Biases embedded in numerical weather precipitation forecasts by the RDAPS model was determined, quantified and corrected. The ultimate objective is to eventually enhance the reliability of reservoir operation by Korean Water Resources Corporation (KOWACO), which is based on precipitation-driven forecasts of stream flow. Statistical post-processing, so called MOS (Model Output Statistics) was applied to RDAPS to improve their performance. The Artificial Neural Nwetwork (ANN) model was applied for 4 cases of 'Probability of Precipitation (PoP) for wet and dry season' and 'Quantitative Precipitation Forecasts (QPF) for wet and dry season'. The reduction on the large systematic bias was especially remarkable. The performance of both networks may be improved by retraining, probably every month. In addition, it is expected that performance of the networks will improve once atmospheric profile data are incorporated in the analysis. The key to the optimal performance of ANN is to have a large data set relevant to the predictand variable. The more complex the process to be modeled by the ANN, the larger the data set needs to be.
This paper presents a methodology of machining error compensation by using Artificial Neural Network(ANN) model based on the inspection database of On-Machine-Measurement(OMM) system. First, the geometric errors of the machining center and the probing errors are significantly reduced through compensation processes. Then, we acquire machining error distributions from a specimen workpiece. In order to efficiently analyze the machining errors, we define two characteristic machining error parameters. These can be modeled by using an ANN model, which allows us to determine the machining errors in the domain of considered cutting conditions. Based on this ANN model, we try to correct the tool path in order to effectively reduce the errors by using an iterative algorithm. The iterative algorithm allows us to integrate changes of the cutting conditions according to the corrected tool path. Experimentation is carried out in order to validate the approaches proposed in this paper.
Journal of Advanced Marine Engineering and Technology
/
제34권7호
/
pp.971-980
/
2010
In this paper, an artificial neural network (ANN) was employed to build a predicting model for refrigerator structure. The predicting model includes three input variables of the plaque depth (D), width (W) and interval distance(S) on the inner wall. Finite element method was utilized to obtain the data, which would be necessary for the ANN training process. Finally, a genetic algorithm (GA) was applied to find the optimal parameters that leaded to the minimum inner case deformation under operating condition. The optimal combination found is the depth(D) of 2.63mm, the width(W) of 19.24mm and the interval distance(S) of 49.38mm which leaded to the smallest deformation of 1.88mm for the given refrigerator model.
To predict rice blast, many machine learning methods have been proposed. As the quality and quantity of input data are essential for machine learning techniques, this study develops three artificial neural network (ANN)-based rice blast prediction models by combining two ANN models, the feed-forward neural network (FFNN) and long short-term memory, with diverse input datasets, and compares their performance. The Blast_Weathe long short-term memory r_FFNN model had the highest recall score (66.3%) for rice blast prediction. This model requires two types of input data: blast occurrence data for the last 3 years and weather data (daily maximum temperature, relative humidity, and precipitation) between January and July of the prediction year. This study showed that the performance of an ANN-based disease prediction model was improved by applying suitable machine learning techniques together with the optimization of hyperparameter tuning involving input data. Moreover, we highlight the importance of the systematic collection of long-term disease data.
Numerical analysis and dynamic material properties are required to analyze the behavior of workpiece during an electrohydraulic forming (EHF) process. In this study, EHF experiments were conducted under three conditions (6, 7, 8 kV). Dynamic material properties of Al 5052-H34 were inversely estimated through an ANN (Artificial Neural Network) model constructed based on LS-Dyna analysis results. Parameters of Cowper-Symonds constitutive equation, C and p, were used to implement dynamic material properties. By comparing experimental results of three conditions with ANN model results, optimized parameters were obtained. To determine the reliability of the derived parameters, experimental results, LS-Dyna analysis results, and ANN results of three conditions were compared using MSE and SMAPE. Valid parameters were obtained because values of indicators were within confidence intervals.
Yujin Lee;Seunghoon Seo;Ilhwan You;Tae Sup Yun;Goangseup Zi
Computers and Concrete
/
제31권4호
/
pp.315-325
/
2023
Calcium leaching is one of the main deterioration factors in concrete structures contact with water, such as dams, water treatment structures, and radioactive waste structures. It causes a porous microstructure and may be coupled with various harmful factors resulting in mechanical degradation of concrete. Several numerical modeling studies focused on the calcium leaching depth prediction. However, these required a lot of cost and time for many experiments and analyses. This study presents an artificial neural network (ANN) approach to predict the leaching depth quickly and accurately. Totally 132 experimental data are collected for model training and validation. An optimal ANN model was proposed by ANN topology. Results indicate that the model can be applied to estimate the calcium leaching depth, showing the determination coefficient of 0.91. It might be used as a simulation tool for engineering problems focused on durability.
