can make it possible to visualize the ground settlement according to the excavation procedures by contouring the calculated result on 3D GIS map and to assess the damage of buildings in the vicinity of construction site caused by ground settlement.

• 한국가스학회지
• /
• 제18권2호
• /
• pp.1-9
• /
• 2014

석탄층 메탄가스 저류층의 개발을 위해서는 석탄층 특성에 부합하는 생산방법을 적용하는 것이 중요하지만 대부분의 개발현장에서는 경험적인 판단에 의존하여 생산방법을 선정하고 있어 결과에 대한 신뢰도가 떨어질 뿐만 아니라 복잡한 시뮬레이션 해석을 통해 최적 생산방법을 규명해야 하는 등의 많은 시간과 노력이 필요하다는 문제점이 있다. 이에 본 연구에서는 인공신경망을 활용하여 석탄층 메탄가스 최적 생산방법을 선정하기 위한 지능형 시스템을 개발하였다. 시스템 개발에 앞서 문헌 조사를 통해 석탄층 메탄가스 생산방법 선정 가이드라인을 분석하였고, 이를 활용하여 시추 방법과 유정완결법 선정 시스템, 수압파쇄공법 수행시 파쇄액 선정 시스템을 개발하였다. 개발된 생산방법 선정 시스템의 타당성 평가 결과, 높은 정확도를 나타냄으로써 본 연구에서 개발된 생산방법 선정 시스템은 향후 석탄층 메탄가스의 개발에 앞서 석탄층 특성에 부합하는 생산방법을 선정할 수 있는 효율적인 도구로 활용될 것으로 판단된다.

• 한국전산유체공학회지
• /
• 제19권2호
• /
• pp.86-92
• /
• 2014

In this paper, prediction of separation trajectory for Two-stage-To-Orbit space launch vehicle has been numerically simulated by using an aerodynamic database based on steady state analysis. Aerodynamic database were obtained for matrix of longitudinal and vertical positions. The steady flow simulations around the launch vehicle have been made by using a 3-D RANS flow solver based on unstructured meshes. For this purpose, a vertex-centered finite-volume method was adopted to discretize inviscid and viscous fluxes. Roe's finite difference splitting was utilized to discretize the inviscid fluxes, and the viscous fluxes were computed based on central differencing. To validate this flow solver, calculations were made for the wind-tunnel experiment model of the LGBB TSTO vehicle configuration on steady state conditions. Aerodynamic database was constructed by using flow simulations based on test matrix from the wind-tunnel experiment. ANN(Artificial Neural Network) was applied to construct interpolation function among aerodynamic variables. Separation trajectory for TSTO launch vehicle was predicted from 6-DOF equation of motion based on the interpolated function. The result of present separation trajectory calculation was compared with the trajectory using experimental database. The predicted results for the separation trajectory shows fair agreement with reference[4] solution.

• 한국산학기술학회논문지
• /
• 제20권12호
• /
• pp.663-670
• /
• 2019

터빈 사이클 보정 열 성능 분석은 발전소의 현재 성능을 결정하고 향상된 경제성 운전을 위해 요구된다. 본 연구에서는 신뢰성있는 성능 분석을 위해서 산업 표준인 ASME(American Society of Mechanical Engineers) PTC(Performance Test Code)를 기본으로 성능 분석에서 우선적으로 중요하게 적용되는 주급수 유량을 대상으로 영역별 판정 알고리즘을 개발하고 각 영역별로 현재의 터빈 사이클 성능을 추정하는 알고리즘을 개발하였다. 추정 알고리즘은 측정 상태량의 상관 관계를 기반으로 영역별로 형상 분류를 제시하고, 이를 기반으로 커널 회귀 모델을 이용하여 학습된 추정 모델을 구성하였으며, 커널 회귀 모델링의 우수성을 검증하기 위하여 신경 회로망 모델의 학습 결과와 비교하였다. 주급수 유량의 형상 특성에 따른 분류 및 추정 모델은 터빈 사이클에서 정확한 보정 열 성능 분석을 제공함으로써 성능 분석의 신뢰도를 증가시킬 수 있었으며 다른 성능 결정 변수에 대한 학습 및 검증 모델로 사용될 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.424-424
• /
• 2018

