• 한국정보통신학회논문지
• /
• 제14권3호
• /
• pp.559-564
• /
• 2010

복잡한 비선형 시스템을 예측하기 위하여 GMDH(Group Method of Data Handling) 알고리듬을 사용할 수 있다. 기존의 GMDH 알고리듬은 정해진 절차에 의해 입력층부터 중간층들을 거쳐 출력층에서 시스템의 예측 출력을 생성한다. 각 층의 출력은 전 층의 출력에 의해서만 생성된다. 그러나 전형적인 GMDH 알고리듬에서 층별로 최적의 구조가 결정되지만 전체적으로는 최적의 구조가 결정되지 않을 수도 있다는 문제점을 해결하기 위해 예측된 출력을 실제의 출력과 비교하여 그 에러를 피드백하여 전체적으로 최적의 구조를 가지는 GMDH 예측 모델을 구성함으로 써 보다 정확한 예측이 가능하도록 하였다. 제안된 알고리듬이 기존의 알고리듬보다 성능이 향상된 것을 컴퓨터 시뮬레이션을 통해 검증하였다.

• 제어로봇시스템학회논문지
• /
• 제12권7호
• /
• pp.631-636
• /
• 2006

In this paper, an algorithm of time series function forecasting using GMDH(group method of data handling) algorithm that gives more weight to the recent data is proposed. Traditional methods of GMDH forecasting gives same weights to the old and recent data, but by the point of view that the recent data is more important than the old data to forecast the future, an algorithm that makes the recent data contribute more to training is proposed for more accurate forecasting. The average error rate of electric power demand forecasting by the traditional GMDH algorithm which does not use data weighting algorithm is 0.9862 %, but as the result of applying the data weighting GMDH algorithm proposed in this paper to electric power forecasting demand the average error rate by the algorithm which uses data weighting algorithm and chooses the best data weighting rate is 0.688 %. Accordingly in forecasting the electric power demand by GMDH the proposed method can acquire the reduced error rate of 30.2 % compared to the traditional method.

• 한국지능시스템학회논문지
• /
• 제8권3호
• /
• pp.50-55
• /
• 1998

GMDH(Group Method of Data Handing)는 복잡한 비선형 시스템을 인식하는데 유용한 데이타 분석 기법이다. 따라서 본 논문에서는 비선형 다이내믹 시스템을 모델링하기 위한 GMDH 알고리즘의 적용 방법을 제안한다. GMDH를 사용한 다이내믹 시스템의 인식은 일련의 입출력 데이타를 인가하여 필요한 계수들의 집합을 동적으로 산출함으로써 이루어진다. 또한, 본 논문에서는 데이타를 취사 선택하는 기준을 순차적으로 감소시킴으로써 GMDH의 단점인 계산량의 과다를 방지하는 방법도 제안하였다.

• 한국정보통신학회논문지
• /
• 제13권6호
• /
• pp.1200-1207
• /
• 2009

복잡한 비선형 시스템을 모델링하기 위하여 GMDH(Group Method of Data Handling) 알고리듬을 사용할 수 있다. 기존의 GMDH 알고리듬은 정해진 절차에 의해 입력층부터 중간층들을 거쳐 출력층에서 시스템의 모델링 출력을 생성한다. 각 층의 출력은 전 층의 출력에 의해서만 생성된다. 그러나 입력들 중에서는 다른 입력들보다 모델링 결과에 더 큰 영향을 줄 수 있는 입력들이 있을 수 있다. 따라서 본 논문에서는 영향이 큰 입력들을 층간 연결하여 모델링 성능을 향상시키는 방법을 제안하였다. 제안된 알고리듬이 기존의 알고리듬보다 성능이 향상된 것을 컴퓨터 시뮬레이션을 통해 검증하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1996년도 한국자동제어학술회의논문집(국내학술편); 포항공과대학교, 포항; 24-26 Oct. 1996
• /
• pp.1044-1047
• /
• 1996

In this paper, GMDH(Group Method of Data Handling) algorithm, which is based on heuristic self organization to predict and identify the complex system, is applied to the control system of DC servo motor. The mathematical relation between input voltage and motor speed is obtained by GMDH algorithm. A design method of model following control system based on GMDH algorithm is developed. As a result of applying this method to DC servo motor, the simulation and experiment have shown that the developed method gives a good performance in tracking the reference model and in rejection of disturbance, in spite of constant load and changing load.

