• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.5
• /
• pp.487-496
• /
• 2000

In this paper, the Multi-FNN(Fuzzy-Neural Networks) model is identified and optimized using HCM(Hard C-Means) clustering method and genetic algorithms. The proposed Multi-FNN is based on Yamakawa's FNN and uses simplified inference as fuzzy inference method and error back propagation algorithm as learning rules. We use a HCM clustering and Genetic Algorithms(GAs) to identify both the structure and the parameters of a Multi-FNN model. Here, HCM clustering method, which is carried out for the process data preprocessing of system modeling, is utilized to determine the structure of Multi-FNN according to the divisions of input-output space using I/O process data. Also, the parameters of Multi-FNN model such as apexes of membership function, learning rates and momentum coefficients are adjusted using genetic algorithms. A aggregate performance index with a weighting factor is used to achieve a sound balance between approximation and generalization abilities of the model. The aggregate performance index stands for an aggregate objective function with a weighting factor to consider a mutual balance and dependency between approximation and predictive abilities. According to the selection and adjustment of a weighting factor of this aggregate abjective function which depends on the number of data and a certain degree of nonlinearity, we show that it is available and effective to design an optimal Multi-FNN model. To evaluate the performance of the proposed model, we use the time series data for gas furnace and the numerical data of nonlinear function.

• Science of Emotion and Sensibility
• /
• v.7 no.3
• /
• pp.15-25
• /
• 2004

The regression analysis and Adaptive -Network based Fuzzy-inference system (ANFIS) were applied to the explanation on human's visual texture of cotton fabrics with 7 mechanical properties. The ANFIS uses the structure with fuzzy membership function and neural network. The results obtained by the statistical analysis through the coefficient of correlation and regression analysis showed that subjective texture had a linear relationship with mechanical properties. But It had a relatively low coefficient of determination and was difficult that the statistical analysis explained other relationship with the exception of a lineality and interaction among mechanical properties. Comparing the statistical analysis, the ANFIS was an effective tool to explain human's non-linear perceptions and their interactions. But to apply ANFIS to human's perceptions more effectively, it is necessary to discriminate effective input variables through controlling the properties of samples.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.132-136
• /
• 2007

최근 지구온난화로 인한 이상기후의 영향으로 강우일수는 줄고 있으나 강수량은 예년과 비슷한 수준을 보이고 있다. 이로 인해 갈수기의 용수부족 현상은 더욱 심해지고. 장마철의 홍수피해와 게릴라성 집중호우로 인한 피해가 커지는 등 해가 갈수록 홍수 예경보의 중요성은 더욱 높아지고 있다. 그럼에도 불구하고 현재 홍수 예경보 체계는 몇 가지 문제를 가지고 있다. 기존 예경보 체계의 경우 한 번의 예측을 수행하기 위해 수반되는 전처리과정과 주계산과정을 거치는 동안 각 과정에서 발생한 오차들이 반복, 누적되어 최종 결과물(예측된 유출량) 속에 모두 포함된다. 또한 기존 체계에서는 유출모형을 적용하기 위해서 토양형. 피복상태 등에 관련된 매개변수들이 필요한데. 이러한 매개변수의 결정에 어려움이 있고. 불확실성을 갖고 있다. 본 연구에서는 불확실성을 적극적으로 인정하고 수학적으로 해석하려는 fuzzy 이론을 신경망 이론에 도입하여 홍수 예경보 시스템의 운영과정에서 발생하는 불확실성의 문제를 해결하고자 하였다. 본 연구에서 사용한 ANFIS(Adaptive Neuro-Fuzzy Inference System)은 data driven model(자료에 기반을 둔 모형)의 하나로 다음과 같은 장점을 가진다. 우선 data driven model은 유역의 물리적, 지형적 특성을 고려하지 않고(매개변수설정에서 발생하는 문제 해결 가능), 입력자료와 출력자료만을 고려하여 구축되는 모형이므로, 유역의 물리적 자료나 지형 자료와 같은 방대한 양의 자료 수집이 필요 없고, 일단 모형이 구축되면 자료의 입력만으로도 신뢰성 높은 결과를 단시간 내에 효율적으로 획득할 수 있다. 그리고 유역 내의 상황이 변화하더라도, 이들의 영향을 고려하여 쉽게 모형을 갱신할 수 있다. 마지막으로 모형의 구축 과정이 물리적 모형에 비해 비교적 간편하다는 장점이 있다. 본 연구에서는 ANFIS를 통해 탄천유역의 강수량 자료와 대곡교의 수위자료를 입력자료로 사용하여 대곡교의 수위를 예측하였다. 입력 자료는 시간차 계열의 강우량과 수위 자료를 사용하였으며 모형을 통하여 t+1, t+2, t+3 시간 후의 수위를 예측하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.154-154
• /
• 2012

