• 한국농공학회논문집
• /
• 제54권4호
• /
• pp.73-81
• /
• 2012

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.

• 한국지하수토양환경학회:학술대회논문집
• /
• 한국지하수토양환경학회 2005년도 총회 및 춘계학술발표회
• /
• pp.348-351
• /
• 2005

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.

• 한국지리정보학회지
• /
• 제8권2호
• /
• pp.125-135
• /
• 2005

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.

• 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.

• Computers and Concrete
• /
• 제8권3호
• /
• pp.279-292
• /
• 2011

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.

• 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.

• 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.

• Bulletin of the Korean Chemical Society
• /
• 제26권1호
• /
• pp.139-145
• /
• 2005

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.

• 한국구조물진단유지관리공학회 논문집
• /
• 제10권5호
• /
• pp.179-186
• /
• 2006

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.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1567-1577
• /
• 2020

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.