• 한국터널지하공간학회 논문집
• /
• 제18권1호
• /
• pp.13-30
• /
• 2016

본 연구에서는 해저 터널의 특수성을 고려한 TBM 세그먼트 라이닝의 최적 설계 시스템을 개발하였다. 해저 터널은 일반적으로 일정 수압 하의 토사나 암반 등으로 구성된 해저 지반 내에 시공된다. 본 설계 시스템은 특정 해저 터널 단면에서의 지반 조건, 시공 조건 및 터널 조건을 고려하여 인공신경망 기반의 세그먼트 라이닝 부재력 예측 시스템을 구축하고, 시공성이 확보된 단면 DB를 구축하여 해저터널에서 최적 단면 설계가 가능하도록 구성하였다. 결과적으로 본 시스템은 해저 터널 설계에 사용되는 BIM과 연동되어 자동으로 설계가 가능하도록 하였다. 단면 검토 및 설계에 사용되는 세그먼트 라이닝 부재력 예측은 유한요소해석을 토대로 구축한 인공신경망을 통해 일반화한 후 BIM 시스템에 접목시켜 별도의 추가 해석이 필요없이 유사 단면의 해저 터널 설계에 적용이 가능하도록 하였다.

• Steel and Composite Structures
• /
• 제41권5호
• /
• pp.761-773
• /
• 2021

This study presents a 3D non-linear finite element (FE) assessment of dynamic soil-structure interaction (SSI). The numerical investigation has been performed on the time domain through a Finite Element (FE) system, while considering the nonlinear behavior of soil and the multi-directional nature of genuine seismic events. Later, the FE outcomes are analyzed to the recorded in-situ free-field and structural movements, emphasizing the numerical model's great result in duplicating the observed response. In this work, the soil response is simulated using an isotropic hardening elastic-plastic hysteretic model utilizing HSsmall. It is feasible to define the non-linear cycle response from small to large strain amplitudes through this model as well as for the shift in beginning stiffness with depth that happens during cyclic loading. One of the most difficult and unexpected tasks in resolving soil-structure interaction concerns is picking an appropriate ground motion predicted across an earthquake or assessing the geometrical abnormalities in the soil waves. Furthermore, an artificial neural network (ANN) has been utilized to properly forecast the non-linear behavior of soil and its multi-directional character, which demonstrated the accuracy of the ANN based on the RMSE and R² values. The total result of this research demonstrates that complicated dynamic soil-structure interaction processes may be addressed directly by passing the significant simplifications of well-established substructure techniques.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.156-156
• /
• 2021

본 연구는 지역빈도해석을 기반으로한 인공신경망 모델과 기존에 널리 사용되는 방법인 홍수지수법의 성능을 몬테카를로 시뮬레이션을 이용하여 평가하였다. 컴퓨터 기술이 발달함에 따라 인공지능에 대한 접근성이 좋아지며 수문학을 포함한 다양한 분야에 적용되고 있다. 인공지능을 이용하여 강수량 및 유량 등 다양한 수문자료에 대한 예측이 이루어지고 있으나 빈도해석에 관한 연구는 비교적 적다. 본 연구에서 사용된 인공 지능 모델은 대상 지점의 지형학적 자료와 수문학적 자료를 이용하여 인공신경망을 통해 지점의 확률강우량(QRT-ANN) 및 확률분포형의 매개변수 (PRT-ANN)를 추정한다. 지형학적 자료로는 위도, 경도 그리고 고도가 사용되었으며 수문학적 자료로는 대상 지점의 최근 30년 일일연최대강우량을 사용하였다. 지역빈도해석의 정확도는 지역 내 통계적 특성이 비슷한 지점들이 포함되면 될수록 높아진다. 통계적 특성으로는 불일치 척도, 이질성 척도, 적합성 척도가 있으며 다양한 조건의 통계적 특성에 따른 세 개의 지역빈도해석 방법의 성능을 평가하고자 하였다. 대상 지역 내 n개의 지점이 있다고 가정하였을 때, 홍수지수법의 경우 n-1개의 지점으로 추정한 지역 성장곡선을 이용하여 나머지 1개 지점의 확률강우량을 산정할 수 있으며 인공신경망 모델들 또한 n-1개 지점들의 자료를 이용하여 모델을 구축한 뒤 나머지 지점의 확률강우량 및 확률분포형의 매개변수를 예측할 수 있다. PRT-ANN의 경우 예측된 매개변수를 이용하여 확률강우량을 산정하며 시뮬레이션 시행마다 발생시킨 자료의 지점빈도해석 결과에 대한 나머지 세 방법의 평균 제곱근 상대오차 (Relative root mean square error, RRMSE)를 계산하였다. 몬테카를로 시뮬레이션을 이용한 성능 분석을 통하여 관측값의 다양한 통계적 특성에 맞는 지역빈도해석 방법을 제시할 수 있을 것으로 판단된다.