지표에서의 토양수분은 작은 구성비를 가짐에도 불구하고 여러 수문 현상을 연계하는 매우 중요한 인자로써 최근 관련 연구가 활발하게 진행되고 있다. 토양수분은 침투나 침루를 통하여 강우와 지하수를 연결하는 기능을 함과 동시에 강우사상에 따른 유출특성에 직접적인 영향을 미치며 증발산을 통하여 에너지 순환을 연결하는 중요한 기능을 한다. 토양수분을 측정하는 방법에는 세타 탐침(Theta Probe), 장력계, TDR(Time Domain Reflectrometry) 등이 이용되고 있으며, 광역 토양수분자료의 보다 정확한 공간 변동성의 관측을 위하여 항공원격탐사와 인공위성 원격탐사기술이 개발되어 적용되고 있다. 인공위성 영상은 자료의 분석이 간편하며, 공간자료이므로 공간 변화를 분석하는 데 있어 매우 편리하다. 그 중 MODIS(Moderate Resolution Imaging Spectroradiometer) 위성영상은 저해상도 영상으로 극궤도 위성인 Terra와 Aqua 위성에 장착되어 있으며, NASA에서 필요한 정보를 받아 사용할 수 있다. 본 연구에서는 유역의 물리적 지형자료와 같은 방대한 양의 자료 수집 없이도, 모형이 구축되면 인공위성자료와 강우자료만으로도 신뢰성 높은 결과를 단시간 내에 효율적으로 산정할 수 있는 자료 지향형 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하였다. 사용된 퍼지변수로는 시험유역의 토양수분 관측자료와 강수량 및 인공위성 자료인 MODIS NDVI(Normalize Difference Vegetation Index), MODIS LST(Land-Surface Temperature) 영상을 이용하였다. MODIS NDVI는 시간 해상도 8일, 공간해상도 250 인 Level 3 영상이며, MODIS LST는 시간 해상도 1일, 공간해상도 1 km인 Level 3 영상을 사용하였다. 위성자료를 사용하기 위해 Korea TM 좌표체계로 변환한 뒤, 토양수분 관측지점이 속한 각 셀의 속성값을 추출하였다. 위성자료와 수집된 자료 및 토양수분자료와의 관계를 분석하기 위하여 입력자료를 다양한 방법으로 구성하여 입력 변수를 생성하였다. 생성된 입력 변수와 ANFIS 모형을 연계하여 각각의 토양수분 산정모형을 구축하고 대상지점에 대한 토양수분을 산정 및 비교 분석하였다.

• Steel and Composite Structures
• /
• v.48 no.2
• /
• pp.179-190
• /
• 2023

Many recent attempts have sought accurate prediction of pile pullout resistance (P_ul) using classical machine learning models. This study offers an improved methodology for this objective. Adaptive neuro-fuzzy inference system (ANFIS), as a popular predictor, is trained by a capable metaheuristic strategy, namely equilibrium optimizer (EO) to predict the P_ul. The used data is collected from laboratory investigations in previous literature. First, two optimal configurations of EO-ANFIS are selected after sensitivity analysis. They are next evaluated and compared with classical ANFIS and two neural-based models using well-accepted accuracy indicators. The results of all five models were in good agreement with laboratory P_uls (all correlations > 0.99). However, it was shown that both EO-ANFISs not only outperform neural benchmarks but also enjoy a higher accuracy compared to the classical version. Therefore, utilizing the EO is recommended for optimizing this predictive tool. Furthermore, a comparison between the selected EO-ANFISs, where one employs a larger population, revealed that the model with the population size of 75 is more efficient than 300. In this relation, root mean square error and the optimization time for the EO-ANFIS (75) were 19.6272 and 1715.8 seconds, respectively, while these values were 23.4038 and 9298.7 seconds for EO-ANFIS (300).

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.3
• /
• pp.307-316
• /
• 2011

The majority of maritime accidents happened by human factor. For that reason, navigation experts want to an intelligent support system for navigation safety, without officer involvement. The expert system which is one of artificial intelligence skills for navigation support is an important tool that a machine can substitute for an expert through the design of a knowledge base and inference engine using the experience or knowledge of an expert. Further, in the real world, a complex situation requires synthetic estimation with the input of experts in various fields for the correct estimation of the situation, not any one expert. In particular, synthetic estimation is more important for navigation situations than in other cases, because of diverse potential threats. This paper presents the method of knowledge fusion pertaining to navigation safety knowledge from various expert systems, using a blackboard system. Then we will show the validity of the method via a design and implementation of test system effort.

