• 전기학회논문지
• /
• 제66권7호
• /
• pp.1001-1006
• /
• 2017

In this study the NARX was proposed as a novel approach to forecast electric load more accurately. The NARX model is a recurrent dynamic network. ISO-NewEngland dataset was employed to evaluate and validate the proposed approach. Obtained results were compared with NAR network and some other popular statistical methods. This study showed that the proposed approach can be applied to forecast electric load and NARX has high potential to be utilized in modeling dynamic systems effectively.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.21-23
• /
• 2005

NARX(Nonlinear AutoRegressive with eXogenous input) neural network was used for prediction of nuclear reactor behavior which was influenced by control rods in short-term period and also by xenon and boron in long-term period in load following operations. The developed model was designed to predict reactor power, xenon worth and axial offset with different burnup rates when control rod and boron were adjusted in load following operations. Data of UCN 3 were collected by ONED94 code. The test results presented exhibit the capability of the NARX neural network model to capture the long term and short term dynamics of the reactor core and seems to be utilized as a handy tool for the use of a plant simulation.

• Nuclear Engineering and Technology
• /
• 제51권3호
• /
• pp.702-708
• /
• 2019

This paper deals with break size estimation of loss of coolant accidents (LOCA) using a nonlinear autoregressive with exogenous inputs (NARX) neural network. Previous studies used static approaches, requiring time-integrated parameters and independent firing algorithms. NARX neural network is able to directly deal with time-dependent signals for dynamic estimation of break sizes in real-time. The case studied is a LOCA in the primary system of Bushehr nuclear power plant (NPP). In this study, number of hidden layers, neurons, feedbacks, inputs, and training duration of transients are selected by performing parametric studies to determine the network architecture with minimum error. The developed NARX neural network is trained by error back propagation algorithm with different break sizes, covering 5% -100% of main coolant pipeline area. This database of LOCA scenarios is developed using RELAP5 thermal-hydraulic code. The results are satisfactory and indicate feasibility of implementing NARX neural network for break size estimation in NPPs. It is able to find a general solution for break size estimation problem in real-time, using a limited number of training data sets. This study has been performed in the framework of a research project, aiming to develop an appropriate accident management support tool for Bushehr NPP.

• 한국방재안전학회논문집
• /
• 제12권2호
• /
• pp.73-82
• /
• 2019

최근 이상기후로 인한 집중호우에 따른 하천변 사회기반시설의 침수피해가 증가하고 있으며, 침수 가능성 여부에 대한 신속한 예 경보가 필요한 실정이다. 일반적인 홍수 예 경보는 하천수위를 이용하고 있으며, 수치모형을 이용하여 하천수위를 예측하는 연구가 대부분이었다. 그러나 수치모형을 이용한 하천수위 예측은 결과가 정확한 반면 수치모의 시간이 오래 소요된다는 한계점이 있어 최근에는 인공신경망 등을 적용한 자료기반의 수위예측 모형이 많이 이용되고 있다. 하지만 기존의 인공신경망을 활용한 수위예측 연구는 시간적 매개변수를 고려하지 못하였다는 한계점이 존재한다. 본 연구에서는 시간적 매개변수(Time delay= 2시간)를 고려한 NARX 신경망 모형을 사용하여 한강대교의 수위를 예측하였다. 또한 NARX 모형의 적합성을 판단하기 위하여 인공신경망(ANN) 모형과, 순환신경망(RNN)모형의 결과와 비교하였다. 2009년에서 2018년까지 10년간의 수문자료를 이용하여 70%를 학습시키고 검정과 평가에 15%를 사용하여 2018년의 한강대교 3시간 후 수위를 예측한 결과 평균제곱근오차(RMSE)의 경우 ANN, RNN, NARX model이 각각 0.20 m, 0.11 m, 0.09 m, 평균절대오차(MAE)의 경우, 각각 0.12 m, 0.06 m, 0.05 m, 첨두수위 오차(Peak Error)는 각각 1.56 m, 0.55 m, 0.10 m로 나타났다. 연구 대상지역에 대한 시간적 매개변수를 고려한 예측 결과의 오차분석을 통하여 NARX 신경망 모형을 사용하는 것이 수위예측 모형 구축이 가장 적합한 것으로 나타났다. 이는 NARX 신경망 모형이 과거의 입력자료를 고려함으로써 시계열 자료의 변동 추세도 학습 할 수 있으며, 또한 모형 내 활성함수를 쌍곡선탄젠트(Hyperbolic tangent) 및 Rectified Linear Unit(ReLU) 함수를 사용하여 고수위 예측 시에도 정확한 예측 값을 도출할 수 있기 때문이다. 그러나 NARX 신경망 모형은 시퀀스 길이가 길어짐에 따라 기울기 소실문제(Vanishing gradient)가 발생하는 한계점이 있어 향후에는 이를 보완한 LSTM(Long Short Term Model)모형을 이용하여 수위예측의 정확도를 검토하고자 한다.

