• 한국농림기상학회지
• /
• 제17권2호
• /
• pp.165-172
• /
• 2015

지구 온난화와 연관된 기후 변화는 악기상 현상의 발생 빈도 및 강도를 증가시킨다. 따라서 산불, 산사태 등 산림 재해의 예방 및 대응을 위한 정밀한 산림 미기상 예측 시스템의 개발이 필요하다. 본 연구에서는 2013년 3월 봉화와 강릉에서 발생한 산불을 WRF와, 3D-var로 모의 하였다. WRF에서 나온 Output 자료를 이용하여 MUKLIMO 모형을 기반으로 산림 미기상 해석 및 모의를 위한 예측 시스템의 구축과 최적화를 이루었다. 이를 위해 3차원 변분 자료 동화 방법을 사용하여 기상청 AWS 관측 자료를 동화하였고, WRF의 예보에 MUKLIMO 모형을 결합하여 100m의 고해상도 바람장을 산출하였다. 자료동화를 수행하지 않은 CNTL 실험에 비해 자료 동화를 수행한 KMA 혹은 KMA_KFRI실험의 모의 결과가 관측과 가까워짐을 확인하였다. MUKLIMO에서 산출된 바람장 자료를 이용하여 보다 정확한 산림 미기상 예측 시스템을 구축할 수 있었다.

• 한국음향학회지
• /
• 제31권1호
• /
• pp.29-38
• /
• 2012

본 논문에서는 음성 신호에 더해진 돌발 잡음을 제거하는 시스템을 제안한다. 제안한 돌발 잡음 제거 시스템은 중앙값 필터를 이용하여 돌발 잡음을 제거한다. 중앙값 필터는 잡음을 제거하는 과정에서 음성을 왜곡시킬 수 있기 때문에, 음성의 왜곡을 최소화하기 위하여 장구간 예측 필터를 전처리단으로 사용한다. 장구간 예측 필터로 보존된 음성 정보는 잡음이 제거된 후 다시 합성된다. 본 논문에서는 돌발 잡음이 존재하는 환경에서 음성의 정보를 보존하는데 있어 단구간 예측 필터의 문제점을 밝히고 장구간 예측 필터의 우수함을 보인다. 제안한 돌발 잡음 제거 시스템의 출력 신호는 입력 신호에 비해 음성이 존재하는 구간에서 신호 대 잡음비가 약 8dB 향상 되었으며, PESQ 점수가 약 1점 증가하였다.

• 한국환경과학회:학술대회논문집
• /
• 한국환경과학회 2003년도 International Symposium on Clean Environment
• /
• pp.73-78
• /
• 2003

In this research, we implement Realtime Air Diffusion Prediction System which is a parallel Fortran model running on distributed-memory parallel computers. The system is designed for air diffusion simulations with four-dimensional data assimilation. For regional air quality forecasting a series of dynamic downscaling technique is adopted using the NCAR/Penn. State MM5 model which is an atmospheric model. The realtime initial data have been provided daily from the KMA (Korean Meteorological Administration) global spectral model output. It takes huge resources of computation to get 24 hour air quality forecast with this four step dynamic downscaling (27km, 9km, 3km, and lkm). Parallel implementation of the realtime system is imperative to achieve increased throughput since the realtime system have to be performed which correct timing behavior and the sequential code requires a large amount of CPU time for typical simulations. The parallel system uses MPI (Message Passing Interface), a standard library to support high-level routines for message passing. We validate the parallel model by comparing it with the sequential model. For realtime running, we implement a cluster computer which is a distributed-memory parallel computer that links high-performance PCs with high-speed interconnection networks. We use 32 2-CPU nodes and a Myrinet network for the cluster. Since cluster computers more cost effective than conventional distributed parallel computers, we can build a dedicated realtime computer. The system also includes web based Gill (Graphic User Interface) for convenient system management and performance monitoring so that end-users can restart the system easily when the system faults. Performance of the parallel model is analyzed by comparing its execution time with the sequential model, and by calculating communication overhead and load imbalance, which are common problems in parallel processing. Performance analysis is carried out on our cluster which has 32 2-CPU nodes.

