• 한국지구물리탐사학회:학술대회논문집
• /
• 한국지구물리탐사학회 2009년도 학술대회 초록집
• /
• pp.147-154
• /
• 2009

암석의 속도를 정확히 예측하기 위해서는 속도에 1차적인 영향을 미치는 공극구조의 연구가 필수적이다. 이에 본 연구에서는 고해상도 구조 해석에 가장 많이 사용하고 있는 X선 토모그래피 방법을 이용하여 공극구조를 획득하였다. 그러나 X선 토모그래피 방법의 경우 그 역산과정에서 발생하는 smoothing 효과에 의해 공극구조가 왜곡될 수 있다.이를 간단한 공극구조 생성 방법인 single threshold 방법으로 이분화 할 경우 grain contact 부분이 명확히 표현되지 않아 입자의 접촉면적에 좌우되는 속도의 경우 많은 오차를 야기한다. 또한 grain contact의 정확한 기술을 위해서는 고해상도 토모그램 획득이 매우 중요하며, 해상도에 따른 속도의 변화양상 또한 정량적 분석이 필요한 부분이다. 이를 위해 본 연구에서는 영상처리 기법을 적용하여 다양한 이분화를 시도하고, 서로 다른 해상도의 토모그램을 이용하여 이들이 속도 계산에 미치는 영향을 분석하였다. 다양한 영상처리 기법을 적용한 결과 single threshold 방법으로 이분화 한 결과보다 정확한 접촉면적을 보여주는 이분화 결과를 얻을 수 있었지만 실제 계산된 속도에서는 그 향상 정도가 미미하였다. 고해상도 토모그램을 이용한 경우에는 입자의 grain contact이 명확하게 표현되었고, 속도 또한 상당히 향상된 결과를 보여주었다. 결론적으로 디지털 공극구조에서 시뮬레이션을 통한 속도 예측의 경우, 입자의 접촉 부분을 정확히 기술 할 수 있는 높은 해상도의 토모그램이 필수적이며, smoothing 효과의 제거 등의 영상처리와 병행된다면 보다 정확한 암석의 속도 예측이 가능할 것으로 판단된다.

• 대한교통학회지
• /
• 제20권4호
• /
• pp.51-61
• /
• 2002

본 연구에서는 운전자 입장에서 원하는 고속도로 다구간의 통행시간을 예측하는 모형을 구축하였다. 현재 지점검지기를 통해 생성되는 예상통행시간 정보는 장거리 통행시 발생되는 시간처짐현상을 반영하지 못하고 있다. 이로 인하여 도로이용자들의 신뢰가 떨어져. 전체적인 ATIS의 효과를 거두지 못하고 있다. 따라서 본 연구에서는 시간처짐 현상과 영업소 지체를 반영한 고속도로 다구간의 통행시간예측을 위하여, 한국도로공사에서 운영중인 검지기의 교통량 자료와 TCS자료를 사용하였다. 또한 실제 시스템에의 적용을 위해 이상치가 섞여 있는 자료를 유지하였다. 예측에 사용된 모형은 3개의 입력유니트와 2개의 출력유니트를 가지는 선행신경망의 형태로 구성하였으며, 학습방법은 역전파법을 이용하였다. 또한 학습속도와 예측력에 영향을 주는 학습계수, 은닉층의 유니트수, 반복 횟수에 따라 12개의 대안을 구성하여 예측결과를 토대로 최적대안을 모형으로 채택하였다. 이러한 본 연구의 자료특성에 의해 원하는 구간까지의 통행시간을 구할 수가 있다.

• 지구물리와물리탐사
• /
• 제23권2호
• /
• pp.97-114
• /
• 2020

최근 과학기술 및 공학 전 분야에서 기계 학습을 적용하는 연구들이 매우 활발하게 수행되고 있다. 탄성파 탐사 분야 또한 해석, 처리, 취득 등 모든 영역에서 기계 학습을 적용한 연구들이 빠르게 증가하는 추세이다. 그 중 단층 해석은 탄성파 자료 해석 분야에 있어 가장 중요한 기술 중 하나이며, 기계 학습을 적용하기에 가장 적합한 분야이기도 하다. 이 논문에서는 다양한 기계 학습 기법들에 대해 소개하고 단층 해석에 적합한 기법들과 그 이유를 기술하였다. 물리탐사 분야의 저명한 국제 학술지에 게재된 논문과 국제 학술대회 발표 사례들을 조사하여 연도별, 분야별 연구 현황을 정리하였으며, 그 중 기계 학습을 사용한 단층 해석 연구들을 집중적으로 분석하였다. 단층 해석 기술은 입력 자료 및 기계 학습 모델의 형태에 따라 탄성파 속성 기반 기술, 탄성파 이미지 기반 기술, 원시자료 기반 기술로 나누어 그 장단점을 기술하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.519-519
• /
• 2015

