In this study, the settlement data of 32 center cored rockfill dams (total 39 monitored data) were collected and analyzed to develop the method to predict the crest settlement of a CCRD after impounding by using the internal settlement data occurred during construction. An artificial neural network (ANN) modeling was used in developing the method, which was considered to be a more reliable approach since in the ANN model dam height, core width, and core type were all considered as input variables in deriving the crest settlement, whereas in conventional methods, such as Clements's method, only dam height is used as a variable. The ANN analysis results showed a good agreement with the measured data, compared to those by the conventional methods using regression analysis. In addition, a simple procedure to use the ANN model for engineers in practice was provided by proposing the equations used for given input values.
In this study, solute breakthrough curves through the unsaturated zone were predicted using artificial neural network (ANN) by numerical tests and laboratory experiments. In the numerical tests, applicability of ANN model to prediction of breakthrough curves was evaluated using synthetic data generated by HYDRUS-2D. An appropriate strategy of ANN application and input data form were recommended. The ANN model was validated by laboratory experiments comparing with HYDRUS-2D simulations. The results show that the ANN model can be an effective method for forecasting solute breakthrough curves through the unsaturated zone when hydraulic data are available.
비점오염 발생은 강우에 의한 지표면 유출과 밀접한 관련이 있는 관계로 모형을 이용한 비점오염 해석은 먼저 유역의 강우-유출의 명확한 관계해석을 필수조건으로 한다. 본 연구는 비점오염 모의에 많이 사용되고 있는 AnnAGNPS 모형의 다양한 유역특성별 강우-유출해석능력을 평가해 보았다. 결과를 통해 AnnAGNPS 모형은 대유역 모의에 적합하며 소유역 및 강우에 대한 유역의 반응시간이 짧은 불투수층이 많은 유역에 적용하는 것은 적합하지 않은 것으로 드러났다. 특히, AnnAGNPS 모형은 모의에 사용하는 시간간격 이 일단위(daily basis)이므로 하루보다 짧은 지속시간의 복합첨두치(mutiple peak flow)를 가지는 강우사상을 표현하는 기능이 없으며 따라서 첨두유량 예측에 상당한 오차 발생의 원인으로 드러났다. 또한 유출해석에 사용되는 CN방법은 지역적인 특성에 맞게 구축된 CN정보가 없는 관계로 초기치 선택에 신중함이 요구되며, 강우의 분포형과 더불어 반드시 주요 검정대상으로 다루어져야 할 매개변수였다.
In, Young-Yong;Lee, Sung-Kwang;Kim, Pil-Je;No, Kyoung-Tai
Bulletin of the Korean Chemical Society
/
제33권2호
/
pp.613-619
/
2012
We applied several machine learning methods for developing QSAR models for prediction of acute toxicity to fathead minnow. The multiple linear regression (MLR) and artificial neural network (ANN) method were applied to predict 96 h $LC_{50}$ (median lethal concentration) of 555 chemical compounds. Molecular descriptors based on 2D chemical structure were calculated by PreADMET program. The recursive partitioning (RP) model was used for grouping of mode of actions as reactive or narcosis, followed by MLR method of chemicals within the same mode of action. The MLR, ANN, and two RP-MLR models possessed correlation coefficients ($R^2$) as 0.553, 0.618, 0.632, and 0.605 on test set, respectively. The consensus model of ANN and two RP-MLR models was used as the best model on training set and showed good predictivity ($R^2$=0.663) on the test set.
The main purpose of this study includes investigation of the rheological properties of fresh self consolidating cement paste containing chemical and mineral additives using Artificial Neural Network (ANN) model. In order to develop the model, 200 different mixes are cast in the laboratory as a part of an extensive experimental research program. The data used in the ANN model are arranged in a format of fourteen input parameters covering water-binder ratio, four different mineral additives (calcium carbonate, metakaolin, silica fume, and limestone), five different superplasticizers based on the poly carboxylate and naphthalene and four different Viscosity Modified Admixtures (VMAs). Two common output parameters including the mini slump value and flow cone time are chosen for measuring the rheological properties of fresh self consolidating cement paste. Having validated the model, the influence of effective parameters on the rheological properties of fresh self consolidating cement paste is investigated based on the ANN model outputs. The output results of the model are then compared with the results of previous studies performed by other researchers. Ultimately, the analysis of the model outputs determines the optimal percentage of additives which has a strong influence on the rheological properties of fresh self consolidating cement paste. The proposed ANN model shows that metakaolin and silica fume affect the rheological properties in the same manner. In addition, for providing the suitable rheological properties, the ANN model introduces the optimal percentage of metakaolin, silica fume, calcium carbonate and limestone as 15, 15, 20 and 20% by cement weight, respectively.