• Geomechanics and Engineering
• /
• 제12권3호
• /
• pp.441-464
• /
• 2017

The determination of the mixture parameters of stabilization has become a great concern in geotechnical applications. This paper presents an effort about the application of artificial intelligence (AI) techniques including radial basis neural network (RBNN), multi-layer perceptrons (MLP), generalized regression neural network (GRNN) and adaptive neuro-fuzzy inference system (ANFIS) in order to predict the unconfined compressive strength (UCS) of silty soil stabilized with bottom ash (BA), jute fiber (JF) and steel fiber (SF) under different freeze-thaw cycles (FTC). The dosages of the stabilizers and number of freeze-thaw cycles were employed as input (predictor) variables and the UCS values as output variable. For understanding the dominant parameter of the predictor variables on the UCS of stabilized soil, a sensitivity analysis has also been performed. The performance measures of root mean square error (RMSE), mean absolute error (MAE) and determination coefficient ($R^2$) were used for the evaluations of the prediction accuracy and applicability of the employed models. The results indicate that the predictions due to all AI techniques employed are significantly correlated with the measured UCS ($p{\leq}0.05$). They also perform better predictions than nonlinear regression (NLR) in terms of the performance measures. It is found from the model performances that RBNN approach within AI techniques yields the highest satisfactory results (RMSE = 55.4 kPa, MAE = 45.1 kPa, and $R^2=0.988$). The sensitivity analysis demonstrates that the JF inclusion within the input predictors is the most effective parameter on the UCS responses, followed by FTC.

• Advances in Computational Design
• /
• 제2권3호
• /
• pp.225-240
• /
• 2017

This paper presents the application of multiple linear regression (MLR) and artificial neural network (ANN) techniques for developing the models to predict the unconfined compressive strength (UCS) and Brazilian tensile strength (BTS) of the fiber reinforced cement stabilized fly ash mixes. UCS and BTS is a highly nonlinear function of its constituents, thereby, making its modeling and prediction a difficult task. To establish relationship between the independent and dependent variables, a computational technique like ANN is employed which provides an efficient and easy approach to model the complex and nonlinear relationship. The data generated in the laboratory through systematic experimental programme for evaluating UCS and BTS of fiber reinforced cement fly ash mixes with respect to 7, 14 and 28 days' curing is used for development of the MLR and ANN model. The data used in the models is arranged in the format of four input parameters that cover the contents of cement and fibers along with maximum dry density (MDD) and optimum moisture contents (OMC), respectively and one dependent variable as unconfined compressive as well as Brazilian tensile strength. ANN models are trained and tested for various combinations of input and output data sets. Performance of networks is checked with the statistical error criteria of correlation coefficient (R), mean square error (MSE) and mean absolute error (MAE). It is observed that the ANN model predicts both, the unconfined compressive and Brazilian tensile, strength quite well in the form of R, RMSE and MAE. This study shows that as an alternative to classical modeling techniques, ANN approach can be used accurately for predicting the unconfined compressive strength and Brazilian tensile strength of fiber reinforced cement stabilized fly ash mixes.

• Computers and Concrete
• /
• 제25권1호
• /
• pp.67-73
• /
• 2020

Traditionally used analytical approach to predict the fatigue failure of reinforced concrete (RC) structure is generally conservative and has certain limitations. The nonlinear finite element method (FEM) offers less expensive solution for fatigue analysis with sufficient accuracy. However, the conventional implicit dynamic analysis is very expensive for high level computation. Whereas, an explicit dynamic analysis approach offers a computationally operative modelling to predict true responses of a structural element under periodic loading and might be perfectly matched to accomplish long life fatigue computations. Hence, this study simulates the fatigue behaviour of RC beams with finite element (FE) assemblage presenting a simplified explicit dynamic numerical solution to show computer aided fatigue behaviour of RC beam. A commercial FEM package, ABAQUS has been chosen for this complex modelling. The concrete has been modelled as a 8-node solid element providing competent compression hardening and tension stiffening. The steel reinforcements are simulated as two-node truss elements comprising elasto-plastic stress-strain behaviour. All the possible nonlinearities are duly incorporated. Time domain analysis has been adopted through an automatic Newmark-β time incremental technique. The program consists of twelve RC beams to visualize the real behaviour during fatigue process and to obtain the reliability of the study. Both the numerical and experimental results indicate a redistribution of stresses along the time and damage accumulation of beam which severely affect the serviceability and ultimate capacity of RC beam. The output of the FEM analysis demonstrates good match with the experimental consequences which affirm the efficacy of the computer aided model. The controlled fatigue damage evolution at service fatigue load limits makes the FE model an efficient tool in predicting high cycle fatigue behaviour of RC structures.