2007년 발간된 IPCC의 4차 평가보고서에서 자연재해, 환경, 해양, 농업, 생태계, 보건 등 다양한 부분에 미치는 기후변화의 영향에 대한 과학적 근거들이 제시되면서 기후변화는 현세기 범지구적인 화두로 대두되고 있다. 또한, 기후변화에 의한 지구 온난화는 대규모의 수문순환 과정에서의 변화들과 연관되어 담수자원은 기후변화에 대단히 취약하며 미래로 갈수록 악영향을 받을 것으로 6차 기술보고서에서 제시하고 있다. 특히 우리나라는 지구온난화가 전 지구적인 평균보다 급속하게 진행될 가능성이 높기 때문에 기후변화에 대한 담수자원 취약성이 더욱 클 것으로 예상된다. 따라서 지표수에 용수의존도가 높은 우리나라의 댐 저수지를 대상으로 기후변화에 따른 수환경 변화의 정확한 분석과 취약성 평가는 필수적이다. 본 연구에서는 SRES A1B 시나리오를 적용하여 기후변화가 주암호 저수지의 수환경 변화에 미치는 영향을 분석하였다. 지역스케일의 미래 기후시나리오 생산을 위해 인공신경망(Artificial Neural Network.,ANN)기법을 적용하여 예측인자(강우, 상대습도, 최고온도, 최저온도)에 대해 강우-유출모형에 적용이 가능한 지역스케일로 통계적 상세화를 수행하였으며, 이를 유역모델에 적용하여 저수지 유입부의 유출량 및 부하량을 예측하였다. 유역 모델의 결과를 토대로 저수지 운영모델에 저수지 유입부의 유출량을 적용하여 미래 기간의 방류량을 산정하였으며, 최종적으로 저수지 모델에 유입량, 유입부하량 및 방류량을 적용하여 저수지 내 오염 및 영양물질 순환 및 분포 예측을 통해서 기후변화가 저수지 수환경에 미치는 영향을 평가하였다. 기후변화 시나리오에 따른 상세기 후전망을 위해서 기후인자의 미래분석 기간은 (I)단계 구간(2011~2040년), (II)단계 구간(2041~2070년), (III) 단계 구간(2071~2100년)의 3개 구간으로 설정하여 수행하였으며, Baseline인 1991~2010년까지의 실측값과 모의 값을 비교하여 검증하였다. 강우량의 경우 Baseline 대비 미래로 갈수록 증가하는 것으로 전망되었으며, 2011년 대비 2100년에서 연강수량 6.4% 증가한 반면, 일최대강수량이 7.0% 증가하는 것으로 나타나 미래로 갈수록 집중호우의 발생가능성이 커질 것으로 예측되었다. 유역의 수문 수질변화 전망도 강수량 증가의 영향으로 주암댐으로 유입하는 총 유량이 Baseline 대비 증가 하였으며, 유사량 및 오염부하량도 증가하는 것으로 나타났다. 저수지 수환경 변화 예측결과 유입량이 증가함에 따라서 연평균 체류시간이 감소하였으며, 기온 및 유입수온 상승의 영향으로 (I)단계 구간대비 미래로 갈수록 상층 및 심층의 수온이 상승하는 것으로 나타났다. 연중 수온성층기간 역시 증가하는 것으로 나타났으며, 남조류는 (I)단계 구간 대비 (III)단계 구간으로 갈수록 출현시기가 빨라지며 농도 역시 증가하였다. 또한 풍수년, 평수년에 비해 갈수년에 남조류의 연평균농도 상승폭과 최고농도가 크게 나타나 미래로 갈수록 댐 유입량이 적은 해에 남조류로 인한 피해 발생 가능성이 높아질 것으로 예상된다.

