• 지능정보연구
• /
• 제24권2호
• /
• pp.243-264
• /
• 2018

현재 전세계 배터리 시장은 이차전지 개발에 박차를 가하고 있는 실정이지만, 실제로 소비되는 배터리 중 가격 대비 성능이 좋고 재충전을 통해 다시 재사용이 가능한 납축전지(이차전지)의 소비가 광범위하게 이루어지고 있다. 하지만 납축전지는 복합적 셀(cell)을 묶어 하나의 배터리를 구성하여 활용하는 배터리의 특성상 하나의 셀에서 열화가 발생하면 전체 배터리의 손상을 가져와 열화가 빨리 진행되는 문제가 존재한다. 이를 극복하기 위해 본 연구는 기계학습을 통한 배터리 상태 데이터를 학습하여 배터리 열화를 예측할 수 있는 모델을 개발하고자 한다. 이를 위해 실제 현장에서 배터리 상태를 지속적으로 모니터링 할 수 있는 센서를 골프장 카트에 부착하여 실시간으로 배터리 상태 데이터를 수집하고, 수집한 데이터를 이용하여 기계학습 기법을 적용한 분석을 통해 열화 전조 현상에 대한 예측 모델을 개발하였다. 총 16,883개의 샘플을 분석 데이터로 사용하였으며, 예측 모델을 만들기 위한 알고리즘으로 의사결정나무, 로지스틱, 베이지언, 배깅, 부스팅, RandomForest를 사용하였다. 실험 결과, 의사결정나무를 기본 알고리즘으로 사용한 배깅 모델이 89.3923%이 가장 높은 적중률을 보이는 것으로 나타났다. 본 연구는 날씨와 운전습관 등 배터리 열화에 영향을 줄 수 있는 추가적인 변수들을 고려하지 못했다는 한계점이 있으나, 이는 향후 연구에서 다루고자 한다. 본 연구에서 제안하는 배터리 열화 예측 모델은 배터리 열화의 전조현상을 사전에 예측함으로써 배터리 관리를 효율적으로 수행하고 이에 따른 비용을 획기적으로 줄일 수 있을 것으로 기대한다.

• 대기
• /
• 제26권4호
• /
• pp.649-663
• /
• 2016

This study investigates eddy transports in terms of space and time for momentum, heat, and moisture, emphasizing comparison of the results in three reanalysis data sets including ERA-Interim from the European Center for Medium-range Weather Forecasts (ECMWF), NCEP2 from the National Center for Environmental Prediction and the Department of Energy (NCEP-DOE), and JRA-55 from the Japan Meteorological Agency (JMA) during boreal winter. The magnitudes for eddy transports of momentum in ERA-Interim are represented as the strongest value in comparison of three data sets, which may be mainly come from that both zonal averaged meridional and zonal wind tend to follow the hierarchy of ERA-Interim, NCEP2, and JRA-55. Whereas in relation to heat and moisture eddy transports, those of NCEP2 are the strongest, implying that zonal averaged air temperature (specific humidity) tend to follow the raking of NCEP2, ERA-Interim, and JRA-55 (NCEP2, JRA-55, and ERA-Interim), except that transient eddy transports for heat in ERA-Interim are the strongest involving both meridional wind and air temperature. The stationary and transient eddy transports in the context of space and time correlation, and intensity of standard deviation demonstrate that the correlation (intensity of standard deviation) influence the structure (magnitude) of eddy transports. The similarity between ERA-Interim and NCEP2 (ERA-Interim and JRA-55) of space correlation (time correlation) closely resembles among three data sets. A resemblance among reanalysis data sets of space correlation is larger than that of time correlation.

• 생물환경조절학회지
• /
• 제26권4호
• /
• pp.411-417
• /
• 2017

광도, 포차와 같은 환경요인과 엽면적 지수와 같은 생육요인은 증산 속도를 변화시키는 중요한 변수이다. 본 연구에서는 Penman-Monteith의 증산 모델과 인공신경망(ANN)에 학습에 의한 증산속도 추정값을 비교하는 것을 목표로 하였다. 파프리카(Capsicum annuum L. cv. Fiesta)의 증산속도 추정은 로드셀을 이용한 배지의 중량변화를 통해 계산하였다. 온도, 상대습도, 배지 중량 데이터는 1분 단위로 2개월간 수집하였다. 증산량은 일차식으로는 정확한 추정이 어렵기 때문에, 기존의 Penman-Monteith식에 보정 광도를 사용한 수정식 Shin 등(2014)을 사용하였다. 이와는 별개로 ANN을 사용하여 증산량을 추정 비교하였다. 이를 위하여 광도, 온도, 습도, 엽면적지수, 시간을 사용한 입력층과 5개의 은닉층으로 구성된 ANN을 구축하였다. 각 은닉층의 퍼셉트론 개수는 가장 정확성이 높은 512개로 하였다. 검증 결과, 보정된 Penman-Monteith 모델식의 $R^2=0.82$이었고, ANN의 $R^2=0.94$로 나타났다. 따라서 ANN은 일반적인 모델식에 비해 정확한 증산량 추정이 가능한 것으로 나타났고, 추후 수경재배의 효율적인 관수전략 수립에 있어 적용 가능할 것으로 판단되었다.

