• 상하수도학회지
• /
• 제19권4호
• /
• pp.395-403
• /
• 2005

It is very important to forecast water supply for reasonal operation and management of water utilities. In this paper, water supply forecasting models using artificial intelligence are developed. Artificial intelligence models shows better results by using Temperature(t), water supply discharge (t-1) and water supply discharge (t-2), which are expressed by neural network(LMNNWS; Levenberg-Marquardt Neural Network for Water Supply, MDNNWS; MoDular Neural Network for Water Supply) and neuro fuzzy(ANASWS; Adaptive Neuro-Fuzzy Inference Systems for Water Supply). ANFISWS model which is applied for water supply forecasting shows stable application to the variable water supply data. As results, MDNNWS model shows the highest overall accuracy among proposed water supply forecasting models and the lowest estimation error with the order of ANFISWS, LMNNWS model.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2005년도 춘계 학술발표회 논문집
• /
• pp.201-208
• /
• 2005

Neuro-Fuzzy modeling approach is proposed to predict the dynamic behavior of a single-degree-of-freedom structure that is equipped with hybrid base isolation system. Hybrid base isolation system consists of friction pendulum systems (FPS) and a magnetorheological (MR) damper. Fuzzy model of the M damper is trained by ANFIS using various displacement, velocity, and voltage combinations that are obtained from a series of performance tests. Modelling of the FPS is carried out with a nonlinear analytical equation that is derived in this study and neuro-fuzzy training. Fuzzy logic controller is employed to control the command voltage that is sent to MR damper. The dynamic responses or experimental structure subjected to various earthquake excitations are compared with numerically simulated results using neuro-fuzzy modeling method. Numerical simulation using neuro-fuzzy models of the MR damper and FPS predict response of the hybrid base isolation system very well.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2001년도 추계학술발표회 논문집
• /
• pp.99-104
• /
• 2001

본 연구의 주된 목표는 1997년 주가자료를 데이터마이닝 기법인 로지스틱모형, 의사결정트리, 신경망, SVM(support vector machine), 뉴로퍼지모형을 사용하여 분석한 후 우리나라 경제상황을 진단하고 예측하는데 가장 적합한 모형을 찾고 그 모형을 해석하는데 있다. 1997년 주가자료를 훈련자료로 간주하여 그 당시 경제 상황에 따라 적절한 구간으로 나누고 훈련시킨 결과 중요한 변수로는 주가지수, 등락률 10일 이동분산, 10일 이동분산의 변동비로 나타났으며 적절한 기법으로는 의사결정트리, 신경망, SVM임을 알 수 있다. 1997년 이외의 주가자료를 데이터마이닝 기법(신경망, 의사결정트리, SVM)에 적용한 결과, 우리나라 경제상황을 고려해 볼 때 신경망이 가장 정확도가 좋은 기법으로 보여진다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.382-382
• /
• 2011

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.

• 상하수도학회지
• /
• 제19권6호
• /
• pp.738-748
• /
• 2005

Considering pollution source is transferred by discharge, it is very important to analyze the correlation between discharge and water quality. And temperature also influent to the water quality. In this paper, it is used water quality data that was measured DO (Dissolved Oxygen), TOC (Total Organic Carbon), TN (Total Nitrogen), TP (Total Phosphorus) at Dalchun real time monitoring stations in Namhan river. These characteristics were analyzed with the water quality of rainy and nonrainy periods. Input data of the water quality forecasting models that they were constructed by neural network and neuro-fuzzy was chosen as the reasonable data, and water quality forecasting models were applied. LMNN (Levenberg-Marquardt Neural Network), MDNN (MoDular Neural Network), and ANFIS (Adaptive Neuro-Fuzzy Inference System) models have achieved the highest overall accuracy of TOC data. LMNN and MDNN model which are applied for DO, TN, TP forecasting shows better results than ANFIS. MDNN model shows the lowest estimation error when using daily time, which is qualitative data trained with quantitative data. If some data has periodical properties, it seems effective using qualitative data to forecast.

