• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.245-251
• /
• 2002

본 논문에서는 상대적으로 큰 퍼지 엔트로피를 갖는 입력-출력 데이터 집단에 다중 회귀 분석을 적용하여 다차원 평면 클러스터를 생성하고, 이 클러스터를 새로운 퍼지 모델의 규칙으로 추가한 후 퍼지 모델 파라미터의 개략 동조와 정밀 동조를 수행하는 자기구성 퍼지 모델링을 제안한다. Weighted recursive least squared 알고리즘과 fuzzy C-regression model 클러스터링에 의해 퍼지 모델의 파라미터를 개략적으로 동조한 후 gradient descent 알고리즘에 의해 파라미터를 정밀 동조하면서 감수분열 유전 알고리즘을 이용하여 최적의 학습률을 탐색한다. 그리고 자기 구성 퍼지 모델링 기법을 이용하여 Box-Jenkins의 가스로 데이터, 다변수비선형 정적 함수의 데이터와 하수 처리 활성오니 공정의 모델링을 수행하고, 기존의 방법에 의한 모델링 결과와 비교하여 그 성능을 입증한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.170-173
• /
• 2002

본 논문에서는 여러 분야에서 널리 응용되고 있는 적응 뉴로-퍼지 시스템(ANFIS)에서의 효과적인 퍼지 규칙 생성방법을 제안한다. ANFIS의 성능 개선을 위해 구조동정을 수행함에 있어서 전제부 파라미터는 EM(Expectation-Maximization) 알고리즘을 적용하였으며, 파라미터학습은 Jang에 의한 하이브리드 방법을 적용한다. 여기서 초기의 중심과 분산을 구하기 위해 FCM(Fuzzy c-means) 클러스터링 기법을 사용하였다. 이렇게 함으로서 적은 규칙 수를 가지면서도 효율적인 퍼지 규칙을 얻을 수 있도록 하였다. 이들 방법의 유용함을 보이고자 Box-Jenkins의 가스로 데이터에 적용하여 제안된 방법이 이전의 연구보다 좋은 결과를 보임을 보이고자 한다

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1012-1016
• /
• 2009

수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통한 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료를 예측함에 있어 전형적인 Box-jenkins의 방법을 따랐고 모형의 식별, 추정, 검진의 3단계를 거쳐 모형화 하였다. 최적 수문시계열 예측 모형을 통하여 안동댐 유역의 강우량, 증발산량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을 비교적 잘 반영 하였으며, 댐 유입량 예측을 위한 추계학적 결합모형의 적용가능성을 검토하였다. 이는 유출량자료의 보유년한이 짧은 대상유역에 월강우량과 증발산량자료 등의 수문시계열 인자 예측을 통한 유출을 모의함으로서 수자원의 중 장기 전략수립에 도움을 줄 것으로 사료된다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1865_1866
• /
• 2009

본 연구에서는 복잡하고 비선형 시스템의 모델을 동정하기 위해 Information Granulation에 기반한 퍼지추론 시스템의 새로운 범주를 소개한다. Information Granulation은 근접성, 유사성 EH는 기능성 등에 인하여 서로 결합되는 대상(특히, 데이터)의 연결된 모임으로 간주된다. HCM클러스터링에 의한 Information Granulation은 퍼지 규칙의 전반부 및 후반부에서 사용되는 멤버쉽 함수의 초기 정점과 다항식함수의 초기 값과 같은 퍼지 모델의 초기 파라미터를 결정하는데 도움을 준다. 그리고 초기 파라미터는 PSO 알고리즘과 최소자승법에 의해 효과적으로 동조된다. 제안된 모델은 Box와 jenkins가 사용한 가스로 공정[6]을 모델링하여 기존 퍼지 모델링 방법과 비교 평가한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.121-124
• /
• 2006

본 논문에서는 Bacterial Foraging Algorithm과 FCM(fuzzy c-means)클러스터링을 이용하여 TSK(Takagi-Sugeno-Kang)형태의 퍼지 규칙 생성과 퍼지 시스템(FCM-ANFIS)을 효과적으로 구축하는 방법을 제안한다. 구조동정에서는 먼저 PCA(Principal Component Analysis)을 이용하여 입력 데이터 성분간의 상관관계를 제거한 후에 FCM을 이용하여 클러스터를 생성하고 성능지표에 근거해서 타당한 클러스터의 수, 즉 퍼지 규칙의 수를 얻는다. 파라미터 동정에서는 Bacterial Foraging Algorithm을 이용하여 전제부 파라미터를 최적화 시킨다. 결론부 파라미터는 RLSE(Recursive Least Square Estimate)에 의해 추정되어진다. PCA(Principal Component Analysis)와 FCM을 적용함으로써 타당한 규칙 수를 생성하였고 Bacterial Foraging Algorithm을 이용하여 최적의 전제부 파라미터를 구하였다. 제안된 방법의 성능을 평가하기 위하여 Box-Jenkins의 가스로 데이터와 Rice taste 데이터의 모델링에 적용하였고 우수한 성능을 보임을 알 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1887-1888
• /
• 2008

본 논문에서는 퍼지 추론 기반의 다항식 RBF 뉴럴네트워크(Polynomial Radial Basis Function Neural Network; pRBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델은 "IF-THEN" 형식으로 기술되는 퍼지 규칙에 의해 조건부, 결론부, 추론부의 기능적 모듈로 표현된다. 조건부의 입력공간 분할에는 HCM 클러스터링에 기반을 두어 구조가 결정되며, 기존에 주로 사용된 가우시안 함수를 RBF로 이용하고, 원뿔형태의 선형 함수를 제안한다. 또한 입력공간 분할시 데이터 집합의 특성을 반영하기 위해 분포상수를 각 입력마다 고려하여 설계함으로서 공간 분할의 정밀성을 높인다. 결론부에서는 기존 상수항의 연결가중치를 다항식 형태로 표현하는 pRBFNN을 제안한다. 제안한 모델의 성능을 평가하기 위해 Box와 Jenkins가 사용한 가스로 시계열 데이터를 적용하고, 기존 모델과의 근사화와 일반화 능력에 대하여 토의한다.

