• 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.

• 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.

• 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.

• 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.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제54권9호
• /
• pp.567-569
• /
• 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 the concentration of 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 states when control rods and boron were adjusted in load following operations. Data of the Korea Next Generation PWR 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 the developed model seems to be utilized as a handy tool for the use of a plant simulation.

• 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.

• Smart Structures and Systems
• /
• 제15권4호
• /
• pp.1103-1120
• /
• 2015

A self-sensing magnetorheological (MR) damper with embedded piezoelectric force sensor has recently been devised to facilitate real-time close-looped control of structural vibration in a simple and reliable manner. The development and characterization of the self-sensing MR damper are presented based on experimental work, which demonstrates its reliable force sensing and controllable damping capabilities. With the use of experimental data acquired under harmonic loading, a nonparametric dynamic model is formulated to portray the nonlinear behaviors of the self-sensing MR damper based on NARX modeling and neural network techniques. The Bayesian regularization is adopted in the network training procedure to eschew overfitting problem and enhance generalization. Verification results indicate that the developed NARX network model accurately describes the forward dynamics of the self-sensing MR damper and has superior prediction performance and generalization capability over a Bouc-Wen parametric model.

• 한국정보통신학회논문지
• /
• 제24권6호
• /
• pp.809-817
• /
• 2020

소형위성 전력분배 및 전송모듈의 설계와 개발과정에서 딥러닝 알고리즘으로 동적 전력자원의 안정성을 평가하였다. 안정성 평가에 따른 요구사항은 소형위성 탑재체인 SAR 레이더의 전력분배모듈과 수요모듈의 전력전송기능을 구성하였다. 전력모듈인 PDM을 구성하는 스위칭 전력부품의 성능확인을 위해 동적신경망을 활용하여 신뢰성을 검증하였다. 신뢰성 검증을 위한 딥러닝 적용대상은 소형위성 본체로부터 공급되는 전력에 대한 탑재체의 전력분배기능이다. 이 기능에 대한 성능확인을 위한 모델링 대상은 출력전압변화추이(Slew Rate Control), 전압오류(Voltage Error), 부하특성(Load Power)이다. 이를 위해 첫째, 모델링으로 Coefficient Structure 영역을 정의하고 PCB모듈을 제작하여 안정성과 신뢰성을 비교 평가하였다. 둘째, 딥러닝 알고리즘으로 Levenberg-Marquare기반의 Two-Way NARX신경망 Sigmoid Transfer를 사용하였다.

• 한국물환경학회지
• /
• 제31권1호
• /
• pp.19-28
• /
• 2015

The purpose of this research is reconstruction of annual precipitation based on Tree-ring series at Seorak mountain and examine its effectiveness. To do so we performed nonlinear time series characteristics test of Tree-ring series and reconstructed annual precipitation of Gangneung from 1687 to 1911 using Artificial neural network and Nonlinear autoregressive exogeneous input (NARX) model which reflects stochastic properties. As a result, Tree-ring series at Seorak Mountain shows nonlinear time series property and reconstructed annual precipitation series drawn from NARX is similar in statistical characteristics of observed annual time series.

• 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.