• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2002년도 봄 학술발표회 논문집
• /
• pp.274-283
• /
• 2002

This paper presents an efficient models for reinforeced concrete structures using CART-ANFIS(classification and regression tree-adaptive neuro fuzzy inference system). a fuzzy decision tree parttitions the input space of a data set into mutually exclusive regions, each of which is assigned a label, a value, or an action to characterize its data points. Fuzzy decision trees used for classification problems are often called fuzzy classification trees, and each terminal node contains a label that indicates the predicted class of a given feature vector. In the same vein, decision trees used for regression problems are often called fuzzy regression trees, and the terminal node labels may be constants or equations that specify the Predicted output value of a given input vector. Note that CART can select relevant inputs and do tree partitioning of the input space, while ANFIS refines the regression and makes it everywhere continuous and smooth. Thus it can be seen that CART and ANFIS are complementary and their combination constitutes a solid approach to fuzzy modeling.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 B
• /
• pp.693-695
• /
• 1998

Fuzzy controller design consists of intuition, and any other information about how to control system, into a set of rules. These rules can then be applied to the system. It is very important to decide parameters of IF-THEN rules. Because fuzzy controller can make more adequate force to the plant by means of parameter optimization, which is accomplished by learning procedure. In this paper, we apply fuzzy controller designed to the inverted pendulum.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.128-132
• /
• 2012

물은 생물의 생존을 위해 필수적인 요소로 인류가 시작된 이래로 물을 효율적으로 이용하고 안전하게 관리하기 위한 노력은 계속되어 왔다. 최근 지구 온난화가 주요 원인으로 알려진 국지성 집중호우의 피해는 매우 심각하며, 이로 인해 치수에 대한 중요성은 날로 커지고 있다. 지금까지 사용해 왔던 홍수 예 경보 과정은 특정 지점의 유출량을 예측하기 위해서 강우-유출 모형을 운영하였다. 그러나 물리적 모형의 경우 운영에 필요한 매개변수의 결정과정이 복잡하고, 매개변수 결정을 위해 많은 자료를 필요로 한다. 또한 그 매개변수의 결정과정은 많은 불확실성을 포함하고 있어서 모형의 운영을 위한 전처리과정과 계산과정을 거치는 동안 발생한 오차가 누적되어 결과물 속에는 많은 오차가 포함되어 있다. 본 연구에서는 기존의 홍수 예 경보 시스템의 문제점과 불확실성을 최대한 감소시키고 더 우수한 유출량 예측을 위해 neuro-fuzzy 추론 기법을 이용한 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하여 하천수위를 예측하였다. ANFIS는 신경회로망과 퍼지이론을 결합한 기법으로 신경회로망의 구조와 학습 능력을 이용하여 제어환경에서 획득한 입 출력 정보로부터 언어변수의 membership 함수와 제어규칙을 제어 대상에 적합하도록 자동으로 조종하는 기법이다. 본 연구에서는 ANFIS를 사용하여 탄천 하류에 위치한 대곡교의 수위를 예측하였다. 분석을 위해 2007년부터 2011년까지의 탄천 유역의 관측 강우자료와 수위 자료 중 강우강도와 지속시간, 강우 형태에 따라 7개의 강우사상을 선정하였다. 학습자료 및 보정자료의 변화에 따른 예측 오차를 비교하여 모형의 적용성과 적정성을 평가하였다. 적용결과 입력자료 구성의 경우 해당 시간의 강우량 및 수위자료와 10분 전 강우자료를 이용한 모델이 가장 우수한 예측을 보였고, 학습자료의 경우 자료의 길이가 길고, 최대홍수량이 큰 경우 가장 우수한 예측 결과를 보였다. 본 연구의 적용결과 가장 우수한 모형의 경우 30분 예측 첨두수위 오차는 0.32%, RMSE는 0.05m 이고 예측시간이 길어짐에 따라 오차가 비선형적으로 증가하는 경향을 보였다.

