• 플랜트 저널
• /
• 제8권4호
• /
• pp.34-39
• /
• 2012

석탄화력발전소에서 저품위탄 연소시 통풍저항 변화로 인해 승압송풍기의 운전점에 영향을 주는 것을 분석하여 현재운전점 대비 실속시점을 예측하였다. 연료의 발열량이 낮을수록 통풍저항 증가 속도가 빨라지며, 통풍저항과 승압송풍기의 운전점과는 강한 상관관계가 있음을 확인하였다. 발열량이 낮을수록 통풍저항이 빨리 상승하며 이는 곧 승압송풍기의 운전점이 설계탄 대비해서 실속 한계운전점에 빨리 도달하게 된다. 이를 근거로 현재운전점 대비 한계운전점까지의 운전여유분과 발열량별 통풍저항 증가 속도를 계산하여 실속시점을 예측할 수 있어 송풍기 실속으로 인한 발전출력의 감소나 운전정지에 대비한 정비계획 수립 등 안정운전에 많은 도움이 될 것으로 예상한다.

• 한국지반환경공학회 논문집
• /
• 제13권8호
• /
• pp.25-33
• /
• 2012

터널 설계 시 해당지반에 관한 정보를 정확히 반영하는 것은 대단히 중요하다. 하지만 다양한 지형 및 지질조건을 모두 고려한 지반조사 및 시험 등은 경제적, 기술적으로 인하여 현실적으로 실시하기 어렵기 때문에 한정된 정보에 의하여 해석 및 설계를 하고 있는 실정이다. 본 연구는 도심지 및 산악지역 터널공사 시, 보다 정확한 안정성 검토 및 거동 예측을 수행하여 선정 결과에 대한 현장 적용성 여부를 판단하기 위해 인공신경망 이론의 적용을 통하여 기존 거동예측의 한계성을 극복하고자 하였다. 먼저, 현장 데이터를 확보하여 인공신경망 중 다층퍼셉트론을 연구에 적합한 구조로 구축하고, 역전파 알고리즘으로 학습시켜 적용하였다. 인공신경망을 이용한 현장적용성의 학습을 위한 자료는 터널의 지보패턴, RMR, Q, 암종, 굴진장, 굴착형태, 굴착경과일 등 터널거동에 영향을 미치는 영향인자를 고려하여 신뢰성 분석을 실시하고 선별된 계측자료의 결과를 데이터베이스화하여 사용하였다. 학습이 완료된 인공신경망 모델을 이용하여 터널시공현장의 굴착경과일에 따른 천단변위, 내공변위, 지중변위, 록볼트축력을 예측하고 현장 계측치와 비교분석을 통하여 인공신경망을 이용한 터널 시공 시 현장적용성을 확인하였다.

• 한국정보처리학회논문지
• /
• 제6권9호
• /
• pp.2403-2413
• /
• 1999

본 연구는 기능점수 모형의 예측능력과 활용성을 높이는 동시에 소프트웨어 사업대가 기준의 실용성을 제고하는 목적으로 수행되었다. 기능점수 개선모형 연구는 최근에도 몇가지 연구가 수행된 바 있다. 따라서 본 연구에서는 이들 연구 결과를 활용하여 모델을 개선하는 작업을 수행하였다. 우선, 기존의 국내 연구를 보완하고, 전문가의 자문을 통하여 실용성이 높은 후보 모형을 도출하였다. 현재와 같은 프로젝트 환경에서는 실제 데이터에 의한 통계적으로 완벽한 검증을 기대하기 어려우므로, 현업 프로젝트 전문가의 경험에 의한 검증이 매우 중요한 역할을 한다. 따라서 본 연구는 이러한 과정을 충실하게 거쳐 후보 모형을 도출하였다. 특히 기술적 복잡도 판단 기준표는 기능점수 모형에서 제시되지 않은 독자적인 기준으로서 한국형 기능점수 모형의 대표적인 특징이라 할 수 있다. 또한 본 연구는 39개의 프로젝트 실제 데이터를 이용하여 후보 모형의 타당성을 검증하였다. 제안된 후보 모형이 전문가에 의한 경험적인 타당성과 함께 일정 수준 이상의 통계적 유의성을 가지고 있음을 입증하였다. 본 연구의 결과는 산업계와 정부 등의 관련기관 실무 회의를 거쳐 소프트웨어 사업의 대가기준으로 활용될 수 있을 것이다.

