• 한국대기환경학회지
• /
• 제11권1호
• /
• pp.29-36
• /
• 1995

대기오염 물질의 대기중 거동을 이해하고 예측하기 위하여 여러 가지 대기질 모델이 사용되고 있다. 대기질 모델은 물리적인 모델과 수학적인 모델로 나눌 수 있다(U.S. Environmental Protection Agenc, 1986). 물리적인 모델은 풍동, 수조 등을 이용하여 실제 대기오염 시스템을 축소한 모형을 만들어서 대기오염 물질의 농도 분포를 측정하는 모델이다. 물리적 모델은 대기오염을 가시화 할 수 있다는 큰 장점이 있으나 대기의 난류현상을 재현하는데 제약이 있고 대기오염 물질의 중, 장거리 이동을 예측하는 데는 한계가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• 동력기계공학회지
• /
• 제15권4호
• /
• pp.65-74
• /
• 2011

이 논문은 비선형 시스템에 대해 bilinear 강인제어기를 설계하는 새로운 방법을 제시한다. 이 설계방법은 골칫거리인 비선형 영향을 나타내는 무거운 질량을 가지고 진동하는 시스템을 제어하기 위한 새로운 대안이고 진전된 방법이다. 이 설계 과정에, hydrostatic 구동기로 구동되는 킬(용골)이 주어진다. 첫 단계로 킬은 물리적으로 여러 한정된 질량으로 모델화된다. 물리적 모델에 근거한 수학적인 모델을 유도하는 방법은 해밀턴 원리를 적용한 유한요소법을 사용하였다. 즉, 수학적 모델은 여러 서브시스템으로 구성된다. 이것은 주어진 물리적인 시스템에 대해 기준이 되는 시스템이다. 회전하는 구동기에 대한 물리적 모델에 근거하여, 과도 거동은 구동기의 베어링에서 측정되는 운동 현상으로부터 유도된다. 물리적인 시스템은 bilinear 시스템으로 구성하였다. 이 시스템에 근거하여, 요트 킬의 거동을 제어하도록 bilinear 관측기를 설계한다. 구동기의 속도, 토크, 밸브에서의 유량 등이 관측기를 구성하는데 필요한 데이터들이다. 시뮬레이션 결과에 의하면 비선형성에 대한 추정과 보상을 통하여 무거운 질량을 갖는 회전축에 대한 위치와 힘을 제어하는 설계에 유용한 접근법임이 증명되었다.

• 대한공간정보학회지
• /
• 제11권4호
• /
• pp.21-27
• /
• 2003

IKONOS 2호와 QuickBird 2호의 센서 모델로서 제공되는 RPC(rational polynomial coefficients) 모델은 물리적 센서 모델의 대체 모델로 다양한 센서에 적용 가능하다. 고해상도 위성들이 상용화되면서 각기 센서들의 복잡성과 보안성 문제로 인해 물리적 센서모델을 대체할 수 있는 센서 모델로서 RPC의 활용도가 높아지고 있다. 대표적인 상업용 고해상도 위성인 IKONOS 2호는 물리적 센서 모델을 공개하지 않고 각영상에 대한 RPC만을 제공하며 QuckBird 영상은 센서의 기하 정보와 함께 RPC를 제공한다. 이에 본 연구에서는 물리적 센서모델로부터 RPC를 추출하는 원천 기술을 확보하고 RPC의 물리적 센서모델에 대한대체 적합성을 평가해보고자 하였다. 이를 위해 공간해상도가 높은 항공사진과 국내 위성인 KOMPSAT 1호의 기하 모델로부터 분모식과 차수를 달리하는 RPC모델들을 추출하는 실험을 수행하였다. 최소제곱법을 통해 RPC 초기값을 구하고 Levenberg Marquardt 기법을 이용하여 반복 조정한 RPC를 물리적 센서 모델과 비교 평가하여 최적의 RPC를 결정하였다. 그 결과 항공사진은 분모식이 동일한 1차 RPC가 KOMPSAT 1호는 분모식이 상이한 3차 RPC가 가장 정확도가 높았으며 각 오차(RMSE)는 $2{\times}10^{-5}$ 화소 이하로 나타났다.