• 한국정보기술학회논문지
• /
• 제18권5호
• /
• pp.55-64
• /
• 2020

태양광 시스템의 안정성과 신뢰성 향상을 위해서는 배터리의 잔존량 (State of Charge, SOC)을 정확하게 추정하여야 한다. 본 연구에서는 gradient descent, Levenberg-Marquardt 및 scaled conjugate gradient 학습방법을 사용한 인공 신경회로망 (Artificial Neural Networks, ANN)과 적응형 뉴로-퍼지 추론 시스템 (Adaptive Neuro-Fuzzy Inference System, ANFIS)을 사용한 SOC 추정방법을 제안한다. 입력으로는 충전 시작 전압 및 적류적산법을 통해 구한 충전 전류를 사용하여 추정된 SOC를 출력한다. 4개의 모델 (ANN-GD, ANN-LM, ANN-SCG, 및 ANFIS)을 사용하여 SOC 추정 방법을 구현하였고 실험을 통해 MATLAB을 사용하여 4개의 모델의 성능을 비교 분석하였다. 실험 결과로부터 ANFIS 모델을 사용한 배터리의 SOC 추정이 가장 정확도가 높았으며 빠른 속도로 수렴함을 확인하였다.

• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2007년도 학술대회
• /
• pp.181-184
• /
• 2007

Up to now, a lot of houses, roads and other urban facilities have been damaged by natural disasters such as flash floods and landslides. It is reported that the size and frequency of disasters are growing greatly due to global warming. In order to mitigate such disaster, flood forecasting and alerting systems have been developed for the Han river, Geum river, Nak-dong river and Young-san river. These systems, however, do not help small municipal departments cope with the threat of flood. In this study, a real-time urban flood forecasting service (U-FFS) is developed for ubiquitous computing city which includes small river basins. A test bed is deployed at Tan-cheon in Gyeonggido to verify U-FFS. Wireless sensors such as rainfall gauge and water lever gauge are installed to develop hydrologic forecasting model and CCTV camera systems are also incorporated to capture high definition images of river basins. U-FFS is based on the ANFIS (Adaptive Neuro-Fuzzy Inference System) that is data-driven model and is characterized by its accuracy and adaptability. It is found that U-FFS can forecast the water level of outlet of river basin and provide real-time data through internet during heavy rain. It is revealed that U-FFS can predict the water level of 30 minutes and 1 hour later very accurately. Unlike other hydrologic forecasting model, this newly developed U-FFS has advantages such as its applicability and feasibility. Furthermore, it is expected that U-FFS presented in this study can be applied to ubiquitous computing city (U-City) and/or other cities which have suffered from flood damage for a long time.

• Computers and Concrete
• /
• 제32권2호
• /
• pp.119-138
• /
• 2023

Concrete carbonation is a prevalent phenomenon that leads to steel reinforcement corrosion in reinforced concrete (RC) structures, thereby decreasing their service life as well as durability. The process of carbonation results in a lower pH level of concrete, resulting in an acidic environment with a pH value below 12. This acidic environment initiates and accelerates the corrosion of steel reinforcement in concrete, rendering it more susceptible to damage and ultimately weakening the overall structural integrity of the RC system. Lower pH values might cause damage to the protective coating of steel, also known as the passive film, thus speeding up the process of corrosion. It is essential to estimate the carbonation factor to reduce the deterioration in concrete structures. A lot of work has gone into developing a carbonation model that is precise and efficient that takes both internal and external factors into account. This study presents an ML-based adaptive-neuro fuzzy inference system (ANFIS) approach to predict the carbonation depth of fly ash (FA)-based concrete structures. Cement content, FA, water-cement ratio, relative humidity, duration, and CO2 level have been used as input parameters to develop the ANFIS model. Six performance indices have been used for finding the accuracy of the developed model and two analytical models. The outcome of the ANFIS model has also been compared with the other models used in this study. The prediction results show that the ANFIS model outperforms analytical models with R-value, MAE, RMSE, and Nash-Sutcliffe efficiency index values of 0.9951, 0.7255 mm, 1.2346 mm, and 0.9957, respectively. Surface plots and sensitivity analysis have also been performed to identify the repercussion of individual features on the carbonation depth of FA-based concrete structures. The developed ANFIS-based model is simple, easy to use, and cost-effective with good accuracy as compared to existing models.

