• Journal of Energy Engineering
• /
• v.15 no.4 s.48
• /
• pp.209-228
• /
• 2006

The learning effect is one of the theoretical frameworks that examine the mechanisms of the deployment of energy technologies. The objective of this paper is to provide a theoretical overview and a critical analysis of the literature on the experience curve for energy technology. For these objectives, we review a couple of theoretical aspects and applications and investigate the sources of learning and cost reductions to grasp the mechanisms of teaming effect. Finally we conclude some insights from our theoretical reviews.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.112-112
• /
• 2020

하천에서 유해화학물질 유입 사고 발생 시 수환경 피해를 최소화하기 위해 신속한 초기 대응이 필요하다. 따라서, 본 연구에서는 수환경 화학사고 대응 시스템 구축을 위해 하천 실시간 모니터링 지점에서 관측된 유해화학물질의 농도 자료를 이용하여 발생원의 유입 지점과 유입량을 역추적하는 프레임워크를 개발하였다. 본 연구에서 제시하는 프레임워크는 첫 번째로 하천 저장대 모형(Transient Storage Zone Model; TSM)과 HEC-RAS 모형을 이용하여 다양한 유량의 수리 조건에서 화학사고 시나리오를 생성하는 단계, 두번째로 생성된 시나리오의 유입 지점과 유입량에 대한 시간-농도 곡선 (BreakThrough Curve; BTC)을 21개의 곡선특징 (BTC feature)으로 추출하는 단계, 최종적으로 재귀적 특징 선택법(Recursive Feature Elimination; RFE)을 이용하여 의사결정나무 모형, 랜덤포레스트 모형, Xgboost 모형, 선형 서포트 벡터 머신, 커널 서포트 벡터 머신 그리고 Ridge 모형에 대한 모형별 주요 특징을 학습하고 성능을 비교하여 각각 유입 위치와 유입 질량 예측에 대한 최적 모형 및 특징 조합을 제시하는 단계로 구축하였다. 또한, 현장 적용성 제고를 위해 시간-농도 곡선을 2가지 경우 (Whole BTC와 Fractured BTC)로 가정하여 기계학습 모형을 학습시켜 모의결과를 비교하였다. 제시된 프레임워크의 검증을 위해서 낙동강 지류인 감천에 적용하여 모형을 구축하고 시나리오 자료 기반 검증과 Rhodamine WT를 이용한 추적자 실험자료를 이용한 검증을 수행하였다. 기계학습 모형들의 비교 검증 결과, 각 모형은 가중항 기반과 불순도 감소량 기반 특징 중요도 산출 방식에 따라 주요 특징이 상이하게 산출되었으며, 전체 시간-농도 곡선 (WBTC)과 부분 시간-농도 곡선 (FBTC)별 최적 모형도 다르게 산출되었다. 유입 위치 정확도 및 유입 질량 예측에 대한 R²는 대부분의 모형이 90% 이상의 우수한 결과를 나타냈다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.116-116
• /
• 2022

현재 인공지능은 공학적 문제 해결 외에도 다양한 분야에 적용되어 매우 친숙하게 활용되고 있다. 특히 하천 분야에서는 시설물 주위 국부세굴 또는 어류 서식처 분석과 같이 관련 변수들의 복잡성으로 적절한 결과를 쉽게 얻어내기 어려운 것들에 적용되고 있다. 그 외에도 인공지능 기법을 적용할 수 있는 분야로 하천에서의 수위를 이용하여 유량을 예측하는 것이 있다. 기존에는 수위-유량 관계 곡선을 만들어 수위를 이용하여 유량을 예측하였으나, 관계곡선 제작에 활용된 수위와 유량 범위에서 벗어나는 경우 과다한 유량으로 계산되는 경우가 있다. 본 연구에서는 인공지능 기법 중 하나인 인공신경망 기법을 사용하여 하천의 유량 예측을 수행하였다. 기존 국가수자원관리종합정보시스템에 기록된 자료를 활용하여 수위와 유량 자료를ANN에 학습시키고 학습에 활용하지 않은 시기의 자료를 이용하여 전반적인 유량 예측 성능과 루프형 수위-유량 관계 곡선을 생성할 수 있는지를 검토하였다. 또한 학습 범위를 벗어난 홍수량에 대한 측정 결과를 검토하고, 기존 수위-유량 관계곡선과 비교하여 그 성능을 검토하였다.

• Communications for Statistical Applications and Methods
• /
• v.19 no.3
• /
• pp.433-450
• /
• 2012

As a worker performs a certain operation repeatedly, he tends to become familiar with the job and complete it in a very short time. That means that the efficiency is improved due to his accumulated knowledge, experience and skill in regards to the operation. Investing time in an output is reduced by repeating any operation. This phenomenon is referred to as the learning curve effect. A learning curve is a graphical representation of the changing rate of learning. According to previous literature, learning curve effects are determined by subjective pre-assigned factors. In this study, we propose a new statistical model to clarify the learning curve effect by means of a basic cumulative distribution function. This work mainly focuses on the statistical modeling of binary data. We employ the Newton-Raphson method for the estimation and Delta method for the construction of confidence intervals. We also perform a real data analysis.

