• 대한원격탐사학회지
• /
• 제35권2호
• /
• pp.299-316
• /
• 2019

본 연구는 지리정보시스템(GIS) 환경에서 확률 모델인 Weight Of Evidence (WOE)와 Evidential Belief Function (EBF), 기계학습 모델인 Artificial Neural Networks (ANN) 모델을 이용하여 평창지역의 산사태 취약성도를 공간적으로 분석하고 예측하였다. 본 연구지역은 2006년 태풍 에위니아에 의한 집중호우로 산사태가 많이 발생하여 많은 재산 및 인명피해가 발생하였다. 산사태 취약성도를 작성하기 위해 항공사진을 이용하여 3,955개의 방대한 산사태 발생 위치를 탐지하였고, 환경공간정보인 지형, 지질, 토양, 산림 및 토지이용 등의 공간 데이터를 수집하여 공간데이터베이스에 구축하였다. 이러한 공간데이터베이스를 이용하여 산사태에 영향을 줄 수 있는 인자 17개를 추출하여 입력 인자와 EBF, WOE, ANN 모델을 이용하여 산사태 취약성도를 작성하고 검증하였다. 작성 및 검증을 위해 산사태 자료는 각각 50%씩 나누어서 훈련 및 검증을 실시하였고, 검증결과 WOE 모델의 경우는 74.73%, EBF 모델의 경우는 75.03%, ANN 모델의 경우는 70.87%의 예측 정확도를 나타내었다. 본 연구에 사용된 모델 중 EBF 모델이 가장 높은 정확도를 나타냈으며, 모든 모델에서 70% 이상의 예측 정확도를 보여 본 연구에서 사용된 기법이 산사태 취약성도 작성에 유효함을 나타내었다. 본 연구에서 제안된 WOE, EBF, ANN 모델과 산사태 취약성도는 이전에 산사태가 발생하지 않은 지역의 산사태를 예측하는 데 사용될 수 있다. 이러한 취약성도는 산사태 위험 감소를 촉진하고, 토지 이용 정책 및 개발을 위한 기초자료 역할을 할 수 있으며, 궁극적으로 산사태 재해 예방을 위한 시간과 비용을 절약할 수 있다. 향후 보다 많은 지역에서 산사태 취약성도 작성 방법을 적용하여 산사태 위험 예측을 위한 일반화된 모델을 이끌어 내야 한다.

• 콘크리트학회지
• /
• 제25권5호
• /
• pp.13-16
• /
• 2013

• 한국터널지하공간학회 논문집
• /
• 제16권1호
• /
• pp.13-24
• /
• 2014

본 논문에서는 TBM 터널의 세그먼트 라이닝 설계 자동화 기술 개발의 일환으로 인공신경망기법을 이용한 세그먼트 라이닝 부재력 산정기법 개발에 관한 내용을 다루었다. 부재력 평가가 가능한 인공신경망을 개발하기 위해 먼저 다양한 설계조건을 도출하고 이에 대해 2-Ring Beam 모델을 이용한 유한요소해석을 수행하여 인공신경망 학습에 필요한 설계조건별 부재력에 관한 DB를 구축하였다. 구축된 DB를 활용하여 인공신경망의 최적화 과정을 통해 최대 부재력 및 분포도를 예측할 수 있는 인공신경망을 구축하였다. 검토 결과 구축된 인공신경망은 유한요소해석과 동일한 정밀도의 부재력 산정 기능을 확보하는 것으로 검토되었으며 따라서 TBM 세그먼트 라이닝 설계시 필요한 부재력 평가를 위한 효율적인 수단으로 활용될 수 있는 것으로 판단된다.

• 한국산학기술학회논문지
• /
• 제16권3호
• /
• pp.2234-2241
• /
• 2015

본 연구에서는 국내 지반의 전단강도정수와 콘지수 사이의 상관관계를 확립하기 위하여 먼저 콘관입 모델을 통한 이론적 상관관계를 정리하고 이의 신뢰도를 높이기 위하여 인공신경망 기법을 적용하였다. 이론적 상관관계는 이론식을 유도하면서 적용한 가정들로 인하여 신뢰성 있는 지반의 거동을 예측하기 어려운 측면이 있다. 따라서 인공신경망 기법을 적용하여 이론적, 경험적 방법과 같은 기존의 방법과는 다른 새로운 측면에서 지반의 거동 특성을 파악할 필요성이 있다. 인경신경망 모델은 국내의 다양한 건설현장에서 수행한 지반조사 보고서를 통해서 입력자료를 확보한 뒤에 모델학습을 수행하였다. 연구결과 측정값과 예측값의 오차가 크지 않았고, 비교적 고르게 분포함을 알 수 있었다. 추후 보강된 인공신경망 모델을 구축하면 국내 특정 지역뿐만 아니라 일반화된 지역에 보편적으로 적용할 수 있을 것으로 기대된다.

