• 한국해양학회지:바다
• /
• 제29권2호
• /
• pp.101-115
• /
• 2024

해양의 고수온 현상은 지구온난화로 인한 주요 문제 중 하나로, 식량 자원의 감소와 해양 탄소 흡수력의 저하 등, 해양 생태계와 인류에게 직접적인 위협으로 부상하고 있다. 따라서, 한반도 주변 해역에서의 고수온 예측은 해양 환경 모니터링 및 관리에 중요하다. 본 연구에서는 역학 모델 기반 한반도 고수온 예측 시스템의 성긴 해양의 수직격자체계로 인한 고수온 예측의 과소모의를 개선하기 위해 LSTM 모델을 개발하였다. 2023년에 대해 수행된 한반도 고수온 예측 시스템의 고수온 예측 결과와 LSTM 모델의 결과를 기반으로 한반도 주변의 동해 해역, 황해 해역 그리고 남해 해역에서의 고수온 예측 성능을 평가했다. 본 연구에서 개발된 LSTM 모델이 세 영역 모두에서 수온이 상승하는 시기에 수온 예측 성능을 크게 개선하는 것으로 나타났으며, 수온 상승이 시작되기 전이나 하강하는 시기에는 예측 성능의 개선 효과가 미미했다. 이는 LSTM 모델이 성층이 강화되는 환경에서 성긴 수직격자로 인해 발생하는 고수온 예측의 과소모의를 개선할 수 있는 가능성을 보여준다. 향후 역학 모델의 예측 성능 개선이나 역학 모델의 대체에 자료기반 인공지능 모델의 활용성이 확대될 것으로 기대한다.

• 한국지반공학회논문집
• /
• 제19권4호
• /
• pp.287-298
• /
• 2003

본 논문에서는 피에조콘 관입시험 결과로부터 점토의 비배수전단강도를 예측하기 위한 인공신경망 이론의 적용과 최적 모델 구축에 대하여 기술하였다. 먼저 등방 및 비등방 삼축압축실험(CIUC and CAUC)으로 얻어진 비배수전단강도 결과를 바탕으로 오차역전파 알고리즘에 의하여 간단한 다층 구조를 갖는 최적 인공신경망 모델이 구성되었다. 구성된 인공신경망 모델은 모델 구축 시에 사용되지 않은 새로운 자료에 대해 비배수전단강도 예측을 수행하고 예측결과와 실내시험 결과를 비교함으로써 그 타당성이 검증되었다. 또한 기존의 이론적 방법, 경험적 방법 및 direct correlation method 등으로 예측된 비배수전단강도와 제안된 모델의 예측결과를 비교하였다. 본 논문에서 제안된 인공신경망 모델링 기법은 피에조콘 관측결과들과 비배수전단강도 간의 비선형적 상관관계를 정의하는 데에 유용하며 구성된 인공신경망 모델은 기존의 이론적 및 경험적 방법들에 비하여 예측 신뢰성이 높은 것으로 나타났다. 또한, 지금까지 주로 사용되어 온 경험적 방법들이 특정 지역에 대한 상관관계에 만족하던 것과 비교해 인공신경망 모델은 다양한 지역과 국가에서 일반적으로 적용 가능한 상관관계로서 발전될 가능성이 있음을 알 수 있었다.

• Journal of the Korean Wood Science and Technology
• /
• 제27권3호
• /
• pp.99-116
• /
• 1999

목재 hollow core 형태의 프러쉬문은 가구과 목공품 산업에서 주요 제품으로 사용중 틀어짐과 좌굴은 매우 중요한 문제이다. 틀어짐은 도아 표면재 간의 물리적 및 기계적 성질의 차이에 기인된다고 알려져 있다. 본 연구는 수치적 모델덜을 사용해 틀어짐과 좌굴을 예측하는데 그 목적이 있다. 여러 환경조건에서 경질섬유판과 합판으로 만들어진 프러쉬문에 대한 각 모델들과 실측치간의 비교를 하였다. 문의 틀어짐과 좌굴을 예측하기 위해 3가지 연속체 모델, 즉 보, 판상 및 판상-좌굴 모델이 채택되었다. 틀어짐은 고습에서보다 저습에서 현저하게 훨씬 현저하게 발생되었으며, 포아송 비를 고려한 판상 모델은 저습에서 보 모델보다 더 정확하게 틀어짐을 예측할 수 있었다. 그러나 고습에서 좌굴이 문의 표면재에 발생하기 때문에 판상-좌굴 모델 이 모든 시험범위에서 가장 적절하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.358-358
• /
• 2023