• Geomechanics and Engineering
• /
• 제31권2호
• /
• pp.129-147
• /
• 2022

The properties of soil are naturally highly variable and thus, to ensure proper safety and reliability, we need to test a large number of samples across the length and depth. In pile foundations, conducting field tests are highly expensive and the traditional empirical relations too have been proven to be poor in performance. The study proposes a state-of-art Particle Swarm Optimization (PSO) hybridized Artificial Neural Network (ANN), Extreme Learning Machine (ELM) and Adaptive Neuro Fuzzy Inference System (ANFIS); and comparative analysis of metaheuristic models (ANN-PSO, ELM-PSO, ANFIS-PSO) for prediction of bearing capacity of pile foundation trained and tested on dataset of nearly 300 dynamic pile tests from the literature. A novel ensemble model of three hybrid models is constructed to combine and enhance the predictions of the individual models effectively. The authenticity of the dataset is confirmed using descriptive statistics, correlation matrix and sensitivity analysis. Ram weight and diameter of pile are found to be most influential input parameter. The comparative analysis reveals that ANFIS-PSO is the best performing model in testing phase (R² = 0.85, RMSE = 0.01) while ELM-PSO performs best in training phase (R² = 0.88, RMSE = 0.08); while the ensemble provided overall best performance based on the rank score. The performance of ANN-PSO is least satisfactory compared to the other two models. The findings were confirmed using Taylor diagram, error matrix and uncertainty analysis. Based on the results ELM-PSO and ANFIS-PSO is proposed to be used for the prediction of bearing capacity of piles and ensemble learning method of joining the outputs of individual models should be encouraged. The study possesses the potential to assist geotechnical engineers in the design phase of civil engineering projects.

• 사물인터넷융복합논문지
• /
• 제9권3호
• /
• pp.93-98
• /
• 2023

논문에서는 어닐링 시뮬레이션에 근거한 인공 뉴럴 네트워크를 구축한다. 미세 유동채널의 전기화학적 가공 파라미터와 채널 형태 간의 매핑은 샘플의 학습에 의하여 이루어진다. 스텐리스강 표면에 대한 미세 유동채널의 전기화학적 가공의 깊이와 넓이가 예측되고, 형성된 네트워크 모델을 입증하기 위한 NaNO3 해 내부의 펄스 전원공급기와 함께 유동채널의 실험이 진행된다. 결과적으로, "4-7-2" 구조를 갖는 인공 뉴럴 네트워크에 의한 어닐링 시뮬레이션으로 예측된 채널의 깊이와 넓이는 실험값에 매우 근접한다. 그 오차는 5.3% 미만이다. 예측된 데이터와 실험 데이터는 전기화학적 가공 과정에서의 에칭 규격이 전압 및 전류의 밀도와 매우 밀접한 관계가 있음을 보여준다. 전압이 5V보다 작을 때에는 채널 내에 "작은 섬"이 형성된다; 반면에 전압이 40V보다 클 때에는 채널의 측면 에칭이 비교적 크고 채널 사이의 "댐"은 사라지게 된다. 전압이 25V일 때 채널의 가공 형태는 최적이 된다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.240-244
• /
• 2008

