• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.779-783
• /
• 2010

최근 들어 그 심각성을 더하고 있는 이상기후 현상으로 가용 수자원의 변동이 커지고 있으며, 이에 따라 수자원의 효율적인 운영이 요구되고 있다. 그러나 효율적인 운영을 위해서는 미래 유입량의 불확실성의 고려하고, 홍수 조절용량의 확보하면서도, 용수공급을 위한 저수량을 확보하고, 수력 발전을 해야 하는 복잡한 상황을 모두 고려하여야한다. 이러한 복잡한 시스템에서 하나의 최적화 기법으로는 모든 고려사항들을 만족시키는 최적해를 찾는 것은 사실상 불가능에 가깝다. 그러므로 저수지 운영의 최적화를 위한 연구에서 한 가지 이상의 기법을 조합하는 기법을 사용하게 되었다. 이러한 기법은 각 기법의 장점을 취하고 각각의 한계를 극복하기 위해 주로 사용되었다. 본 연구에서는 저수지 운영 최적화를 모의하기 위하여 대청댐에서의 저수위, 유입량, 용수이용량 등을 고려하여 방류량의 예측을 동적 계획법(Dynamic Programming Model)으로부터 동적 신경망(Dynamic Neural Network Model)과 적응 퍼지 제어기법(Adaptive Neuro-Fuzzy Inference System)을 개발하여 실제 방류량과 세 가지 최적화 방법에 의한 결과를 비교 검정하였다. 본 연구의 수행으로 인해 얻어진 결과를 요약하면 다음과 같다. 첫째, 동적 신경망과 적응 퍼지 제어기법에 의한 최적화 모의가 동적 계획법에 비해 시스템의 구축이 쉽고 유연하다. 둘째, 퍼지추론의 Membership 함수의 구축에 따라 단시간에 많은 양의 강우가 발생하는 국지성 강우에 대해서도 최적 방류량을 예측할 수 있다. 셋째, 저수지 운영 과거자료의 부족과 불확실성을 해결하면, 보다 용이하고 양호한 예측결과를 얻을 수 있을 것이다.

• Journal of Korea Water Resources Association
• /
• v.35 no.5
• /
• pp.541-552
• /
• 2002

Two global optimization methods, the SCE-UA method and the Annealing-Simplex(A-S) method for calibrating a daily rainfall-runoff model, a Tank model, was compared with that of the Downhill Simplex method. In synthetic data study, 100% success rates for all objective functions were obtained from the A-S method, and the SCE-UA method was also consistently able to obtain good estimates. The Downhill Simplex method was converged to the true values only when the initial guess was close to the true values. In the historical data study, the A-S method and the SCE-UA method showed consistently good results regardless of objective function. An objective function was developed, which puts more weight on the low flows.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.148-150
• /
• 2020

최근 VVC(Versatile Video Coding) 표준 완료 이후 JVET(Joint Video Experts Team)은 인공신경망 기반의 비디오 부호화를 위한 AhG(Ad-hoc Group) 구성하고 인공지능을 이용한 비디오 압축 기술들을 검증하고 있으며, MPEG(Moving Picture Experts Group)에서는 DNNVC(Deep Neural Network based Video Coding) 활동을 통해 딥러닝 기반의 차세대 비디오 부호화 표준 기술을 탐색하고 있다. 본 논문은 VVC 에 채택된 신경망 기반의 기술인 MIP(Matrix Weighted Intra Prediction)를 참조하여, MIP 모델의 학습에서 손실함수가 예측 성능에 미치는 영향을 분석한다. 즉, 예측의 왜곡(MSE)만을 고려한 경우와 예측오차의 부호화 비용도 함께 반영한 손실함수를 비교한다. 실험을 위해 HEVC(High Efficiency Video Coding) 화면내 예측 대비 평균적인 PSNR 향상 정도를 나타내는 성능 지표(��PSNR)를 정의한다. 실험결과 예측오차의 부호화 특성을 반영하는 손실함수를 이용한 학습이 MSE 만 고려한 학습 대비 ��PSNR 기준 평균 0.4dB 향상됨을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.11-12
• /
• 2008

