• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.351-354
• /
• 2018

본 연구에서는 일 증발접시 증발량 모델링을 위한 다변량 적응 회귀 스플라인 (multivariate adaptive regression splines, MARS) 모델의 성능을 평가하였다. 모델 입력변수 집합은 부산 관측소 (기상청)로부터 수집된 기상자료를 활용하여 증발접시 증발량과의 상관성이 높은 변수들의 조합으로 구성되었으며, 일사량, 일조시간, 평균지상온도, 최대기온의 조합으로 구성된 세 가지 입력집합이 결정되었다. MARS 모델의 성능은 네 가지의 모델성능평가지표를 활용하여 정량적으로 산출되었으며, 그 결과를 인공신경망 (artificial neural network, ANN) 모델과 비교하였다. 입력변수로서 일사량 및 일조시간을 가지는 Set 1의 경우 MARS1 모델이 ANN1 모델보다 우수한 성능을 나타내었으며, Set 2 (일사량, 일조시간, 평균지상온도)의 경우 ANN2 모델, Set 3 (일사량, 일조시간, 평균지상온도, 최대기온)의 경우 MARS3 모델이 상대적으로 우수한 모델 성능을 나타내었다. 모든 분석 모델들을 비교하였을 때, MARS3, ANN2, ANN3, MARS2, MARS1, ANN1 모델의 순서로 우수한 모델 성능을 나타내었으며, 특히 MARS3 모델은 CE = 0.790, $r^2=0.800$, RMSE = 0.762, MAE = 0.587로서 가장 우수한 일 증발접시 증발량 모델링 성능을 나타내었다. 따라서 본 연구에서 적용한 MARS 모델은 지상관측 기상자료를 활용한 일 증발접시 증발량 모델링에서 효과적인 대안이 될 수 있을 것으로 판단된다.

• 한국건설관리학회논문집
• /
• 제19권4호
• /
• pp.82-92
• /
• 2018

건설사업 초기단계가 환경부하량의 절감 가능성에 큰 영향을 미친다는 것을 감안한다면, 효과적인 의사결정을 지원할 수 있는 시스템을 초기에 구축하고 활용하는 것이 중요하다. 이에 본 연구에서는 기본적인 설계 요인들을 고려하여 초기 설계단계에서 활용될 수 있는 환경부하량 산정 모델을 구축하였다. 이 모델은 인공신경망 기법을 활용하고 설계단계 업무가 진행됨에 따라 얻을 수 있는 가용정보 수준을 고려하여 기획단계 적용 모델(ANN-1)과 기본 설계단계 적용 모델(ANN-2)로 구분하여 환경부하량을 산정하도록 구축되었다. 모델의 실험결과 ANN-1, ANN-2모델의 절대평균오차율과 표준편차는 각각 11.19% / 5.30% 및 9.59% / 3.09%로 높은 신뢰성을 갖는 것으로 나타났다. 본 모델은 프로젝트 초기단계별 기초적인 가용정보만을 활용하여 신속하고 정확하게 환경부하량을 추정하고 합리적인 의사결정을 지원할 수 있을 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.626-628
• /
• 2018

본 논문에서 기상 데이터를 사용하여 태양광 에너지를 예측하기 위해 기계학습 모델인 SVM(Support Vector Machine)과 ANN(Artificial Neural Network)의 성능을 비교한다. 장 단파 복사선 평균, 강수량, 온도 등 15가지 종류의 기상 데이터를 사용하여 두 모델을 생성하고, 실험을 통해 최적의 SVM의 RBF(Radial Basis Function) 파라미터와 ANN의 은닉층과 노드 개수, 정규화 파라미터를 도출하였다. SVM과 ANN 모델의 성능을 비교하기 위한 지표로서 MAPE(Mean Absolute Percentage Error)와 MAE(Mean Absolute Error)를 사용하였다. 실험 결과 SVM 모델은 MAPE=21.11, MAE=2281417.65의 성능을 달성하였고 ANN은 MAPE=19.54, MAE=2155345.10776의 성능을 달성하였다.