• 한국측량학회지
• /
• 제39권5호
• /
• pp.289-295
• /
• 2021

Recently, owing to the development of autonomous vehicles, research on precisely determining the position of a moving object has been actively conducted. Previous research mainly used the fusion of GNSS/IMU (Global Positioning System / Inertial Navigation System) and sensors attached to the vehicle through a Kalman filter. However, in recent years, new technologies have been used to determine the location of a moving object owing to the improvement in computing power and the advent of deep learning. Various techniques using RNN (Recurrent Neural Network), LSTM (Long Short-Term Memory), and NARX (Nonlinear Auto-Regressive eXogenous model) exist for such learning-based positioning methods. The purpose of this study is to compare the precision of existing filter-based sensor fusion technology and the NARX-based method in case of GNSS signal blockages using simulation data. When the filter-based sensor integration technology was used, an average horizontal position error of 112.8 m occurred during 60 seconds of GNSS signal outages. The same experiment was performed 100 times using the NARX. Among them, an improvement in precision was confirmed in approximately 20% of the experimental results. The horizontal position accuracy was 22.65 m, which was confirmed to be better than that of the filter-based fusion technique.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 정기총회 및 추계학술대회 논문집
• /
• pp.275-280
• /
• 2011

Due to high-speed of trains, the track deformation increases rapidly and may lead to track irregularities causing the track stability problem. To secure the track stability, the continual inspection on track irregularities is required. The paper presents a methodology for identifying track irregularity using the NARX neural network considering non-linearity in the train structural system. A simulation study has been carried out to examine the proposed method. Acceleration time history data measured at a bogie were re-sampled to every 0.25m track irregularity. In the simulation study, two sets of measured data were simulated. The second data set was obtained by a train with 10% more mass than the one for the first data set. The first set of simulated data was used to train the series-parallel mode of NARX neural network. Then, the track irregularities at the second time period are identified by using the measured acceleration data. The closeness of the identified track irregularity to the actual one is evaluated by PSD and RMSE.

• 대한토목학회논문집
• /
• 제40권3호
• /
• pp.303-314
• /
• 2020

수자원분야에서 이용되는 강우에 따른 유역의 수문학적 시스템, 도시지역 및 하천에 대한 수리학적 시스템은 비선형성이 강하고 많은 변수들을 포함하고 있다. 이러한 특성을 가진 시계열 자료에서 기계학습을 통한 예측은 예측시점 이전의 자료 특성을 반영하지 못하는 등 기본적인 신경망으로는 부족한 상황이 발생하기도 한다. 본 연구에서 적용할 강우-유출량과 같이 비선형성이 강하고 시간종속성이 높은 복잡한 시계열 자료를 예측하기 위해 신경망의 학습능력을 극대화한 순환형 동적 신경망(Recurrent Dynamic Neural Network)의 한 종류인 동시에, 시간 지연 신경망(Time-Delay Neural Network)의 특성을 가진 비선형 자기회귀(NARX, Nonlinear Autoregressive Exogenous Model) 인공신경망을 사용하였다. 이를 태화강 지방하천 구간에 적용하여 NARX 인공신경망의 시간 지연 매개변수를 10분에서 120분까지 조정하며 모의한 결과에 대해 여러 통계지표를 이용해 정량적으로 평가하였다. 그 결과 지연시간이 증가할수록 효율계수(NSE)가 0.530에서 0.988으로 증가하고, 평균제곱근편차(RMSE)가 379.9 ㎥/s에서 16.1 ㎥/s로 감소하는 등 정교한 예측이 가능함을 확인하였다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2012년도 제38회 춘계학술대회논문집
• /
• pp.268-272
• /
• 2012

