• 한국IT서비스학회지
• /
• 제18권1호
• /
• pp.173-186
• /
• 2019

Recently, as the amount of fine dust has risen rapidly, our interest is increasing day by day. It is virtually impossible to remove fine dust. However, it is best to predict the concentration of fine dust and minimize exposure to it. In this study, we developed a mathematical model that can predict the concentration of fine dust using various information related to the weather and air quality, which is provided in real time in 'Air Korea (http://www.airkorea.or.kr/)' and 'Weather Data Open Portal (https://data.kma.go.kr/).' In the mathematical model, various domestic seasonal variables and atmospheric state variables are extracted by multiple regression analysis. The parameters that have significant influence on the fine dust concentration are extracted, and using ANN (Artificial Neural Network) and SVM (Support Vector Machine), which are machine learning techniques, we proposed a prediction model. The proposed model can verify its effectiveness by using past dust and weather big data.

• 지질공학
• /
• 제30권4호
• /
• pp.457-468
• /
• 2020

플랜트, 토목 및 건축 사업에서 말뚝(Pile) 설계 시 어려움을 겪는 주된 요인은 지반 특성의 불확실성이다. 특히 표준관입시험(Standard Penetration Test, SPT)을 통해 측정되는 N치를 얻는 것이 가장 중요한 자료이나 광범위한 모든 지역에서 구하는 것은 어려운 현실이다. 짧은 해외사업 입찰기간 내에 시추조사를 할 경우 인허가, 시간, 비용, 장비접근, 민원 등 많은 제약요건이 존재하여 전체적인 시추조사가 어렵다. 미시추 지점에서 지반 특성은 엔지니어의 경험적 판단에 의존하여 파악되고 있고, 이는 말뚝의 설계 및 물량산출 오류로 이어져서, 공기 지연 및 원가 증가의 원인이 되고 있다. 이를 극복하기 위해서, 한정된 최소한의 지반 실측 자료를 활용하여 미시추 지점에서도 N치를 예측 할 수 있는 기술이 요구되며, 본 연구에서는 AI기법 중 하나인 인공신경망을 적용하여 N치를 예측하는 연구를 수행하였다. 인공신경망은 제한된 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성 있는 결과를 제공하여 준다. 본 연구에서는 최소한의 시추자료의 지반정보를 입력항목으로 하여 다층퍼셉트론과 오류역전파 알고리즘에 의하여 학습된 패턴을 가지고 미시추 지점에서 N치를 예측하는데 그 목적을 두고 있다. 이를 위하여 2개 현장(필리핀, 인도네시아)에 AI기법 적용시 실측값과 예측값에 대한 적정성을 검토하였고, 그 결과 예측값에 대한 신뢰도가 높은 것으로 연구 검토되었다.

• 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.

• 인터넷정보학회논문지
• /
• 제17권5호
• /
• pp.97-110
• /
• 2016

Cryptanalysis is very important step for auditing and checking strength of any cryptosystem. Some of these cryptosystem ensures confidentiality and security of large information exchange from source to destination using symmetric key cryptography. The cryptanalyst investigates the strengths and identifies weakness key as well as enciphering algorithm. With increase in key size the time and effort required to guess the correct key increases so trend is increase key size from 8, 16, 24, 32, 56, 64, 128 and 256 bits to strengthen the cryptosystem and thus algorithm continues without compromise on the cost of time and computation. Automatic Variable Key (AVK) approach is an alternative to the approach of fixing up key size and adding security level with key variability adds new dimension in the development of secure cryptosystem. Likewise, whenever any new cryptographic method is invented to replace per-existing vulnerable cryptographic method, its deep analysis from all perspectives (Hacker / Cryptanalyst as well as User) is desirable and proper study and evaluation of its performance is must. This work investigates AVK based cryptic techniques, in future to exploit benefits of advances in computational methods like ANN, GA, SI etc. These techniques for cryptanalysis are changing drastically to reduce cryptographic complexity. In this paper a detailed survey and direction of development work has been conducted. The work compares these new methods with state of art approaches and presents future scope and direction from the cryptic mining perspectives.

