• Wind and Structures
• /
• 제36권6호
• /
• pp.355-366
• /
• 2023

Although machine learning (ML) techniques have been widely used in various fields of engineering practice, their applications in the field of wind engineering are still at the initial stage. In order to evaluate the feasibility of machine learning algorithms for prediction of wind loads on high-rise buildings, this study took the exposure category type, wind direction and the height of local wind force as the input features and adopted four different machine learning algorithms including k-nearest neighbor (KNN), support vector machine (SVM), gradient boosting regression tree (GBRT) and extreme gradient (XG) boosting to predict wind force coefficients of CAARC standard tall building model. All the hyper-parameters of four ML algorithms are optimized by tree-structured Parzen estimator (TPE). The result shows that mean drag force coefficients and RMS lift force coefficients can be well predicted by the GBRT algorithm model while the RMS drag force coefficients can be forecasted preferably by the XG boosting algorithm model. The proposed machine learning based algorithms for wind loads prediction can be an alternative of traditional wind tunnel tests and computational fluid dynamic simulations.

• 전자공학회논문지
• /
• 제53권6호
• /
• pp.101-109
• /
• 2016

카메라 센서는 사람의 눈에 비해 제한적인 다이나믹 레인지를 갖기 때문에 영상 획득 시 실제 보이는 것과 다른 모습의 영상을 획득하게 된다. 이러한 문제를 영상 처리를 통해 해결하고자 톤 맵핑 함수를 이용한 방법들과 사람의 눈을 모델링한 레티넥스 이론 기반의 방법들이 연구되었다. 하지만 이러한 방법들은 후광 효과가 발생하거나 영상 개선 시 전역 또는 국부 콘트라스트 향상이 제한적이라는 단점이 있다. 제안하는 방법에서는 영상의 광원 정보를 레티넥스 이론을 활용하여 추정한 후 이를 영상의 품질 향상을 위해 다이나믹 레인지를 최적화시키는데 이용한다. 이 과정에서 후광 효과가 발생하는 것을 방지하기 위해 유사 밝기 영역에서만 평탄화가 이루어지고 밝기 차가 나는 영역은 밝기 차를 유지하도록 한다. 또한 톤 맵핑 함수 적용 시 하나의 화소가 아닌 주변 영역 정보와 추정된 광원 정보를 모두 고려하여 전역 및 국부 콘트라스트가 동시에 향상되는 알고리즘을 제안한다. 실험 결과들을 통해 제안하는 방법이 기존 방법에 비해 국부 콘트라스트 수치가 약 0.4 향상 되었고, 시각적인 면에서도 콘트라스트 향상과 함께 암부와 명부를 동시에 효과적으로 표현한 것을 확인 할 수 있다.

• 한국항해항만학회지
• /
• 제31권10호
• /
• pp.869-877
• /
• 2007

본 논문은 교행이 불가능한 두 대의 자동화 크레인을 운영하는 자동화 컨테이너 터미널의 장치장을 대상으로 국지적 탐색 알고리즘을 이용해 실시간 작업계획을 수립하는 방안을 제안한다. 제안방안은 실시간 제약조건을 만족시키기 위해 현재 이후 일정 시간의 작업만을 작업 계획의 대상으로 삼으며, 장치장의 동적인 작업 특성을 고려하여 새로운 작업이 요청될 때마다 작업 계획을 다시 수립한다. 또한, 교행이 불가능한 두 대의 크레인을 운영할 때 발생할 수 있는 크레인 간의 작업 부하 불균형을 해소하기 위해 작업 계획 과정에서 상대 크레인에 의한 사전 재취급과 사전 이적을 통한 두 크레인 간의 협업을 가능하게 하였다. 시뮬레이션을 이용한 실험 결과 제안 방안이 휴리스틱 방안에 비해 우수하며, 크레인 간의 협업이 작업 효율 향상에 도움이 됨을 확인하였다.

• 대한토목학회논문집
• /
• 제26권2A호
• /
• pp.285-292
• /
• 2006

이 연구는 탄소섬유쉬트-콘크리트 부착이음 실험 결과로부터 국부적인 부착모텔(부착응력-미끄럼 모델)을 결정하는 방법을 제안하고, 실제 실험 결과와 비교하여 이러한 부착 조건에 적용 기능한 부착모델을 제시한다. 부착모델의 형상은 임의의 곡선 형태를 고려할 수 있도록 디중선형곡선(multi-linear curve)으로 가정하였으며, 수치적인 방법으로 부착이음의 해를 계산하여 실험 결과와 오차를 최소화하는 방법으로 부착모델을 결정하였다. 이중선형곡선(bilinear curve)을 도입한 부착모델 역시 최적화를 수행하여 다중선형모텔과 비교하였다. 최적화의 대상은 동일 조건의 부착모텔에 대해 여러 실험체로부터 구한 극한하중-부착길이 곡선과 개별 실험체의 하중-변위 곡선이다. 최적화를 위한 정식화는 physical programming을 사용하였으며 최적화 방법은 유전알고리즘(genetic algorithm)을 이용하였다.