• 설비공학논문집
• /
• 제16권1호
• /
• pp.42-53
• /
• 2004

An experimental study on the refrigerant-side pressure drop of slit fin-tube heat exchanger has been carried out. A comparison was made between the predictions of previously proposed empirical correlations and experimental data for the pressure drop on design conditions of condenser in micro-fin tube for R22 and its alternatives, R407C (R32/125/134a, 23/25/52 wt.％) and R410A (R32/125, 50/50 wt.％). Experiments were carried out under the conditions of inlet refrigerant temperature of 6$0^{\circ}C$ and mass fluxes varying from 150 to 250 kg/$m^2$s for R22, R407C and R410A. The inlet air conditions are dry bulb temperature of 35$^{\circ}C$, relative humidity of 40% and air velocity varying from 0.68 to 1.43 m/s. Experiments show that pressure drop for R410A and R407C were 17.8∼20.2％ and 5∼6.8％ lower than those of R22 respectively for the degree of subcooling of 5$^{\circ}C$. For the mass fluxes of 200∼250 kg/$m^2$s, the deviation between the experimental and predicted values for the pressure drop was less than $\pm$20％ for R22, R407C and R410A.

• 대한원격탐사학회지
• /
• 제36권1호
• /
• pp.41-53
• /
• 2020

The production of near- and off-shore fisheries in South Korea is decreasing due to rapid changes in the fishing environment, particularly including higher sea temperature in recent years. To improve the competitiveness of the fisheries, it is necessary to provide fish catch information that changes spatiotemporally according to the sea state. In this study, artificial intelligence models that predict the CPUE (catch per unit effort) of mackerel, anchovies, and squid (Todarodes pacificus), which are three major fish species in the near- and off-shore areas of South Korea, on a 15-km grid and daily basis were developed. The models were trained and validated using the sea surface temperature, rainfall, relative humidity, pressure,sea surface wind velocity, significant wave height, and salinity as input data, and the fish catch statistics of Suhyup (National Federation of Fisheries Cooperatives) as observed data. The 10-fold blind test results showed that the developed artificial intelligence models exhibited accuracy with a corresponding correlation coefficient of 0.86. It is expected that the fish catch models can be actually operated with high accuracy under various sea conditions if high-quality large-volume data are available.

• 한국산학기술학회논문지
• /
• 제19권4호
• /
• pp.603-610
• /
• 2018

본 산업의 발달 및 화석연료 사용 증가로 인하여 지구온난화 및 기후변화가 가속화되어 기존보다 강도 높은 자연재해가 빈번하게 발생하고 있다. 전기시설물은 옥외에 시설된 경우가 많아 자연재해에 큰 영향을 받아 전기설비 관련 사고가 증가하는 추세이다. 본 논문에서는 국내의 기후변화에 따른 전기화재, 감전사고 및 전기설비사고의 통계 현황을 분석하여 기후변화와 연계한 위험도를 제시한다. 또한, 다양한 지역 별(광역시) 기후조건(온도, 습도)과 연계한 전기재해 데이터 분석을 통하여 각 지역의 월별 전기화재 위험도 분석 모델을 제시하고, 저압, 고압 설비의 자연재해에 대한 사고 위험도를 분석한다. 이러한 지역별, 설비별 위험도 분석 모델을 통하여 기초적인 전기재해 예측 모델을 제시하였다. 따라서 제시한 분석 데이터를 활용하여 향후 각 지역 및 전기설비를 대상으로 전기재해 위험도 예측 맵을 웹사이트나 스마트폰 앱을 통하여 전기안전 서비스를 제안할 수 있으며, 기후변화의 따른 자연재해에 대한 전기사고를 미연에 방지하기 위한 내성기준이나 전기설비의 내구성을 증가시키기 위한 노력이 필요하다.

