• 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.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.81-88
• /
• 2021

전환사채는 채권과 주식의 성격을 모두 내포하고 있는 금융 상품인데 일반적으로 신용등급이 낮은 기업이 유동성을 확대하기 위해서 발행한다. 전환사채의 투자자와 발행 기업은 투자자의 전환권 행사 여부와 시점에 대한 의사결정 문제가 가장 중요한데 투자 판단 지표가 미약하기 때문에 정성적 판단에 의존한다. 따라서 본 논문은 과학적으로 전환권 행사 결정 문제에 인공신경망 기법을 적용하는 방안을 제안한다. 과거에 발행한 총 1,800개의 학습 데이터와 200개의 예측 실험 데이터로 구분을 하고 인공신경망 학습 모형을 구축한다. 그 결과 대부분의 그룹에서 패리티 성과가 우수하였고 평균 약 10% 이상의 초과 수익을 달성하였다. 특히 3~6 그룹에서는 평균 약 20% 이상의 초과 수익을 보였으며 그룹 6의 경우에는 약 37%의 초과 수익을 기록했다. 본 논문은 금융 분야에 4차 산업의 대표적 기술인 기계학습 기법을 융합·적용하여 의사결정 문제 해결에 집중했다는 것에서 의의가 있으며 데이터 접근에 한계가 많은 전환사채 상품을 대상으로 실험을 했다는 점에서 향후 다양한 연구에서 참고 문헌이 되기를 기대한다.

• Membrane and Water Treatment
• /
• 제10권1호
• /
• pp.1-11
• /
• 2019

The Intergovernmental Panel on Climate Change (IPCC) Fifth Assessment Report (AR5) predicted that recent extreme hydrological events would affect water quality and aggravate various forms of water pollution. To analyze changes in water quality due to future climate change, input data (precipitation, average temperature, relative humidity, average wind speed and sunlight) were established using the Representative Concentration Pathways (RCP) 8.5 climate change scenario suggested by the AR5 and calculated the future runoff for each target period (Reference:1989-2015; I: 2016-2040; II: 2041-2070; and III: 2071-2099) using the semi-distributed land use-based runoff processes (SLURP) model. Meteorological factors that affect water quality (precipitation, temperature and runoff) were inputted into the multiple linear regression analysis (MLRA) and artificial neural network (ANN) models to analyze water quality data, dissolved oxygen (DO), biological oxygen demand (BOD), chemical oxygen demand (COD), suspended solids (SS), total nitrogen (T-N) and total phosphorus (T-P). Future water quality prediction of the Anseongcheon River basin shows that DO at Gongdo station in the river will drop by 35% in autumn by the end of the $21^{st}$ century and that BOD, COD and SS will increase by 36%, 20% and 42%, respectively. Analysis revealed that the oxygen demand at Dongyeongyo station will decrease by 17% in summer and BOD, COD and SS will increase by 30%, 12% and 17%, respectively. This study suggests that there is a need to continuously monitor the water quality of the Anseongcheon River basin for long-term management. A more reliable prediction of future water quality will be achieved if various social scenarios and climate data are taken into consideration.

• Geomechanics and Engineering
• /
• 제30권1호
• /
• pp.11-26
• /
• 2022

One of the most important issues in tunneling, is the squeezing phenomenon. Squeezing can occur during excavation or after the construction of tunnels, which in both cases could lead to significant damages. Therefore, it is important to predict the squeezing and consider it in the early design stage of tunnel construction. Different empirical, semi-empirical and theoretical-analytical methods have been presented to determine the squeezing. Therefore, it is necessary to examine the ability of each of these methods and identify the best method among them. In this study, squeezing in a part of the Alborz service tunnel in Iran was estimated through a number of empirical, semi- empirical and theoretical-analytical methods. Among these methods, the most robust model was used to obtain a database including 300 data for training and 33 data for testing in order to develop a machine learning (ML) method. To this end, three ML models of Gaussian process regression (GPR), artificial neural network (ANN) and support vector regression (SVR) were trained and tested to propose a robust model to predict the squeezing phenomenon. A comparative analysis between the conventional and the ML methods utilized in this study showed that, the GPR model is the most robust model in the prediction of squeezing phenomenon. The sensitivity analysis of the input parameters using the mutual information test (MIT) method showed that, the most sensitive parameter on the squeezing phenomenon is the tangential strain (ε_θ^α) parameter with a sensitivity score of 2.18. Finally, the GPR model was recommended to predict the squeezing phenomenon in tunneling projects. This work's significance is that it can provide a good estimation of the squeezing phenomenon in tunneling projects, based on which geotechnical engineers can take the necessary actions to deal with it in the pre-construction designs.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.134-144
• /
• 2023

Nowadays, Deep Learning (DL) technology is being used in several government departments. South Korea imports a lot of seafood. If the demand for fishery products is not accurately predicted, then there will be a shortage of fishery products and the price of the fishery product may rise sharply. So, South Korea's Ministry of Ocean and Fisheries is attempting to accurately predict seafood imports using deep learning. This paper introduces the solution for the fish import prediction in South Korea using the Long Short-Term Memory (LSTM) method. It was found that there was a huge gap between the sum of consumption and export against the sum of production especially in the case of two species that are Hairtail and Pollock. An import prediction is suggested in this research to fill the gap with some advanced Deep Learning methods. This research focuses on import prediction using Machine Learning (ML) and Deep Learning methods to predict the import amount more precisely. For the prediction, two Deep Learning methods were chosen which are Artificial Neural Network (ANN) and Long Short-Term Memory (LSTM). Moreover, the Machine Learning method was also selected for the comparison between the DL and ML. Root Mean Square Error (RMSE) was selected for the error measurement which shows the difference between the predicted and actual values. The results obtained were compared with the average RMSE scores and in terms of percentage. It was found that the LSTM has the lowest RMSE score which showed the prediction with higher accuracy. Meanwhile, ML's RMSE score was higher which shows lower accuracy in prediction. Moreover, Google Trend Search data was used as a new feature to find its impact on prediction outcomes. It was found that it had a positive impact on results as the RMSE values were lowered, increasing the accuracy of the prediction.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.1-11
• /
• 2023

유방암은 전 세계적으로 여성들 대다수에게 가장 두려워하는 질환이다. 오늘날 데이터의 증가와 컴퓨팅 기술의 향상으로 머신러닝(machine learning)의 효율성이 증대되어 암 검출 및 진단 등에 중요한 역할을 하고 있다. 딥러닝(deep learning)은 인공신경망(artificial neural network, ANN)을 기반으로 하는 머신러닝 기술의 한 분야로 최근 여러 분야에서 성능이 급속도로 개선되어 활용 범위가 확대되고 있다. 본 연구에서는 유방암 분류를 위해 전이학습(transfer learning) 기반 DNN(Deep Neural Network)과 SVM(support vector machine)의 구조를 결합한 DNN-SVM Hybrid 모형을 제안한다. 전이학습 기반 제안된 모형은 적은 학습 데이터에도 효과적이고, 학습 속도도 빠르며, 단일모형, 즉 DNN과 SVM이 가지는 장점을 모두 활용 가능토록 결합함으로써 모형 성능이 개선되었다. 제안된 DNN-SVM Hybrid 모형의 성능평가를 위해 UCI 머신러닝 저장소에서 제공하는 WOBC와 WDBC 유방암 자료를 가지고 성능실험 결과, 제안된 모형은 여러 가지 성능 척도 면에서 단일모형인 로지스틱회귀 모형, DNN, SVM 그리고 앙상블 모형인 랜덤 포레스트보다 우수함을 보였다.