• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1141-1145
• /
• 2005

This paper proposes a robust tension control algorithm for the let-off and take-up system driven by servo motor which is robust to disturbance and tension variation by using SVR(Support Vector Regression). Quality of textile goods in fiber manufacturing process highly depends on control of let-off, take-up and tension which are essential for constant tension control of yarn and textile fabrics and correct length of them. The physical properties of textile fabrics are very sensitive to several factors(temperature, humidity, radius change of warp beam etc.) which result in tension change. Rapid development of fiber manufacture machine for higher productivity requires control system for let-off, take-up and tension for robustness to sharp tension-variation and quick response. The validity and the usefulness of the proposed algorithm are thoroughly verified through numerical simulation.

• 농업과학연구
• /
• 제50권4호
• /
• pp.675-696
• /
• 2023

Terpenoids, also referred to as terpenes, are a large family of naturally occurring chemical compounds present in the essential oils extracted from medicinal plants. In this study, a nondestructive methodology was created by combining ATR-FT-IR (attenuated total reflectance-Fourier transform infrared), and Raman spectroscopy for the terpenoids assessment in medicinal plants essential oils from ten different geographical locations. Partial least squares regression (PLSR) and support vector regression (SVR) were used as machine learning methodologies. However, a deep learning based model called as one-dimensional convolutional neural network (1D CNN) were also developed for models comparison. With a correlation coefficient (R²) of 0.999 and a lowest RMSEP (root mean squared error of prediction) of 0.006% for the prediction datasets, the SVR model created for FT-IR spectral data outperformed both the PLSR and 1 D CNN models. On the other hand, for the classification of essential oils derived from plants collected from various geographical regions, the created SVM (support vector machine) classification model for Raman spectroscopic data obtained an overall classification accuracy of 0.997% which was superior than the FT-IR (0.986%) data. Based on the results we propose that FT-IR spectroscopy, when coupled with the SVR model, has a significant potential for the non-destructive identification of terpenoids in essential oils compared with destructive chemical analysis methods.

• Computers and Concrete
• /
• 제24권1호
• /
• pp.7-17
• /
• 2019

The complex phenomenon of the bond formation in geopolymer is not well understood and therefore, difficult to model. This paper present applied statistical models for evaluating the compressive strength of geopolymer. The applied statistical models studied are divided into three different categories - linear regression [least absolute shrinkage and selection operator (LASSO) and elastic net], tree regression [decision and bagging tree] and kernel methods (support vector regression (SVR), kernel ridge regression (KRR), Gaussian process regression (GPR), relevance vector machine (RVM)]. The performance of the methods is compared in terms of error indices, computational effort, convergence and residuals. Based on the present study, kernel based methods (GPR and KRR) are recommended for evaluating compressive strength of Geopolymer concrete.

• 로봇학회논문지
• /
• 제12권2호
• /
• pp.173-183
• /
• 2017

This paper proposes an integrated positioning system to localize a moving object in the shadow-area that exists in the water tank. The new water tank for underwater robots is constructed to evaluate the navigation performance of underwater vehicles. Several sensors are integrated in the water tank to provide the position information of the underwater vehicles. However there are some areas where the vehicle localization becomes very poor since the very limited sensors such as sonar and depth sensors are effective in underwater environment. Also there are many disturbances at sonar data. To reduce these disturbances, an extended Kalman filter has been adopted in this research. To localize the underwater vehicles under the hostile situations, a SVR (Support Vector Regression) has been systematically applied for estimating the position stochastically. To demonstrate the performance of the proposed algorithm (an extended Kalman filter + SVR analysis), a new UI (User Interface) has been developed.