• Journal of Korean Tunnelling and Underground Space Association
• /
• v.2 no.2
• /
• pp.11-21
• /
• 2000

Tunnelling has been created as a great extent in view of less land space available because the growth of population in metropolitan has been accelerated at a faster pace than the development of the cities. In tunnelling, it is often faced that measures are obliged to be taken without confirmation for such abnormality as diverged movement of surrounding rock mass, growing crack of shotcrete and yielding of rockbolts. In this case, it is usually said that the judgments of experienced engineers for the selection of measure are importance and allowed us to get over the situations in many construction sites. But decrease of such experienced engineers need us to develop the new system to assist the selection of measures for the abnormality without any experiences of similar tunnelling sites. In this study, After a lot of tunnelling reinforcement methods were surveyed and the detail application were studied, an expert system was developed to predict the safety of tunnel and choose proper tunnel reinforcement system using fuzzy quantification theory and fuzzy inference rule based on tunnel information database. The expert system developed in this study have two main parts named pre-module and post-module. Pre-module decides tunnel information imput items based on the tunnel face mapping information which can be easily obtained in-situ site. Then, using fuzzy quantification theory II, fuzzy membership function is composed and tunnel safety level is inferred through this membership function. The comparison result between the predicted reinforcement system level and measured ones was very similar. In-situ data were obtained in three tunnel sites including subway tunnel under Han river. This system will be very helpful to make the most of in-situ data and suggest proper applicability of tunnel reinforcement system developing more resonable tunnel support method from dependance of some experienced experts for the absent of guide.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1181-1185
• /
• 2009

Adaptive Nuero-Fuzzy Inference System(ANFIS) 모형은 인공신경망과 퍼지모형의 특징을 가지는 모형으로 자료간의 관계가 선형이 아닌 비선형관계를 가질 경우 매우 정확한 예측 모형을 구축할 수 있는 특징이 있다. 월강수량 예측이 관측된 기상자료들과 비선형 관계에 있다고 생각되어 ANFIS 모형을 이용하여 월강수량을 예측하였다. 본 연구의 대상 지점으로는 금강유역의 대전 지점으로 선정하였다. 금강유역은 우리나라의 한가운데 위치하여 평균적인 강수형태 및 특징을 보여 좋은 실험유역으로 생각되어 선정하였다. 금강유역의 기상청에서 운영하는 지상 유인관측소 중 비교적 금강유역을 대표하고 양질의 자료가 기록되어 있다고 판단되는 대전지점을 실험지점으로 생각되어 선정하였다. 기상청 대전 유인 관측소에는 총 39년치 기상 자료가 기록되어 있다. 기상청에서는 전국 주요 도시들을 대상으로 2003년부터 월간 예보를 하고 있다. 본 연구에서는 기상청 월간예보와 기상청 대전 유인관측소에서 관측된 5년 치 기상자료를 모델의 입력자료로 구성하였다. 적절한 입력변수 조합을 구성하기 위하여 반복해법을 적용하였다. 5년 치 자료 중 절반은 학습을 시키는데 사용하였고 나머지 절반을 이용하여 모형을 검증하였다. 여러 입력변수를 이용하여 모형의 학습시킨 결과 입력변수가 3개 일 경우 가장 높은 정확도를 보였다. 입력변수가 3개로 학습 시킨 ANFIS 모형과 기상청에서 제공하는 월간예보를 비교해본 결과 ANFIS 모형을 적용하여 월 강수량을 예측하는 것이 기상청에서 제공하는 월간예보보다 높은 정확도를 보이는 것을 확인할 수 있었다.

• Journal of Korea Multimedia Society
• /
• v.20 no.11
• /
• pp.1811-1819
• /
• 2017

As the induction motor is the core production equipment of the industry, it is necessary to construct a fault prediction and diagnosis system through continuous monitoring. Many researches have been conducted on motor fault diagnosis algorithm based on signal processing techniques using Fourier transform, neural networks, and fuzzy inference techniques. In this paper, we propose a fault diagnosis method of induction motor using LPC and DNN. To evaluate the performance of the proposed method, the fault diagnosis was carried out using the vibration data of the induction motor in steady state and simulated various fault conditions. Experimental results show that the learning time of our proposed method and the conventional spectrum+DNN method is 139 seconds and 974 seconds each executed on the experimental PC, and our method reduces execution time by 1/8 compared with conventional method. And the success rate of the proposed method is 98.08%, which is similar to 99.54% of the conventional method.

• Journal of Korean Society for Quality Management
• /
• v.45 no.4
• /
• pp.649-664
• /
• 2017

Purpose: This paper introduces the technology of prognostics for Industry 4.0 and presents its application procedure for fitness-for-service assessment of natural gas pipelines according to ISO 13374 framework. Methods: Combining data-driven approach with pipe failure models, we present a hybrid scheme for the gas pipeline prognostics. The probability of pipe failure is obtained by using the PCORRC burst pressure model and First Order Second Moment (FOSM) method. A fuzzy inference system is also employed to accommodate uncertainty due to corrosion growth and defect occurrence. Results: With a modified field dataset, the probability of failure on the pipeline is calculated. Then, its residual useful life (RUL) is predicted according to ISO 16708 standard. As a result, the fitness-for-service of the test pipeline is well-confirmed. Conclusion: The framework described in ISO 13374 is applicable to the RUL prediction and the fitness-for-service assessment for gas pipelines. Therefore, the technology of prognostics is helpful for safe and efficient management of gas pipelines in Industry 4.0.