• 한국시뮬레이션학회논문지
• /
• 제25권3호
• /
• pp.41-51
• /
• 2016

본 연구는 보행자의 물리적 특성(크기, 모양, 자세 등)을 적용한 개선된 플로어 필드 모델(Floor field model; FFM)을 소개하고, 개선된 모델과 널리 알려진 다른 피난시뮬레이션 모델과의 비교를 통해 FFM의 한계점 파악 및 개선된 모델의 특징을 분석하고자 한다. FFM은 셀룰라 오토마타(Cellular automata)를 이용한 대표적 미시적 관점 보행 모델이지만 보행자의 크기, 모양, 자세 등의 물리적 특성을 세밀하게 반영하지 않는다. 이로 인해 보행자들 간의 충돌, 마찰 등의 현상을 모델링하기 어려우며 결과적으로 다른 모델들과 비교하였을 경우에 매우 짧은 대피 시간을 산출하고 있다. 본 연구는 물리적 현상을 반영할 수 있는 개선된 FFM을 제시하며, 개선된 모델과 기존 FFM, 시뮬렉스(Simulex), 패스파인더(Pathfinder) 등 다른 모델들과의 비교 실험을 수행하였다. 실험은 실제 캠퍼스 건물의 일부 공간을 대상으로 진행되었으며, 대피 인원의 변화에 따른 대피 양상의 비교와 각 출구별 대피 양상의 비교가 수행되었다. 이를 통해 FFM에서는 반영되지 않던 물리적 현상들이 개선된 모델에서는 상용 모델 수준으로 적용되는 점과 특히 시뮬렉스와 유사한 형태의 대피 양상을 보임을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.150-150
• /
• 2023

기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 1997년도 춘계학술발표회논문집(1)
• /
• pp.159-165
• /
• 1997

영광 3호기에서 발생한 부하탈락으로 인만 과도현상 때의 운전 데이터를 이용하여 전체의 운전 영역에서 잘 맞는 증기 발생기의 모델을 개발하였다. 모델링 기법으로는 유전자 알고리즘이 사용되었으며, 모델은 물리변수(물리적 의미를 갖는 변수)를 갖는 함수들로 구성하였다. 과도현상시의 데이터를 이용하여 증기발생기의 시변 특성을 직접 추정하기 위해 일부 물리변수를 급수온도에 대해 비선형으로 정의하였다. 잘 알려져 있는 실측 데이터를 사용하는 모델링 기법들은 선형 시불변 계에서만 적용이 가능하여 증기발생기와 같이 강한 시변 특성을 보이는 계의 모델링에 과도현상 때의 데이터를 적용할 수 없다. 물리변수를 직접 추정하면 물리적 원칙에 의해 값의 범위가 주어지며 운전 경험 또는 개략적인 데이터의 분석에 의해 예상되는 값의 범위를 비교적 작게 정할 수 있으므로 유전자 알고리즘의 적용에 유리하다. 얻어진 모델은 영광 3호기 운전원 훈련용 시뮬레이터와 발전소 설계 자료에 의해 검증되었다. 이 모델은 제어기의 설계 및 조정과 증기유량 측정 계열의 비선형 교정에도 사용될 수 있다.

• 한국통신학회논문지
• /
• 제38C권4호
• /
• pp.344-350
• /
• 2013

초기 디자인 단계에서 효율적인 디자인 의사결정을 위해서는 지오메트리에 대한 고려가 필수적이다. 하지만 중요한 의사결정은 지오메트리에 대한 효율적 분석이 가능한 BIM모델 보다는 여전히 대화나 물리적 모델, 제스처를 통해 이루어진다. 본 논문은 실시간 BIM분석을 위한 BIM 모델과 물리적 모델의 연동을 제안한다. 두 모델이 실시간으로 연결되는 시스템 프레임워크를 통해 건축가는 디자인 초기 단계에서 부터 BIM 모델을 효율적으로 활용할 수 있다. 이 프레임워크는 건축가들이 설계 초기 단계에서부터 마지막 단계까지 컴퓨터의 기술을 활용한 동적인 의사결정을 가능하게 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• 한국정보통신학회논문지
• /
• 제18권1호
• /
• pp.57-62
• /
• 2014

다수의 중계기가 균등하게 분포된 무선 소거 네트워크의 용량 스케일링 법칙을 분석함으로써 인프라 구조 사용시 이득을 보인다. 가정하는 네트워크 하에서 소거 확률을 적절히 모델링함에 근거하여, 혼합 소거 네트워크에서 취득 가능한 네트워크 용량을 보인다. 보다 구체적으로, 지수 감쇠 모델 및 다항 감쇠 모델 이렇게 두 가지 물리적 모델을 사용한다. 중계기 도움이 없는 다중 홉 전송, 중계기 도움을 받는 다중 홉 전송 이렇게 두 가지 존재하는 기술을 사용하여 취득 용량을 분석한다. 유도된 용량 스케일링 법칙은 두 가지 물리적 모델 모두에 대해 노드 수 및 중계기의 수에 의존함을 확인한다.