• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1211-1222
• /
• 2022

상수도 관망 운영 단계에서 비정상상황은 필연적으로 발생하며, 이때 밸브를 이용한 구역의 격리가 필요하다. 밸브를 이용한 구역 격리 시 흐름 경로와 유향, 유속의 변화와 같은 수리적 변화로 인해 수리적 피해는 불가피하며, 대부분의 기존 연구들은 수리적 피해를 최소화할 수 있도록 밸브의 위치를 결정하여 왔다. 다만, 수리적 변화는 예지치 못한 수질 사고를 유발할 수 있기에, 격리 시 수질 사고 발생 여부를 미리 판단할 필요가 있다. 이에 본 연구에서는 밸브 위치에 따른 예지치 못한 수질 문제를 예방할 수 있는 밸브 설계 방안을 제안한다. 이를 위한 격리 전후의 관로별 흐름 특성 변화율을 정량화하는 유향 변경률 인자(Flow Direction Change Ratio, FDCR)와 신뢰도(reliability)를 고려한 최적 설계 방법론을 제안하였으며, 해당 모형을 가상 상수도 관망에 적용하여 FDCR 고려 유무에 따른 설계안을 비교하였다. 설계 결과 FDCR을 고려한 경우 기존 설계안 대비 유향 변동이 없는 것을 확인하였으며, 세그먼트 격리에 따른 절점별 압력과 관별 유속의 평균과 변동성을 확인한 결과 기존 설계안 대비 우수한 성능을 나타냄을 확인하였다. 또한 설계안 비교를 위해 그래프 이론 기반 인자인 수리학적 거리 인자(Hydrualic Geodesic Index, HGI)를 활용하였으며, HGI가 높은 설계안이 유향 변동성이 낮은 것으로 나타났다. 본 연구는 향후 수질 사고를 고려한 밸브 시스템의 설계 및 운영에 활용할 수 있을 것으로 기대한다.

• Korean Chemical Engineering Research
• /
• 제61권3호
• /
• pp.388-393
• /
• 2023

지도 학습 기반의 신경 망을 활용한 공학적 자료의 분석은 화학공학 공정 최적화, 미세 먼지 농도 추정, 열역학적 상평형 예측, 이동 현상 계의 물성 예측 등 다양한 분야에서 활용되고 있다. 신경 망의 지도 학습은 학습 자료를 요구하며, 주어진 학습 자료의 구성에 따라 학습 성능이 영향을 받는다. 빈번히 관찰되는 공학적 자료 중에는 DNA의 길이, 분석 물질의 농도 등과 같이 로그 간격으로 주어지는 자료들이 존재한다. 본 연구에서는 넓은 범위에 분포된 로그 간격의 학습 자료를 기계 학습으로 처리하는 경우, 사용 가능한 손실 함수들의 학습 성능을 정량적으로 평가하였으며, 적합한 학습 자료 구성 방식을 연구하였다. 이를 수행하고자, 100×100의 가상 이미지를 활용하여 기계 학습의 회귀 과업을 구성하였다. 4개의 손실 함수들에 대하여 (i) 오차 행렬, (ii) 최대 상대 오차, (iii) 평균 상대 오차로 정량적 평가하여, mape 혹은 msle가 본 연구에서 다룬 과업에 대해 최적의 손실 함수가 됨을 알아내었다. 또한, 학습 자료의 값이 넓은 범위에 걸쳐 분포하는 경우, 학습 자료의 구성을 로그 간격 등을 고려하여 균등 선별하는 방식이 높은 학습 성능을 보임을 밝혀내었다. 본 연구에서 다룬 회귀 과업은 DNA의 길이 예측, 생체 유래 분자 분석, 콜로이드 용액의 농도 추정 등의 공학적 과업에 적용 가능하며, 본 결과를 활용하여 기계 학습의 성능과 학습 효율의 증대를 기대할 수 있을 것이다.