본 논문에서는 근전도 신호 기반의 무선 착용형 컴퓨터 인터페이스를 개발하였다. 밴드 형태의 무선 착용형 단말기는 4 채널 근전도 센서와 붙어있으며, 대역통과 필터 및 차단 필터, 신호증폭기를 이용하여 구별 가능한 근전도 신호를 추출하였다. 얻어진 신호는 무선통신을 통해 컴퓨터로 전송하게 된다. 컴퓨터 인터페이스를 위해 손목 움직임을 사용하였으며, 움직임으로부터 획득된 신호를 다층 인식 신경망을 사용하여 손목 움직임을 인식하게 하였다. 이를 통하여 마우스 커서의 움직임을 제어하고, 마우스 버튼을 클릭하는 동작을 할 수 있으며, 시각 디스플레이 장치에 표시된 핸드폰 자판과 같은 유저 인터페이스를 통해 컴퓨터에 글자를 입력할 수 있게 하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.193-202
• /
• 2022

The classification of hyperspectral imagery (HSI) is essential in the surface of earth observation. Due to the continuous large number of bands, HSI data provide rich information about the object of study; however, it suffers from the curse of dimensionality. Dimensionality reduction is an essential aspect of Machine learning classification. The algorithms based on feature extraction can overcome the data dimensionality issue, thereby allowing the classifiers to utilize comprehensive models to reduce computational costs. This paper assesses and compares two HSI classification techniques. The first is based on the Joint Spatial-Spectral Stacked Autoencoder (JSSSA) method, the second is based on a shallow Artificial Neural Network (SNN), and the third is used the SVM model. The performance of the JSSSA technique is better than the SNN classification technique based on the overall accuracy and Kappa coefficient values. We observed that the JSSSA based method surpasses the SNN technique with an overall accuracy of 96.13% and Kappa coefficient value of 0.95. SNN also achieved a good accuracy of 92.40% and a Kappa coefficient value of 0.90, and SVM achieved an accuracy of 82.87%. The current study suggests that both JSSSA and SNN based techniques prove to be efficient methods for hyperspectral classification of snow features. This work classified the labeled/ground-truth datasets of snow in multiple classes. The labeled/ground-truth data can be valuable for applying deep neural networks such as CNN, hybrid CNN, RNN for glaciology, and snow-related hazard applications.

• 한국지리정보학회지
• /
• 제15권2호
• /
• pp.57-70
• /
• 2012

본 연구에서는 지리정보시스템(GIS)을 기반으로 확률강우량과 인공신경망을 적용하여 2006년 태풍 에위니아에 의하여 발생한 강원도 인제 덕적리 지역의 산사태 취약성도 및 미래 위험도를 작성 및 검증하고자 한다. 산사태 취약성 및 위험도와 관련된 요인으로는 지질, 지형도(경사, 경사방향, 곡률도), 토양도(토양 지형, 토질, 토양 배수, 토양 모재 및 유효토심), 임상도(영급, 경급, 소밀도 및 수종) 등을 GIS 기반의 공간 데이터베이스로 구축하였다. 전체 산사태 발생 위치는 694개소이며 이중 50%는 인공신경망의 산사태 발생 지역으로 적용하였으며, 나머지 50%는 취약성도 및 위험도 검증에 활용하였다. 산사태 발생 강우량 임계치는 1일 202mm 및 3일 누적 449mm로 적용하였다. 확률강우량은 1973년부터 2006년까지의 실측 강우량을 정리하여 2106년까지 목표연도별(1년, 3년, 10년, 50년 및 100년) 산사태 취약성도를 작성하였다. 연구결과 연구지역은 강우량의 증가에 의하여 미래 산사태 가능성이 지속적으로 증가하였다. 향후 본 연구는 강우량의 변화에 의한 산사태 위험성 분석에 한 축을 차지 할 수 있다는 점에서 중요성이 있다고 하겠다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2004년도 춘계학술발표대회 논문집 제23권 1호
• /
• pp.337-340
• /
• 2004

