• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.749-756
• /
• 2018

본 연구는 머신러닝 기법을 이용한 온실 제어를 위한 예측모델을 개발하는 것이 목적이다. 시설원예연구소의 실험온실에서 측정된 데이터(2016년)를 사용하여 예측모델을 개발하였다. 모델의 예측성능 향상과 데이터의 신뢰성 확보를 위해 상관관계분석을 통해 데이터의 축소를 수행하였다. 데이터는 계절별 특성을 고려하여 봄, 여름, 가을 및 겨울로 나누어 구축하였다. 머신러닝 기반의 예측모델로 인공신경망, 순환신경망 및 다중회귀모델을 구축하고 비교분석을 통해 타당성을 평가하였다. 분석 결과에서, Selected dataset에서는 인공신경망 모델이 Full dataset에서는 다중회귀모델이 좋은 예측성능을 보였다.

• 한국항행학회논문지
• /
• 제23권6호
• /
• pp.561-569
• /
• 2019

태양광 발전은 일사량만 있으면 전기에너지를 얻을 수 있기 때문에, 새로운 에너지 공급원으로 용도가 급증하고 있다. 본 논문은 실제 태양광 발전 시스템의 컨버터 출력을 이용하여 장단기 출력 예측을 하였다. 예측 알고리즘은 다중선형회귀와 머신러닝의 지도학습 중 분류모델인 서포트 벡터 머신 그리고 DNN과 LSTM 등 딥러닝을 이용하였다. 또한 기상요소의 입출력 구조에 따라 3개의 모델을 이용하였다. 장기 예측은 월별, 계절별, 연도별 예측을 하였으며, 단기 예측은 7일간의 예측을 하였다. 결과로서 RMSE 측도에 의한 예측 오차로 비교해 본 결과 다중선형회귀와 SVM 보다는 딥러닝 네트워크가 예측 정확도 측면에서 더 우수하였다. 또한, DNN 보다 시계열 예측에 우수한 모델인 LSTM이 예측 정확도 측면에서 우수하였다. 입출력 구조에 따른 실험 결과는 모델 1보다 모델 2가 오차가 적었으며, 모델 2보다는 모델 3이 오차가 적었다.

• 소성∙가공
• /
• 제29권5호
• /
• pp.241-250
• /
• 2020

In this study, the methodology of the springback prediction of automotive parts applied 3rd generation AHSS was investigated using the response surface model analysis based on a regression model, and the meta model analysis based on a Kriging model. To design the learning data set for constructing the springback prediction models, and the experimental design was conducted at three levels for each processing variable using the definitive screening designs method. The hat-shaped member, which is the basic shape of the member parts, was selected and the springback values were measured for each processing type and processing variable using the finite element analysis. When the nonlinearity of the variables is small during the hat-shaped member forming, the response surface model and the meta model can provide the same processing parameter. However, the accuracy of the springback prediction of the meta model is better than the response surface model. Even in the case of the simple shape parts forming, the springback prediction accuracy of the meta model is better than that of the response surface model, when more variables are considered and the nonlinearity effect of the variables is large. The efficient global optimization algorithm-based Kriging is appropriate in resolving the high computational complexity optimization problems such as developing automotive parts.

• 플랜트 저널
• /
• 제15권2호
• /
• pp.56-61
• /
• 2019

본 연구에서는 500 MW급 초임계압 석탄 화력발전소의 발전보일러용 고압 급수가열기에서 발생한 내부 튜브의 파손 사례 분석을 통해 운전 기록 모니터링에 의한 발전보일러용 고압 급수가열기 내부 튜브의 파손 예측 방안을 모색하고자 하였다. 이 연구를 통해 고압 급수가열기 내부 튜브 파손 시 쉘 측 수위 조절 밸브 개도와 보일러 급수펌프 흡입 유량의 변화로 내부 튜브 파손을 진단할 수 있는 예측 모형을 제안하였고, 제안된 예측 모형은 급수 계통의 불균형이 일어난 추가 사례를 통해 실증하였다. 이에 따라 본 연구와 유사한 특성의 발전보일러용 고압 급수가열기의 경우에도 쉘 측 수위 조절 밸브 개도와 보일러 급수펌프의 흡입 유량의 정상 운전 상태 값 대비 현재 운전 값 비교는 고압 급수가열기 내부 튜브의 파손에 대한 유력한 예측 진단 방안이 될 수 있다고 판단된다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2005년도 춘계 학술발표회 논문집
• /
• pp.491-498
• /
• 2005

Acid Rock Drainage(ARD) is the product formed by the atmospheric(i.e. by water, oxygen and carbon dioxide) oxidation of the relatively common iron-sulphur minerals pyrite($FeS_2$). ARD causes the acidification and heavy metal contamination of water and soil and the reduction of slope stability. In this study the generation characteristics and the prediction of ARD of various road cut slopes were studied. An attempt to classify the rocks into several groups according to their acid generation potentials was made. Acid Base Accounting(ABA) tests, commonly used as a screening tool in ARD predictions, were performed. Sixteen rock samples were classified into PAF(potentially acid forming) group and four rock samples into NAF(non-acid forming) group. The chemical analysis of water samples strongly suggested that ARD with high content of heavy metals and low pH could pollute the ground water and/or stream water.