• 한국가스학회지
• /
• 제19권1호
• /
• pp.28-37
• /
• 2015

본 연구에서는 고속의 연산이 가능한 인공신경망 시뮬레이터와 SA 알고리즘을 결합하여 지능형 생산정 위치 최적화 전산 모델을 개발하였다. 기존의 사용하는 상용시뮬레이터의 경우 현장 규모의 저류 전산 시뮬레이션을 수행시 시간이 많이 소모되므로 이를 해결하기 위하여 이 모델에서는 인공신경망을 사용하여 짧은 시간내에 시뮬레이션을 수행할 수 있도록 하였다. 이렇게 얻은 결과를 주관적인 경험에 의거하지 않고 자동으로 최적의 생산정 위치를 선정할 수 있도록 최적화기법인 SA 알고리즘을 적용하였다. 개발된 모델을 사용하여 얻은 결과를 기존 사용 시뮬레이터와 비교하여 예측성능이 양호함을 검증할 수 있었으며, 연산속도 또한 향상됨을 확인하였다. 특히 SA 최적화 알고리즘의 제어변수인 초기온도와 냉각률에 대한 민감도분석을 실시하여 각각에 대한 최적값을 산출하였으며, 이를 통해 개발한 모델의 연산성능을 향상시킬 수 있었다. 마지막으로 개발된 모델을 사용하여 생산정 위치 최적화를 수행한 결과, 생산성이 우수한 지역을 선정하여 최적의 생산정 위치를 도출하였다.

• 한국터널지하공간학회 논문집
• /
• 제18권1호
• /
• pp.13-30
• /
• 2016

본 연구에서는 해저 터널의 특수성을 고려한 TBM 세그먼트 라이닝의 최적 설계 시스템을 개발하였다. 해저 터널은 일반적으로 일정 수압 하의 토사나 암반 등으로 구성된 해저 지반 내에 시공된다. 본 설계 시스템은 특정 해저 터널 단면에서의 지반 조건, 시공 조건 및 터널 조건을 고려하여 인공신경망 기반의 세그먼트 라이닝 부재력 예측 시스템을 구축하고, 시공성이 확보된 단면 DB를 구축하여 해저터널에서 최적 단면 설계가 가능하도록 구성하였다. 결과적으로 본 시스템은 해저 터널 설계에 사용되는 BIM과 연동되어 자동으로 설계가 가능하도록 하였다. 단면 검토 및 설계에 사용되는 세그먼트 라이닝 부재력 예측은 유한요소해석을 토대로 구축한 인공신경망을 통해 일반화한 후 BIM 시스템에 접목시켜 별도의 추가 해석이 필요없이 유사 단면의 해저 터널 설계에 적용이 가능하도록 하였다.

• Steel and Composite Structures
• /
• 제41권5호
• /
• pp.761-773
• /
• 2021

This study presents a 3D non-linear finite element (FE) assessment of dynamic soil-structure interaction (SSI). The numerical investigation has been performed on the time domain through a Finite Element (FE) system, while considering the nonlinear behavior of soil and the multi-directional nature of genuine seismic events. Later, the FE outcomes are analyzed to the recorded in-situ free-field and structural movements, emphasizing the numerical model's great result in duplicating the observed response. In this work, the soil response is simulated using an isotropic hardening elastic-plastic hysteretic model utilizing HSsmall. It is feasible to define the non-linear cycle response from small to large strain amplitudes through this model as well as for the shift in beginning stiffness with depth that happens during cyclic loading. One of the most difficult and unexpected tasks in resolving soil-structure interaction concerns is picking an appropriate ground motion predicted across an earthquake or assessing the geometrical abnormalities in the soil waves. Furthermore, an artificial neural network (ANN) has been utilized to properly forecast the non-linear behavior of soil and its multi-directional character, which demonstrated the accuracy of the ANN based on the RMSE and R² values. The total result of this research demonstrates that complicated dynamic soil-structure interaction processes may be addressed directly by passing the significant simplifications of well-established substructure techniques.

• 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.

• 한국수자원학회논문집
• /
• 제53권4호
• /
• pp.273-283
• /
• 2020

지하수자원의 변동성 및 취약성 평가를 위한 지하수위의 정량적 예측은 매우 중요하다. 이를 위해 다양한 시계열 분석 기법과 머신러닝 기법 등이 사용되어 왔다. 본 연구에서는 제주도 한경면 지역에 설치된 11개 지하수위 관측정의 일 수위자료를 대상으로 인공신경망 알고리즘의 하나인 Long short term memory (LSTM)에 기반한 예측 모델을 개발하였다. 제주도의 지하수위는 일반적으로 조석에 의한 자기상관성이 높고 강수에 의한 영향이 잘 반영되는 것으로 알려져 있다. 이러한 자료 특성을 고려한 입출력 텐서를 구성하기 위해 각 지하수 관측정의 수위변동 관측 자료와 같은 기간의 강수량 자료를 추가 입력자료로 선택하였다. 4계절을 나타내는 초기 365일 자료를 이용하여 LSTM 모델을 학습시켰으며 나머지 자료를 검증에 활용하여 예측 모델의 적합도를 평가하였다. 모델의 개발은 Python기반 딥러닝 프레임워크인 Keras를 이용하였고, 학습속도를 향상시키고자 NVIDIA CUDA 아키텍처를 도입하였다. LSTM 모델을 이용하여 지하수위 변화를 학습시키고 검증한 결과 결정계수가 평균 0.98로 나타나 개발된 예측모델의 적합성이 매우 높은 것으로 확인되었다.

• 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.