본 연구에서는 그동안 수자원분야 강우유출 해석분야에 활용되었던 대표적인 머신러닝&딥러닝(ML&DL) 모델을 활용하여 모델의 하이퍼파라미터 튜닝뿐만 아니라 모델의 특성을 고려한 기상 및 수문데이터의 조합과 전처리(lag-time, 이동평균 등)를 통하여 데이터 특성과 ML&DL모델의 조합시나리오에 따른 일 유입량 예측성능을 비교 검토하는 연구를 수행하였다. 이를 위해 소양강댐 유역을 대상으로 1974년에서 2021년까지 축적된 기상 및 수문데이터를 활용하여 1) 강우, 2) 유입량, 3) 기상자료를 주요 영향변수(독립변수)로 고려하고, 이에 a) 지체시간(lag-time), b) 이동평균, c) 유입량의 성분분리조건을 적용하여 총 36가지 시나리오 조합을 ML&DL의 입력자료로 활용하였다. ML&DL 모델은 1) Linear Regression(LR), 2) Lasso, 3) Ridge, 4) SVR(Support Vector Regression), 5) Random Forest(RF), 6) LGBM(Light Gradient Boosting Model), 7) XGBoost의 7가지 ML방법과 8) LSTM(Long Short-Term Memory models), 9) TCN(Temporal Convolutional Network), 10) LSTM-TCN의 3가지 DL 방법, 총 10가지 ML&DL모델을 비교 검토하여 일유입량 예측을 위한 가장 적합한 데이터 조합 특성과 ML&DL모델을 성능평가와 함께 제시하였다. 학습된 모형의 유입량 예측 결과를 비교·분석한 결과, 소양강댐 유역에서는 딥러닝 중에서는 TCN모형이 가장 우수한 성능을 보였고(TCN>TCN-LSTM>LSTM), 트리기반 머신러닝중에서는 Random Forest와 LGBM이 우수한 성능을 보였으며(RF, LGBM>XGB), SVR도 LGBM수준의 우수한 성능을 나타내었다. LR, Lasso, Ridge 세가지 Regression모형은 상대적으로 낮은 성능을 보였다. 또한 소양강댐 댐유입량 예측에 대하여 강우, 유입량, 기상계열을 36가지로 조합한 결과, 입력자료에 lag-time이 적용된 강우계열의 조합 분석에서 세가지 Regression모델을 제외한 모든 모형에서 NSE(Nash-Sutcliffe Efficiency) 0.8이상(최대 0.867)의 성능을 보였으며, lag-time이 적용된 강우와 유입량계열을 조합했을 경우 NSE 0.85이상(최대 0.901)의 더 우수한 성능을 보였다.

• 한국도로학회논문집
• /
• 제12권4호
• /
• pp.147-155
• /
• 2010

재활용된 암버력-토사의 회복탄성계수 예측모델이 개발되었다. 반복삼축시험을 통한 회복탄성계수의 전통적 평가방법은 큰 입경을 가진 자갈에는 실현 불가능하다. 미세한 차이가 있는 비선형 전단탄성계수를 이용하여 회복탄성계수를 산출하는 대체기법을 제안하였다. 현장에서 측정한 최대전단탄성계수와 대형공진주 시험으로 구한 감소곡선을 이용하여 회복탄성계수 예측모델을 개발하였다. 이 예측모델을 김천의 고속도로공사현장에서 재활용한 암버력-토사에 적용하여 모델인자 $A_E,\;n_E,\;{\varepsilon}_r,\;{\alpha}$를 각각 9618, 0.47, 0.0135, 0.8로 제안하였다.

