• 한국물환경학회지
• /
• 제30권5호
• /
• pp.491-502
• /
• 2014

As meteorology is the driving force for lake thermodynamics and mixing processes, the effects of climate change on the physical limnology and associated ecosystem are emerging issues. The potential impacts of climate change on the physical features of a reservoir include the heat budget and thermodynamic balance across the air-water interface, formation and stability of the thermal stratification, and the timing of turn over. In addition, the changed physical processes may result in alteration of materials and energy flow because the biogeochemical processes of a stratified waterbody is strongly associated with the thermal stability. In this study, a novel modeling framework that consists of an artificial neural network (ANN), a watershed model (SWAT), a reservoir operation model(HEC-ResSim) and a hydrodynamic and water quality model (CE-QUAL-W2) is developed for projecting the effects of climate change on the reservoir water temperature and thermal stability. The results showed that increasing air temperature will cause higher epilimnion temperatures, earlier and more persistent thermal stratification, and increased thermal stability in the future. The Schmidt stability index used to evaluate the stratification strength showed tendency to increase, implying that the climate change may have considerable impacts on the water quality and ecosystem through changing the vertical mixing characteristics of the reservoir.

• 한국항공우주학회지
• /
• 제47권3호
• /
• pp.177-186
• /
• 2019

풍력 타워는 수직형 풍력터빈의 성능을 향상시키기 위해 사용되어왔다. 하지만 올바르게 설계되지 않은 풍력 타워는 오히려 풍력터빈의 성능을 저하시킬 수 있다. 따라서 본 연구에서는 풍력 타워의 최적화 연구를 수행하였다. 이를 위하여 다음과 같이 6가지의 설계변수가 선택되었다. 즉, 가이드 벽의 외부 및 내부 반경, 스플리터의 적용 여부, 스플리터의 내부 반경, 가이드 벽의 개수 및 원주각도가 선정되었다. 최적화를 위한 목적함수는 풍력타워 내에 설치된 수직형 풍력터빈에서의 주기적인 평균 토크가 사용되었으며, 최적화 과정에서 지엽적인 최적화 결과를 피하기 위하여 실험계획법, 유전자알고리즘 및 인공신경망기법이 사용되었다. 인공신경망은 세대의 증가에 따라 지속적으로 향상하였으며, 수직 풍력터빈의 성능은 독립운전에 비하여 최적화된 풍력 타워 내에서 두 배 이상 향상되었다.

• Nuclear Engineering and Technology
• /
• 제54권5호
• /
• pp.1825-1834
• /
• 2022

Performing high-fidelity computational fluid dynamics (HF-CFD) to predict the flow and heat transfer state of the coolant in the reactor core is expensive, especially in scenarios that require extensive parameter search, such as uncertainty analysis and design optimization. This work investigated the performance of utilizing a multi-fidelity reduced-order model (MF-ROM) in PWR rod bundles simulation. Firstly, basis vectors and basis vector coefficients of high-fidelity and low-fidelity CFD results are extracted separately by the proper orthogonal decomposition (POD) approach. Secondly, a surrogate model is trained to map the relationship between the extracted coefficients from different fidelity results. In the prediction stage, the coefficients of the low-fidelity data under the new operating conditions are extracted by using the obtained POD basis vectors. Then, the trained surrogate model uses the low-fidelity coefficients to regress the high-fidelity coefficients. The predicted high-fidelity data is reconstructed from the product of extracted basis vectors and the regression coefficients. The effectiveness of the MF-ROM is evaluated on a flow and heat transfer problem in PWR fuel rod bundles. Two data-driven algorithms, the Kriging and artificial neural network (ANN), are trained as surrogate models for the MF-ROM to reconstruct the complex flow and heat transfer field downstream of the mixing vanes. The results show good agreements between the data reconstructed with the trained MF-ROM and the high-fidelity CFD simulation result, while the former only requires to taken the computational burden of low-fidelity simulation. The results also show that the performance of the ANN model is slightly better than the Kriging model when using a high number of POD basis vectors for regression. Moreover, the result presented in this paper demonstrates the suitability of the proposed MF-ROM for high-fidelity fixed value initialization to accelerate complex simulation.

• 한국지반공학회논문집
• /
• 제23권8호
• /
• pp.117-127
• /
• 2007

사면안정해석은 지반물성의 불확실성을 포함한 많은 불확실한 요인을 내포하는 지반공학적 문제이다. 본 연구에서는 상업용 유한차분해석 프로그램을 이용하여 확률론적 사면안정해석을 수행할 수 있는 절차를 제시하였다. 이 경우 한계상태함수가 명시적인 형태로 표현되지 않기 때문에 한계상태함수를 근사화하기 위하여 인공신경망기법을 활용한 응답면기법을 이용하였으며 파괴확률을 구하기 위해 일차 및 이차신뢰도법과 Monte Carlo simulation을 이용하였다. 제안된 절차의 적용성을 검토하기 위하여 2층 지반의 사면과 Sugar Creek제방사면에 대한 확률론적 사면안정해석을 수행하였다. 해석결과는 제안된 절차의 적정성과 다른 다양한 지반공학 문제로의 확장 적용의 가능성을 보여준다.