• Geomechanics and Engineering
• /
• 제27권5호
• /
• pp.511-525
• /
• 2021

In the design of underground excavation, the shear strength (SS) is a key characteristic. It describes the way the rock material resists the shear stress-induced deformations. In general, the measurement of the parameters related to rock shear strength is done through laboratory experiments, which are costly, damaging, and time-consuming. Add to this the difficulty of preparing core samples of acceptable quality, particularly in case of highly weathered and fractured rock. This study applies rock index test to the indirect measurement of the SS parameters of shale. For this aim, two efficient artificial intelligence methods, namely (1) adaptive neuro-fuzzy inference system (ANFIS) implemented by subtractive clustering method (SCM) and (2) support vector regression (SVR) optimized by Harmony Search (HS) algorithm, are proposed. Note that, it is the first work that predicts the SS parameters of shale through ANFIS-SCM and SVR-HS hybrid models. In modeling processes of ANFIS-SCM and SVR-HS, the results obtained from the rock index tests were set as inputs, while the SS parameters were set as outputs. By reviewing the obtained results, it was found that both ANFIS-SCM and SVR-HS models can provide acceptable predictions for interlocking and friction angle parameters, however, ANFIS-SCM showed a better generalization capability.

• 한국방재안전학회논문집
• /
• 제13권4호
• /
• pp.75-92
• /
• 2020

일반적으로 물수지 분석 시 공급에 해당되는 회귀수량의 경우 용수별 회귀율을 일률적으로 정하여 산정하는 방법을 채택하고 있어 정확한 가용유량을 산정하지 못하는 한계를 갖고 있다. 이에 본 연구에서는 회귀수 중 하·폐수에 초점을 두었고 인공신경망 등의 기계학습 모형을 적용하여 하수종말처리장의 방류량 예측 모형을 개발하였다. 시계열 자료예측 시 사용되는 주요 기계학습 모형인 LSTM (Long Short-Term Memory), GRU (Gated Recurrent Units), SVR (Support Vector Regression)모형을 적용하였으며 관측 값과 예측 값을 비교하는 오차지표를 통하여 방류량 예측의 최적의 모형을 선정하였다. 모형 적용 결과, GRU 모형의 평균제곱근 오차(Root Mean Square Error, RMSE)는 LSTM 모형과 SVR 모형보다 작으며 Nash-Sutcliffe 계수(NSE)는 LSTM 모형과 SVR 모형보다 큰 것을 확인하였고, 이를 근거로 하수종말처리장의 방류량 예측에 최적모형은 GRU 모형이라고 판단하였다. 다만, 극값에서는 예측 값이 과소 및 과대 산정되는 경향을 보여 추후 예측 정확도 향상을 위해서는 극한사상에 대한 추가자료 구축 및 입력 자료의 최소시간단위를 축소하는 것이 필요할 것으로 판단되었다. 또한, 예측하고자 하는 대상지의 용수이용량을 검토하고 계절적 영향을 반영할 수 있는 추가인자를 고려하게 되면 기후변동성에 대비하여 정확한 방류량 예측이 가능하며 예측 결과를 토대로 종합적인 하천수 사용관리 및 물이용 계획 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.

• 터널과지하공간
• /
• 제32권6호
• /
• pp.586-597
• /
• 2022

본 연구에서는 국내 주요 연약지반으로 알려진 낙동강 조간대 지역의 압밀침하 취약성 평가에 활용할 상부 점성토층의 위치별 두께 정보를 추정할 수 있는 모델을 개발하였다. 두께정보 추정을 위하여 기계학습 알고리즘인 RF (Random Forest), SVR (Support Vector Regression), GPR (Gaussian Process Regression)과 지구통계기법인 정규크리깅(Ordinary Kriging)을 이용한 4가지 공간추정 모델을 개발하고 상호 비교하였다. 모델 개발을 위하여 수집한 연구지역의 시추공 자료 4,712개 중 상부점성토층이 존재하는 2,948개의 시추공 자료를 사용하였으며, 개발된 모델들의 성능을 정량적으로 평가하기 위하여 피어슨(Pearson) 상관계수와 오차제곱평균(mean squared error)을 사용하였다. 또한, 정성적 평가를 위하여 연구지역 전역에 상부점성토층의 두께를 추정하여 점성토층의 지역별 분포 특성을 상호 비교하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 추계학술발표대회
• /
• pp.113-116
• /
• 2007