• 플랜트 저널
• /
• 제16권4호
• /
• pp.26-32
• /
• 2020

화력발전소에서 장치 이상이나 열화로 인해 발전효율이 저하될 때 운전자가 이를 감지하고 적시에 조처를 취할 수 있도록 지원하는 성능관리시스템은 무엇보다도 발전효율을 정확하게 예측하는 것이 중요하다. 공정용 증기 또는 난방용열(이하 공정용 증기로 단일화 표기)과 전기를 동시에 생산하는 열병합발전에 대해 지금까지 다수의 발전효율 모델들이 제안되었는데, 대부분 공정용 증기의 가치를 제대로 평가하지 못해 발전효율을 정확하게 예측하지 못했다. 본 연구에서는 발전효율 예측 모델의 계수를 조업 데이터를 통해 결정하고, 공정용 증기의 전기 환산효율(ECE, Electricity Conversion Efficiency) 모델을 적용함으로써 공정용 증기의 가치를 정확하게 평가할 수 있도록 하였다. 본 방법을 열병합발전의 설계 데이터에 적용하여 발전부하에 대한 발전효율의 추세선을 구한 결과 R2가 99.91%로 회귀 수준이 매우 높았다. 본 결과로부터 조업 데이터를 이용한 ECE 모델 계수 결정 방법이 발전효율을 정확하게 예측하여 열병합발전에 대한 성능 모니터링에 적합함을 확인할 수 있었다.

• 해양환경안전학회지
• /
• 제28권4호
• /
• pp.469-476
• /
• 2022

본 연구는 조위 관측자료를 이용하여 부산항에서의 장기 조위 자료를 생성하는 Long Short-Term Memory (LSTM)으로 구현된 순환신경망 모델을 개발하였다. 국립해양조사원의 부산 신항과 통영에서 관측된 조위 자료를 모델 입력 자료로 사용하여 부산항의 조위를 예측하였다. 모델에 대하여 2019년 1월 한 달의 학습을 수행하였으며, 이후 2019년 2월에서 2020년 1월까지 1년에 대하여 정확도를 계산하였다. 구축된 모델은 부산 신항과 통영의 조위 시계열을 함께 입력한 경우에 상관계수 0.997 및 평균 제곱근 오차 2.69 m로 가장 성능이 높았다. 본 연구 결과를 바탕으로 딥러닝 순환신경망 모델을 이용하여 임의 항만의 장기 조위 자료 예측이 가능함을 알 수 있었다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.162-167
• /
• 2024

풍력발전기에서 방사되는 저주파 소음은 가장 관심이 높은 불만족 사항 중의 하나이다. 이에 본 연구에서는 공학적으로 유용하게 사용할 수 있는 덴마크 모델과 ISO 9613에 기초한 상용 프로그램인 SoundPLAN과 ENPro에 의한 풍력발전기 저주파 소음 예측값들과 측정값을 비교함으로써 모델들에 대한 신뢰성을 살펴보았다. 육상에서 대표적인 3 MW급 풍력발전기를 대상으로 적용한 결과 주파수 12.5 Hz에서 80 Hz 범위에서 측정값과 예측값은 최대 5 dB 이내의 차이를 보였다. 이러한 원인으로는 대상 풍력발전기는 7년 이상 운영되었기 때문에 음향파워레벨의 변화가 생겼기 때문으로 추정할 수 있다. 하지만 저주파 대역에서 가장 정확하다고 할 수 있는 Boundary Element Method (BEM) 예측값과 다른 모델에 의한 예측값 그리고 측정값은 2.5 dB 이내로 잘 일치한 점을 고려할 때 본 연구 대상의 모델들은 3 dB 이내의 편차로 활용될 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제14권5호
• /
• pp.19-28
• /
• 2009