• ETRI Journal
• /
• 제45권4호
• /
• pp.636-649
• /
• 2023

Renewable energy generation cannot be consistently predicted or controlled. Therefore, it is currently not widely used in the electricity market, which requires dependable production. In this study, reliability- and variance-based controls of energy storage strategies are proposed to utilize renewable energy as a steady contributor to the electricity market. For reliability-based control, photovoltaic (PV) generation is assumed to be registered in the power generation plan. PV generation yields a reliable output using energy storage units to compensate for PV prediction errors. We also propose a runtime state-ofcharge management method for sustainable operations. With variance-based controls, changes in rapid power generation are limited through ramp rate control. This study introduces new reliability and variance indices as indicators for evaluating these strategies. The reliability index quantifies the degree to which the actual generation realizes the plan, and the variance index quantifies the degree of power change. The two strategies are verified based on simulations and experiments. The reliability index improved by 3.1 times on average over 21 days at a real power plant.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회(1)
• /
• pp.44-46
• /
• 2005

• 한국통신학회논문지
• /
• 제42권5호
• /
• pp.1085-1092
• /
• 2017

본 논문은 풍력발전예측의 정확도 개선을 위하여 바람의 특성을 반영한 풍력발전량예측 방법을 제안한다. 제안한 방법은 크게 바람의 특성을 추출하는 부분과 발전량을 예측하는 부분으로 구성된다. 바람의 특성을 추출하는 부분은 발전량, 풍향과 풍속의 상관분석을 이용한다. 풍향과 풍속의 상관관계를 근거로 K-means 방법으로 클러스터링하여 특징 벡터를 추출한다. 예측하는 부분은 임의의 실수값을 예측 할 수 있도록 SVM을 일반화 한 SVR을 이용하여 기계학습을 한다. 기계학습은 바람의 특성을 반영한 제안한 방법과 바람의 특성을 반영하지 않은 기존방법을 비교 실험하였다. 또한, 제안한 방법의 정확도와 타당성을 검증하기 위하여 장소가 상이한 제주도 풍력발전단지 3지역에서 수집된 데이터를 사용하였다. 실험결과, 제안한 방법의 오차가 일반적인 풍력발전예측 오차보다 개선되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권6호
• /
• pp.2964-2985
• /
• 2019

Global data center IP traffic is expected to reach 20.6 zettabytes (ZB) by the end of 2021. Intra-data center networks (Intra-DCN) will account for 71.5% of the data center traffic flow and will be the largest portion of the traffic. The understanding of traffic distribution in IntraDCN is still sketchy. It causes significant amount of bandwidth to go unutilized, and creates avoidable choke points. Conventional transport protocols such as Optical Packet Switching (OPS) and Optical Burst Switching (OBS) allow a one-sided view of the traffic flow in the network. This therefore causes disjointed and uncoordinated decision-making at each node. For effective resource planning, there is the need to consider joining the distributed with centralized management which anticipates the system's needs and regulates the entire network. Methods derived from Kalman filters have proved effective in planning road networks. Considering the network available bandwidth as data transport highways, we propose an intelligent enhanced SDN concept applied to OBS architecture. A management plane (MP) is added to conventional control (CP) and data planes (DP). The MP assembles the traffic spatio-temporal parameters from ingress nodes, uses Kalman filtering prediction-based algorithm to estimate traffic demand. Prior to packets arrival at edges nodes, it regularly forwards updates of resources allocation to CPs. Simulations were done on a hybrid scheme (1+1) and on the centralized OBS. The results demonstrated that the proposition decreases the packet loss ratio. It also improves network latency and throughput-up to 84 and 51%, respectively, versus the traditional scheme.

• ETRI Journal
• /
• 제42권5호
• /
• pp.686-699
• /
• 2020

In this paper, we propose a supervised-learning-based spatial performance prediction (SLPP) framework for next-generation heterogeneous communication networks (HCNs). Adaptive asset placement, dynamic resource allocation, and load balancing are critical network functions in an HCN to ensure seamless network management and enhance service quality. Although many existing systems use measurement data to react to network performance changes, it is highly beneficial to perform accurate performance prediction for different systems to support various network functions. Recent advancements in complex statistical algorithms and computational efficiency have made machine-learning ubiquitous for accurate data-based prediction. A robust network performance prediction framework for optimizing performance and resource utilization through a linear discriminant analysis-based prediction approach has been proposed in this paper. Comparison results with different machine-learning techniques on real-world data demonstrate that SLPP provides superior accuracy and computational efficiency for both stationary and mobile user conditions.