• 대한토목학회논문집
• /
• 제28권3C호
• /
• pp.167-178
• /
• 2008

본 연구에서는 실제 풍화토 사면에 대하여 침투해석과 안정해석을 수행하여 강우에 따른 사면의 붕괴를 재현하였다. 불교란시료를 채취하여 불포화토 물성을 실험적으로 직접 획득하여 실제 강우량에 의하여 침투해석을 수행한 결과, 토사층과 암층의 경계부를 중심으로 간극수압이 증가하는 경향이 나타났다. 또한 안정해석을 수행한 결과 안전율이 1.0미만으로 감소하여 실제 사면의 붕괴를 재현할 수 있었다. 또한 설계 강우강도에 의하여 침투해석을 수행한 결과 선행강우 및 강우기간에 따른 침투효과를 고려하기 곤란하였다. 이로 인하여 토사층의 수두변화가 크게 발생하지 못하였고 사면의 안전율이 1.0이상으로 나타났다. 또 다른 붕괴 사면의 경우에는 불포화토의 정수들을 인공신경망기법으로 추정하였다. 침투해석 결과 토사층과 연암층 경계부를 중심으로 포화대가 뚜렷하게 형성되었으며 이로 인하여 토사층의 안전율이 1.0미만으로 감소하였다. 이러한 기법을 통하여 실제 사면의 붕괴를 재현하는 것이 가능하다고 판단된다.

• Computers and Concrete
• /
• 제33권1호
• /
• pp.55-75
• /
• 2024

The present study introduces an optimum performance soft computing model for predicting the compressive strength of high-performance concrete (HPC) by comparing models based on conventional (kernel-based, covariance function-based, and tree-based), advanced machine (least square support vector machine-LSSVM and minimax probability machine regressor-MPMR), and deep (artificial neural network-ANN) learning approaches using a common database for the first time. A compressive strength database, having results of 1030 concrete samples, has been compiled from the literature and preprocessed. For the purpose of training, testing, and validation of soft computing models, 803, 101, and 101 data points have been selected arbitrarily from preprocessed data points, i.e., 1005. Thirteen performance metrics, including three new metrics, i.e., a20-index, index of agreement, and index of scatter, have been implemented for each model. The performance comparison reveals that the SVM (kernel-based), ET (tree-based), MPMR (advanced), and ANN (deep) models have achieved higher performance in predicting the compressive strength of HPC. From the overall analysis of performance, accuracy, Taylor plot, accuracy metric, regression error characteristics curve, Anderson-Darling, Wilcoxon, Uncertainty, and reliability, it has been observed that model CS4 based on the ensemble tree has been recognized as an optimum performance model with higher performance, i.e., a correlation coefficient of 0.9352, root mean square error of 5.76 MPa, and mean absolute error of 4.1069 MPa. The present study also reveals that multicollinearity affects the prediction accuracy of Gaussian process regression, decision tree, multilinear regression, and adaptive boosting regressor models, novel research in compressive strength prediction of HPC. The cosine sensitivity analysis reveals that the prediction of compressive strength of HPC is highly affected by cement content, fine aggregate, coarse aggregate, and water content.

• 한국전자통신학회논문지
• /
• 제19권2호
• /
• pp.383-388
• /
• 2024

본 논문은 전라남도에서 측정한 태양광 발전 데이터를 기반으로 발전량 예측값을 도출하기 위한 연구이다. 발전량 측정을 위해 인버터에서 직류, 교류, 환경데이터와 같은 다변량 변수를 측정하였고, 측정값의 안정성과 신뢰성 확보를 위한 전처리 작업을 수행하였다. 상관관계 분석은 부분자기상관함수(PACF: Partial Autocorrelation Function)을 활용하여 시계열 데이터에서 발전량과 상관성이 높은 데이터만을 예측을 위해 사용하였다. 태양광 발전량 예측을 위해 딥러닝 모델을 이용하여 발전량을 측정했고, 예측 정확도를 높이기 위해 각 다변량 변수의 상관관계 분석 결과를 이용하였다. 정제된 데이터를 활용한 학습은 기존 데이터를 그대로 사용했을 때 보다 안정되었고, 상관관계 분석 결과를 반영하여 다변량 변수 중 상관성이 높은 변수만을 활용하여 태양광 발전량 예측 알고리즘을 개선하였다.