비행체의 경우 운용 중에 센서 등의 고장이 발생하더라도 이를 극복하고 지속적으로 운용이 가능하게 설계하여야 한다. 이러한 비행체에는 중요 센서의 고장에 대비하여 대체 가능한 센서를 여분으로 장착하여 측정값에 대한 신뢰성을 확보하고 있다. 본 논문에서는 시뮬레이션을 통하여 적용 대상 터보제트엔진의 센서 측정값을 MIMO NARX 모델을 사용하여 센서 결함이 발생하더라도 상태추정을 통하여 대치 가능함을 보였고, HILS 장비에 적용할 수 있는 엔진 모델로 사용가능함을 보였다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2011년도 제37회 추계학술대회논문집
• /
• pp.599-602
• /
• 2011

일회성 비행체의 경우 임무 수행 시작 후에 발생하는 센서 등이 고장 나더라고 이를 극복하고 임무를 완료할 수 있게 강인하게 추진체 제어기를 설계하여야 한다. 이러한 비행체에는 중요 센서의 고장에 대비하여 대체 가능한 센서를 여분으로 장착하여 내결함성을 향상시키고 있다. 이 경우 추가 센서 장착으로 인해 비행체의 가격이 상승하게 된다. 본 논문에서는 NARX 모델을 사용하여 적용대상 추진체의 속도 센서를 대치 가능하게 하였고 각각의 센서 신호는 모델 기반의 고장 진단을 수행하여 고장 식별을 하였다. 설계된 NARX 및 고장 진단 알고리즘은 최적화하여 TI 사의 TMS320F2812 에 탑재되어 실시간으로 HIL 장비와 연동될 수 있도록 하였다. 본 논문에서는 최소한의 센서를 적용하여 일회성 비행체의 내결함성을 향상시키고 복잡한 고장 상황하에서 주어진 임무를 완료할 수 있는 추진체 제어기의 설계하여 HIL 환경에서 시험하여 적용 가능성을 확인하였다.

• Animal Bioscience
• /
• 제34권4호
• /
• pp.770-782
• /
• 2021

Objective: The aim of the present study was to compare the effectiveness of three approaches (the seasonal auto-regressive integrated moving average [SARIMA] model, the nonlinear autoregressive exogenous [NARX] artificial neural networks and Wood's model) to the prediction of milk yield during lactation. Methods: The dataset comprised monthly test-day records from 965 Polish Holstein-Friesian Black-and-White primiparous cows. The milk yields from cows in their first lactation (from 5 to 305 days in milk) were used. Each lactation was divided into ten lactation stages of approximately 30 days. Two age groups and four calving seasons were distinguished. The records collected between 2009 and 2015 were used for model fitting and those from 2016 for the verification of predictive performance. Results: No significant differences between the predicted and the real values were found. The predictions generated by SARIMA were slightly more accurate, although they did not differ significantly from those produced by the NARX and Wood's models. SARIMA had a slightly better performance, especially in the initial periods, whereas the NARX and Wood's models in the later ones. Conclusion: The use of SARIMA was more time-consuming than that of NARX and Wood's model. The application of the SARIMA, NARX and Wood's models (after their implementation in a user-friendly software) may allow farmers to estimate milk yield of cows that begin production for the first time.