• 한국컴퓨터정보학회논문지
• /
• 제16권8호
• /
• pp.137-146
• /
• 2011

에너지 소모에 대한 증가되는 소비자의 관심을 지원하기 위하여 가전기기의 에너지 모니터링과 예측 방식을 제안한다. 제안한 시스템은 0.5초마다 전류 센서를 지나가는 전류량을 측정하는 스마트 플러그라는 일반 전기 콘센트로 설계하고, 신경회로망의 훈련과 시험 데이터를 얻기 위해 평균기온, 최저기온, 초고기온, 습도, 일조시간의 날씨 정보를 입력 데이터로 사용하고, 스마트 플러그를 통한 전기 사용량을 목표값으로 사용하였다. 훈련을 위한 실험데이터를 사용하여 역전파 알고리즘을 기반으로 한 신경회로망을 구성하였다. 입력과 출력 데이터의 비선형 매핑을 위해 다층신경회로망을 사용하였다. 제안한 신경회로망 모델은 상관관계 계수가 0.9965로 우수하게 전기 사용량을 예측할 수 있는 것을 확인하였으며, 예측의 평균 제곱 오차는 0.02033이다.

• 한국전산구조공학회논문집
• /
• 제33권5호
• /
• pp.303-310
• /
• 2020

본 연구에서는 인공신경망을 이용해 건물 구조물의 가속도계 설치 위치 및 개수를 선정하는 방법을 제안한다. 인공신경망의 입력층에는 층에 설치되는 가속도계로부터 얻는 가속도이력데이터가 입력되며, 출력층에는 구조물을 정의하는 각 층의 질량과 강성 값을 출력하도록 신경망을 구성한다. 가속도계의 설치 위치 및 개수를 선정하기 위해 여러 설치 시나리오를 가정하고 훈련을 통해 인공신경망을 구한다. 훈련에 사용되지 않은 예제를 이용해 예측 성능을 비교하였다. 센서 개수 및 위치에 따른 예측 성능을 비교하여 설치위치 및 개수를 선정한다. 6층과 10층 예제 적용을 통해 제안하는 방법을 검증하였다.

• Nuclear Engineering and Technology
• /
• 제27권1호
• /
• pp.53-66
• /
• 1995

현재 사용중인 Non-LOCA 해석용 인허가 코드들은 특정한 형태의 가압경수로에 맞게 짜여진 것들이어서 모든 형태의 가압 경수로에 적용할 수 있는 범용 코드의 개발이 필요한 실정이다. 이를 위하여 한국원자력연구소에서는 웨스팅하우스 및 CE형 발전소에 공히 적용할 수 있는 과도현상 해석 코드인 TASS 로드를 개발하고있다. 이 TASS 코드는 실시 간 보다 빠르게 핵증기계통에 대한 모의 계산을 수행하며 대화식의 입출력을 통하여 사용자가 원하는 과도현상을 정확히 모사할 수 있다. 본 논문에서는 웨스팅하우스형 발전소에 대하여 TASS 코드를 적용하여 Non-LOCA 인허가 해석을 하기 위한 검증을 위해, 교류 전원 상실사고와 부하상실사고에 대하여 발전소 실측자료와의 비교계산을 수행하였고 주급수관 파단사고, 펌프축 고착사고, 증기발생기 세관 파열사고 및 주증기관 파단사고들에 대하여 대형코드인 RELAP5 /MOD3 코드와의 비교계산을 수행하였다.

• Smart Structures and Systems
• /
• 제22권4호
• /
• pp.413-424
• /
• 2018

The factors affecting the shear strength of the angle shear connectors in the steel-concrete composite beams can play an important role to estimate the efficacy of a composite beam. Therefore, the current study has aimed to verify the output of shear capacity of angle shear connector according to the input provided by Support Vector Machine (SVM) coupled with Firefly Algorithm (FFA). SVM parameters have been optimized through the use of FFA, while genetic programming (GP) and artificial neural networks (ANN) have been applied to estimate and predict the SVM-FFA models' results. Following these results, GP and ANN have been applied to develop the prediction accuracy and generalization capability of SVM-FFA. Therefore, SVM-FFA could be performed as a novel model with predictive strategy in the shear capacity estimation of angle shear connectors. According to the results, the Firefly algorithm has produced a generalized performance and be learnt faster than the conventional learning algorithms.