• 대한토목학회논문집
• /
• 제28권1D호
• /
• pp.107-117
• /
• 2008

민간투자사업의 자본구조는 사업시행자가 출자한 자기자본과 대출금융기관으로부터 조달한 타인자본으로 구성된다. 민간투자사업 기본계획에서는 사업시행자의 최소 자기자본비율을 25%로 규정하고 있으며, 일반적으로 정부와 사업시행자 간의 실시협약을 통하여 자본구조를 결정하게 된다. 그러나 민간투자사업의 자본구조는 사업의 수익률과 재무적 안정성을 결정하는 중요한 기준이기 때문에 자금조달계획 수립 시 자본구조에 따른 수익률의 변동성을 파악하고 적정 수익률과 재무적 안정성을 고려하여 자본구조를 최적화할 필요가 있다. 본 연구는 민간투자사업의 수익률과 재무적 안정성을 동시에 극대화할 수 있도록 자본구조를 최적화하기 위한 방법론을 제시하는데 그 목적이 있다. 이를 위하여 기존 민간투자사업들의 자본구조를 고찰하고 민간투자사업 재무모델을 분석하였다. 재무분석을 바탕으로 최적 자본구조를 결정하기 위해 효용함수 개념과 다목적 유전자 알고리즘을 이용한 자본구조 최적화모델을 제시하였다. 제시된 최적화 모델을 인천공항철도 민간투자사업에 적용하여 최적 자본구조를 도출하였고 민감도 분석과 시나리오 분석을 통해 그 활용성을 검증하였다. 사례분석 결과, 최적 자기자본비율은 실시협약에서 결정된 30%보다 낮은 22.3%에서 결정되었으며 이는 자기자본비율을 더 낮추어도 수익률과 재무적 안정성을 유지할 수 있다는 것을 시사한다. 본 연구는 수익률과 재무적 안정성을 동시에 고려하여 최적 자본구조를 결정함으로써 민간투자사업의 사업시행자에 적합한 자본구성과 자금조달을 위한 합리적인 의사판단 기준을 제시하였으며 사업시행자의 수익률 향상에 기여할 것으로 기대된다.

• Geomechanics and Engineering
• /
• 제35권2호
• /
• pp.121-133
• /
• 2023

The demand for cement and limestone crushed materials has increased many folds due to the tremendous increase in construction activities in Pakistan during the past few decades. The number of cement production industries has increased correspondingly, and so the rock-blasting operations at the limestone quarry sites. However, the safety procedures warranted at these sites for the blast-induced ground vibrations (BIGV) have not been adequately developed and/or implemented. Proper prediction and monitoring of BIGV are necessary to ensure the safety of structures in the vicinity of these quarry sites. In this paper, an attempt has been made to predict BIGV using artificial neural network (ANN) at three selected limestone quarries of Pakistan. The ANN has been developed in Python using Keras with sequential model and dense layers. The hyper parameters and neurons in each of the activation layers has been optimized using randomized and grid search method. The input parameters for the model include distance, a maximum charge per delay (MCPD), depth of hole, burden, spacing, and number of blast holes, whereas, peak particle velocity (PPV) is taken as the only output parameter. A total of 110 blast vibrations datasets were recorded from three different limestone quarries. The dataset has been divided into 85% for neural network training, and 15% for testing of the network. A five-layer ANN is trained with Rectified Linear Unit (ReLU) activation function, Adam optimization algorithm with a learning rate of 0.001, and batch size of 32 with the topology of 6-32-32-256-1. The blast datasets were utilized to compare the performance of ANN, multivariate regression analysis (MVRA), and empirical predictors. The performance was evaluated using the coefficient of determination (R²), mean absolute error (MAE), mean squared error (MSE), mean absolute percentage error (MAPE), and root mean squared error (RMSE)for predicted and measured PPV. To determine the relative influence of each parameter on the PPV, sensitivity analyses were performed for all input parameters. The analyses reveal that ANN performs superior than MVRA and other empirical predictors, andthat83% PPV is affected by distance and MCPD while hole depth, number of blast holes, burden and spacing contribute for the remaining 17%. This research provides valuable insights into improving safety measures and ensuring the structural integrity of buildings near limestone quarry sites.