• 전기학회논문지
• /
• 제66권12호
• /
• pp.1772-1781
• /
• 2017

In this study, the design methodology for alleviating the overfitting problem of Polynomial Neural Networks(PNN) is realized with the aid of two kinds techniques such as L2 regularization and Sum of Squared Coefficients (SSC). The PNN is widely used as a kind of mathematical modeling methods such as the identification of linear system by input/output data and the regression analysis modeling method for prediction problem. PNN is an algorithm that obtains preferred network structure by generating consecutive layers as well as nodes by using a multivariate polynomial subexpression. It has much fewer nodes and more flexible adaptability than existing neural network algorithms. However, such algorithms lead to overfitting problems due to noise sensitivity as well as excessive trainning while generation of successive network layers. To alleviate such overfitting problem and also effectively design its ensuing deep network structure, two techniques are introduced. That is we use the two techniques of both SSC(Sum of Squared Coefficients) and $L_2$ regularization for consecutive generation of each layer's nodes as well as each layer in order to construct the deep PNN structure. The technique of $L_2$ regularization is used for the minimum coefficient estimation by adding penalty term to cost function. $L_2$ regularization is a kind of representative methods of reducing the influence of noise by flattening the solution space and also lessening coefficient size. The technique for the SSC is implemented for the minimization of Sum of Squared Coefficients of polynomial instead of using the square of errors. In the sequel, the overfitting problem of the deep PNN structure is stabilized by the proposed method. This study leads to the possibility of deep network structure design as well as big data processing and also the superiority of the network performance through experiments is shown.

• 한국산학기술학회논문지
• /
• 제11권7호
• /
• pp.2406-2419
• /
• 2010

본 연구는 의료기관평가점수의 유용성을 높이기 위한 목적으로 수행되어 2004년부터 2008년까지 공시된 의료기관평가점수를 바탕으로 효율성지표를 이용해 환산지수를 추정하는 모형을 구축하였다. 의료기관평가영역별로 부여된 다양한 평가항목점수를 AHP를 통해 축약하고 이를 DEA_AR모형에 사용함으로써 추가적인 정보를 제공하는 유용한 예측모형을 구성할 수 있었다. 의료기관평가점수와 신임병원자료, 건강보험공단 자료를 연결해 분석 가능한 자료를 생성하고 DEA, 요인분석, 일반 선형모형을 이용해 환산지수, 효율성, 환산지수와 효율성을 결합하는 모형을 제시하였다. 개별 병원의 투입물과 산출물 뿐 만 아니라 의료기관평가점수, 종별구분, 지역별 분포 등이 환산지수의 영향변수로 파악되었다. 따라서 본 연구에서 제시된 AHP와 DEA_AR을 기반으로 한 효율성지표를 사용해 환산지수를 구하고 이를 수가계약에 활용함으로써 보건의료에 기여할 것으로 판단된다.

• Journal of Power Electronics
• /
• 제15권4호
• /
• pp.1047-1053
• /
• 2015

A time-domain simulation tool to predict the dynamic power output of wind turbines in an offshore wind farm was developed in this study. A wind turbine model consisting of first or second order transfer functions of various wind turbine elements was combined with the Ainslie's eddy viscosity wake model to construct the simulation tool. The wind turbine model also includes an aerodynamic model that is a look up table of power and thrust coefficients with respect to the tip speed ratio and pitch angle of the wind turbine obtained by a commercial multi-body dynamics simulation tool. The wake model includes algorithms of superposition of multiple wakes and propagation based on Taylor's frozen turbulence assumption. Torque and pitch control algorithms were implemented in the simulation tool to perform max-Cp and power regulation control of the wind turbines. The simulation tool calculates wind speeds in the two-dimensional domain of the wind farm at the hub height of the wind turbines and yields power outputs from individual wind turbines. The NREL 5MW reference wind turbine was targeted as a wind turbine to obtain parameters for the simulation. To validate the simulation tool, a Danish offshore wind farm with 80 wind turbines was modelled and used to predict the power from the wind farm. A comparison of the prediction with the measured values available in literature showed that the results from the simulation program were fairly close to the measured results in literature except when the wind turbines are congruent with the wind direction.