• 한국융합학회논문지
• /
• 제10권3호
• /
• pp.1-6
• /
• 2019

현대사회는 생활과 개성이 중요시 되면서 개인화된 생활습관 및 패턴이 생기고 있으며, 잘못된 생활습관으로 인해 관절질환자가 증가하고 있다. 또한 1인 가구가 점점 증가하면서 응급상황이 발생할 경우 알맞은 시간에 응급처치를 받지 못하는 경우가 생긴다. 건강과 질병관리에 필요한 개인의 상태에 따른 정확한 분석을 통해 스스로 관리할 수 있는 정보와 응급상황에 맞는 케어가 필요하다. 딥러닝 중에서 CNN은 데이터의 분류 및 예측에 효율적으로 사용된다. CNN은 데이터 특징에 따라 정확도 및 처리 속도에 차이를 보인다. 따라서 실시간 헬스케어를 위해 처리속도 향상과 정확도 개선이 필요하다. 본 논문에서는 관절질환 관리를 위한 Mask R-CNN을 이용한 모션 모니터링을 제안한다. 제안하는 방법은 Mask R-CNN을 이용하여 CNN의 정확도와 처리 속도를 개선하는 방법이다. 사용자의 모션을 신경망에 학습시킨 후 사용자의 모션이 학습된 데이터와 차이가 있을 경우 사용자에게 관리법을 피드백 해주고 보호자에게 응급상황을 알릴 수 있으며 상황에 맞는 적절한 조치를 취할 수 있다.

• Korean Chemical Engineering Research
• /
• 제59권2호
• /
• pp.209-218
• /
• 2021

ORV의 열교환 효율 향상 및 운전 최적화를 위한, first principle 기반 모델링 연구들이 수행되어왔지만, ORV의 열 전달 계수는 시간, 위치에 따라 불규칙한 시스템으로, 복잡한 모델링 과정을 거친다. 본 연구는 복잡한 시스템에 대한 데이터 기반 모델링의 실효성을 확인하고자, LNG 재기화 공정의 실제 운전데이터를 이용해, ORV의 해수 유량, 해수온도, LNG 유량 변화에 따른 토출 NG 온도 및 토출 해수 온도의 동적 변화 예측이 가능한, FNN, LSTM 및 AutoML 기반 모델링을 진행하였다. 예측 정확도는 MSE 기준 LSTM > AutoML > FNN 순으로 좋은 성능을 보였다. 기계학습 모델의 자동설계 방법인 AutoML의 성능은 개발된 FNN보다 뛰어났으며, 모델 개발 전체소요시간은 복잡한 모델인 LSTM 대비 1/15로 크게 차이를 보여 AutoML의 활용 가능성을 보였다. LSTM과 AutoML을 이용한 토출 NG 및 토출 해수 온도의 예측은 0.5 K 미만의 오차를 보였다. 예측모델을 활용해, 겨울철 ORV를 이용해 처리 가능한 LNG 기화량의 실시간 최적화를 수행하여, 기존 대비 최대 23.5%의 LNG를 추가 처리 가능함을 확인하였고, 개발된 동적 예측모델 기반의 ORV 최적 운전 가이드라인을 제시하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권12호
• /
• pp.403-410
• /
• 2020

오토인코더의 데이터 복원(Output result) 기능을 이용한 노이즈 제거 및 초해상도와 같은 연구가 진행되는 가운데 오토인코더의 차원 축소 기능을 이용한 클러스터링의 성능 향상에 대한 연구도 활발히 진행되고 있다. 오토인코더를 이용한 클러스터링 기능과 데이터 복원 기능은 모두 동일한 학습을 통해 성능을 향상시킨다는 공통점이 있다. 본 논문은 이런 특징을 토대로, 데이터 복원 성능이 뛰어나도록 설계된 오토인코더 모델이 클러스터링 성능 또한 뛰어난지 알아보기 위한 실험을 진행했다. 데이터 복원 성능이 뛰어난 오토인코더를 설계하기 위해서 스킵연결(Skip connection) 기법을 사용했다. 스킵연결 기법은 기울기 소실(Vanishing gradient)현상을 해소해주고 모델의 학습 효율을 높인다는 장점을 가지고 있을 뿐만 아니라, 데이터 복원 시 손실된 정보를 보완해 줌으로써 데이터 복원 성능을 높이는 효과도 가지고 있다. 스킵연결이 적용된 오토인코더 모델과 적용되지 않은 모델의 데이터 복원 성능과 클러스터링 성능을 그래프와 시각적 추출물을 통해 결과를 비교해 보니, 데이터 복원 성능은 올랐지만 클러스터링 성능은 떨어지는 결과를 확인했다. 이 결과는 오토인코더와 같은 신경망 모델이 출력된 결과 성능이 좋다고 해서 각 레이어들이 데이터의 특징을 모두 잘 학습했다고 확신할 수 없음을 알려준다. 마지막으로 클러스터링의 성능을 좌우하는 잠재변수(latent code)와 스킵연결의 관계를 분석하여 실험 결과의 원인에 대해 파악하였고, 파악한 결과를 통해 잠재변수와 스킵연결의 특징정보를 이용해 클러스터링의 성능저하 현상을 보완할 수 있다는 사실을 보였다. 이 연구는 한자 유니코드 문제를 클러스터링 기법을 이용해 해결하고자 클러스터링 성능 향상을 위한 선행연구이다.