• 정보처리학회 논문지
• /
• 제13권2호
• /
• pp.48-59
• /
• 2024

하드웨어 자체적으로 가상화를 지원하는 기능들이 추가됨에 따라 다양한 작업 유형을 가진 사용자 어플리케이션들이 가상화 시스템에서 효율적으로 운용되고 있다. 가상화 지원 기능 중 SR-IOV는 PCI 장치에 대한 직접 접근을 통해 하이퍼바이저 또는 운영체제 개입을 최소화하여 시스템 성능을 높이는 기술로 베어-메탈 시스템 대비 비교적 긴 I/O 경로 및 사용자 영역과 커널 영역에 대한 빈번한 컨텍스트 스위칭 등 가상화 계층의 추가로 낮은 네트워크 성능을 가진 가상화 시스템에서 네트워크 I/O 가속화를 실현하게 해준다. 이러한 성능적 이점을 이용하기 위해 가상머신 또는 컨테이너와 같은 인스턴스에 SR-IOV를 접목할 시 최적의 네트워크 I/O 성능을 도출할 수 있는 네트워크 자원 관리 정책이 활발히 연구되고 있다. 본 논문은 I/O 가속화를 실현하는 SR-IOV의 네트워크 성능을 1) 네트워크 지연 시간, 2) 네트워크 처리량, 3) 네트워크 공정성, 4) 성능간섭, 5) 다중 네트워크와 같은 측면으로 세밀한 성능 평가 및 분석을 Virtio와 비교하여 진행한다. 본 논문의 기여점은 다음과 같다. 첫째, 가상화 시스템에서 Virtio와 SR-IOV의 네트워크 I/O 과정을 명확히 설명했으며, 둘째, Virtio와 SR-IOV의 네트워크 성능을 다양한 성능 메트릭을 기반으로 분석하였다. 셋째, 가상머신 밀집도가 높은 환경에서 SR-IOV 네트워크에 대한 시스템 오버헤드 및 이에 대한 최적화 가능성을 실험으로 확인하였다. 본 논문의 실험 결과 및 분석들은 스마트 팩토리, 커넥티드-카, 딥러닝 추론 모델, 크라우드 소싱과 같은 네트워크 집약적인 서비스들을 운용하는 가상화 시스템에 대한 네트워크 자원 관리 정책에 활용될 것으로 기대된다.

• 한국의학물리학회지:의학물리
• /
• 제22권4호
• /
• pp.163-171
• /
• 2011

본 연구에서는 피사체에 의한 산란, 초점에 의한 흐림, 기하학적 확대도 그리고 검출기의 특성이 반영된 유효검출양자효율(effective detective quantum efficiency, eDQE)과 유효선량을 평가하여 소아 흉부 X선 촬영 시 선량의 최적화를 위한 조사조건의 영향을 평가하였다. 100, 110, 120, 150, 180 cm의 FDD (focus-to-detector distance)일 때 관전압을 40 kVp에서 90 kVp까지 10 kVp씩 증가시켜가며 동일한 유효선량일 때 eDQE를 평가하였다. 그 결과 eDQE는 다른 관전압과 비교 시60 kVp에서 가장 높은 값을 보였다. 특히, 동일한 유효선량일 때 그리드가 없을 경우 상대적으로 매우 높은 eDQE를 나타냈다. 이는 그리드에 의한 산란선의 감소가 그리드에서 흡수된 유효 광자의 손실을 보상하지 못하기 때문이다. 그리드 가 없을 경우 FDD가 증가할수록 향상된 유효변조전달함수(effective modulation transfer function, eMTF)로 인하여 eDQE는 증가하였다. 국내 대형병원들의 대부분은 15개월 소아의 흉부 X선 촬영 시 그리드와 함께 100 cm의 짧은 FDD를 사용하고 있다. 그 결과 대부분의 경우는 국내 환자선량권고량(diagnostic reference level, DRL) $100{\mu}Gy$을 초과하였다. 이는 5세 소아 흉부 X선 촬영 시 150 cm에서 180 cm 사이의 긴 FDD를 사용하지만, 15개월을 모사하고 있는 표준 소아팬텀의 흉부 X선 촬영의 경우 100 cm의 짧은 FDD를 사용했기 때문이다. 따라서, 나이에 따른 소아의 흉부 X선 촬영을 시행하기 위한 적절한 조사조건이 확립되어야 한다. 본 연구 결과는 나이에 따른 소아 선량의 권고량을 설립하는데 기초자료로 활용될 수 있을 것이다.

