• 한국도로학회논문집
• /
• 제4권2호
• /
• pp.9-18
• /
• 2002

포장의 공용성에 영향을 미치는 주요파손은 소성변형, 피로균열, 종단평탄성이다. 따라서 이들 세가지 파손량에 영향을 미치는 요인들을 분석하고 예측모델을 개발하는 것이 포장의 공용성 관리면에서 중요하다. 본 논문에서는 미국에서 개발되어 다양한 포장구간에 대한 광범위한 데이터가 축적되어 있는 DataPave 프로그램을 이용하여 세가지 파손량과 각각에 영향을 미치는 인자들을 추출한 후 파손 예측모델을 개발하였다. 개발된 모델의 입력변수들이 각각의 파손량에 미치는 영향을 파악하기 위해 민감도분석을 수행하였다. 소성변형 예측모델의 민감도분석결과 아스팔트함량, 공극율, 노상의 최적함수비가 주요영향인자로 나타났으며, 피로균열예측모델의 경우 아스팔트점도, 아스팔트함량, 공극율 순으로 나타났다. 종단평탄성 예측모델 분석결과 아스팔트점도, 노상골재의 200번체 통과율, 아스팔트함량 순으로 영향을 미치는 것을 알 수 있었다.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.478-484
• /
• 2018

본 연구는 기온, 강수량, 풍향, 풍속, 습도, 운량, 일조, 일사 등 시간별 기상 데이터를 이용하여, 일사 및 일조 그리고 태양광 발전예측을 하였다. 지도학습에서 입출력패턴은 예측에서 가장 중요한 요소이지만 인간이 직접 결정해야하기 때문에, 반복적인 실험에 의해 결정해야 한다. 본 연구는 일사 및 일조 예측을 위하여 4가지 모델의 입출력 패턴을 제안하였다. 또한, 예측된 일조 및 일사 데이터와 전라남도 영암 태양광 발전소의 발전량 데이터를 사용하여 태양광 발전량을 예측하였다. 실험결과 일조 및 일사 예측에서 모델 4가 가장 예측결과가 우수했으며, 모델 1에 비해 일조의 RMSE는 1.5배 정도 그리고 일사의 RMSE는 3배 정도 오차가 줄었다. 태양광 발전예측 실험결과 일조 및 일사와 마찬가지로 모델 4가 가장 예측결과가 좋았으며, 모델 1 보다 RMSE가 2.7배 정도 오차가 줄었다.

• The Plant Pathology Journal
• /
• 제36권1호
• /
• pp.54-66
• /
• 2020

This study was conducted to evaluate usefulness of numerical weather prediction data generated by the Unified Model (UM) for plant disease forecast. Using the UM06- and UM18-predicted weather data, which were released at 0600 and 1800 Universal Time Coordinated (UTC), respectively, by the Korea Meteorological Administration (KMA), disease forecast on bacterial grain rot (BGR) of rice was examined as compared with the model output based on the automated weather stations (AWS)-observed weather data. We analyzed performance of BGRcast based on the UM-predicted and the AWS-observed daily minimum temperature and average relative humidity in 2014 and 2015 from 29 locations representing major rice growing areas in Korea using regression analysis and two-way contingency table analysis. Temporal changes in weather conduciveness at two locations in 2014 were also analyzed with regard to daily weather conduciveness (C_i) and the 20-day and 7-day moving averages of C_i for the inoculum build-up phase (C_inc) prior to the panicle emergence of rice plants and the infection phase (C_inf) during the heading stage of rice plants, respectively. Based on C_inc and C_inf, we were able to obtain the same disease warnings at all locations regardless of the sources of weather data. In conclusion, the numerical weather prediction data from KMA could be reliable to apply as input data for plant disease forecast models. Weather prediction data would facilitate applications of weather-driven disease models for better disease management. Crop growers would have better options for disease control including both protective and curative measures when weather prediction data are used for disease warning.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권3호
• /
• pp.123-128
• /
• 2019

본 논문에서는 RCNN (recurrent convolution neural network) 계층 모델을 채택한 인공 지능에 기반을 둔 주가 예측을 제안한다. LSTM (long-term memory model) 기반 신경망은 시계열 데이터의 예측에 사용된다. 다른 한편, 컨볼루션 신경망은 데이터 필터링, 평균화 및 데이터 확장을 제공한다. 제안된 주가 예측에서는 위에서 언급 한 장점들을 RCNN 모델에서 결합하여 적용함으로써 다음날의 주가 종가를 예측한다. 그리고 최근의 시계열의 데이터를 강조하기 위해 커스텀 가중치 손실 함수가 채택되었다. 또한 시장의 상황을 반영하기 위해 주가 인덱스에 관련된 데이터를 입력으로 포함하였다. 제안된 주가 예측 방식은 실제 주가를 대상으로 한 실험에서 3.19%로 테스트 오차를 줄였으며, 다른 방법보다 약 19%의 성능 향상을 거둘 수 있었다.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제13권1호
• /
• pp.641-649
• /
• 2021

Fuel oil consumption (FOC) must be minimized to determine the economic route of a ship; hence, the ship power must be predicted prior to route planning. For this purpose, a numerical method using test results of a model has been widely used. However, predicting ship power using this method is challenging owing to the uncertainty of the model test. An onboard test should be conducted to solve this problem; however, it requires considerable resources and time. Therefore, in this study, a deep feed-forward neural network (DFN) is used to predict ship power using deep learning methods that involve data pattern recognition. To use data in the DFN, the input data and a label (output of prediction) should be configured. In this study, the input data are configured using ocean environmental data (wave height, wave period, wave direction, wind speed, wind direction, and sea surface temperature) and the ship's operational data (draft, speed, and heading). The ship power is selected as the label. In addition, various treatments have been used to improve the prediction accuracy. First, ocean environmental data related to wind and waves are preprocessed using values relative to the ship's velocity. Second, the structure of the DFN is changed based on the characteristics of the input data. Third, the prediction accuracy is analyzed using a combination comprising five hyperparameters (number of hidden layers, number of hidden nodes, learning rate, dropout, and gradient optimizer). Finally, k-means clustering is performed to analyze the effect of the sea state and ship operational status by categorizing it into several models. The performances of various prediction models are compared and analyzed using the DFN in this study.

