• International Journal of Naval Architecture and Ocean Engineering
• /
• 제7권4호
• /
• pp.750-769
• /
• 2015

The geometry of engineering systems affects their performances. For this reason, the shape of engineering systems needs to be optimized in the initial design stage. However, engineering system design problems consist of multi-objective optimization and the performance analysis using commercial code or numerical analysis is generally time-consuming. To solve these problems, many engineers perform the optimization using the approximation model (response surface). The Response Surface Method (RSM) is generally used to predict the system performance in engineering research field, but RSM presents some prediction errors for highly nonlinear systems. The major objective of this research is to establish an optimal design method for multi-objective problems and confirm its applicability. The proposed process is composed of three parts: definition of geometry, generation of response surface, and optimization process. To reduce the time for performance analysis and minimize the prediction errors, the approximation model is generated using the Backpropagation Artificial Neural Network (BPANN) which is considered as Neuro-Response Surface Method (NRSM). The optimization is done for the generated response surface by non-dominated sorting genetic algorithm-II (NSGA-II). Through case studies of marine system and ship structure (substructure of floating offshore wind turbine considering hydrodynamics performances and bulk carrier bottom stiffened panels considering structure performance), we have confirmed the applicability of the proposed method for multi-objective side constraint optimization problems.

• 한국정보통신학회논문지
• /
• 제22권4호
• /
• pp.595-601
• /
• 2018

최근 미세먼지 수치가 급격히 상승함에 따라 이에 대한 관심도가 굉장히 높아지고 있다. 미세먼지의 노출은 호흡기 및 심혈관계 질환의 발생과 관련이 있으며, 사망률도 증가시키는 것으로 보고되고 있다. 뿐만 아니라, 산업현장에서도 미세먼지에 대한 피해가 속출한다. 그러나 현대인의 삶에서 미세먼지 노출은 불가피하다. 그러므로 미세먼지를 예측하여, 이에 대한 노출을 최소화하는 것이 건강 및 산업 피해축소에 가장 효율적인 방법일 것이다. 기존의 미세먼지 예측 모델은 농도 수치가 아닌 미세먼지의 농도 범위에 따라 좋음, 보통, 나쁨, 매우 나쁨으로만 나누어 예보하고 있다. 본 논문은 기존의 실제 기상 및 대기 질 데이터를 이용, 기계학습 알고리즘인 Artificial Neural Network (ANN)알고리즘과 K-Nearest Neighbor (K-NN)알고리즘을 상호 응용하여 미세먼지 수치 (PM 10)를 예측하고자 하였다.

• 조명전기설비학회논문지
• /
• 제18권6호
• /
• pp.37-44
• /
• 2004

전력계통분야의 복합 대형화에 유연한 대처와 전력조류의 최적화 도모를 위해 사용되는 FACTS(Flexible AC Transmission System)기기 중 가장 유용한 UPFC(Unified Power Flow Controller)는 선로의 전압을 임의의 크기와 위상을 갖도록 제어하여 선로로 전송되는 유ㆍ무효전력을 총체적으로 보상하는 기능을 갖는다. 이런 UPEC가 계통에 연계되어 운영된다면 송전선로 매개변수가 변하기 때문에 계통의 영향을 많이 받는 거리계전기는 불필요한 오동작이 발생하게 된다. 즉 거리계전기에서 바라본 임피던스 영역(Impedance Zone)이 송전선로에 UPFC 연계시 각각의 보상 값에 의해 상당한 변화를 보임으로, 기존의 방식으로 정정된 Relay Setting Zone과 Adaptive Setting Zone은 현저한 오차가 발생하게 된다. 그러므로 계통에 연계된 UPFC의 운전 조건을 고려한 거리계전기 보호구간의 재설정이 필요하게 된다. 따라서 본 논문의 목적은 학습이 가능한 신경회로망(ANN)을 이용하여 거리계전기 동작의 신속성(Speed)을 기본으로 전력계통의 다양한 환경에 대해 거리계전기 응동 특성을 향상시키는데 있다. 학습 방법으로는 정적 및 동적인 비선형 시스템의 인식과 다변수 시스템에 적용 가능한 역전파 알고리즘(Back-propagation Algorithm)을 사용했다.