International Journal of Naval Architecture and Ocean Engineering
/
제10권3호
/
pp.235-249
/
2018
The Artificial Neural Network (ANN) model has been known as one of the most effective theories for automatic ship berthing, as it has learning ability and mimics the actions of the human brain when performing the stages of ship berthing. However, existing ANN controllers can only bring a ship into a berth in a certain port, where the inputs of the ANN are the same as those of the teaching data. This means that those ANN controllers must be retrained when the ship arrives to a new port, which is time-consuming and costly. In this research, by using the head-up coordinate system, which includes the relative bearing and distance from the ship to the berth, a novel ANN controller is proposed to automatically control the ship into the berth in different ports without retraining the ANN structure. Numerical simulations were performed to verify the effectiveness of the proposed controller. First, teaching data were created in the original port to train the neural network; then, the controller was tested for automatic berthing in other ports, where the initial conditions of the inputs in the head-up coordinate system were similar to those of the teaching data in the original port. The results showed that the proposed controller has good performance for ship berthing in ports.
Ozturk, Murat;Cansiz, Omer F.;Sevim, Umur K.;Bankir, Muzeyyen Balcikanli
Computers and Concrete
/
제21권5호
/
pp.559-567
/
2018
In this study alkali activation of Electric Arc Furnace Slag (EAFS) is studied with a comprehensive test program. Three different silicate moduli (1-1,5-2), three different sodium concentrations (4%-6%-8%) for each silicate module, two different curing conditions (45%-98% relative humidity) for each sodium concentration, two different curing temperatures ($400^{\circ}C-800^{\circ}C$) for each relative humidity condition and two different curing time (6h-12h) for each curing temperature variables are selected and their effects on compressive strength was evaluated then regression equations using multiple linear regressions methods are fitted. And then to select the best regression models confirm with using the variables, the regression models compared between itself. An Artificial Neural Network (ANN) models that use silicate moduli, sodium concentration, relative humidity, curing temperature and curing time variables, are formed. After the investigation of these ANN models' results, ANN and multiple linear regressions based models are compared with each other. After that, an explicit formula is developed with values of the ANN model. As a result of this study, the fluctuations of data set of the compressive strength were very well reflected using both of the methods, multiple linear regression with quadratic terms and ANN.
The accurate measurement of critical heat flux (CHF) in flow boiling is important for the safety requirement of the nuclear power plant to prevent sharp degradation of the convective heat transfer between the surface of the fuel rod cladding and the reactor coolant. In this paper, a System Engineering approach is used to develop a model that predicts the CHF using machine learning. The model is built using artificial neural network (ANN). The model is then trained, tested and validated using pre-existing database for different flow conditions. The Talos library is used to tune the model by optimizing the hyper parameters and selecting the best network architecture. Once developed, the ANN model can predict the CHF based solely on a set of input parameters (pressure, mass flux, quality and hydraulic diameter) without resorting to any physics-based model. It is intended to use the developed model to predict the DNBR under a large break loss of coolant accident (LBLOCA) in APR1400. The System Engineering approach proved very helpful in facilitating the planning and management of the current work both efficiently and effectively.
A bridge transportation network supplies products from various source nodes to destination nodes through bridge structures in a target region. However, recent frequent earthquakes have caused damage to bridge structures, resulting in extreme direct damage to the target area as well as indirect damage to other lifeline structures. Therefore, in this study, a surrogate model-based comprehensive framework to estimate the seismic resilience of bridge transportation networks is proposed. For this purpose, total system travel time (TSTT) is introduced for accurate performance indicator of the bridge transportation network, and an artificial neural network (ANN)-based surrogate model is constructed to reduce traffic analysis time for high-dimensional TSTT computation. The proposed framework includes procedures for constructing an ANN-based surrogate model to accelerate network performance computation, as well as conventional procedures such as direct Monte Carlo simulation (MCS) calculation and bridge restoration calculation. To demonstrate the proposed framework, Pohang bridge transportation network is reconstructed based on geographic information system (GIS) data, and an ANN model is constructed with the damage states of the transportation network and TSTT using the representative earthquake epicenter in the target area. For obtaining the seismic resilience curve of the Pohang region, five epicenters are considered, with earthquake magnitudes 6.0 to 8.0, and the direct and indirect damages of the bridge transportation network are evaluated. Thus, it is concluded that the proposed surrogate model-based framework can efficiently evaluate the seismic resilience of a high-dimensional bridge transportation network, and also it can be used for decision-making to minimize damage.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.