시계열의 예측에 대한 문제는 오랫동안 많은 연구자들의 연구의 대상이었으며 예측을 위한 많은 방법이 제안되었다. 본 논문에서는 은닉 마코프 모델(Hidden Markov Model)과 우도(likelihood)를 사용한 유사도 검색을 통하여 향후 시계열 데이터의 운행 방향을 예측하는 방법을 제안한다. 이전에 기록된 시계열 데이터에서 질의 시퀸스(sequence)와 유사한 부분을 검색하고 유사 부분의 서브 시퀸스를 사용하여 시계열을 예측하는 방법이다. 먼저 주어진 질의 시퀸스에 대한 은닉 마코프 모델을 작성한다. 그리고 시계열 데이터에서 순차적으로 일정 길이의 서브 시퀸스를 추출하고 추출된 서브 시퀸스와 작성된 은닉 마코프 모델과의 우도를 계산한다. 시계열 데이터로부터 추출된 서브 시퀸스 중에서 우도가 가장 높은 시퀸스를 유사 시퀸스로 결정하고 결정된 부분 이후의 값을 추출하여 질의 시퀸스 이후의 예측 값을 추정한다. 실험 결과 예측 값과 실제 값이 상당한 유사성을 나타내었다. 제안된 방법의 유효성은 코스피(KOSPI) 종합주가지수를 대상으로 실험하여 검증한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.483-483
• /
• 2022

댐과 저수지의 운영 최적화를 위한 수문학적 예보는 현재 수동적인 댐 운영이 주를 이루면서 활용도가 높지 않다. 불확실한 기후변화나 기후재난 상황에서 우리 사회에 악영향을 최소화하기 위해 선제적으로 대응/대비할 수 있는 댐 운영 방안이 불가피하다. 강우량 예측 기술은 기후변화로 인해 제한적인 상황이다. 실례로, 2020년 8월에 섬진강의 댐이 극심한 집중 강우로 인해 무너지는 사태가 발생하였고 이로 인해 지역사회에 막대한 경제적 피해가 발생하였다. 선제적 댐 방류량 운영 기술은 또한 환경적인 변화로 인한 영향을 완화하기 위해 필요한 것이다. 제한적인 기상 예보 기술을 극복하고자 심화학습이나 강화학습 같은 인공지능 모델들의 활용성에 대한 연구가 시도되고 있다. 따라서 본 연구는 섬진강 댐의 시간당 수문 데이터를 이용하여 댐 운영을 위한 심화학습 모델을 개발하고 그 활용도를 평가하였다. 댐 운영을 위한 심화학습 모델로서 시계열 데이터 예측에 적합한 Long Sort Term Memory(LSTM)과 Gated Recurrent Unit(GRU) 알고리즘을 구축하고 댐 수위를 예측하였다. 분석 자료는 WAMIS에서 제공하는 2000년부터 2021년까지의 시간당 데이터를 사용하였다. 입력 데이터로서 시간당 유입량, 강우량과 방류량을, 출력 데이터로서 시간당 수위 자료를 각각 사용하였으며. 결정계수(R2 Score)를 통해 모델의 예측 성능을 평가하였다. 댐 수위 예측값 개선을 위해 하이퍼파라미터의 '최적값'이 존재하는 범위를 줄여나가는 하이퍼파라미터 최적화를 두 가지 방법으로 진행하였다. 첫 번째 방법은 수동적 탐색(Manual Search) 방법으로 Sequence Length를 24, 48, 72시간, Hidden Layer를 1, 3, 5개로 설정하여 하이퍼파라미터의 조합에 따른 LSTM와 GRU의 민감도를 평가하였다. 두 번째 방법은 Grid Search로 최적의 하이퍼파라미터를 찾았다. 이 두가지 방법에서는 같은 하이퍼파라미터 안에서 GRU가 LSTM에 비해 더 높은 예측 정확도를 보였고 Sequence Length가 높을수록 정확도가 높아지는 경향을 보였다. Manual Search 방법의 경우 R2가 최대 0.72의 정확도를 보였고 Grid Search 방법의 경우 R2가 0.79의 정확도를 보였다. 본 연구 결과는 가뭄과 홍수와 같은 물 재해에 사전 대응하고 기후변화에 적응할 수 있는 댐 운영 개선에 도움을 줄 수 있을 것으로 판단된다.