• Journal of Electrical Engineering and Technology
• /
• 제10권3호
• /
• pp.832-837
• /
• 2015

The group method of data handling (GMDH) algorithm has proven to be a powerful and effective way to extract rules or polynomials from an electric load pattern. However, because it is nonstationary, the load pattern needs to be decomposed using a discrete wavelet transform. In addition, if a load pattern has a complicated curve pattern, GMDH should use a higher polynomial, which requires complex computing and consumes a lot of time. This paper suggests a method for short-term electric load forecasting that uses a wavelet transform and a GMDH algorithm. Case studies with the proposed algorithm were carried out for one-day-ahead forecasting of hourly electric loads using data during the years 2008-2011. To prove the effectiveness of our proposed approach, the results were evaluated and compared with those obtained by Holt-Winters method and artificial neural network. Our suggested method resulted in better performance than either comparison group.

• 한국지능시스템학회논문지
• /
• 제7권3호
• /
• pp.65-71
• /
• 1997

신경 회로망의 출현으로 비선형 시스템 모델링에 대한 관힘이 다시 고조되고 있다. 따라서 본 논문에서는 미지의 비선형 시스템을 동적으로 인식하기 위해 GMDH(Group Method of Data Handling) 일고리즘을 사용한 DPNN(Dynamic Polynomial Neural Network)을 제안한다. GMDH를 사용한 동적 시스템의 인신은 일렬의 입/출력 데이타를 인가하여 필요한 계수들의 집합을 동적으로 산출함으로써 훈련시킨다. 또한 DPNN을 이용하여 비선형 시스템을 제어하기 위해, MRA(Model Reference Adaptive Control)를 설계한다. 결과에서 컴퓨터 시뮬레이션을 통해 DPNN을 사용한 모델링과 제어가 잘 수행됨을 알 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1995년도 추계학술대회 학술발표 논문집
• /
• pp.153-158
• /
• 1995

In this paper, A new design method of fuzzy modeling is presented for the model identification of nonlinear complex systems. The proposed fuzzy GMDH modeling implements system structure and parameter identification using GMDH(Group Method of Data Handling) algorithm and linguistic fuzzy implication rules from input and output data of processes. In order to identify premise structure and parameter of fuzzy implication rules, GMDH algorithm and fuzzy reasoning method are used and the least square method is utilized for the identification of optimum consequence parameters. Time series data for gas furnaceare those for sewage treatment process are used for the purpose of evaluating the performance of the proposed fuzzy GMDH modeling. The results show that the proposed method can produce the fuzzy model with higher accuracy than other works achieved previously.

• Geomechanics and Engineering
• /
• 제33권2호
• /
• pp.183-194
• /
• 2023

This study presents the prediction of the California bearing ratio (CBR) of coarse- and fine-grained soils using artificial intelligence technology. The group method of data handling (GMDH) algorithm, an artificial neural network-based model, was used in the prediction of the CBR values. In the design of the prediction models, various combinations of independent input variables for both coarse- and fine-grained soils have been used. The results obtained from the designed GMDH-type neural networks (GMDH-type NN) were compared with other regression models, such as linear, support vector, and multilayer perception regression methods. The performance of models was evaluated with a regression coefficient (R²), root-mean-square error (RMSE), and mean absolute error (MAE). The results showed that GMDH-type NN algorithm had higher performance than other regression methods in the prediction of CBR value for coarse- and fine-grained soils. The GMDH model had an R² of 0.938, RMSE of 1.87, and MAE of 1.48 for the input variables {G, S, and MDD} in coarse-grained soils. For fine-grained soils, it had an R² of 0.829, RMSE of 3.02, and MAE of 2.40, when using the input variables {LL, PI, MDD, and OMC}. The performance evaluations revealed that the GMDH-type NN models were effective in predicting CBR values of both coarse- and fine-grained soils.

• 한국정보통신학회논문지
• /
• 제14권7호
• /
• pp.1544-1550
• /
• 2010

비선형 동적 시스템을 모델링하기 위해 GMDH(Group Method of Data Handling)를 적용한 많은 연구들이 수행되어 왔다. 그러나 모델링의 정확성을 위해서는 계산량이 크게 증가한다. 그러므로 본 논문에서는 입력 데이터를 취사선택하는 기준을 점감적으로 조정함으로써 적어도 정확성을 유지하면서 전형적인 GMDH의 단점인 과도한 계산을 피할 수 있는 방법을 제안한다. 컴퓨터 시뮬레이션 결과, GMDH 알고리듬의 계산량을 성공적으로 줄일 수 있었고 에러율도 소폭 줄일 수 있었다.