• 대한토목학회논문집
• /
• 제28권4D호
• /
• pp.451-457
• /
• 2008

현실적인 버스서비스권역 설정은 시내버스의 합리적인 노선망 및 서비스권역 구축을 위해 필요하다. 본 연구는 중소도시 버스이용자들의 현재도보시간 및 한계도보시간을 추정하고 그 특성을 파악하며 연령 및 소득수준별 한계도보시간 추정을 위해 ANFIS 모형을 구축코자 하였다. 이를 위해 경남의 마산시, 창원시, 진주시가 연구대상 도시로 선정되었다. 경남의 중소도시 버스이용자들의 현재도보시간의 80% 누적분포 값(미국의 최대도보시간에 해당)은 10.2-11.1분으로 미국의 최대도보시간 5분보다 큰 것으로 나타났으며 한계도보시간은 21.1-21.8분으로 매우 큰 것으로 나타났다. 중소도시의 한계도보시간 추정을 위해 세 도시의 데이터를 통합한 ANFIS 모형을 구축하였다. 연령과 한계도보시간과의 관계에서는 연령이 증가함에 따라 한계도보시간이 감소하나 25세에서 35세 사이에는 한계도보시간에 변화가 없는 소강상태를 보이며 수입과 한계도보시간은 반비례하는 선형관계를 보였다. 구축된 ANFIS 모형을 이용한 추론치와 조사치의 비교에서 0.996, MSE 0.163, MAE 0.333으로 예측력이 아주 우수한 것으로 평가된다. 본 연구에서 개발된 모형은 타 중소도시의 한계도보시간 추정에 이용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.326-326
• /
• 2021

장기간에 걸쳐 넓은 지역에 대해 발생하는 가뭄을 예측하기위해 많은 학자들의 기술적, 학술적 시도가 있어왔다. 본 연구에서는 복잡한 시계열을 가진 가뭄을 전망하는 방법 중 시나리오에 기반을 둔 가뭄전망 방법과 실시간으로 가뭄을 예측하는 비시나리오 기반의 방법 등을 이용하여 미래 가뭄전망을 실시했다. 시나리오에 기반을 둔 가뭄전망 방법으로는, 3개월 GCM(General Circulation Model) 예측 결과를 바탕으로 2009년도 PDSI(Palmer Drought Severity Index) 가뭄지수를 산정하여 가뭄심도에 대한 단기예측을 실시하였다. 또, 통계학적 방법과 물리적 모델(Physical model)에 기반을 둔 확정론적 수치해석 방법을 이용하여 비시나리오 기반 가뭄을 예측했다. 기존 가뭄을 통계학적 방법으로 예측하기 위해서 시도된 대표적인 방법으로 ARIMA(Autoregressive Integrated Moving Average) 모델의 예측에 대한 한계를 극복하기위해 서포트 벡터 회귀(support vector regression, SVR)와 웨이블릿(wavelet neural network) 신경망을 이용해 SPI를 측정하였다. 최적모델구조는 RMSE(root mean square error), MAE(mean absolute error) 및 R(correlation Coefficient)를 통해 선정하였고, 1-6개월의 선행예보 시간을 갖고 가뭄을 전망하였다. 그리고 SPI를 이용하여, 마코프 연쇄(Markov chain) 및 대수선형모델(log-linear model)을 적용하여 SPI기반 가뭄예측의 정확도를 검증하였으며, 터키의 아나톨리아(Anatolia) 지역을 대상으로 뉴로퍼지모델(Neuro-Fuzzy)을 적용하여 1964-2006년 기간의 월평균 강수량과 SPI를 바탕으로 가뭄을 예측하였다. 가뭄 빈도와 패턴이 불규칙적으로 변하며 지역별 강수량의 양극화가 심화됨에 따라 가뭄예측의 정확도를 높여야 하는 요구가 커지고 있다. 본 연구에서는 복잡하고 비선형성으로 이루어진 가뭄 패턴을 기상학적 가뭄의 정도를 나타내는 표준강수증발지수(SPEI, Standardized Precipitation Evapotranspiration Index)인 월SPEI와 일SPEI를 기계학습모델에 적용하여 예측개선 모형을 개발하고자 한다.