• 대한토목학회논문집
• /
• 제34권6호
• /
• pp.1779-1786
• /
• 2014

물리현상의 난해성으로 인해 수학적인 관계식이 제시되기 어려운 경우 인공지능 기술에 근거한 다양한 기법이 적용되어 왔다. 수리학 분야의 대표적인 예로 교각주위 국부세굴 문제를 들 수 있다. 본 연구에서는 유전자 알고리즘의 진화된 방법인 GEP 기법을 이용하여 교각주위 국부세굴을 예측하는 방법을 제시하였다. 64개의 실험 자료를 이용하여 GEP 모형을 학습시켜 회귀식을 구축하였으며, 33개의 실험 자료를 이용하여 구축된 모형의 검증을 실시하였다. 평형세굴심 예측을 위하여 차원을 갖는 일반 변수와 표준화된 변수로 GEP 모형을 구축하여 예측 결과를 비교하였는데, 차원을 갖는 변수에 의한 GEP 모형이 세굴심을 더 잘 예측하는 것으로 나타났다. 구축된 GEP 모형을 두 가지 현장 실측자료에 적용하였다. 적용 결과, 실험 자료에 적용한 경우에 비해 예측의 정확도가 낮아지는 것을 확인하였다. 또한, 현장 실측자료를 이용하여 학습시킨 경우 실험 자료를 이용하는 경우 보다 예측 능력이 많이 향상되는 것으로 나타났다. GEP 모형의 적용성을 위해 ANN 모형과의 비교를 수행하였으며, 본 연구에서 사용된 GEP 모형이 교각주위 국부세굴 예측에 대하여 실내 및 현장 모두 ANN 모형보다 우수한 것으로 나타났다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권4호
• /
• pp.79-86
• /
• 2019

본 논문에서 인공 신경망을 이용한 시계열 데이터 예측 사례에 대해 서술한다. 본 연구에서는 텐서 플로우 라이브러리를 사용하여 배치 기반의 인공 신경망과 스타케스틱 기반의 인공신경망을 구현하였다. 실험을 통해, 구현된 각 신경망에 대해 훈련 에러와 시험에러를 측정하였다. 신경망 훈련과 시험을 위해서 미국의 인디아나주의 공식 웹사이트로부터 8개월간 수집된 세금 데이터를 사용하였다. 실험 결과, 배치 기반의 신경망 기법이 스타케스틱 기법보다 좋은 성능을 보였다. 또한, 좋은 성능을 보인 배치 기반의 신경망을 이용하여 약 7개월 간 종합 세수 예측을 수행하고 예측된 결과와 실제 데이터를 수집하여 비교 실험을 진행 하였다. 실험 결과, 예측된 종합 세수 금액 결과가 실제값과 거의 유사하게 측정되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.945-945
• /
• 2012

본 연구에서는 낙동강 수계의 안동댐 유역을 대상지역으로 선정하여 미래 기후변화 시나리오에 따른 댐 유역의 수환경 영향을 예측해 보고자 하였다. 특히 미래기후에 대한 수환경 평가는 기후자료를 입력 값으로 요구하는 강우-유출모형을 이용하거나 유량 이외에 유사, 영양물질과 같은 수질인자를 동시에 모의할 수 있는 유역모형을 이용하여 평가하는 것이 일반적이다. 이를 위해 선행연구로 IPCC(Intergovernmental Panel on Climate Change)에서 제공하는 AR4 시나리오의 RCM 자료를 ANN(Artificial Neural Network)기법을 이용하여 안동댐 유역의 총 4개 기상관측소에 대한 과거 20년(1991~2010) 실측자료를 바탕으로 미래 강수 및 습도 그리고 온도에 대해 상세화 하여 미래 기후 시나리오를 생산하였다. 또한 안동댐 유역 단위의 수질을 예측하기 위해 토양과 토지이용 및 토지관리 상태에 따른 수문-수질 모의가 가능한 유역모형인 SWAT(Soil and Water Assessment Tool)을 이용하였다. 과거의 기상자료와 수질자료를 이용하여 유역모델의 검 보정을 실시하였으며 모형의 보정 및 검증결과에 따른 적합성과 상관성을 판단하기 위해 결정계수($R^2$)와 평균제곱근오차(Root Mean Square Error, RMSE)를 사용하였으며, 모형의 효율성 검증으로는 Nash and Sutcliffe(1970)가 제안한 모형효율성계수(NSE)를 사용하였다. 최종적으로 기후 시나리오에 대해서 전망된 지역상세기후를 유역모형의 입력자료로 이용하여 안동댐 유역의 미래수문 및 수질을 예측하고자 하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.89-89
• /
• 2021