• KIEAE Journal
• /
• 제17권5호
• /
• pp.95-100
• /
• 2017

Purpose: The purpose of this study is to investigate the prior art based on deep learning to objectively calculate the metabolic rate which is the subjective factor for the PMV optimum control and to make a plan for future research based on this study. Methods: For this purpose, the theoretical and technical review and applicability analysis were conducted through various documents and data both in domestic and foreign. Results: As a result of the prior art research, the machine learning model of artificial neural network and deep learning has been used in various fields such as speech recognition, scene recognition, and image restoration. As a representative case, OpenCV Background Subtraction is a technique to separate backgrounds from objects or people. PASCAL VOC and ILSVRC are surveyed as representative technologies that can recognize people, objects, and backgrounds. Based on the results of previous researches on deep learning based on metabolic rate for occupational metabolic rate, it was found out that basic technology applicable to occupational metabolic rate calculation technology to be developed in future researches. It is considered that the study on the development of the activity quantity calculation model with high accuracy will be done.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.116-116
• /
• 2012

하천유역 내의 인자를 이용하여 댐의 하천유량(stream flow)을 예측하는 일은 수문특성의 연구와 자연재해에 대한 대비 및 수공구조물과 방재시설의 설계 시 중요한 역할을 한다. 이러한 연구는 과거부터 활발히 이루어졌으며, 아직도 보다 높은 정확도의 결과를 얻기 위해 많은 연구들이 이루어지고 있다. 특히 기존의 유역 내 자료를 통해 비선형적 모델인 인공신경망(artificial neural network)을 이용한 하천유량을 예측하는 연구 역시 활발히 이루어지고 있다. 본 연구의 목적은 여러 유역인자들 중 하천유량에 가장 영향을 미치는 변수를 추출하고 보다 정확한 예측모델을 구축하는 것이다. 기존의 입력자료 선정기법중의 하나인 상호정보량(mutual information)과 수문기상자료의 비선형 동역학적 성분을 추출하는 웨이블렛 변환(wavelet transform)을 사용하여 인공신경망에 적용시켰다. 인공신경망을 적용하는 경우, 수문자료에 있어서 변수의 선택과 자료의 상태가 강우예측의 결과에 큰 영향을 미친다. 이러한 변수의 선택에 있어서 상호정보량을 바탕으로 한 인공신경망 입력변수 선택기법이 많이 사용되고 있다. 일반적으로 시계열자료는 경향성(trend), 주기성(periodicity) 및 추계학적 성분(stochastic component)의 선형조합으로 가정될 수 있으며, 특히 경향성과 주기성은 시계열 모형을 위해 제거되어야 할 결정론적 성분으로 취급한다. 즉. 수문 기상자료에 포함되어 있는 경향성과 주기성과 같은 비선형 동역학적 잡음(nonlinear dynamical noise)을 제거하고 입력자료의 카오스적 거동을 보이는 성분을 분리하기 위해 웨이블렛 변환을 사용하였다. 대상유역은 한강 유역에 포함되어 있는 충주댐으로 선택하였다. 유역 내 다양한 인자들과 하천유량사이의 상호정보량을 구해 영향력이 가장 큰 변수를 추출하고, 그 자료를 웨이블렛 변환을 적용하여 인공신경망의 입력자료로 사용하였다. 본 논문에서는 위와 같은 과정을 이용해 추정한 하천유량 결과와 기존의 방법인 상호정보량을 이용해 인공신경망을 적용한 결과를 실제자료와 비교하였다.

• 한국수자원학회논문집
• /
• 제49권10호
• /
• pp.877-885
• /
• 2016

본 연구에서는 기상학적 가뭄지수인 표준강수지수(Standardized Precipitation Index, SPI)를 이용하여 우리나라 전역에 대한 가뭄예측의 시공간적인 평가를 수행하였다. 또한 다층 퍼셉트론 인공신경망(Multi Layer Perceptron-Artificial Neural Network, MLP-ANN) 예측 기법을 이용하여 SPI(3), (6)에 대한 선행예보시간별 가뭄 예측을 실시하였다. 입력 자료는 기상청 산하의 59개 관측소에서 관측된 기상자료를 활용하였고, 관측자료 기간은 1976~2015년이다. 예측 모델의 성능평가는 기준점(Threshold)에 따른 가뭄 발생유무와 같은 이진분류 혼동행렬을 구성하여 Receiver Operating Characteristics (ROC) score와 조건부 확률에 따른 F score를 산정하여 예측 성능평가를 수행하였다. 예측성능에 대한 ROC 분석결과 다층 퍼셉트론 인공신경망(MLP-ANN) 모형을 적용한 가뭄예측성능이 매우 우수한 것으로 나타났으며, SPI (3)은 2개월, SPI (6)는 5개월 정도의 선행예측이 충분히 가능한 것으로 나타났다.