• 지능정보연구
• /
• 제20권4호
• /
• pp.121-139
• /
• 2014

기업의 부도 예측은 재무 및 회계 분야에서 매우 중요한 연구 주제이다. 기업의 부도로 인해 발생하는 비용이 매우 크기 때문에 부도 예측의 정확성은 금융기관으로서는 매우 중요한 일이다. 최근에는 여러 개의 모형을 결합하는 앙상블 모형을 부도 예측에 적용해 보려는 연구가 큰 관심을 끌고 있다. 앙상블 모형은 개별 모형보다 더 좋은 성과를 내기 위해 여러 개의 분류기를 결합하는 것이다. 이와 같은 앙상블 분류기는 분류기의 일반화 성능을 개선하는 데 매우 유용한 것으로 알려져 있다. 본 논문은 부도 예측 모형의 성과 개선에 관한 연구이다. 이를 위해 사례 선택(Instance Selection)을 활용한 배깅(Bagging) 모형을 제안하였다. 사례 선택은 원 데이터에서 가장 대표성 있고 관련성 높은 데이터를 선택하고 예측 모형에 악영향을 줄 수 있는 불필요한 데이터를 제거하는 것으로 이를 통해 예측 성과 개선도 기대할 수 있다. 배깅은 학습데이터에 변화를 줌으로써 기저 분류기들을 다양화시키는 앙상블 기법으로 단순하면서도 성과가 매우 좋은 것으로 알려져 있다. 사례 선택과 배깅은 각각 모형의 성과를 개선시킬 수 있는 잠재력이 있지만 이들 두 기법의 결합에 관한 연구는 아직까지 없는 것이 현실이다. 본 연구에서는 부도 예측 모형의 성과를 개선하기 위해 사례 선택과 배깅을 연결하는 새로운 모형을 제안하였다. 최적의 사례 선택을 위해 유전자 알고리즘이 사용되었으며, 이를 통해 최적의 사례 선택 조합을 찾고 이 결과를 배깅 앙상블 모형에 전달하여 새로운 형태의 배깅 앙상블 모형을 구성하게 된다. 본 연구에서 제안한 새로운 앙상블 모형의 성과를 검증하기 위해 ROC 커브, AUC, 예측정확도 등과 같은 성과지표를 사용해 다양한 모형과 비교 분석해 보았다. 실제 기업데이터를 사용해 실험한 결과 본 논문에서 제안한 새로운 형태의 모형이 가장 좋은 성과를 보임을 알 수 있었다.

• Journal of Radiation Protection and Research
• /
• 제33권1호
• /
• pp.13-20
• /
• 2008

석유 및 정유관련 산업에서 다중상(multi-phase flow) 유체의 배관 내 흐름은 일반적인 현상의 하나이다. 그러나 각각의 상에 대한 정확한 유량측정은 항상 정확한 결과획득을 얻는데 장애의 근원으로 작용하였다. 일반 상업용 유량계는 일정 이상의 기포가 포함된 유체 흐름의 경우 유량계측에 상당한 오차를 유발한다. 본 연구에서는 ${\gamma}$-ray attenuation 기법을 이용하여 clamp-on 타입으로 배관 외부에서 다중상 유체흐름의 유량 측정을 수행하였다. 사용된 밀봉 감마선원으로는 $^{137}Cs$ 20 mCi와 17 mCi 두 개의 동위원소를 사용하였으며, 감마선 검출기로는 $2"{\times}2"$ NaI(Tl) 섬광계수관을 이용하였다. 방사선 검출기로부터 데이터를 수집하고 각각의 데이터에 대해 푸리에 변환과 필터링을 통해 노이즈를 최소화하였다. 복원된 신호에 대해 상호상관함수(cross correlation function)를 적용하여 두 검출기 사이의 통과시간(transit time)을 측정함으로써 유량을 산정하였다. 배관 내 기포함량 측정을 통해 유량을 보정해줌으로써 측정유량의 정확도를 높였다. 두 선원간의 거리가 4D(D; inner diameter) 그리고 본 실험의 측정조건(N/S: $0.12{\sim}0.15$, sampling time ${\Delta}\;t$: 4msec) 하에서 기포량(단면적 대비 $6.1\;%{\sim}9.2\;%$) 보정을 통해 산정된 유량은 계측오차가 실제 평균유량 대비 1.7 % 이하인 정확도를 보였다. 또한 두 밀봉 감마선원 간의 거리가 가까울수록 통과시간 측정에 정확도가 향상되므로 보다 정확한 유량측정이 가능하였다. 본 연구를 통해 다중상 혼합유체의 유량을 밀봉감마선원과 상호상관 기법으로 이용하여 계측할 수 있음을 확인하였다. 방사성동위원소의 선택 및 계측시스템의 최적화 조건 등에 대한 추가연구가 수행된다면 석유화학 산업과 같은 장치산업의 유지관리 측면에 경제적으로 크게 기여할 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.53-65
• /
• 2019