• KEPCO Journal on Electric Power and Energy
• /
• 제2권2호
• /
• pp.311-316
• /
• 2016

인공신경망과 같은 기계학습에 기반한 네트워크 침입탐지/방지시스템은 특징 조합에 따라 탐지의 정확성과 효율성 측면에서 크게 영향을 받는다. 하지만 침입탐지에 사용 가능한 여러개의 특징들 중 정확성과 효율성 측면에서 최적의 특징 조합을 추출하는 특징 선택 문제는 많은 계산량을 요구한다. 본 논문에서는 NSL-KDD 데이터 집합에서 제공하는 6가지 서비스 거부 공격과 정상 트래픽을 구분해 내기 위한 최적 특징 조합 선택 문제를 다룬다. 최적 특징 조합 선택 문제를 해결하기 위해 대표적인 메타 휴리스틱 알고리즘 중 하나인 다중 시작 지역탐색 알고리즘에 기반한 최적 특징 선택 알고리즘을 제시한다. 제안한 특징 선택 알고리즘의 성능 평가를 위해 NSL-KDD 데이터를 상대로 41개의 특징 모두를 사용한 경우와 비교한다. 그리고 선택된 특징 조합을 사용했을 때 가장 높은 성능을 보여주는 기계학습 방법을 찾기위해 3가지 잘 알려진 기계학습 방법들 (베이즈 분류기와 인공신경망, 서포트 벡터 머신)을 사용해 성능을 비교한다.

• 한국산학기술학회논문지
• /
• 제21권7호
• /
• pp.29-37
• /
• 2020

과거 자연현상에서 발생하는 복잡한 비선형성에 따른 문제를 해결하기 위해 메타 휴리스틱 최적화 알고리즘들이 개발되었고 개발된 알고리즘의 적용성을 검토하기 위해 다양한 연구들이 진행되었다. Self-adaptive vision correction algorithm (SAVCA)는 수학 문제에서는 우수한 성능을 보여주었지만 복잡한 공학 문제들에 적용되지 않았을 뿐만 아니라 SAVCA의 적용과정에 대한 검토가 필요하다. SAVCA의 공학 문제에 대한 적용 및 적용과정에 대한 검토를 위해 최근 개발되어 우수한 성능을 보여주었던 advanced nonlinear Muskingum flood routing model (ANLMM-L)에 적용하였다. 먼저 SAVCA에 의해 초기 해집합을 생성한 후 ANLMM-L을 통해 적합도를 산출하였다. 국지탐색 및 전역탐색에 의해 선택된 새로운 값을 SAVCA에 넣고 새로운 해를 생성한 후 다시 ANLMM-L을 적용하여 적합도를 계산하였다. 새로운 해와 기존 해집합의 결과를 비교하여 개량하는 방법을 통해 마지막 연산이 진행되었다. 관측 유출량과 계산된 유출량과의 오차를 계산하기 위해 sum of squares (SSQ)가 사용되었으며 적용한 결과는 기존 방법들과 비교하였다. Muskingum 홍수추적에서 우수한 성능을 보여준 SAVCA는 다양한 공학 문제들에 적용되어 우수한 성능을 보여줄 것으로 예상된다.

• Journal of Construction Engineering and Project Management
• /
• 제5권1호
• /
• pp.11-19
• /
• 2015

This paper presents optimized artificial neural networks (ANNs) claims prediction and decision awareness framework that guides owner organizations in their pre-bid construction project decisions to minimize claims. The framework is composed of two genetic optimization ANNs models: a Claims Impact Prediction Model (CIPM), and a Decision Awareness Model (DAM). The CIPM is composed of three separate ANNs that predict the cost and time impacts of the possible claims that may arise in a project. The models also predict the expected types of relationship between the owner and the contractor based on their behavioral and technical decisions during the bidding phase of the project. The framework is implemented using actual data from international projects in the Middle East and Egypt (projects owned by either public or private local organizations who hired international prime contractors to deliver the projects). Literature review, interviews with pertinent experts in the Middle East, and lessons learned from several international construction projects in Egypt determined the input decision variables of the CIPM. The ANNs training, which has been implemented in a spreadsheet environment, was optimized using genetic algorithm (GA). Different weights were assigned as variables to the different layers of each ANN and the total square error was used as the objective function to be minimized. Data was collected from thirty-two international construction projects in order to train and test the ANNs of the CIPM, which predicted cost overruns, schedule delays, and relationships between contracting parties. A genetic optimization backward analysis technique was then applied to develop the Decision Awareness Model (DAM). The DAM combined the three artificial neural networks of the CIPM to assist project owners in setting optimum values for their behavioral and technical decision variables. It implements an intelligent user-friendly input interface which helps project owners in visualizing the impact of their decisions on the project's total cost, original duration, and expected owner-contractor relationship. The framework presents a unique and transparent hybrid genetic algorithm-ANNs training and testing method. It has been implemented in a spreadsheet environment using MS Excel$^{(R)}$ and EVOLVERTM V.5.5. It provides projects' owners of a decision-support tool that raises their awareness regarding their pre-bid decisions for a construction project.