• 수산해양기술연구
• /
• 제34권1호
• /
• pp.52-61
• /
• 1998

We studied behaviour pattern of anchovy (Engraulis japonicus) shoal by a method of shoal echo integration and tested species identification by a method of artificial neural network using the acoustic data collected in the East China Sea in March 1994 and in the southern coastal waters of the East Sea of Korea in March 1995. Between areas, frequency distribution of 10 shoal descriptors was different, which showed characteristics of shoal behaviour in size, bathymetric position and acoustic strength. The range and mean of shoal size distribution in length and height was wider and bigger in the southern coastal waters of the East Sea than in the East China Sea. Relative shoal size of China Sea. Fractal dimension of shoal was almost same in both areas. Mean volume reverbration index of shoal was 3 dB higher in the southern coastal waters of the East Sea than in the East China Sea. The depth layer of shoal distribution was related to bottom depth in the southern coastal waters of the East Sea, while it was between near surface and central layer in the East China Sea. Principal component analysis of shoal descriptors showed the correlation between shoal size and acoustic strength which was higher in the southern coastal waters of the East Sea, than in the East China Sea. Correlation was also found among the bathymetric positions of shoal to some degree higher in the southern coastal waters of the East Sea than in the East China Sea. The anchovy shoal of two areas was identified by artificial neural network. The contribution factor index (Cio) of the shoal descriptors between two areas were almost identical feature. The shoal volume reverberation index (Rv) was showed the highest contribution to the species identification, while shoal length and shoal height showed relatively high negative contribution to the species identification.

• 한국산학기술학회논문지
• /
• 제15권5호
• /
• pp.2610-2616
• /
• 2014

이젝터는 펌프의 일종으로서 고압의 유체가 지닌 압력에너지를 이용하여 흡입 유체를 빨아들여 이송하는 기계장치이다. 본 논문은 유한체적법 기반의 CFD 분석을 이용하여 이젝터의 성능에 영향을 미치는 혼합실 형상에 따른 영향을 조사하였다. 혼합실 내부의 노즐 직경과 노즐목 길이, 그리고 노즐 끝단과 유체가 외부로 빠져나가는 디퓨저 입구까지의 거리를 변화시키면서 성능을 좌우하는 흡입유체가 가장 잘 흡입되는 최적의 조건을 조사하였다. 연구 결과 이젝터의 성능은 노즐의 직경이 가장 큰 영향을 나타내는 것을 확인하였다. 혼합실 내부 노즐의 직경이 감소함에 따라 혼입율이 증가하는 것을 확인하였고 노즐 직경이 증가할수록 혼입율이 감소되는 것을 확인하였다. 반면 노즐목 길이, 노즐끝단과 디퓨저 입구까지의 거리에 대한 영향은 미비한 것으로 확인되었다. 마지막으로 CFD분석 자료를 토대로 인공신경망을 이용하여 더욱 구체적인 이젝터 혼합실 형상, 노즐 직경 23.8mm를 제시하였다.

• Geomechanics and Engineering
• /
• 제22권5호
• /
• pp.397-414
• /
• 2020

In this paper, practical predictive models for soil shear strength parameters are proposed. As cohesion and internal friction angle are of essential shear strength parameters in any geotechnical studies, we try to predict them via artificial neural network (ANN) and neuro-imperialism approaches. The proposed models was based on the result of a series of consolidated undrained triaxial tests were conducted on reinforced sandy soil. The experimental program surveys the increase in internal friction angle of sandy soil due to addition of polypropylene fibers with different lengths and percentages. According to the result of the experimental study, the most important parameters impact on internal friction angle i.e., fiber percentage, fiber length, deviator stress, and pore water pressure were selected as predictive model inputs. The inputs were used to construct several ANN and neuro-imperialism models and a series of statistical indices were calculated to evaluate the prediction accuracy of the developed models. Both simulation results and the values of computed indices confirm that the newly-proposed neuro-imperialism model performs noticeably better comparing to the proposed ANN model. While neuro-imperialism model has training and test error values of 0.068 and 0.094, respectively, ANN model give error values of 0.083 for training sets and 0.26 for testing sets. Therefore, the neuro-imperialism can provide a new applicable model to effectively predict the internal friction angle of fiber-reinforced sandy soil.

• 대한금속재료학회지
• /
• 제56권11호
• /
• pp.813-821
• /
• 2018

The basic oxygen furnace (BOF) steelmaking process in the steel industry is highly complicated, and subject to variations in raw material composition. During the BOF steelmaking process, it is essential to maintain the carbon content and the endpoint temperature at their set points in the liquid steel. This paper presents intelligent models used to estimate the endpoint temperature in the basic oxygen furnace (BOF) steelmaking process. An artificial neural network (ANN) model and a least-squares support vector machine (LSSVM) model are proposed and their estimation performance compared. The classical partial least-squares (PLS) method was also compared with the others. Results of the estimations using the ANN, LSSVM and PLS models were compared with the operation data, and the root-mean square error (RMSE) for each model was calculated to evaluate estimation performance. The RMSE of the LSSVM model 15.91, which turned out to be the best estimation. RMSE values for the ANN and PLS models were 17.24 and 21.31, respectively, indicating their relative estimation performance. The essential input parameters used in the models can be selected by sensitivity analysis. The RMSE for each model was calculated again after a sequential input selection process was used to remove insignificant input parameters. The RMSE of the LSSVM was then 13.21, which is better than the previous RMSE with all 16 parameters. The results show that LSSVM model using 13 input parameters can be utilized to calculate the required values for oxygen volume and coolant needed to optimally adjust the steel target temperature.