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.
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.
Artificial neural networks (ANNs), for a first time, were successfully developed for the modeling and prediction of solvent effects on rate constant of [2+2] cycloaddition reaction of diethyl azodicarboxylate with ethyl vinyl ether in various solvents with diverse chemical structures using quantitative structure-activity relationship. The most positive charge of hydrogen atom (q$^+$), dipole moment ($\mu$), the Hildebrand solubility parameter (${\delta}_H^2$) and total charges in molecule (q$_t$) are inputs and output of ANN is log k$_2$ . For evaluation of the predictive power of the generated ANN, the optimized network with 68 various solvents as training set was used to predict log k$_2$ of the reaction in 16 solvents in the prediction set. The results obtained using ANN was compared with the experimental values as well as with those obtained using multi-parameter linear regression (MLR) model and showed superiority of the ANN model over the regression model. Mean square error (MSE) of 0.0806 for the prediction set by MLR model should be compared with the value of 0.0275 for ANN model. These improvements are due to the fact that the reaction rate constant shows non-linear correlations with the descriptors.
본 연구에서는 FRP Rebar로 보강된 철근콘크리트 보의 휨성능을 평가할 수 있는 모형을 개발하기 위하여 인공신경망 중 다층인식자 모형을 사용하였다. 인공신경망 모형에 사용될 학습자료들은 기존 연구자료들의 데이터를 이용하였다. 입력층의 독립변수는 휨성능에 주요 요소인 폭, 유효깊이, 압축강도, FRP 보강비, FRP 균형철근비을 사용하였다. 출력층 종속변수는 실험에서 측정된 모멘트 성능을 사용하였다. 개발된 인공신경망 모형은 GFRP, CFRP, AFRP Rebar 적용이 모두 가능하며, 모형의 검증은 다른 선행 연구자들이 수행한 자료를 이용하였다. 인공신경망 모형 추정결과 ANN(0.05) 모형의 경우에 비교적 정확한 휨성능 추정값을 나타낸 반면, ANN(0.1) 모형에서는 다소 오차가 발생하였다. 인공신경망 모형의 검증결과 주어진 실험 데이터 값과 비교적 일치하고 있음을 확인할 수 있었다. 또한, 휨성능 평가 변수에 대한 민감도 분석결과 유효깊이의 영향이 가장 크고 FRP 철근비, FRP 균형철근비, 압축강도, 폭으로 분석되었다.
시가화 지역 토지피복분류는 도시계획 및 관리에 활용된다. 따라서, 시가화 지역에 대한 분류 정확도 향상 연구는 중요하다고 할 수 있다. 본 연구에서는 고해상도 위성영상인 KOMPSAT-3A을 기계학습 중 Support Vector Machine(SVM)과 Artificial Neural Network(ANN)을 기반으로 시가화지역 분류를 진행하였다. 훈련 데이터 구축과정에서 25 m 격자를 기반으로 훈련 지역을 구분하여 영상을 학습하였으며, 학습된 모델을 활용하여 테스트 지역을 분류하였다. 검증과정에서 250개의 GTP를 활용하여 오차 행렬을 통한 결과를 제시하였다. SVM 4가지 기법과 ANN 2가지 기법 중 SVM Polynomial Model이 가장 높은 정확도인 86%를 나타냈다. Ground Truth Points(GTP)를 활용하여 두 개의 모델을 비교하는 과정에서, SVM 모델은 전체적으로 ANN 모델보다 효과적으로 KOMPSAT-3A 영상을 분류하였다. 건물, 도로, 식생, 나대지 4가지 클래스 분류 중 건물이 가장 낮은 분류정확도를 보여주었으며, 이는 고층건물에 따른 건물 그림자에 의한 오분류가 주요 원인으로 나타났다.
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.