인공신경망(Artificial Neural Network; ANN)은 뇌에 존재하는 생물학적 신경세포와 이들의 신호처리 과정을 수학적으로 묘사하여 뇌가 나타내는 지능적 형태의 반응을 구현한 것이다. 인공신경망은 학습(training)을 통해 입력과 출력으로 구성되는 하나의 시스템을 병렬적이고 비선형적으로 구축할 수 있으며, 유연한 모델링 특성으로 인하여 시스템 예측, 패턴인식, 분류 및 공정제어 등의 다양한 분야에서 활용되고 있다. 인공신경망에 대한 최초의 이론은 Muculloch and Pitts(1943)가 제안한 Perceptron에서 시작 되었으며, 기본적인 학습기법인 오차역전파 기법(back-propagation Algorithm) 이 1980년대에 들어 수학적으로 정립된 이후 여러 분야에서 활용되기 시작하였다). 본 연구에서는 하도추적, 구체적으로는 상류단의 복수의 수위관측을 이용하여 하류단의 수위를 예측하기 위하여 인공신경망 모델을 구성하였다. 대상하도는 금강유역의 용담댐과 대청댐 사이의 본류이며, 상류단 입력자료로써 본류에 있는 수통, 호탄 관측소 관측수위와 지류인 송천 관측소 관측수위를 고려하였다. 출력 값으로는 하류단의 옥천 관측소 수위를 3시간 및 6시간의 선행시간으로 예측하도록 인공신경망 모형을 구성하였다. 인공신경망의 학습(testing), 시험(testing), 검증(validation)을 위해 2000년부터 2012년까지 13년간의 시수위자료를 이용하여 학습을 진행하였으며, 2013년부터 2014년의 2년간의 수위자료를 이용한 시험을 통해 최적의 모형을 선정하였다. 또한 선정된 최적의 모형을 이용하여 2015년부터 2016년까지의 수위예측을 수행하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.35-35
• /
• 2019

본 연구에서는 분포형 수문 모형 Drying Stream Assessment Tool and Water Flow Tracking (DrySAT-WTF)을 활용해 우리나라의 1976년부터 2015년까지의 유출량을 산정하고, 이를 다층퍼셉트론(Multi Layer Perceptron) 인경신경망 모형(Artificial Neural Network Model)에 적용해 미래 유출을 예측하였다. DrySAT-WFT은 전국 표준 유역을 대상으로 하천 건천화 원인 추적 및 평가를 위해 개발된 모형으로 유출모의를 위한 기상자료 외에 건천화 영향 요소를 고려하기 위한 산림 높이, 도로망, 지하수 이용량, 토지이용, 토심 변화에 대한 DB를 적용 가능한 것이 특징이다. DrySAT-WFT를 위한 기상자료로 모의 기간에 대한 일별 강우량, 상대습도, 평균풍속, 평균 및 최고, 최저 기온, 일조시간을 구축하였으며, 연대별 건천화 영향 요소 DB를 구축하여 적용하였다. 전국 다목적 댐 보 12지점의 유량을 활용해 모형의 보정(2005-2010) 및 검증(2011-2015)을 실시한 결과, 평균 결정계수(Coefficient of determination, $R^2$)는 0.76, 모형효율성계수(Nash-Sutcliffe efficiency, NSE)는 0.62, 평균제곱근오차(average root mean square error, RMSE)는 3.09로 신뢰성 있는 유출 모의 결과를 나타내었다. 미래 유출량 예측을 위한 MLP-ANN은 1976년부터 2015년까지의 유출 모의 결과를 Training Set으로 훈련하여 $R^2$가 0.5 이상이 되어 신뢰성을 확보하였고, 2016년부터 2018년까지의 기간을 1개월 단위로 실제 유출량과 예측 유출량을 비교하며 적용성을 검증 및 향상시켰다.