• Communications for Statistical Applications and Methods
• /
• 제15권1호
• /
• pp.125-136
• /
• 2008

많은 실제적인 공학 설계문제에 있어서, 목적함수의 형태는 설계변수들에 의하여 정확하게 주어지지 않는다. 이러한 환경 하에서, 구조해석, 유체 역학 해석, 열역학 분석과 같은 등과 같은 문제에서 설계변수들의 값이 주어졌을 때 목적함수들의 값은 실제 실험이나 계산상의 실험을 통하여 얻어지게 된다. 일반적으로, 이러한 실험들은 많은 비용이 든다. 이런 경우에는 실험의 횟수를 가능한 적게 하기위하여, 목적함수의 형태를 예측하는 것과 병행하여 최적화를 수행하게 된다. 반응표면분석(Response Surface Methodology, RSM)은 이러한 접근 방법에서 잘 알려져 있다. 본 논문에서는 목적함수의 예측을 위하여 서포트 벡터 기계(Support Vector Machines, SVM)의 방법을 적용할 것이다. 이러한 접근에서 가장 중요한 과제들 중의 하나는 가능한 실험의 횟수를 적게 하기 위하여 적절하게 표본자료들을 배치하는 것이다. 이러한 목적에 서포트 벡터의 정보들이 효과적으로 사용되어짐을 보이고 제안한 방법의 효율성은 공학 설계문제에서 잘 알려진 수치 예제를 통하여 보인다.

• 한국인터넷방송통신학회논문지
• /
• 제15권4호
• /
• pp.249-257
• /
• 2015

본 논문은 지금까지 해결하지 못한 난제 중 하나인 외판원 문제의 최적 해를 구하는 발견적 알고리즘을 제안한다. 제안된 알고리즘은 초기 경로를 결정하기 위해 기존의 DNN을 변형한 SW-DNN, DW-DNN과 DC-DNN을 제안하였다. 초기 해는 DNN, SW-DNN, DW-DNN과 DC-DNN을 적용하여 최소 경로 길이를 가진 방법을 선택한다. 초기 해에 대해 최적 해를 구하기 위해 먼저 삭제 대상 간선을 선택하는 방법을 결정하였으며, 이들 간선들에 대해 지역 탐색 방법인 k-opt 중에서 2, 2.5, 3-opt를 먼저 적용하고, 삭제 대상 간선들 중 삭제되지 않은 간선들에 대해 4-opt를 적용하였다. 제안된 알고리즘을 대규모의 TSP인 26개의 유럽 도시들을 방문하는 TSP-1과 49개의 미국 도시들을 방문하는 TSP-2에 적용한 결과 모두 최적 해를 구하는데 성공하였다. 제안된 알고리즘은 지금까지 발견적 방법으로는 TSP의 최적 해를 구하지 못한다는 미신을 타파하였고, TSP의 알고리즘으로 적용할 수 있을 것이다.

• 한국항행학회논문지
• /
• 제18권2호
• /
• pp.170-177
• /
• 2014

유전 알고리즘은 강인한 탐색과 최적화 기술이기는 하나 조기 수렴과 국부 최적해에 수렴하는 문제점들을 내포하고 있다. 모집단의 다양성이 작은 값으로 수렴할수록 탐색능력이 감소하고, 국부 최적해에 수렴하지만, 모집단의 다양성이 높은 값으로 수렴할수록 탐색능력이 증가하고 전역 최적해에 수렴할 수 있으나 유전 알고리즘은 발산할 수도 있다. 유전 알고리즘이 전역 최적해에 수렴하는 것을 보장하기 위해서는 유전 연산자가 적절하게 선정되어야 한다. 본 논문에서는 조기 수렴으로부터 벗어나기 위하여 모집단의 다양성을 유지하도록 평균해밍거리와 적합도 값을 혼합한 함수를 이용한 유전 연산자들을 제안하였다. 모의실험을 통하여 다양성의 유지를 위한 돌연변이 연산자와 수렴 특성의 향상을 위한 다른 유전자들의 효과를 확인할 수 있었으며, 본 논문에서 제안한 유전 연산자들이 조기 수렴이나 국부 최적해에 수렴하는 경우를 피하는데 유용한 방법임이 확인되었다.