• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.33 no.6
• /
• pp.2329-2341
• /
• 2013

In this study, we develop an algorithm to predict swell-like significant waves in the east coast of Korea using the directional wave gauge which is installed near Sokcho. Using the numerical wave model SWAN, we estimate wave data in open sea from the wave data observed through the directional wave gauge. Then, using the wave ray method with the open-sea wave data as offshore boundary conditions, we predict the swell-like significant waves at several points in the east coast of Korea. We verify the prediction methods with the SWAN and wave ray methods by comparing numerically predicted data against either target or measured data at the observation site. We can improve the prediction of the swell-like significant waves in the east sea of Korea using both the real-time wave measurement system and the present prediction algorithm.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.6
• /
• pp.1327-1336
• /
• 2017

In this study, the problems in the short term stock market forecasting are analyzed and the feasibility of the ARIMA method and the backpropagation neural network is discussed. Neural network and genetic algorithm in short term stock forecasting is also examined. Since the backpropagation algorithm often falls into the local minima trap, we optimized the backpropagation neural network and established a genetic algorithm based on backpropagation neural network for forecasting model in order to achieve high forecasting accuracy. The experiments adopted the korea composite stock price index series to make prediction and provided corresponding error analysis. The results show that the genetic algorithm based on backpropagation neural network model proposed in this study has a significant improvement in stock price index series forecasting accuracy.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.26 no.3
• /
• pp.149-159
• /
• 2014

In this study, we develop an algorithm to predict swell-like high waves on the east coast of Korea using the directional wave gauge which was installed near Sokcho. Using the numerical wave model SWAN, we estimate wave data in open sea from the wave data collected by using the directional wave gauge. Then, using the wave ray method and SWAN model with the open-sea wave data as offshore boundary conditions, we predict the swell-like high waves at several major points on the east coast of Korea. We verify the prediction methods with the SWAN and wave ray methods by comparing predicted data against measured one at Wangdolcho. We can improve the prediction of the swell-like high waves in the east sea of Korea using both the real-time wave measurement system and the present prediction algorithm.

• Journal of Intelligence and Information Systems
• /
• v.16 no.3
• /
• pp.1-14
• /
• 2010

The back-propagation neural network (BPN) has long been successfully applied in bankruptcy prediction problems. Despite its wide application, some major issues must be considered before its use, such as the network topology, learning parameters and normalization methods for the input and output vectors. Previous studies on bankruptcy prediction with BPN have shown that many researchers are interested in how to optimize the network topology and learning parameters to improve the prediction performance. In many cases, however, the benefits of data normalization are often overlooked. In this study, a genetic algorithm (GA)-based normalization transform, which is defined as a linearly weighted combination of several different normalization transforms, will be proposed. GA is used to extract the optimal weight for the generalization. From the results of an experiment, the proposed method was evaluated and compared with other methods to demonstrate the advantage of the proposed method.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1412-1416
• /
• 2009

최근의 극심한 기상이변으로 인하여 발생되는 이상호우의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우를 예측하기 위해 많은 방법들이 사용되고 있으나 강우의 메커니즘은 매우 복잡하여 수문순환과정에서 가장 예측하기 힘든 요소이며, 추계학적 예측모형이나 확정론적 예측모형 모두에 있어 상당한 불확실성을 내포하고 있다. 기상예측모형 등을 이용하여 강우예측에 대한 정도를 높여가고는 있으나 많은 수문학적 모형에서 요구하는 시공간적으로 정도가 높은 강우를 예측하기에는 힘들다. 인공신경망은 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 연결강도를 최적화함으로서 모형의 구조를 스스로 조직화하기 때문에 모형의 구조에 적합한 최적 매개변수를 추정할 수 있다. 따라서 정확한 예측이 어려운 강우사상을 과거의 자료로부터 신경망의 수학적 알고리즘을 통해 강우의 예측에 적용할 수 있을 것이다. 따라서 본 연구에서는 이러한 인공신경망의 기법 중 오류 역전파 알고리즘을 통하여 과거의 강우사상들을 입 출력 자료로 이용하여 인공신경망을 학습시켜 강우의 예측에 대한 정도를 높이도록 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.1106-1108
• /
• 2010

이 연구에서는 유전자알고리즘과 인공신경망의 특성을 결합한 유전자신경망모형에 대하여 논의한다. 이 모형을 이용하여 단기 시계열자료를 예측한다. 그 예측 결과는 유전자신경망모형이 역전파 신경망모형에서 보다 더 작은 예측오차를 보였다. 역전파 신경망보다 더 효과적임을 보임으로써 유전자신경망모형을 이용한 시계열자료 예측이 보다 효율적인 방법임을 제시한다.