• 사물인터넷융복합논문지
• /
• 제8권6호
• /
• pp.55-63
• /
• 2022

최근 중국에서 중대형 도시철도의 급속한 발전으로 고속철도의 총 운행거리와 총 EMU(Electric Multiple Units) 수가 증가하고 있다. 고속 EMU의 시스템 복잡성은 지속적으로 증가하고 있으며, 이는 장비의 안전성과 유지보수의 효율성에 대한 더 높은 요구사항을 제시한다. 현재 중국의 고속 EMU의 유지보수 모드는 여전히 계획적인 유지보수 및 고장보수에 기반한 사후 유지보수 방식을 채택하고 있어 유지보수가 미흡하거나 과도하게 이루어지며, 장비 고장 처리의 효율성을 떨어뜨리고 유지보수 비용을 증가시킨다. PHM(진단 및 예측관리)의 지능형 운영 및 유지관리 기술을 기반으로 합니다. 본 논문은 고속 EMU의 서로 다른 시나리오의 다중 소스 이기종 데이터를 통합하여 "차량 시스템-통신 시스템-지상 시스템"의 통합 PHM 플랫폼을 구축하고, 장비 고장 메커니즘을 인공지능 알고리즘과 결합하여 고속 EMU의 트랙션 모터에 대한 고장 예측 모델을 구축한다. 고속 EMU의 안전하고 효율적인 작동을 보장하기 위해 고장 예측 및 정확한 유지보수를 사전에 수행해야 한다.

• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1423-1431
• /
• 2022

블랙숄즈모형에서 옵션가격을 결정하는 변수 중 기초자산의 변동성은 현재 시점에서는 알 수 없고, 미래시점에 실현된 변동성을 사후에야 알 수 있다. 하지만 옵션이 거래되는 시장에서 관찰되는 가격이 있기 때문에 가격에 내재된 변동성을 역으로 산출한 내재변동성은 현재 시점에 구할 수 있다. 내재변동성을 구하기 위해서는 옵션가격과, 블랙숄즈 모형의 변동성을 제외한 옵션가격결정변수인 기초자산가격, 무위험이자율, 배당률, 행사가격, 잔존기간이 필요하다. 블랙숄즈모형의 변동성은 고정된 상수이나, 내재변동성 산출시 행사가격에 따라 변동성이 다르게 산출되는 변동성스마일현상을 보이기도 한다. 따라서 내재변동성 산출시 옵션 단일 종목이 아닌 시장전반의 변동성을 감안하는 것이 필요하다고 판단하여 본 연구에서는 V-KOSPI지수도 설명변수로 추가하였다. 머신러닝기법 중 지도학습방법을 사용하였으며, Linear Regression 계열, Tree 계열, SVR과 KNN 알고리즘 및 딥뉴럴네트워크로 학습 및 예측하였다. Training성능은 Decision Tree모형이 99.9%로 가장 높았고 Test성능은 Random Forest 알고리즘이 96.9%로 가장 높았다.

• 한국전산구조공학회논문집
• /
• 제35권6호
• /
• pp.367-374
• /
• 2022

본 논문에서는 역전파 방법 기반 자동미분법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용하였다. 응력제한조건이 있는 위상최적화문제는 특이점(singularity)과 응력의 국부성(local nature of stress constraint)문제, 그리고 설계 변수에 대한 비선형성의 문제를 포함하고 최적해를 얻기가 매우 힘들다. 특이점 문제를 해결하기 위해서 응력 완화(stress relaxation) 기법을 사용하였고, 응력의 국부성을 해결하기 위해 p-norm을 이용한 전역 응력치를 제한조건에 사용하였다. 설계 변수에 대한 비선 형성을 극복하기 위해 해석적인 방법으로 정확한 설계민감도를 구하는 것이 중요하다. 위상최적설계에서 기존에는 보조변수방법 (adjoint variable method)을 사용하여 빠르고 정확한 설계민감도를 구했지만, 설계민감도를 해석적으로 구해야 하고, 보조평형방정식을 추가로 풀어야 하는 어려움이 있다. 이를 해결하기 위해서 인공신경망에서 최적 가중치(weights)와 편차(biases)를 구할 때 쓰이는 역전파 기법을 이용하여 설계민감도를 구하고 이를 응력제한조건을 고려한 위상최적설계에 적용하였다. 역전파 기법은 자동미분에 쓰이는 기법으로 목적함수나 제한조건에 대한 설계민감도를 별도의 수식유도 없이 간단하게 구할 수 있는 장점이 있다. 또한, 미분값을 구하는 역전파의 과정이 보조평형방정식을 푸는 것보다 계산시간이 빠르고 해석적 방법으로 구한 설계민감도와 같은 정확도를 보여준다.