부영양화된 호수나 유속이 느린 하천에서 발생하는 녹조의 과도한 발생은 하천 생태계 훼손, 동식물의 건강, 담수의 오염 등 환경 사회 경제적으로 큰 피해를 준다. 현재 수질 측정망은 정해진 지점에서 Chlorophyll-a(Chl-a), Phycocyanin(PC)을 대표농도로 산정하고 조류경보에 활용하고 있으나, 일주일에 한번씩 샘플링을 통해 Chl-a 및 PC를 측정하여 시공간적인 신뢰성의 문제가 제기될 수 있다. 본 연구에서는 기존 점단위 조류 모니터링의 한계점을 개선하기 위해 초분광영상 자료를 머신러닝 기법에 적용하여 Chl-a 및 PC 산정 알고리즘을 개발하였다. 이를 위해 Chl-a와 PC의 최대 흡수, 반사 파장대, 주요 물 흡수 파장대 자료를 조합하여 9개의 파장비를 구축하였으며, 기존 연구에서 활용한 머신러닝 기법인 Partial Least Square, Random Forest, Gradient Boosting, Support Vector Machine, K-Nearest Neighbor, Artificial Neural Network를 검토하여 최적 모델을 선정하였다. 학습된 머신러닝의 성능을 R², NSE, RMSE 목적함수를 이용해 평가하였으며, 그 결과 ANN이 각각 PC 0.801, 0.755, 11.774 mg/m³, Chl-a 0.733, 0.622, 8.736 mg/m³로 가장 우수한 성능을 보였다. 최적화 된 ANN 모델을 백제보 상류 2016-2017년 항공 초분광영상에 적용하여 시공간에 따른 조류 분포변화를 평가하고자 한다.

• 전력전자학회논문지
• /
• 제11권1호
• /
• pp.29-37
• /
• 2006

본 논문에서는 LM-FNN(learning Mechanism-Fuzzy Neural Network) 제어기를 이용하여 IPMSM 드라이브의 고성능 속도를 제어한다. 고성능제어를 위하여 신경회로망과 퍼지제어를 혼합 적용한 FNN을 설계한고 더욱 성능을 개선하기 위하여 학습 메카니즘을 이용하여 FNN 제어기의 파라미터를 갱신시킨다. 그리고 ANN(Artificial Neural Network)을 이용하여 IPMSM 드라이브의 속도 추정기법을 제시한다. 추정속도의 타당성을 입증하기 위하여 시스템을 구성하여 제어특성을 분석한다. 그리고 추정된 속도를 지령속도와 비교하여 전류제어와 공간벡터 PWM을 통하여 IPMSM의 속도를 제어한다. 본 연구에서 제시한 LM-FNN과 ANN 제어기의 제어특성과 추정성능을 분석하고 그 결과를 제시한다.

• 한국태양에너지학회:학술대회논문집
• /
• 한국태양에너지학회 2009년도 춘계학술발표대회 논문집
• /
• pp.184-189
• /
• 2009

In order to improve the operation of energy systems, it is necessary for the urban communities to have reliable optimization routines, both computerized and manual, implemented in their organizations. However, before a production plan for the energy system units can be constructed, a prediction of the energy systems first needs to be determined. So, several methodologies have been proposed for energy demand prediction, but due to uncertainties in urban community, many of them will fail in practice. The main topic of this paper has been the development of a method for energy demand prediction at urban community. Energy demand prediction is important input parameters to plan for the energy planing. This paper presents a energy demand prediction method which estimates heat and electricity for various building categories. The method has been based on artificial neural networks(ANN). The advantage of ANN with respect to the other method is their ability of modeling a multivariable problem given by the complex relationships between the variables. Also, the ANN can extract the relationships among these variables by means of learning with training data. In this paper, the ANN have been applied in oder to correlate weather conditions, calendar data, schedules, etc. Space heating, cooling, hot water and HVAC electricity can be predicted using this method. This method can produce 10% of errors hourly load profile from individual building to urban community.