• 대기
• /
• 제24권1호
• /
• pp.123-130
• /
• 2014

계절예측시스템의 배경 지식이 부족한 사용자가 시스템을 효율적으로 구동하고 조절할 수 있도록 자동화에 최적화된 시스템을 기상청 국가태풍센터에 구축하였다. 기존 예측시스템에서 사용자의 주관이 포함되어 자동화 구축에 제약을 주는 군집분류와 예측인자 선정 과정은 미리 수행되고, 그 출력자료는 입력자료로서 제공된다. 시스템을 이해하고 운용하는데 도움을 주기 위해 기상청 규격에 따라 디렉토리 구조를 재구성하고, 해당 디렉토리에 포함되어 있는 입력자료와 소스코드를 이용해 산출되는 출력자료를 정리하였다. 또한 기존 예측시스템에서 고정되어 있거나 수동으로 설정해야 하는 구동조건을 효과적으로 조절하기 위해 네임리스트를 이용한 사용자인터페이스를 추가하여 자동화 시스템을 최적화하였다. 이러한 자동화 시스템에 의해 기술적으로 가능해진 조기예측의 성능을 검증한 결과, 예측시점을 5월에서 1월까지 앞당겨도 모든 진로유형에서 높은 예측성능이 유지되었다. 이처럼, 조기예측이 가능해진 태풍진로 계절예측시스템은 국가태풍센터의 현업예보뿐만 아니라 태풍계절예측 분야의 연구자에게도 매우 유익할 것으로 기대되고, 본 기술노트는 효율적인 예측시스템 운영을 위한 기술적 지침서로 활용될 것이다.

• 에너지공학
• /
• 제28권4호
• /
• pp.82-93
• /
• 2019

본 연구에서는 기존 열수요 예측 시스템이 공휴일과 같은 특정 일자의 열수요 예측율이 저하되는 문제점을 개선하기 위해 새로운 모델을 제안한다. 제안된 모델은 사계절 혼합형 신경망 모델(Four Season Mixed Heat Demand Prediction Neural Network Model)로서 열수요 예측율 상승하였고, 특히 예측일 유형별(평일/주말/공휴일) 열수요 예측율이 크게 증가하였다. 제안된 모델은 다음과 같은 과정을 통해 선정되었다. 특정 계절에 예측일 유형별로 고른 오차를 갖는 모델을 선정하여 전체 예측 모델을 구성한다. 학습 시간의 단축과 과도학습을 방지하기 위해 구조적으로 단순화된 서로 다른 4개의 모델을 각각 학습한 후에 다양한 조합을 통해 최적의 예측 오차를 보여주는 모델을 선정하였다. 모델의 출력은 예측일의 24시간의 시간대별 열수요이며 총합은 일일 총열수요이다. 이 예측값을 통해 효율적인 열공급 계획을 수립 할 수 있으며, 목적에 따라 출력값을 선택하여 활용할 수 있다. 제안된 모델의 일일 열 총수요 예측의 경우, 전체 MAPE(Mean Absolute Percentage Error, 평균 절대 비율 오차)가 개별 모델의 5.3~6.1%에서 5.2%로 향상되었고, 공휴일 열수요예측은 4.9~7.9%에서 2.9%로 크게 개선되었다. 본 연구에서는 한국 지역난방공사에서 제공한 특정 아파트 단지의 34개월 분량의(2015년 1월~ 2017년10월) 시간단위 열수요 데이터를 활용하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1711-1716
• /
• 2004

This paper presents identification and control of a 10-m antenna via accelerometers and angle encoder data. Artificial Neural Networks can be used effectively for the identification and control of nonlinear dynamical system such as a large flexible antenna. Some identification results are shown and compared with the results of conventional prediction error method. And we use a neural network inverse model for control the large flexible antenna. In the neural network inverse model, a neural network is trained, using supervised learning, to develop an inverse model of the antenna. The network input is the process output, and the network output is the corresponding process input. The control results show the validation of the ANN approach for identification and control of the 10-m flexible antenna.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2011년도 추계학술대회
• /
• pp.229-230
• /
• 2011

This paper presents deadbeat controller for output current in the utility-interactive inverter. The time delay related with deadbeat controller is compensated by using prediction control. By computer simulation and experiment, the dynamic characteristics of deadbeat controller is verified.

• Journal of Electrical Engineering and Technology
• /
• 제4권3호
• /
• pp.370-376
• /
• 2009

The influence of magnetic saturation on electromagnetic field distribution in both a permanent-magnet direct-current (PMDC) motor and a field-winding (wound-field) direct-current (FWDC) motor, with the same output mechanical power, has been studied. In this paper, an approximate analytical method and time-stepping Finite Element Method (FEM) are used for prediction of Back-EMF and electromagnetic torque. No-load and rotor-lucked conditions, according to experimental measurements, and the FEM and analytical method studies of the motors have been considered. A sensitivity analysis has also been successfully accomplished on the major design parameters that affect motor performance. At last, these two DC motors are compared, in spite of their differences, on the basis of measured output characteristics.