• 정보교육학회논문지
• /
• 제22권1호
• /
• pp.151-158
• /
• 2018

본 연구의 목적은 협력적 문제 해결력에 영향을 미치는 PISA(Programme for International Student Assessment) 2015의 ICT 요인을 바탕으로 학생들의 협력적 문제 해결력을 예측하는 시스템을 개발하는 데 있다. PISA 2015의 컴퓨터 기반 협력적 문제 해결력 평가에는 한국에서 5,581명이 참여하였다. 연구방법은 먼저 상관분석을 사용하여 유의미한 변수를 선정하였으며, 딥러닝을 사용하여 협력적 문제 해결력 예측 모델을 생성하였다. 모델 생성 결과 테스트 데이터 셋에 대해 약 95%의 정확도로 협력적 문제 해결력을 예측할 수 있었다. 이 모델을 바탕으로 협력적 문제 해결력 예측 시스템을 설계 및 구현하였으며, 해당 시스템을 사용하여 학습자의 ICT 관련 설문을 통해 협력적 문제 해결력을 예측할 수 있다. 본 연구는 교육에서 ICT 투입 및 사용에 대한 정책 결정에서 빅데이터와 인공지능을 적용할 수 있는 새로운 관점을 제공할 것으로 기대한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 추계학술대회
• /
• pp.514-517
• /
• 2017

태양광 발전 시스템에서 전력 생산은 기상 상태에 따라 크게 영향을 받으므로 안정적인 부하 운용을 위해 태양광 에너지에 대한 예측이 필수적이다. 따라서 태양광 에너지 예측을 위한 기계학습 알고리즘의 입력으로 기상 상태에 대한 데이터가 필요하다. 본 논문에서는 알고리즘에 대한 입력 데이터로 표면의 3시간 동안 누적된 강수량, 상 하향 장파 복사선 평균, 상 하향 단파 복사선 평균, 지상 2m에서의 3시간 동안 온도, 표면에서의 온도 등 15가지 종류의 기상 데이터를 사용한다. 기상 데이터의 통계적 특성을 파악하고 상관관계를 분석하여 태양광 에너지와 70% 이상의 높은 상관성을 갖는 하향 단파 복사선 평균과 상향 단파 복사선 평균을 특징벡터의 주요 원소로 추출하였다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.341-343
• /
• 2019

고농도 미세먼지 발생이 증가함에 따라 미세먼지 예측에 많은 관심이 집중되고 있다. 미세먼지는 대기 중에 있는 직경 $10{\mu}m$ 이하의 밀입자 물질을 말하며, 온도, 상대습도, 풍속 등의 기상 변화에 영향을 받는다. 따라서 미세먼지 예측을 위해 기상 정보와의 상관관계를 분석하는 다양한 연구가 진행되었다. 하지만 미세먼지의 비선형적 시계열 분포는 예측 모델의 복잡도를 증가시키고, 부정확한 예측값을 초래할 수 있다. 본 연구에서는 기계학습의 군집 알고리즘 및 분류알고리즘을 이용하여 미세먼지의 비선형적 특성을 완화하고자 한다. 사용된 기계학습 알고리즘은 병합군집, 밀도기반군집이며, 각 알고리즘을 통한 군집결과를 비교, 분석하였다.

• Nuclear Engineering and Technology
• /
• 제54권2호
• /
• pp.608-616
• /
• 2022

Power peaking factors (PPF) is an important parameter for safe and efficient reactor operation. There are several methods to calculate the PPF at TRIGA research reactors such as MCNP and TRIGLAV codes. However, these methods are time-consuming and required high specifications of a computer system. To overcome these limitations, artificial intelligence was introduced for parameter prediction. Previous studies applied the neural network method to predict the PPF, but the publications using the ANFIS method are not well developed yet. In this paper, the prediction of PPF using the ANFIS was conducted. Two input variables, control rod position, and neutron flux were collected while the PPF was calculated using TRIGLAV code as the data output. These input-output datasets were used for ANFIS model generation, training, and testing. In this study, four ANFIS model with two types of input space partitioning methods shows good predictive performances with R² values in the range of 96%-97%, reveals the strong relationship between the predicted and actual PPF values. The RMSE calculated also near zero. From this statistical analysis, it is proven that the ANFIS could predict the PPF accurately and can be used as an alternative method to develop a real-time monitoring system at TRIGA research reactors.

• 소성∙가공
• /
• 제31권1호
• /
• pp.17-22
• /
• 2022

Hot stamping is widely used to manufacture structural parts to satisfy requirements of eco-friendly vehicles. Recently, hot forming technology using uncoated steel sheet is being studied to reduce cost and solve patent problems. In particular, research is focused on process technology capable of suppressing the generation of an oxide layer. To evaluate the oxide layer in the hot stamping process, Gleeble testing machine can be used to evaluate the oxide layer by controlling the temperature history and the atmosphere condition. At this time, since cooling by gas injection is impossible to protect the oxide layer on the surface of a specimen, research on a method for securing a quenching speed through natural cooling is required. This paper proposes a specimen shape design method to secure a target quenching speed through natural cooling when evaluating the oxide layer of an un-coated boron steel sheet by Gleeble test. For the evaluation of the oxide layer of the un-coated steel sheet through the Gleeble test, dog-bone and rectangular type specimens were used. In consideration of the hot stamping process, the temperature control conditions for the Gleeble test were set and the quenching speed according to the specimen shape design was measured. Finally, the quenching speed sensitivity according to shape parameter was analyzed through regression analysis. A quenching speed prediction equation was then constructed according to the shape of the specimen. The constructed quenching speed prediction equation can be used as a specimen design guideline to secure a target quenching speed when evaluating the oxide layer of an un-coated boron steel sheet by the Gleeble test.