• Journal of Electrical Engineering and Technology
• /
• 제12권1호
• /
• pp.161-172
• /
• 2017

In the paper, a hybrid technique is proposed for detecting the location and capacity of distributed generation (DG) sources like wind and photovoltaic (PV) in power system. The novelty of the proposed method is the combined performance of both the Biography Based Optimization (BBO) and Particle Swarm Optimization (PSO) techniques. The mentioned techniques are the optimization techniques, which are used for optimizing the optimum location and capacity of the DG sources for radial distribution network. Initially, the Artificial Neural Network (ANN) is applied to obtain the available capacity of DG sources like wind and PV for 24 hours. The BBO algorithm requires radial distribution network voltage, real and power loss for determining the optimum location and capacity of the DG. Here, the BBO input parameters are classified into sub parameters and allowed as the PSO algorithm optimization process. The PSO synthesis the problem and develops the sub solution with the help of sub parameters. The BBO migration and mutation process is applied for the sub solution of PSO for identifying the optimum location and capacity of DG. For the analysis of the proposed method, the test case is considered. The IEEE standard bench mark 33 bus system is utilized for analyzing the effectiveness of the proposed method. Then the proposed technique is implemented in the MATLAB/simulink platform and the effectiveness is analyzed by comparing it with the BBO and PSO techniques. The comparison results demonstrate the superiority of the proposed approach and confirm its potential to solve the problem.

• 한국가스학회지
• /
• 제16권6호
• /
• pp.55-66
• /
• 2012

$CO_2$ 감축은 최근 문제되고 있는 온실가스를 감축시킬 수 있는 직접적인 수단이 되고 있으며, 이러한 방법으로는 CCS 기술이 현실적인 대안기술로 부상하고 있다. 특히 전 세계적으로 널리 분포되어 있고 많은 양의 $CO_2$ 를 격리할 수 있는 심부 대염수층을 대상으로 활발한 연구가 진행 중이다. 이에 본 연구에서는 심부 대염수층에 대한 $CO_2$ 지중격리시 예비 타당성 평가 수행을 위하여 인공신경망을 이용한 효율성 평가 모델을 개발하였다. 모델 개발에 앞서 심부 대염수층을 대표할 수 있는 기본 모델을 선정하고 상용시뮬레이터 GEM을 활용하여 민감도 분석을 수행하였으며, 분석 결과를 바탕으로 심부 대염수층에 영향을 미치는 주요 인자 및 영향범위를 선정하였다. 인공신경망 학습을 위한 격리 시나리오 구성 결과 용해트랩과 잔류트랩에 의한 $CO_2$ 격리를 확인할 수 있었으며, 인공신경망 모델 자체 검증 결과 0.99이상의 높은 상관계수를 나타내어 심부 대염수층에서의 $CO_2$ 지중격리 효율성 평가에 활용 가능함을 확인하였다.

• 콘크리트학회논문집
• /
• 제20권4호
• /
• pp.513-522
• /
• 2008

섬유복합재료의 우수한 인장 성능은 섬유가 매트릭스의 균열 면에서 가교작용을 함으로써 발현되기 때문에 섬유의 분포 특성이 복합재료의 성능에 결정적인 영향을 미치게 된다. 그러나 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 경우 PVA 섬유와 매트릭스 사이의 낮은 명암비와 PVA의 비전도성 특징으로 인하여 섬유의 위치 및 분포특성을 정량적으로 평가히는 방법은 연구가 미흡한 실정이다. 이 연구에서는 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 섬유 분포 특성 등을 평가할 때 가장 중요한 과정인 섬유의 검출에 대하여 검출 성능을 향상 시킬 수 있는 알고리즘을 제시하였다. 제안한 알고리즘은 형광 현미경을 사용하여 얻은 섬유 이미지를 유형별로 분류하고, 분류된 분류된 섬유 이미지의 특성에 따라 분수령 알고리즘 (watershed algorithm)과 형태학적 재구성 (morphological reconstruction)을 이용하여 보다 정확히 섬유를 검출하는 과정으로 구성된다. 이 과정에서 섬유 이미지를 총 5가지 유형으로 분류하였으며, 인공신경회로망(ANN)을 분류기로 활용하기 위하여 형상 특성을 나타내는 5가지 특징값 즉, $F_s$, $F_c$, $F_p$, $F_l$과 $F_{rl}$을 추출하였다. 추출된 특징값에 대한 데이터베이스를 구축하여 ANN을 학습하여 분류기를 구축함으로써 섬유의 유형을 자동으로 분류할 수 있도록 하였다. 또한 5가지 섬유 이미지 유형 중에서 잘못 검출된 섬유이미지를 분수령 알고리즘과 형태학적 재구성을 통하여 섬유를 정확히 검출할 수 있는 기법을 제안하였다.