한국어 문-음성 합성 시스템(TTS: Text-To-Speech)은 합성음의 자연스러움을 증가시키기 위해 운율 발생 알고리듬을 만들어 시스템에 적용하고 있다. 운율 법칙은 각국의 언어에 대한 언어학적 정보나 자연음에서 구한 운율에 대한 지식을 기반으로 음성 합성 시스템에 적용하고 있다. 그러나 이렇게 구한 운율 법칙이 자연음에 존재하는 모든 운율 법칙을 포함할 수도 없고, 또 추출한 운율 법칙이 틀린 법칙이라면, 합성음의 자연감이나 이해도는 떨어질 것이므로, TTS의 실용화에 장애가 될 수 있다. 이러한 점을 감안하여 본 논문에서는 자연음에 내재하는 운율을 학습할 수 있는 인공 신경망을 이용한 운율발생 신경망을 제안하였다. 훈련단계에서 인공 신경망의 입력 단에 한국어 문장의 음소 열을 차례로 이동시켜 인가하면 입력 단의 중앙에 해당하는 음소의 운율 정보가 출력되도록 훈련시킬 때, 목표 패턴을 이용한 감독학습을 통해, 자연음에 내재하는 운율을 학습하도록 하였다. 평가 단계에서 문장의 음소 열을 입력하고, 추정율을 측정하여 인공 신경망이 한국어 문장에 내재하는 운율을 학습하여 발생시킬 수 있음을 살펴보았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.46-46
• /
• 2022

유기물의 복잡한 혼합물인 CDOM(Colored or Chromophoric Dissolved Organic Matter)은 하천 내 BOD(Biological Oxygen Demand), COD(Chemical Oxygen Demand) 및 유기 오염물질과 상당한 관련이 있다. CDOM은 가시광선 영역에서 빛을 흡수하는 성질을 가지고 있으며, 최근 원격감지 기술로 CDOM을 모니터링하기 위한 연구가 진행되고 있다. 본 연구에서는 백제보 상류 23km 구간에서 3년(2016~2018) 중 13일의 초분광영상을 활용하여 머신러닝 기반 CDOM을 추정 알고리즘을 개발하고자 한다. 초분광영상은 400~970 nm의 범위의 4 nm 간격 127개 대역의 분광해상도와 2 m의 공간해상도를 가진 항공기 탑재 AsiaFENIX 초분광 센서를 통해 수집하였으며 CDOM은 Millipore polycarbonate filter (𝚽47, 0.2 ㎛)에서 여과된 CDOM 샘플 자료를 200~800 nm의 흡수계수 스펙트럼으로 추출하여 사용하였다. CDOM 값은 전체기간 동안 2.0~11.0 m^-1의 값 분포를 보였으며 5 m^-1이상의 고농도 구간 자료개수가 전체 153개 샘플자료 중 21개로 불균형하다. 따라서 ADASYN(Adaptive Synthesis Sampling Approach)의 oversampling 방법으로 생성된 합성 데이터를 사용하여 원본 데이터의 소수계층 데이터 불균형을 해결하고 모델 예측 성능을 개선하고자 하였다. 생성된 합성 데이터를 입력변수로 하여 ANN(Artificial Neural Netowk)을 활용한 CDOM 예측 알고리즘을 구축하였다. ADASYN 기법을 통한 합성 데이터는 관측된 데이터의 불균형을 해결하여 기계학습 모델의 CDOM 탐지 성능을 향상시킬 수 있으며, 저수지 내 유기 오염물질 관리를 위한 설계를 지원하는데 사용할 수 있을 것으로 판단된다.