• Geomechanics and Engineering
• /
• 제33권1호
• /
• pp.1-9
• /
• 2023

The unconfined compression strength (UCS) of soils is commonly used either before or during the construction of geo-structures. In the pre-design stage, UCS as a mechanical property is obtained through a laboratory test that requires cumbersome procedures and high costs from in-situ sampling and sample preparation. As an alternative way, the empirical model established from limited testing cases is used to economically estimate the UCS. However, many parameters affecting the 1D soil compression response hinder employing the traditional statistical analysis. In this study, gene expression programming (GEP) is adopted to develop a prediction model of UCS with common affecting soil properties. A total of 79 undisturbed soil samples are collected, of which 54 samples are utilized for the generation of a predictive model and 25 samples are used to validate the proposed model. Experimental studies are conducted to measure the unconfined compression strength and basic soil index properties. A performance assessment of the prediction model is carried out using statistical checks including the correlation coefficient (R), the root mean square error (RMSE), the mean absolute error (MAE), the relatively squared error (RSE), and external criteria checks. The prediction model has achieved excellent accuracy with values of R, RMSE, MAE, and RSE of 0.98, 10.01, 7.94, and 0.03, respectively for the training data and 0.92, 19.82, 14.56, and 0.15, respectively for the testing data. From the sensitivity analysis and parametric study, the liquid limit and fine content are found to be the most sensitive parameters whereas the sand content is the least critical parameter.

• 한국농공학회논문집
• /
• 제66권1호
• /
• pp.1-13
• /
• 2024

This study assessed the efficacy of improving the accuracy of reservoir water level prediction models by employing automated machine learning models and efficient cross-validation methods for time-series data. Considering the inherent complexity and non-linearity of time-series data related to reservoir water levels, we proposed an optimized approach for model selection and training. The performance of twelve models was evaluated for the Obong Reservoir in Gangneung, Gangwon Province, using the TPOT (Tree-based Pipeline Optimization Tool) and four cross-validation methods, which led to the determination of the optimal pipeline model. The pipeline model consisting of Extra Tree, Stacking Ridge Regression, and Simple Ridge Regression showed outstanding predictive performance for both training and test data, with an R² (Coefficient of determination) and NSE (Nash-Sutcliffe Efficiency) exceeding 0.93. On the other hand, for predictions of water levels 12 hours later, the pipeline model selected through time-series split cross-validation accurately captured the change pattern of time-series water level data during the test period, with an NSE exceeding 0.99. The methodology proposed in this study is expected to greatly contribute to the efficient generation of reservoir water level predictions in regions with high rainfall variability.

• Elastomers and Composites
• /
• 제47권2호
• /
• pp.129-140
• /
• 2012

본 연구에서는 현실적으로 실현가능한 플라스틱 제품의 재활용률을 산정하기 위하여 PVC프로파일에 대한 물질흐름도를 작성하는 것을 목적으로 연구가 수행되었다. 이를 위해 합성수지 및 제품별 생산 현황 조사, 폐기물 발생 및 재활용 현황 조사, 재활용 실태 현황 조사, 제품별 물질흐름 검토를 거쳐 내구성 플라스틱의 발생부터 폐기까지의 조사를 실시하여 물질흐름도를 작성하였다. 제품별 재활용이 가능한 비율을 산정한 결과, PVC바닥재와 PVC프로파일의 경우 국내에서 사용된 제품의 내수량의 합이 525,448톤이고, 폐기물 배출량은 105,853톤으로 나타났다. 재생제품과 재활용원료의 생산량 합계는 76,004톤으로 제품의 내수량에 대비하면 2009년 의무량 8.5%에 비교하여 연구를 통한 재활용량은 추정량 14.46%로 산출되었다. 향후 각 품목의 연도별 사용량은 해당제품의 생산량이 현재와 크게 차이가 없을 것으로 가정하고 연도별 생산량에 대입한 후 5~20년 뒤의 물질수지도를 작성한 결과, 재활용률은 지속적으로 상승하여 바닥재 및 프로파일은 2013년에 20% 수준의 재활용률에 도달될 것으로 예측되었다.

• 한국전산유체공학회지
• /
• 제20권3호
• /
• pp.79-86
• /
• 2015

A blood pump is an important part of a cardiac assist device. Since the shear rate in blood is known to be a primary factor on hemolysis generation, it has been very important to evaluate hemolysis inside blood pumps for understanding performance and reliability of cardiac assist devices. In this study, hemolysis generation inside blood pumps is analyzed using CFD with power-law based models for the blood damage index(BDI), in order to overcome difficulties in measuring hemolysis by experiment. The BDI values in blood pumps can be evaluated using Lagrangian or Eulerian approaches. In this study, several Lagrangian and Eulerian approaches are compared to estimate the efficiency of the numerical methods in a practice sense. It is found that the Eulerian approaches are advantageous in terms of the efficiency and robustness. Two different Eulerian approaches are used to evaluate the BDI values of a few commercial blood pumps. For the conditions of extracorporeal membrane oxygenator(ECMO) and ventricular assist device(VAD), local generation of hemolysis is analyzed using divided regions of blood pumps, in order to investigate the effects of the pump geometry.