• 한국건설관리학회논문집
• /
• 제21권6호
• /
• pp.38-45
• /
• 2020

본 연구는 양방향 LSTM, Random Search, 데이터 조합, Dropout을 이용한 철근 가격 단기예측 딥러닝 모델을 개발하는 체계적인 절차를 제시한다. 일반적으로 사용자가 직관적으로 이러한 값을 결정하여 예측성능이 우수한 결과를 탐색하는데 시간이 많이 걸리고 반복적인 시도를 하게 되는데, 이러한 시도로 찾아낸 결과가 우수하다고 보장할 수 없다. 본 연구에서 제시하는 제안된 접근방식으로 단기 가격예측의 평균 정확도는 약 98.32%이다. 그리고 이 방식은 철근 이외의 건축재료를 비롯하여 통계기반의 시계열 데이터로 가격을 예측하는 연구에서 본 연구에서 제시한 내용이 우수한 예측결과를 도출하기 위한 기초적 자료로 활용될 수 있을 것이다.

• 한국인터넷방송통신학회논문지
• /
• 제12권5호
• /
• pp.229-235
• /
• 2012

경제적인 국제화가 심화되어 세계경제가 통합화되는 환경에서 기업 및 개인, 금융기관 등의 외환거래 참가가들에게 외환거래로 인한 환위험의 회피방안이 무엇보다 절실하다. 이 방안을 마련하기 위하여 본 연구에서는 환율, 주가와 같은 시계열데이터의 모형추정에 적합한 은닉마아코프모델을 통해 단기 환율의 예측모형을 추정하고 이를 통해 향후 예측에 적용한다. 실제의 원/달러 환율데이터를 적용하여 최적의 모형이 추정된다면 이를 통해 향후의 일정기간의 운동양태의 예측이 가능할 것이다. 은닉마아코프모형의 추정을 위하여 베이지안정보기준을 통해 모형의 상태수를 정확하게 추정하는지를 확인하였으며 추정되는 모형으로 예측한 결과 실제 운동양태와 예측에 있어 두 곡선의 운동양태가 유사함을 확인하였다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권7호
• /
• pp.187-194
• /
• 2022

LNG는 미래 친환경으로 가는 과도기적 에너지원으로서, 세계적인 친환경 규제, COVID-19 팬데믹, 러시아-우크라이나 전쟁 등을 계기로 엄청난 시장의 주목을 받고 있으며, 미국과 호주 등 새로운 LNG 공급처도 다양화되고 있어 LNG 스팟시장이 갈수록 커질 것으로 예상된다. 이에 반해 LNG 운송시장에 관한 연구는 그동안 소외됐었다. 본 연구는 LNG 160K 스팟운임의 단기예측에 연구를 시도하였으며 인공신경망과 ARIMA 모형을 활용하여 예측성능을 비교하였다. 본 논문의 결과, ARIMA와 인공신경망의 예측성능에 관한 우열을 가리기는 어려웠으나 ARIMA모형이 가지는 데이터 제약이 있으므로 ANN의 상대적인 자유로운 제약조건을 고려하면 LNG 160K 스팟운임 예측에 활용 가능성을 확인하였다. 본 논문은 LNG 160K 스팟운임에 관하여 인공신경망을 적용한 최초의 시도로서 학문적인 의의가 있으며, 스팟운임의 단기예측 정확성을 높여 시장 참여자들의 단기투자 의사결정의 질을 높일 수 있다는 측면에서 실무적인 기여를 할 수 있을 것으로 기대된다.

• 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.

• 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.

• 대한원격탐사학회지
• /
• 제32권2호
• /
• pp.155-169
• /
• 2016

본 연구에서는 2014년 8월 부산 경남 집중호우 사례를 대상으로 레이더와 위성결합 Multi-sensor Blending 초단기 강우예측을 실시하였다. 레이더 최적 Z-R관계는 열대형 강수 Z-R관계식($Z=32R^{1.65}$)을 적용하였으며, 20 mm/h 이상의 강한 강우에서 강수량 추정 정확도가 향상됨을 확인하였다. 또한 60 mm/h 이상 강한 폭우사상에 대하여 천리안 위성자료와 레이더자료를 합성한 결과 정량강수 추정 성능이 향상됨을 확인하였다. 지속시간별 강우예측 정확도 검증을 위하여 AWS, MAPLE 자료와 비교결과, 강우예측 1시간까지 약 50%이상의 지점강우예측 정확도를 확보하였으며, 10분 단위 예측시간별 상관계수는 0.80~0.53, 평균제곱근오차는 3.99~6.43 mm/h로 분석되었다. 본 연구 결과 레이더와 위성정보를 이용한 보다 신뢰성 있는 강우예측 정보 활용이 가능할 것으로 판단되며, 향후 지속적인 사례연구와 레이더 위성 활용 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1077-1093
• /
• 2020