• 한국컴퓨터정보학회논문지
• /
• 제27권10호
• /
• pp.123-130
• /
• 2022

본 논문은 건설현장의 콘크리트 붕괴사고를 사전에 예방하기 위한 조치 중 하나로 감수율에 따른 콘크리트강도 저하에 영향을 미치는 일일 시간대별 변화와 온도의 변화를 시계열데이터로 축적된 기상청 자료를 기반으로 분석했다. 감수율 발생 구간의 예측을 확인할 신뢰성 있는 모델로 규칙적이고 명확한 시계열데이터 모델에 적합한 SARIMA모델을 통하여 p_value는 0.5 이하, coef는 일방향으로 나타나는 등 검증 항목들이 신뢰성 확보에 유의미한 결과를 얻었다. 이러한 신뢰를 바탕으로 확보한 데이터를 이용하여 시간대별 온도변화와 구간별 감수율을 분석한 결과 7~8월, 12~13시, 29~31℃ 구간이 가장 큰 감수율을 나타냄을 알 수 있다. 연구 결과를 이용하여 연구 결과 구간의 요인이 발생하면 배치플랜트에서 물-시멘트 배합설계 시 감수율을 반영한 레미콘을 생산하여 감수율에 따른 콘크리트 압축강도 저하를 예방할 수 있을 것으로 기대된다.

• 대한교통학회지
• /
• 제27권6호
• /
• pp.139-146
• /
• 2009

대기오염 물질배출량 중 도로이동오염원에 의한 배출량은 다른 오염원에 비해 월등히 높은 편이나 관련연구가 미흡한 실정이다. 본 연구에서는 교통량, 속도 및 기타기상 조건의 실시간 자료와 도로기하구조와 같은 도로특성인자를 반영하여, 대기오염 물질 배출에 도로환경요인이 미치는 영향을 분석하였다. 서울시의 실시간 대기오염 데이터와 교통량, 도로관련 데이터를 수집하여 대기오염 물질별 오염배출량 예측 회귀모형식을 구축하였다. 본 연구에서 얻어진 결과를 요약하면 다음과 같다. 첫째, 교통량이 증가할수록 오염물질의 측정량은 증가하며, 속도가 증가할수록 측정량은 감소한다. 둘째, 풍속, 온도, 습도가 증가할수록 측정량은 감소한다. 셋째, 교차로 형태가 복잡할수록 측정량은 감소한다. 예측모형을 검증하기 위하여 예측치와 실측치 데이터를 비교 분석한 결과 총 7곳의 도로변대기오염 측정망 중 실측치와 예측치가 가장 부합하는 측정망은 청계 4가 측정망인 것으로 나타났다. 본 연구는 실시간 대기오염배출량 데이터와 교통량 데이터, 도로환경 특성데이터를 이용하여 예측모형을 구축하여 현실적인 도로환경요인이 대기질에 미치는 영향을 설명하였다는 데 의의가 있다.

• 대한토목학회논문집
• /
• 제28권5B호
• /
• pp.485-493
• /
• 2008

한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Multi Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation)을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다.

• 디지털융복합연구
• /
• 제14권8호
• /
• pp.245-252
• /
• 2016

본 연구는 현재 운영 중인 자동기상관측장비인 ASOS와 AWS의 결측에 대해 안공신경망을 활용하여 주변 관측값을 기반으로 결측을 보완하기 위한 연구이다. 2011년부터 2015년까지 수집된 서울지역 기온, 습도, 풍속을 대상으로 학습데이터를 구성하고 인공신경망을 통해 학습모델을 구축하였으며, 서울관측소를 결측으로 가정하고 학습 모델에 대한 검증을 수행하였다. 학습횟수 증가에 따른 민감도 실험 결과 초기종료는 학습횟수 2,000회에서 나타났다. 관측과 추정치의 상관관계는 모든 기상변수에서 0.6이상이었으며 기온과 습도의 경우 각각 0.9, 0.8 이상의 높은 상관성을 보였다. RMSE는 대부분 기상변수에 대해 학습횟수가 증가함에 따라 꾸준히 감소하지만 풍속의 경우 뚜렷한 증감 경향이 나타나지 않았다. 학습시간은 학습횟수가 증가할수록 지수함수적으로 증가하는 경향을 보였다. 학습 횟수 40회의 ANN 성능은 초기종료 시점까지 향상된 결과에 80%이상의 효과를 볼 수 있으며 2초 내의 빠른 학습시간으로 신속한 결측 보완을 통해 보다 상세한 기상정보의 활용이 가능할 것으로 기대된다.