• 한국지능시스템학회논문지
• /
• 제12권4호
• /
• pp.334-340
• /
• 2002

본 논문에서는 상대적으로 큰 퍼지 엔트로피를 갖는 입력-출력 데이터 집단에 다중 회귀 분석을 적용하여 다차원 평면 클러스터를 생성하고, 이 클러스터를 새로운 퍼지 모델의 규칙으로 추가한 후 모델 파라미터의 개략 동조와 정밀 동조를 반복 수행하는 자기구성 퍼지 모델링을 제안한다 Weighted recursive least squared 알고리즘과 fuzzy C-regression model 클러스터링에 의해 퍼지 모델의 파라미터를 개략적으로 동조한 후 gradient descent 알고리즘에 의해 파라미터를 정밀 동조하면서 감수분열 유전 알고리즘을 이용하여 최적의 학습률을 탐색한다. 그리고, 자기구성 퍼지 모델링 기법을 이용하여 Box-Jenkins의 가스로 데이터, 비선형 다변수 정적 함수의 데이터, 하수처리 활성오니 공정과 Mackey-Glass 시계열 데이터의 모델링을 수행하고, 기존의 방법에 의한 모델링 결과와 비교하여 그 성능을 입증한다.

• Advances in Energy Research
• /
• 제6권2호
• /
• pp.131-143
• /
• 2019

Global Solar Radiation (GSR) is the key element for performance estimation of any Solar Power Plant (SPP). Its forecasting may help in estimation of power production from a SPP well in advance, and may also render help in optimal use of this power. Seasonal Auto-Regressive Moving Average (SARMA) and Artificial Neural Network (ANN) models are combined in order to develop a hybrid model (SARMA-ANN) conceiving the characteristics of both linear and non-linear prediction models. This developed model has been used for prediction of GSR at Gorakhpur, situated in the northern region of India. The proposed model is beneficial for the univariate forecasting. Along with this model, we have also used Auto-Regressive Moving Average (ARMA), SARMA, ANN based models for 1 - 6 day-ahead forecasting of GSR on hourly basis. It has been found that the proposed model presents least RMSE (Root Mean Square Error) and produces best forecasting results among all the models considered in the present study. As an application, the comparison between the forecasted one and the energy produced by the grid connected PV plant installed on the parking stands of the University shows the superiority of the proposed model.

• International Journal of Computer Science & Network Security
• /
• 제22권1호
• /
• pp.225-233
• /
• 2022

The recent outbreak of corona virus (COVID-19) infectious disease had made its forecasting critical cornerstones in most scientific studies. This study adopts a machine learning based time series model - Auto Regressive Integrated Moving Average (ARIMA) model to forecast COVID-19 confirmed cases in Botswana over 60 days period. Findings of the study show that COVID-19 confirmed cases in Botswana are steadily rising in a steep upward trend with random fluctuations. This trend can also be described effectively using an additive model when scrutinized in Seasonal Trend Decomposition method by Loess. In selecting the best fit ARIMA model, a Grid Search Algorithm was developed with python language and was used to optimize an Akaike Information Criterion (AIC) metric. The best fit ARIMA model was determined at ARIMA (5, 1, 1), which depicted the least AIC score of 3885.091. Results of the study proved that ARIMA model can be useful in generating reliable and volatile forecasts that can used to guide on understanding of the future spread of infectious diseases or pandemics. Most significantly, findings of the study are expected to raise social awareness to disease monitoring institutions and government regulatory bodies where it can be used to support strategic health decisions and initiate policy improvement for better management of the COVID-19 pandemic.

• 한국지능시스템학회논문지
• /
• 제11권6호
• /
• pp.491-499
• /
• 2001

본 논문에서는 유전알고리즘(Genetic Algorithm)과 FCM(Fuzzy c-means) 클러스터링을 이용하여 TSK(Takagi-Sugeno-Kang)형태의 퍼지 규칙 생성과 퍼지 시스템(FCM-ANFIS)을 효과적으로 구축하는 방법을 제안한다. 구조동정에서는 먼저 PCA(Principal Component Analysis)을 이용하여 입력 데이처 성분간의 상관관계를 제거한 후에 FCM을 이용하여 클러스터를 생성하고 성능지표에 근거해서 타당한 클러스터의 수, 즉 퍼지 규칙의 수를 얻는다. 파라미터 동정에서는 유전알고리즘을 이용하여 전제부 파라미터를 최적에 가깝도록 탐색을 시도한다. 결론부 파라미터는 유전알고리즘에 의한 탐색공간을 줄이기 위해 전제부 파라미터가 결정되면 PLSE(Recursive Least Square Estimate)에 의해 추정되어진다. 이렇게 함으로서 타당한 규칙 수와 효율적인 퍼지 규칙을 얻을 수 있다. 제안된 방법의 유용성을 보이기 위해 Box-Jenkins의 가스로 데이터와 Rice taste 데이터의 모델링에 적용하여 이전의 연구보다 좋은 결과를 보임을 알 수 있었다.