• Journal of Navigation and Port Research
• /
• v.26 no.2
• /
• pp.183-188
• /
• 2002

The forecast of a container traffic has been very important for port and development. Generally, Statistic methods, such as moving average method, exponential smoothing, and regression analysis have been much used for traffic forecasting. But, considering various factors related to the port affect the forecasting of container volume, neural network of parallel processing system can be effective to forecast container volume based on various factors. This study discusses the forecasting of volume by using the neural, network with back propagation learning algorithm. Affected factors are selected based on impact vector on neural network, and these selected factors are used to forecast container volume. The proposed the forecasting algorithm using neural network was compared to the statistic methods.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.104-104
• /
• 2022

임진강 수계는 북측 지역이 다수를 차지하는 유역 특성으로 예고 없는 상류 급방류, 강우 등으로 인해 댐 운영에 근본적 어려움이 있으며, 이에 따라 홍수조절지 및 댐 하류 계측 가능 지역의 취득 자료를 고려한 하천 수위 변화에 대한 사전 예측을 필요로 하고 있다. 홍수기 하천 도달시간 및 수위예측 기법으로는 물리 기반 및 데이터 기반 모델들이 다양하게 연구되어 왔으며, 일부 연구성과들은 현업에 활용하고 있다. 물리기반 모델은 하천 지형 변화에 대한 자료 취득 및 분석에 많은 시간을 요하는 단점은 있으나, 설명 가능한 모델을 구현할 수 있을 것으로 사료 된다. 반면, 데이터 기반 인공지능 모델은 짧은 시간 및 비용으로 모델을 개발할 수 있으나, 복잡한 알고리즘구현 시 설명이 불가하여 일관성을 의심 받을 수 있다. 본 논문에서는 홍수 도달시간과 하류 수위 상승에 대하여 설명 가능한 인공지능 알고리즘 및 시뮬레이션 프로그램을 개발하고자 하였다. 홍수 도달시간 예측은 기존 조견표 방식에서 고려하지 않았던 홍수파의 영향을 추가 변수화 하고, 데이터의 전후처리를 통하여 도달시간을 예측하였다. 실시간 하류 수위 예측은 댐 방류량, 주변 강우, 조위 등을 고려하여 도달시간 후 수위를 예측할 수 있도록 구현하였으며, 자료 동화 기술을 일부 적용하였다. 미래 방류조건에 대한 시뮬레이션을 위해서는 미래 방류량, 예상 강우 입력 시 하천 지점별 수위 상승을 예측할 수 있도록 알고리즘 및 프로그램을 개발하였다. 이를 구현하기 위하여 다양한 인공지능 알고리즘을 이용한 학습, 유전자 알고리즘을 이용한 가중치 학습 제한 조건내 최적화, 수위파와 조위파의 중첩의 정리 등을 이용하여 예측 정확도 및 신뢰성을 제고 하였다. 인공지능 분석결과의 현업활용성 제고를 위하여 시뮬레이터 프로그램을 개발하여 현업에 적용하였다.

• Proceedings of the KIEE Conference
• /
• 2006.07d
• /
• pp.1815-1816
• /
• 2006

소음은 환경 오염원의 하나로서 사람에게 육체적, 정신적 피해를 발생시킨다. 이에 소음 제어 기술의 필요성이 증대하였고, 그 중에서 제어가 까다롭고 고비용을 요구하는 저주파 소음 제어 기술의 개발이 확대되고 있다. 따라서 본 연구에서는 저주파의 주기적인 특성을 가지는 1차원 평면파 소음에 대한 능동 제어를 위해 기존의 적응 피드포워드 방법의 단점을 보완하는 적응 피드백 방법을 이용한 능동 소음 제어 시스템을 구성하고 능동 소음 제어 실험을 수행하였다. 이를 위해 소음원과 제어 음원을 가지는 덕트 형상의 실험 장치를 구성하였다. 제어기 설계를 위해 전파 소음을 예측하는 선형 예측법을 적용한 적응 디지털 필터를 구성하였으며 적응 알고리즘으로 Filtered-X LMS 알고리즘을 이용하였다. 제어기는 제어 알고리즘을 프로그램화하여 DSP에 입력함으로써 구성하였다. 실험에 사용된 소음은 500[Hz] 이하의 단일 주파수의 정현파 소음을 사용하였으며, 실험결과 음압 감소의 효과를 볼 수 있었다. 능동 소음 제어의 기술을 개발하여 하드웨어(덕트)의 모양 및 구조, 제어기의 종류 및 처리 속도, 주파수나 크기와 같은 특성이 급격히 변하는 소음의 경우에 능동적으로 소음을 제어할 수 있으며, 저주파 소음을 발생시키는 관형 연소기와 같은 장치 및 여러 분야에 응용이 가능하도록 하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.301-306
• /
• 2006

본 연구에서는 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우-유출예측을 위해 인공신경망(Artificial Neural Networks: ANNs)의 기법의 일종인 자기조직화(Self Organizing Map: SOM) 이론과 역전파 학습 알고리즘(Back Propagation Algorithm: BPA) 이론을 복합적으로 이용하였다. 기존의 인공신경망 연구에서 야기된 저..갈수기의 유출량에 대한 과대평가, 홍수기의 유출량에 대한 과소평가, 예측값이 선행 유출량의 지속성을 갖는 Persistence 현상을 해결하기 위하여 패턴분류 성능을 지닌 SOM 이론을 도입하여 예측모형의 전처리 과정으로 이용하였다. 이는 기존의 인공신경망 모형이 하나의 모형을 구성하여 유출량의 전 범위에 해당하는 자료를 예측하는 방법을 개선한 것으로 SOM에 의해 패턴이 분류된 강우-유출관계의 각 패턴별 예측모형을 통해 분류된 자료들의 예측을 수행하는 방법이다. 이와 같이 SOM을 강우-유출예측모형의 전처리과정으로 이용함으로서 기존의 인공신경망 연구에서 야기된 현상들을 해결할 수 있었고, 예측력 또한 기존의 인공신경망 모형의 결과에 비해 우수하였다.