해수면 온도는 전 세계 해양, 기상 현상에 영향을 주고 해양 환경 변화와 생물에게 영향을 주는 중요한 요소이다. 특히, 우리나라 남해안을 비롯한 연안 지역의 경우 어업 및 양식업 등의 수산업이 많이 발달하여, 매년 고수온 현상으로 인한 사회·경제적 피해가 발생하고 있다. 따라서 위성 자료와 같은 광범위한 지역을 감시할 수 있는 자료를 활용한 해수면 온도 및 공간적 분포의 예측기술 개발을 통하여 피해를 예방할 수 있는 시스템을 구축할 필요가 있다. 해수면 온도 예측은 기존의 수치 모델을 통해서 예측을 진행하였지만, 다수의 역학적 요인들을 사용하여 예측 결과 산출 시 복잡함이 존재한다. 최근 기계학습 및 딥러닝 기법이 발달함에 따라 해양 분야의 예측에 적용하는 연구가 진행되고 있다. 본 연구는 그 중 시·공간적인 일관성 및 정확도가 높은 장단기 기억(Long Short Term Memory, LSTM)과 합성곱 장단기 기억(Convolutional Long Short Term Memory, ConvLSTM) 딥러닝 기법을 사용하여 남해지역의 해수면온도 예측 및 2017년부터 2019년까지의 고수온 발생 건에 대해서 예측 결과의 공간 분포와 공간 분포와 예측 가능성에 대해 분석을 하였다. 1일 예측 모델의 정확도는 RMSE 기준으로 ConvLSTM(전체: 0.33℃, 봄: 0.34℃, 여름: 0.27℃, 가을: 0.32℃, 겨울: 0.36℃)이 LSTM 기반의 예측 모델(전체: 0.40℃, 봄: 0.40℃, 여름: 0.48℃, 가을: 0.39℃, 겨울: 0.34℃)보다 우수한 성능을 보였다. 2017년 고수온 발생 사례에 대해 해수면 온도 예측과 고수온 탐지 성능에서 ConvLSTM은 5일까지 경보를 탐지하였지만, LSTM의 경우 2일 예측 이후 해수면 온도를 과소 추정하는 경향이 커짐에 따라 탐지하지 못하였다. 시공간적인 해수면 온도 예측 시 ConvLSTM이 LSTM에 비해 적절한 모델로 판단된다.

• 대한기계학회논문집A
• /
• 제33권10호
• /
• pp.1119-1124
• /
• 2009

This paper deals with the variability analysis of short term creep rupture test data based on the previous creep rupture tests and the possibility of the creep life prediction. From creep tests performed by constant uniaxial stresses at 600, 650 and $700^{\circ}C$ elevated temperature, in order to investigate the variability of short-term creep rupture data, the creep curves were analyzed for normalized creep strain divided by initial strain. There are some variability in the creep rupture data. And, the difference between general creep curves and normalized creep curves were obtained. The effects of the creep rupture time (RT) and steady state creep rate (SSCR) on the Weibull distribution parameters were investigated. There were good relation between normal Weibull parameters and normalized Weibull parameters. Finally, the predicted creep life were compared with the Monkman-Grant model.

• 대기
• /
• 제31권1호
• /
• pp.73-83
• /
• 2021

Numerical weather prediction (NWP) models play an essential role in predicting weather factors, but using them is challenging due to various factors. To overcome the difficulties of NWP models, deep learning models have been deployed in weather forecasting by several recent studies. This study adapts long short-term memory (LSTM), which demonstrates remarkable performance in time-series prediction. The combination of LSTM model input of meteorological features and activation functions have a significant impact on the performance therefore, the results from 5 combinations of input features and 4 activation functions are analyzed in 9 Automated Surface Observing System (ASOS) stations corresponding to cities/islands/mountains. The optimized LSTM model produces better performance within eight forecast hours than Local Data Assimilation and Prediction System (LDAPS) operated by Korean meteorological administration. Therefore, this study illustrates that this LSTM model can be usefully applied to very short-term weather forecasting, and further studies about CNN-LSTM model with 2-D spatial convolution neural network (CNN) coupled in LSTM are required for improvement.