• 한국지반공학회논문집
• /
• 제36권8호
• /
• pp.7-15
• /
• 2020

인공신경망(ANN) 지진응답 예측모델 구성을 위해 다양한 지진파 및 지반 조건 하에서 구조물의 최대변위 및 최대 전단력 데이터베이스 구축이 필요하다. 하지만 3차원 컴퓨터 해석을 활용한 데이터베이스 구축은 많은 시간 및 인력, 비용을 발생시킨다. 본 연구에서는 주어진 지반의 포아송비와 전단파 속도에 대하여 건물의 지진응답을 예측할 수 있는 ANN 모델 개발 프레임워크를 소개하였다. 데이터베이스 구축에는 지반-상부 구조물 효과를 고려할 수 있는 간단한 단자유도 모델을 이용하였고 개발된 ANN 모델의 정확도를 결정계수(R²)를 통하여 논의하였다. 또한 구축된 데이터베이스의 백분위 90~100에서 ANN 모델을 구성하고 결정계수를 통해 각 백분위에서 ANN 모델의 정확도에 대하여 논의하였다.

• 멤브레인
• /
• 제33권1호
• /
• pp.34-45
• /
• 2023

본 연구에서는 투과 유량 모델을 개발하기 위하여, 시간, 막 전후의 압력 차, 회전 속도, 막의 기공 크기, 동점도, 농도 및 공급 유체의 밀도 등 7개의 입력 변수에 기반한 두 종류(ANN 및 SVM) 인공지능 기법을 이용하였다. 시행착오법과 실험데이터와 예측 데이터 간의 결정 계수(R²) 와 평균절대상대편차(AARD)를 포함한 두 가지 통계 변수를 통해 최적의 모델을 선정하였다. 최종적으로 얻어진 결과에서 최적화된 ANN 모델이 R² = 0.999 및 AARD% = 2.245인 투과 플럭스 예측 정확도를 보여서, R² = 0.996 및 AARD% = 4.09의 정확도를 보인 SVM 모델에 비해 더 정확함을 알 수 있었다. 또한, ANN 모델은 SVM 방식에 비해 투과 유속을 예측하는 능력도 더 높은 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.520-520
• /
• 2023

제주도 동부 중산간 지역은 화산암으로 구성된 지하지질로 인해 지하수위의 변동폭이 크고 변동양상이 복잡하여 인공신경망(Artificial Neural Network, ANN) 모델 등을 활용한 지하수위의 예측이 어렵다. ANN에 적용되는 활성화함수에 따라 지하수의 예측성능은 달라질 수 있으므로 활성화함수의 비교분석 후 적절한 활성화함수의 사용이 반드시 필요하다. 본 연구에서는 5개 활성화함수(sigmoid, hyperbolic tangent(tanh), Rectified Linear Unit(ReLU), Leaky Rectified Linear Unit(Leaky ReLU), Exponential Linear Unit(ELU))를 제주도 동부 중산간지역에 위치한 2개 지하수 관정에 대해 비교분석하여 최적 활성화함수 도출을 목표로 한다. 또한 최적 활성화함수를 활용한 ANN의 적용성을 평가하기 위해 최근 널리 사용되고 있는 순환신경망 모델인 Long Short-Term Memory(LSTM) 모델과 비교분석 하였다. 그 결과, 2개 관정 중 지하수위 변동폭이 상대적으로 큰 관정은 ELU 함수, 상대적으로 작은 관정은 Leaky ReLU 함수가 지하수위 예측에 적절하였다. 예측성능이 가장 낮은 활성화함수는 sigmoid 함수로 나타나 첨두 및 최저 지하수위 예측 시 사용을 지양해야 할 것으로 판단된다. 도출된 최적 활성화함수를 사용한 ANN-ELU 모델 및 ANN-Leaky ReLU 모델을 LSTM 모델과 비교분석한 결과 대등한 지하수위 예측성능을 나타내었다. 이것은 feed-forward 방식인 ANN 모델을 사용하더라도 적절한 활성화함수를 사용하면 최신 순환신경망과 대등한 결과를 도출하여 활용 가능성이 충분히 있다는 것을 의미한다. 마지막으로 LSTM 모델은 가장 적절한 예측성능을 나타내어 다양한 인공지능 모델의 예측성능 비교를 위한 기준이 되는 참고모델로 활용 가능하다. 본 연구에서 제시한 방법은 지하수위 예측과 더불어 하천수위 예측 등 다양한 시계열예측 및 분석연구에 유용하게 사용될 수 있다.