• Annual Conference of KIPS
• /
• 2008.11a
• /
• pp.1152-1153
• /
• 2008

효율적인 학습 방법들을 도입한 교육용 시스템에 대한 연구가 활성화되어 있는 가운데, 사람의 뇌의 장기기억 메커니즘을 이용하여 교육용 시스템과 다양한 방향에서 적용하고 그 유효성을 밝히는 연구들이 많이 진행되고 있다. 학생들에게 학습에 용이한 교육 시스템을 적용함에 있어 시간과 장소에 상관없이 접근이 용이하도록 인터넷과 연계된 시스템의 유용성은 이미 입증된 바 있다. 본 연구에서는 웹기반 교육 시스템에서 장기기억이 용이하도록 학습 내용의 구성과 에빙하우스 망각 곡선에 기반한 효율적인 반복학습 시스템을 설계한다.

• 한국신재생에너지학회:학술대회논문집
• /
• 2007.11a
• /
• pp.353-356
• /
• 2007

환경규제 강화와 화석연료에 대한 대안으로 신/재생에너지에 대한 관심이 고조 되고 있다. 그 중 하나인 풍력발전은 각국마다 풍황 조건과 정책에 의해 다양한 시장을 만들어 내고 있다. 본 연구는 해상풍력발전시스템의 투자 전망에 대하여 기존의 재무적 평가기법에 학습곡선효과를 가미하는 방법론을 제시하고자 하였다. NPV 등의 가치 평가기법이 할인된 현금흐름 분석을 하는 것이라면 이에 더하여 현금의 유출에 있어서 학습율을 반영한 원가를 반영하는 것이 제시하고자 하는 연구 방법론의 핵심이다. 해상풍력발전을 투자자 입장에서 모의 해본 결과 국내 풍력발전은 80% 학습율 수준 정도의 혁신적 개선 없이는 투자 타당성을 찾기 어려우며 이러한 현실적인 문제점을 정책적으로 보완해야 할 수 있는 것이 발전가격을 중심으로 하는 정부의 지원제도임을 제시 하였다.

• Journal of Science Education
• /
• v.47 no.3
• /
• pp.263-272
• /
• 2023

We consider how a pre-service teacher can understand and utilize various concepts of Euclidean geometry by learning conic sections using mathematical definitions in non-Euclidean geometry. In a third-grade class of D University, we used mathematical definitions to demonstrate that learning conic sections in non-Euclidean space, such as taxicab geometry and Minkowski distance space, can aid pre-service teachers by enhancing their ability to acquire and accept new geometric concepts. As a result, learning conic sections using mathematical definitions in taxicab geometry and Minkowski distance space is expected to contribute to enhancing the education of pre-service teachers for Euclidean geometry expertise by fostering creative and flexible thinking.

• Annual Conference of KIPS
• /
• 2004.05a
• /
• pp.427-430
• /
• 2004

최근에 전자상거래 분야에서는 다양한 에이전트를 시스템에 적용함으로써 전자상거래를 보다 활성화시키려는 연구가 늘어나고 있다. 그러나 현재의 이러한 연구들은 판매자의 실제 이익보다는 구매자의 선호도에 따른 물품을 추천하는데 있고, 가격과 이윤을 다룬 연구가 있어도 이 가격이 실제 이윤에 미치는 영향을 파악하기 어려운 문제가 있었다. 따라서 본 논문에서는 이러한 문제를 해결하기 위하여 원가 회계 이론에 기반한 원가 산정법들 중에서 고저점법, 산포도법, 학습 곡선법의 비교 분석을 통하여 원가를 보다 정확히 산정하는 방법을 알아내고, 판매자는 이를 반영하여 입찰가를 결정함으로써 적정 이윤을 얻을 수 있도록 한다. 이를 위해 본 논문에서는 각 원가 산정법을 적용한 에이전트의 성능 실험을 하였고, 비교적 우수한 성능을 보인 학습 곡선법을 통해서 적정 이윤을 보장하면서도 낙찰율을 향상시킬 수 있음을 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.354-354
• /
• 2022

딥러닝(Deep Learning)은 일반적으로 인공신경망(Artificial Neural Network) 를 의미하는데, 이에 따른 결과는 데이터의 양, 변수, 학습모델의 학습횟수, 은닉층(Hidden Layer)의 개수 등 여러 요소로 인해 결정된다. 본 연구에서는 물리적 장기유출 모형인 SWAT의 결과를 참값으로 LSTM모형의 매개변수인 은닉층 갯수와 학습횟수등의 시나리오를 바탕으로 검보정을 수행하였으며, 최적의 목적함수를 갖는 매개변수를 도출하였다. 이를 이용하여 유량지속곡선을 도출한결과를 SWAT의 결과와 비교해본 결과 매우 높은 상관성을 도출하였으며 이를 통해 수자원분야에서 인공신경망의 활용 가능성을 확인하였다.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 2001.05a
• /
• pp.161-174
• /
• 2001