퍼지 시계열 예측은 전체 퍼지 구간에 따른 퍼지 소속 함수의 개수와 범위에 따라서 예측성능에 많은 영향을 미치고 있으며, 이러한 문제점을 개선하기 위한 방법으로 다수 객체들의 학습 및 군집 특성을 이용한 Particle Swarm Optimization기법을 도입하였다. 제안된 방법에서는 군집의 최적 객체를 전체 최적해와 각각의 퍼지 소속 함수들에 대한 최적해로 구분하여 탐색하는 기법을 제안한다. 실제 시계열 데이터를 이용한 실험을 통하여 기존의 연구 결과들과 비교함으로써 제안된 방법의 우수한 성능을 가짐을 검증하였다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 1992.10a
• /
• pp.107-112
• /
• 1992

선박 내부에 탑재된 추진 기계류에서 발생되는 진동은 마운트 Deck을 통하 여 선체에 전달되어 수중으로 전파된다. 기계류에 의해 발생되는 수중방사소 음을 감소시키기 위해서는 선체로 전달된 진동수준 및 수중방사소음 예측이 우선 중요하다. 수중방사소음 예측 방법으로 FEM과 BEM에 의한 저주파수 대역 예측, 전달함수에 의한 실험적 예측, SEA(Statistical Energy Analysis) 기법을 이용한 고주파수 대역 예측으로 나눌 수 있다. R.H.Lyon 등에 의해 발전된 SEA 기법은 항공기, 선박등 복잡한 구조물의 고주파수 대역 진동해 석에 널리 이용되고 있다. SEA 기법의 선박에 대한 적용은 소형선박의 기계 류에서 발생되는 진동에 의한 선체 진동수준 및 수중방사소음 해석 등에 적 용되고 있다. 본 연구에서는 보강 원통형 셀 모델에 대한 수중방사소음을 SEA 기법을 이용하여 예측하고 실험을 통하여 검증하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.98-98
• /
• 2021

동역학파 기반 순간단위도 (Dynamic wave-based Instantaneous Unit Hydrograph)를 이용하여 유역에서의 강우에 의한 유출을 예측하는 기법을 개발하였으며, 국내 실제 자연 유역에 적용하여 기법의 타당성과 적용성을 검증하였다. 본 연구에서 제시한 '동역학파 기반 순간단위도 방법'은 물리기반 수치모형인 동역학파 강우유출모형과 개념적 순간단위도 방법을 결합하여 사용함으로써 물리적으로 정확하면서도 빠르고 안정적으로 강우-유출을 예측하는 것을 목적으로 한다. 유역의 순간단위도는 유역의 지형, 조도계수와 동역학파 강우유출모형인 tRIBS-OFM을 이용하여 계산된 S-수문곡선을 수치적으로 미분함으로써 유도되며, 유도된 순간단위도는 강우강도에 따라 변화하므로 회선적분을 통한 유출수문곡선 예측 시 강우-유출 관계의 비선형성을 고려할 수 있다. 본 연구에서 유도된 순간단위도의 첨두 값과 첨두 발생시간은 강우강도 값과 각각 양과 음의 상관관계를 가졌으며 강우강도 값과 멱 함수 (power function)의 관계를 가졌다. 이는 Paik and Kumar (2004) 등 기존 연구들에서 밝힌 순간단위도의 특성과 일치하였으며, 본 연구에서는 더 나아가 멱함수의 지수를 산정한 후 임의의 강우강도 값에 대응하는 순간단위도를 멱함수 관계를 이용하여 보간할 수 있는 방법을 제시하였다. 실제 유역에 대한 적용은 강원도 인제군에 위치한 내린천 유역을 대상으로 수행하였다. 유역을 여러 개의 소유역으로 분할하여 강우의 공간적 분포를 고려하였으며, 각 소유역에서의 유출량을 동역학파 기반 순간단위도를 이용해 계산한 뒤 물리기반의 하도추적모형을 이용하여 전체 유역에서의 유출수문곡선을 예측했다. 예측된 유출수문곡선을 관측 유출 자료와 비교해본 결과 NSE (Nash-Sutcliffe model efficiency coefficient)가 0.6 이상으로 측정되어 적절히 유출을 예측한 것으로 판단되었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.798-801
• /
• 2014

