• Nuclear Engineering and Technology
• /
• 제48권2호
• /
• pp.434-447
• /
• 2016

The aim of this paper is the study of instability state of boiling water reactors with a method based in largest Lyapunov exponents (LLEs). Detecting the presence of chaos in a dynamical system is an important problem that is solved by measuring the LLE. Lyapunov exponents quantify the exponential divergence of initially close state-space trajectories and estimate the amount of chaos in a system. This method was applied to a set of signals from several nuclear power plant (NPP) reactors under commercial operating conditions that experienced instabilities events, apparently each of a different nature. Laguna Verde and Forsmark NPPs with in-phase instabilities, and Cofrentes NPP with out-of-phases instability. This study presents the results of intrinsic instability in the boiling water reactors of three NPPs. In the analyzed cases the limit cycle was not reached, which implies that the point of equilibrium exerts influence and attraction on system evolution.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.494-494
• /
• 2000

This paper demonstrates that the largest Lyapunov exponent $\lambda$ of recurrent neural networks can be controlled by a gradient method. The method minimizes a square error $e_{\lambda}=(\lambda-\lambda^{obj})^2$ where $\lambda^{obj}$ is desired exponent. The $\lambda$ can be given as a function of the network parameters P such as connection weights and thresholds of neurons' activation. Then changes of parameters to minimize the error are given by calculating their gradients $\partial\lambda/\partialP$. In a previous paper, we derived a control method of $\lambda$via a direct calculation of $\partial\lambda/\partialP$ with a gradient collection through time. This method however is computationally expensive for large-scale recurrent networks and the control is unstable for recurrent networks with chaotic dynamics. Our new method proposed in this paper is based on a stochastic relation between the complexity $\lambda$ and parameters P of the networks configuration under a restriction. Then the new method allows us to approximate the gradient collection in a fashion without time evolution. This approximation requires only $O(N^2)$ run time while our previous method needs $O(N^{5}T)$ run time for networks with N neurons and T evolution. Simulation results show that the new method can realize a "stable" control for larege-scale networks with chaotic dynamics.

• 한국해안·해양공학회논문집
• /
• 제27권2호
• /
• pp.79-93
• /
• 2015

Gulf Stream 인근해역에서 해양 중규모 와동의 삼차원 구조분석을 HYCOM 수치모델을 사용하여 수행하였다. 시계방향 및 반시계 방향으로 회전하는 와동들의 구조를$1/12^{\circ}$와 $1/48^{\circ}$ 두개의 모델 해상도를 사용하여 비교하였다. 라그랑지안 모수인 Finite Size Lyapunov Exponent (FSLE) 와 Okubo-Weiss parameter(OW) 분포를 분석한 결과 표층의 와동구조가 수심 깊은 곳까지 영향을 미치는 것으로 나타났는데, 이는 와동에 의한 수평방향 해수운동이 수직방향 해수운동보다 크기 때문인 것으로 해석되었다. 고해상도 모델의 경우 와동근처에서 10 km 미만의 미세난류구조 들이 많이 발견되었으며, 이러한 미세난류구조들은 고해상도 모델의 와동근처에서 해수의 움직임을 저해상도 모델보다 불규칙하게 만드는 것으로 나타났다. 이러한 미세난류구조에 의한 해수의 불규칙한 움직임은 분산계수 (dispersion coefficient)에도 영향을 미치는데, 수평 분산계수의 경우 해수운동이 자유로운 고해상도 모델이 저해상도 모델보다 그 값이 더 크게 나타났다. 수직 분산계수의 값은 저해상도 모델에서 더 크게 나왔는데, 이는 와동의 경사진 궤도를 따라 움직이는 저해상도 모델의 해수운동이 수직 분산계수값을 증가시키기 때문인 것으로 들어났다. 상대 수직 분산계수의 경우 이러한 궤도의 영향이 줄어들기 때문에 해수의 수직운동을 측정하는데 있어 절대 수직 분산계수 보다 더 적합한 것으로 판명되었다.

• 지식경영연구
• /
• 제22권4호
• /
• pp.119-133
• /
• 2021

각 산업에서 대량의 데이터가 생산되면서, 빠른 경영 의사결정을 위해 시계열 패턴 예측 연구가 수많이 진행되고 있다. 하지만 데이터에 내재된 불확실성으로 인해 비선형 시계열 데이터의 특정 패턴을 예측하는 데 한계가 존재하고, 기업경영의 전략적 의사결정 어려움이 존재한다. 또한, 최근 수십 년간 불규칙한 랜덤워크 모형의 시계열 데이터 예측을 위해 산업의 목적에 맞는 금융시장 데이터를 대상으로 다양한 연구가 진행되고 있지만, 특정 규칙을 예측하고 지속가능의 기업목적 달성 어려움이 있다. 본 연구에서는 룰렛 데이터와 금융시장 데이터를 Chaos 분석기법을 이용하여 예측 결과를 비교분석하고 유의미한 결과를 도출하였다. 그리고, 본 연구는 카오스 분석이 시계열 자료를 분석하는데 있어 새로운 방법을 모색하는데 유용함을 확인하였다. 룰렛 게임의 특성을 한국 주가지수 선물의 시계열과 비교 분석하여 추세가 확인되는 경우 예측력을 높일 수 있다는 점을 도출하였으며, 불확실성이 높고 랜덤워크가 존재하는 비선형 시계열 데이터가 특정한 패턴을 가지고 있는지 판단하는데 의의가 있다.