영상 기반의 보안 시스템의 증가함에 따라 각 용도마다 다른 다양한 객체들에 대한 처리들이 중요해지고 있다. 객체 추적은 객체 인식, 검출과 같은 작업들과 함께 필수적인 작업으로 다뤄진다. 이 객체 추적을 달성하기 위해서 다양한 머신러닝이 적용될 수 있다. 성공적인 분류기로써 전체 에러율 최소화(total-error-rate minimization) 기반의 방법론이 사용될 수 있다. 이 전체 에러율 최소화 기반의 방법론은 오프라인 학습을 기반으로 하고 있다. 객체 추적은 실시간으로 처리하며 갱신해야하는 것이 필수적이므로 온라인 학습(online learning)을 기반으로 하는 것이 적합하다. 온라인 전체 에러율 최소화 방법론이 개발되었지만 점근적으로 재가중되는(approximately reweighted) 작업이 포함되어 에러를 누적시킬 수 있다는 단점이 있다. 본 논문에서는 정확하게 재가중되는(exactly reweighted) 방법론을 제안하면서 온라인 전체 에러율 최소화가 달성되었다. 이 제안된 온라인 학습 방법론을 객체 추적에 적용하여 총 8개의 데이터베이스에서 다른 추적 방법론들 보다 좋은 성능이 달성되었다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.71-88
• /
• 2017

언어모델은 순차적으로 입력된 자료를 바탕으로 다음에 나올 단어나 문자를 예측하는 모델로 언어처리나 음성인식 분야에 활용된다. 최근 딥러닝 알고리즘이 발전되면서 입력 개체 간의 의존성을 효과적으로 반영할 수 있는 순환신경망 모델과 이를 발전시킨 Long short-term memory(LSTM) 모델이 언어모델에 사용되고 있다. 이러한 모형에 자료를 입력하기 위해서는 문장을 단어 혹은 형태소로 분해하는 과정을 거친 후 단어 레벨 혹은 형태소 레벨의 모형을 사용하는 것이 일반적이다. 하지만 이러한 모형은 텍스트가 포함하는 단어나 형태소의 수가 일반적으로 매우 많기 때문에 사전 크기가 커지게 되고 이에 따라 모형의 복잡도가 증가하는 문제가 있고 사전에 포함된 어휘 외에는 생성이 불가능하다는 등의 단점이 있다. 특히 한국어와 같이 형태소 활용이 다양한 언어의 경우 형태소 분석기를 통한 분해과정에서 오류가 더해질 수 있다. 이를 보완하기 위해 본 논문에서는 문장을 자음과 모음으로 이루어진 음소 단위로 분해한 뒤 입력 데이터로 사용하는 음소 레벨의 LSTM 언어모델을 제안한다. 본 논문에서는 LSTM layer를 3개 또는 4개 포함하는 모형을 사용한다. 모형의 최적화를 위해 Stochastic Gradient 알고리즘과 이를 개선시킨 다양한 알고리즘을 사용하고 그 성능을 비교한다. 구약성경 텍스트를 사용하여 실험을 진행하였고 모든 실험은 Theano를 기반으로 하는 Keras 패키지를 사용하여 수행되었다. 모형의 정량적 비교를 위해 validation loss와 test set에 대한 perplexity를 계산하였다. 그 결과 Stochastic Gradient 알고리즘이 상대적으로 큰 validation loss와 perplexity를 나타냈고 나머지 최적화 알고리즘들은 유사한 값들을 보이며 비슷한 수준의 모형 복잡도를 나타냈다. Layer 4개인 모형이 3개인 모형에 비해 학습시간이 평균적으로 69% 정도 길게 소요되었으나 정량지표는 크게 개선되지 않거나 특정 조건에서는 오히려 악화되는 것으로 나타났다. 하지만 layer 4개를 사용한 모형이 3개를 사용한 모형에 비해 완성도가 높은 문장을 생성했다. 본 논문에서 고려한 어떤 시뮬레이션 조건에서도 한글에서 사용되지 않는 문자조합이 생성되지 않았고 명사와 조사의 조합이나 동사의 활용, 주어 동사의 결합 면에서 상당히 완성도 높은 문장이 발생되었다. 본 연구결과는 현재 대두되고 있는 인공지능 시스템의 기초가 되는 언어처리나 음성인식 분야에서 한국어 처리를 위해 다양하게 활용될 수 있을 것으로 기대된다.