• Nuclear Engineering and Technology
• /
• 제52권2호
• /
• pp.287-295
• /
• 2020

Group method of data handling (GMDH) is considered one of the earliest deep learning methods. Deep learning gained additional interest in today's applications due to its capability to handle complex and high dimensional problems. In this study, multi-layer GMDH networks are used to perform uncertainty quantification (UQ) and sensitivity analysis (SA) of nuclear reactor simulations. GMDH is utilized as a surrogate/metamodel to replace high fidelity computer models with cheap-to-evaluate surrogate models, which facilitate UQ and SA tasks (e.g. variance decomposition, uncertainty propagation, etc.). GMDH performance is validated through two UQ applications in reactor simulations: (1) low dimensional input space (two-phase flow in a reactor channel), and (2) high dimensional space (8-group homogenized cross-sections). In both applications, GMDH networks show very good performance with small mean absolute and squared errors as well as high accuracy in capturing the target variance. GMDH is utilized afterward to perform UQ tasks such as variance decomposition through Sobol indices, and GMDH-based uncertainty propagation with large number of samples. GMDH performance is also compared to other surrogates including Gaussian processes and polynomial chaos expansions. The comparison shows that GMDH has competitive performance with the other methods for the low dimensional problem, and reliable performance for the high dimensional problem.

• 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.

• 품질경영학회지
• /
• 제14권1호
• /
• pp.53-60
• /
• 1986

The purpose of this study has been finding where GMDH (Group Method of Data Handling) lies in accordance with comparing other methods and ascertaining the effectiveness of GMDH at the systems of forecasting method. Other methods used for the comparison are: multiple regression model, Brown's third exponential smoothing model. Also the study has reviewed how the expected value and equatior are changed by GMDH. At the same time, the study has also reviewed various characteristics made with comparatively a few data. In conclusion, GMDH is better than the other method in point of view fitness, high effectiveness in self-selection and self-construction of the variables.

• 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.

• 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.

• 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
• /
• 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.

• Steel and Composite Structures
• /
• 제42권1호
• /
• pp.123-137
• /
• 2022

The fundamental period (FP) is one of the most critical parameters for the seismic design of structures. In the reinforced concrete (RC) infilled frame, the infill walls significantly affect the FP because they change the stiffness and mass of the structure. Although several formulas have been proposed for estimating the FP of the RC infilled frame, they are often associated with high bias and variance. In this study, an efficient soft computing model, namely the group method of data handling (GMDH), is proposed to predict the FP of regular RC infilled frames. For this purpose, 4026 data sets are obtained from the open literature, and the quality of the database is examined and evaluated in detail. Based on the cleaning database, several GMDH models are constructed and the best prediction model, which considers the height of the building, the span length, the opening percentage, and the infill wall stiffness as the input variables for predicting the FP of regular RC infilled frames, is chosen. The performance of the proposed GMDH model is further underscored through comparison of its FP predictions with those of existing design codes and empirical models. The accuracy of the proposed GMDH model is proven to be superior to others. Finally, explicit formulas and a graphical user-friendly interface (GUI) tool are developed to apply the GMDH model for practical use. They can provide a rapid prediction and design for the FP of regular RC infilled frames.

• 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.

• 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.