• 한국지반공학회논문집
• /
• 제19권6호
• /
• pp.343-350
• /
• 2003

인공신경망(Artificial Neural Network, ANN) 해석기술을 지반공학 분야에서 활용하는 경우가 점점 다양해지고 있다. 이 연구에서는 초음파에 의해 증가된 토양수세법의 효율성을 해석하는 모델개발에 인공신경망기법을 적용하였다. 실내시험을 통하여 인공신경망을 위한 입력자료를 확보한 뒤 이를 이용하여 모델을 학습시킨 후 모델검증을 실시하였다. 해석 변수, 즉 모멘텀항, 학습률, 전이함수 종류, 은닉층 수 및 노드 수 등을 달리하여 연구를 수행하였으며 최적의 조건을 도출한 후 개발된 모델의 검증을 실시하였다. 개발된 모델의 검증결과 측정값과 예측값의 상관관계가 매우 높게 나타났으며 이를 통하여 수학적 모델 수립이 곤란한 토양수세 초음파 기법의 전반적인 고찰의 기초를 확립하였다.

• 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.

• 한국소음진동공학회논문집
• /
• 제23권9호
• /
• pp.814-822
• /
• 2013

For the fault diagnosis of a mechanical system, pattern recognition methods have being used frequently in recent research. Hidden Markov model(HMM) and artificial neural network(ANN) are typical examples of pattern recognition methods employed for the fault diagnosis of a mechanical system. In this paper, a hybrid method that combines HMM and ANN for the fault diagnosis of a mechanical system is introduced. A rotating blade which is used for a wind turbine is employed for the fault diagnosis. Using the HMM/ANN hybrid model along with the numerical model of the rotating blade, the location and depth of a crack as well as its presence are identified. Also the effect of signal to noise ratio, crack location and crack size on the success rate of the identification is investigated.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1143-1154
• /
• 2021

활성화함수의 선택은 인공신경망(Artificial Neural Network, ANN) 모델의 지하수위 예측성능에 큰 영향을 미친다. 특히 제주도의 중산간 지역과 같이 지하수위의 변동폭이 크고 변동양상이 복잡한 경우 적절한 지하수위 예측을 위해서는 다양한 활성화함수의 비교분석을 통한 최적의 활성화함수 선택이 반드시 필요하다. 본 연구에서는 지하수위의 변동폭이 크고 변동양상이 복잡한 제주도 표선유역 중산간지역 2개 지하수위 관측정을 대상으로 5개의 활성화함수(sigmoid, hyperbolic tangent (tanh), Rectified Linear Unit (ReLU), Leaky Rectified Linear Unit (Leaky ReLU), Exponential Linear Unit (ELU))를 ANN 모델에 적용하여 지하수위 예측결과를 비교 및 분석하고 최적 활성화함수를 도출하였다. 그리고 최근 널리 사용되고 있는 순환신경망 모델인 Long Short-Term Memory (LSTM) 모델의 결과와 비교분석하였다. 분석결과 지하수위 변동폭이 상대적으로 큰 관측정과 상대적으로 작은 관측정에 대한 지하수위 예측에 대해서는 각각 ELU와 Leaky ReLU 함수가 최적의 활성화함수로 도출되었다. 반면 sigmoid 함수는 학습기간에 대해 5개 활성화함수 중 예측성능이 가장 낮았으며 첨두 및 최저 지하수위 예측에서 적절하지 못한 결과를 도출하였다. 따라서 ANN-sigmoid 모델은 가뭄기간의 지하수위 예측을 통한 지하수자원 관리목적으로 사용할 경우 주의가 필요하다. ANN-ELU와 ANN-Leaky ReLU 모델은 LSTM 모델과 대등한 지하수위 예측성능을 보여 활용가능성이 충분히 있으며 LSTM 모델은 ANN 모델들 보다 예측성능이 높아 인공지능 모델의 예측성능 비교분석 시 참고 모델로 활용될 수 있다. 마지막으로 학습기간의 정보량에 따라 학습기간의 지하수위 예측성능이 검증 및 테스트 기간의 예측성능보다 낮을 수 있다는 것을 확인하였으며, 관측지하수위의 변동폭이 크고 변동양상이 복잡할수록 인공지능 모델별 지하수위 예측능력의 차이는 커졌다. 본 연구에서 제시한 5개의 활성화함수를 적용한 연구방법 및 비교분석 결과는 지하수위 예측뿐만 아니라 일단위 하천유출량 및 시간단위 홍수량 등 지표수 예측을 포함한 다양한 연구에 유용하게 사용될 수 있다.