• 상하수도학회지
• /
• 제20권6호
• /
• pp.799-811
• /
• 2006

As an alternative measure to replace reactive stance with proactive one, a risk based management scheme has been commonly applied to enhance public satisfaction on water service by providing a higher creditable solution to handle a rehabilitation problem of pipe having high potential risk of leaks. This study intended to examine the feasibility of a simulation model to predict a recurrence probability of pipe leaks. As a branch of the data mining technique, probabilistic neural network (PNN) algorithm was applied to infer the extent of leaking recurrence probability of water network. PNN model could classify the leaking level of each unit segment of the pipe network. Pipe material, diameter, C value, road width, pressure, installation age as input variable and 5 classes by pipe leaking probability as output variable were built in PNN model. The study results indicated that it is important to pay higher attention to the pipe segment with the leak record. By increase the hydraulic pipe pressure to meet the required water demand from each node, simulation results indicated that about 6.9% of total number of pipe would additionally be classified into higher class of recurrence risk than present as the reference year. Consequently, it was convinced that the application of PNN model incorporated with a data base management system of pipe network to manage municipal water distribution network could make a promise to enhance the management efficiency by providing the essential knowledge for decision making rehabilitation of network.

• 한국멀티미디어학회논문지
• /
• 제3권2호
• /
• pp.201-208
• /
• 2000

이 논문에서는 시계열 예측을 위하여 퍼지 엔트로피에 의한 입력공간의 분할과 퍼지 제어규칙을 자동으로 생성하는 방법을 제안하고, Mackey-Glass 데이터 Set을 이용한 시계열 예측 문제에 적용하여 그 성능을 검증한다. 이 방법은 샤논 함수와 퍼지 엔트로피 함수를 이용하여 입력공간을 분할하고, 분할된 부 공간에 대해 이력 데이터와 부합할 수 있는 각각의 규칙에 등급을 정하여 불필요한 제어규칙을 제거하여 최적의 규칙베이스를 구성하도록 한다. 적용되는 퍼지 신경망의 기본적인 구조는 퍼지 제어기의 규칙베이스와 추론의 과정을 신경회로망을 이용하여 구현하며 퍼지 제어규칙의 매개변수들은 최대 급경사 강하법에 의해 적응되어진다. 제안되는 알고리즘을 매개변수의 수를 줄이기 위하여 제어 규칙의 결론부의 출력값은 신경망의 가중치로 구성하여 퍼지 신경망의 복잡도를 줄임으로서 추론형과 기술형 접근법을 혼합한 형태의 학습 알고리즘이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.581-584
• /
• 2019

Food consumption is growing worldwide every year owing to a growing population. Hence, the increasing population needs the production of sufficient and good quality food products. Strawberry is one of the world's most famous fruit. To obtain the highest strawberry output, we worked with three strawberry varieties supplied with three kinds of nutrient water in a greenhouse and with the outcome of the strawberry production, the highest yielding strawberry variety is detected. This Study uses the nutrient water consumed every day by the highest yielding strawberry variety. The atmospheric temperature, humidity and CO2 levels within the greenhouse are identified and used for the prediction, since the water consumption by any plant depends primarily on weather conditions. Machine learning techniques show successful outcomes in a multitude of issues including time series and regression issues. In this study, daily nutrient water consumption of strawberry plants is predicted using machine learning algorithms is proposed. Four Machine learning algorithms are used such as Linear Regression (LR), K nearest neighbour (KNN), Support Vector Machine with Radial Kernel (SVM) and Gradient Boosting Machine (GBM). Gradient Boosting System produces the best results.

• Membrane and Water Treatment
• /
• 제9권2호
• /
• pp.115-121
• /
• 2018

Artificial neural network (ANN) simulation is used to predict the dynamic change of permeate flux during wheat starch industry wastewater microfiltration with and without static turbulence promoter. The experimental program spans range of a sedimentation times from 2 to 4 h, for feed flow rates 50 to 150 L/h, at transmembrane pressures covering the range of $1{\times}10^5$ to $3{\times}10^5Pa$. ANN predictions of the wastewater microfiltration are compared with experimental results obtained using two different set of microfiltration experiments, with and without static turbulence promoter. The effects of the training algorithm, neural network architectures on the ANN performance are discussed. For the most of the cases considered, the ANN proved to be an adequate interpolation tool, where an excellent prediction was obtained using automated Bayesian regularization as training algorithm. The optimal ANN architecture was determined as 4-10-1 with hyperbolic tangent sigmoid transfer function transfer function for hidden and output layers. The error distributions of data revealed that experimental results are in very good agreement with computed ones with only 2% data points had absolute relative error greater than 20% for the microfiltration without static turbulence promoter whereas for the microfiltration with static turbulence promoter it was 1%. The contribution of filtration time variable to flux values provided by ANNs was determined in an important level at the range of 52-66% due to increased membrane fouling by the time. In the case of microfiltration with static turbulence promoter, relative importance of transmembrane pressure and feed flow rate increased for about 30%.