In this paper, our proposed Nonlinear Autoregressive Exogenous (NARX) based on Least Square-Support Vector Regression (LS-SVR) is introduced and tested for producing natural sounds. This nonlinear synthesizer perfectly reproduce voiced sounds, and also conserve the naturalness such as jitter and shimmer, compared to LPC does not keep these naturalness. However, the results of some phonation are quite different from the original sounds. These results are assumed that single-band model can not afford to control and decompose the high frequency components. Therefore multi-band model with wavelet filterbank is adopted for substituting single band model. As a results, multi-band model results in improved stability. Finally, nonlinear speech modeling using NARX based on LS-SVR can successfully reconstruct synthesized sounds nearly similar to original voiced sounds.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1739-1756
• /
• 2021

대기 중 이산화질소(NO₂)는 주로 인위적인 배출요인으로 발생하며 화학 반응을 통해 이차오염 물질 및 오존 형성에 매개 역할을 하는 인체 건강에 악영향을 미치는 물질이다. 우리나라는 지상 관측소에 의한 실시간 NO₂ 모니터링을 수행하고 있지만, 이는 점 기반의 관측 값으로써 미관측 지역의 공간 분포 분석이 어렵다는 한계점을 지닌다. 본 연구에서는 선형 회귀 기반 모델인 다중 선형 회귀와 회귀 크리깅, 기계학습 알고리즘인 Random Forest (RF), Support Vector Regression (SVR)을 적용한 공간 내삽 모델링을 통해 서울 지역의 지상 NO₂ 농도 지도를 제작하였고, 일별 Leave-One-Out Cross Validation (LOOCV) 교차 검증을 시행하였다. 2020년 연구기간 내 일별 LOOCV에서 MLR, RK, SVR 모델의 일별 평균 Index of agreement (IOA)는 약 0.57로 유사한 성능을 보였으며, RF (0.50)보다 높은 성능이 확인되었다. RK의 일별 평균 nRMSE는 0.9483%으로 MLR (0.9501%)보다 상대적으로 낮은 오차를 나타냈다. MLR과 RK, RF 모델의 계절별 공간 분포는 비슷한 양상을 보였으며, RF는 다른 모델에 비해 좁은 NO₂ 농도 범위가 확인되었다. 본 연구에서 제안된 선형 회귀 기반 공간 내삽은 지상 NO₂ 뿐 아니라 다른 대기 오염 물질의 도시 지역 공간 내삽을 위해 활용 가능성이 높을 것으로 기대된다.

• Korean Chemical Engineering Research
• /
• 제52권5호
• /
• pp.564-573
• /
• 2014

이 연구는 벤젠과 프로필렌의 기상반응을 통해 쿠멘을 생산하는 쿠멘 생산 공정의 경제성 최적화에 대한 것이다. 최적화의 목적함수는 제품 판매 이득에서 자본비용, 유틸리티 비용, 원료 비용을 뺀 연간 조업이득이고, 설계변수는 6개이다. 설계변수의 변화에 따른 조업이득의 계산을 위해 Unisim Design과 Matlab을 연동하였다. 최적화는 3단계로 수행되었다. 설계변수를 샘플링한 후 조업이득 데이터를 얻고, 이 데이터로부터 설계변수와 조업이득의 관계를 추정 모델로 표현하고, 이 모델을 이용하여 최적화하였다. 추정모델로는 반응표면법에서 사용되는 2차 회귀 다항식과 비선형 모델인 support vector regression을 비교하였다. 설계변수의 샘플링 방법으로는 중심합성계획과 Hammersley 순차 추출법을 비교하였다. 각각 얻어진 모델을 이용한 최적화 결과, 추정방법으로는 SVR이, 샘플링 방법은 Hammersley 순차추출법이 더 정확하였다. 최적화된 조업이득은 연간 17.96 MM$로, 기준 조건에서의 연간 16.04 MM$에 비해 12% 증가하였다.