여행 정보 시스템(ATIS), 교통 관리 시스템 (ITS) 등 궤적 기반 서비스에서, 서비스 품질을 향상시키기 위해서는 주어진 궤적 질의에 대한 정확한 주행시간을 예측하는 것이 필수적이다. 이를 위한 대표적인 공간 데이터 분석 기법으로는 데이터 분류에서 높은 정확도를 보장하는 규칙 기반 분류화 기법이 존재한다. 그러나 기존 규칙 기반 분류화 기법은 단일 컴퓨터 환경만을 고려하기 때문에, 대용량 공간 데이터 처리에 적합하지 않은 문제점이 존재한다. 이를 해결하기 위해, 본 연구에서는 맵리듀스 환경에서 규칙 기반 분류화를 이용한 궤적 데이터 주행 시간 예측 알고리즘을 개발하고자 한다. 제안하는 알고리즘은 첫째, 맵리듀스를 이용하여 대용량 공간 데이터를 병렬적으로 분석함으로써, 활용도 높은 궤적 데이터 규칙을 생성한다. 이를 통해 대용량 공간 데이터 기반의 규칙 생성 시간을 감소시킨다. 둘째, 그리드 구조 기반의 지도 데이터 분할을 통해, 사용자 질의처리 시 탐색 성능을 향상시킨다. 즉, 주행 시간 예측을 위한 규칙 그룹을 탐색 시 질의를 포함하는 그리드 셀만을 탐색하기 때문에, 질의처리 성능이 향상된다. 마지막으로 맵리듀스 구조에 적합한 질의처리 알고리즘을 설계하여, 효율적인 병렬 질의처리를 지원한다. 이를 위해 맵 함수에서는 선정된 그리드 셀에 대해, 질의에 포함된 도로 구간에서의 주행 시간을 병렬적으로 측정한다. 아울러 리듀스 함수에서는 출발 시간 및 구간별 주행 시간을 바탕으로 맵 함수의 결과를 병합함으로써, 최종 결과를 생성한다. 이를 통해 공간 빅데이터 분석을 통한 주행 시간 예측 기법의 처리 시간 및 결과 정확도를 향상시킨다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.34 no.1
• /
• pp.49-55
• /
• 2006

Two data mining techniques, analysis of variance (ANOVA) and self-organizing map (SOM), are applied to knowledge discovery in aerodynamic design space. These methods make it possible to identify the effect of each design variable on the objective functions. Furthermore, ANOVA shows the effect of interaction between design variables on the objective function and SOM visualizes the trade-off among objective functions. Present methods are applied to the result of the supersonic wing design which includes 72 design variables and 4 objective functions.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.57-61
• /
• 2016

교각 주위에서의 국부세굴은 교각을 지나는 유체의 복잡한 흐름에 의해 발생한다. 이를 해석하기 위하여 많은 난류모형을 이용한 실내실험 및 수치실험을 수행하였으나 발생하는 와류를 하천 규모에서 전부 계산하기는 매우 어려운 문제다. 따라서 국부세굴 관련으로 최대 관심사인 최대 세굴심은 인공지능 기술에 근거한 다양한 기법을 적용해 계산하여 예측하기도 한다. 본 연구에서는 기계학습 분야 중 하나인 서포트 벡터 머신 (Support Vector Machines)을 이용하여 교각주위 국부세굴을 예측하였다. SVM은 본래 초평면을 이용하여 데이터를 분류시키는 기법이나 Vapnik(1995)이 제안한 ${\varepsilon}$ 서포트 벡터 회귀 (${\varepsilon}$-support vector regression)방법을 통해 회귀분석에도 활용할 수 있게 되었다. 학습을 위해 Charbert and Engeldinger (1956), Shen et al. (1969), Jain and Fischer (1979), 그리고 Dey et al. (1995)의 실험 자료를 이용하였고 검증을 위해 Yanmaz and Altinbilek (1991)의 실험 자료를 이용하였다. 커널함수로는 다항식 함수와 방사 기저 함수를 이용하였고 각 계수는 적합한 값을 찾기 위해 시행착오법을 사용하였다. 민감도 분석을 통해 각 계수들 중 ${\varepsilon}$의 변화가 결과에 가장 민감하게 변화를 일으키는 것을 확인하였고 검증 결과 SVM가 충분히 국부세굴을 잘 예측하는 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.699-701
• /
• 2018

본 연구는 인공 신경망 '추론'과정에서 연산량을 줄이는 아이디어를 고안했고, 이를 구현하여 기존 알고리즘과 성능을 비교 분석하였다. 특정 데이터 셋에 대한 실험을 통해 ReLU(Rectified Linear Unit) 함수의 결과를 분석했고, 그 결과를 통해 ReLU 함수의 결과가 예측가능함을 확인했다. 또한 인공 신경망 알고리즘에 ReLU 함수의 결과 예측 기법을 적용하여 인공 신경망 추론과정을 최적화했다. 이 아이디어를 기반으로 구현된 인공 신경망은 기존 아이디어로 구현된 인공 신경망에 비해 약 3배 빠른 성능을 보였다.