• 한국지능시스템학회논문지
• /
• 제12권6호
• /
• pp.571-576
• /
• 2002

본 논문에서는 여러 분야에서 널리 응용되고 있는 적응 뉴로-퍼지 시스템(ANFIS)의 성능 개선에 있어서 전제부 파라미터를 효과적으로 초기화 시키는 방법을 제안한다. 기존의 그리드 분할을 이용한 입력공간 선택 방법은 ANFIS의 규칙 생성에 있어서 얻어진 규칙의 수가 지수적으로 증가하는 단점이 있다. 이에, 본 연구에서는 GMM에서의 최대우도추정을 이용한 EM 알고리즘을 통하여 초기치에 의하여 성능의 영향이 좌우되는 ANFIS의 입력으로 주어 제안된 클러스터링 기법에 의하여 모델의 성능을 개선하고자 한다. 제안된 방법의 클러스터링 방법은 통계적 방법에 근거하여 좋은 성능의 파라미터를 획득할 수 있어 주어진 모델에 대한 ANFIS의 성능을 개선할 수 있다. 이들 방법의 유용함을 전형적인 다변수 비선형 데이터인 자동차 연료 예측 문제와 정수장 응집제 주입 문제에 적용하여 제안된 방법이 이전의 연구보다 성능이 개선되는 것을 통하여 보였다.

• 콘크리트학회논문집
• /
• 제22권1호
• /
• pp.19-27
• /
• 2010

건축물이나 교량과 같은 RC 구조물의 경우, 다양한 유해 환경하의 재료적인 열화나 구조적 문제로 콘크리트의 노후화 및 손상이 발생하게 된다. 콘크리트의 균열이나 철근의 부식, 구조 단면의 변형 등은 구조적 안전성 저하 및 구조물 거동 특성 변화의 주요 원인이 되기도 한다. 따라서 이와 같은 콘크리트 구조물의 보수 보강을 위하여, 효과적이고 적용이 간편한 공법의 개발이 콘크리트 분야의 중요한 연구 과제 중의 하나로 인식되어 왔다. 다양한 보수 보강 기법들이 과거 수십 년 동안 개발되어 적용되고 있으며, 이중에서도 최근 FRP 복합 재료를 구조물의 외부에 접착시키는 방법을 통한 보강 방식이 많이 사용되고 있다. 이 연구는 인공 지능(AI)의 일종인 뉴로퍼지모델(ANFIS) 을 이용하여, FRP로 보강된 원주형 콘크리트 부재의 보강 효과를 분석하는데 그 목적이 있다. ANFIS 모델을 이 연구에 적용하기 위하여, 기존 연구 자료 및 실험에서 얻은 결과를 통해 학습 데이터와 시험 데이터 세트를 구축하였다. 이 연구에서 구축된 ANFIS 모델은 기존 피보강 콘크리트의 압축강도, 보강재의 두께, 보강재의 보강 겹수, 보강재의 탄성계수, 보강재의 파단강도 및 보강재와 피보강재의 체적비, 피보강재의 부재크기를 입력 자료의 파라미터로 사용하여, 압축강도, 변형률, 2차탄성계수 등을 예측하는 방식으로 활용될 수 있으며, ANFIS 모델을 통하여 예측된 결과를 기존 연구자들이 제안한 FRP 보강 콘크리트 부재의 구성 방정식과 비교할 때 더 높은 정확도로 예측이 가능함을 확인할 수 있다.

• Computers and Concrete
• /
• 제19권4호
• /
• pp.435-442
• /
• 2017

In recent years, the use of supplementary cementing materials, especially in addition to concrete, has been the subject of many researches. Rice husk ash (RHA) is one of these materials that in this research, is added to the roller compacted concrete as one of the pozzolanic materials. This paper evaluates how different contents of RHA added to the roller compacted concrete pavement specimens, can influence on the strength and permeability. The results are compared to the control samples and determined optimal level of RHA replacement. As it was expected, RHA as supplementary cementitious materials, improved mechanical properties of roller compacted concrete pavement (RCCP). Also, the application of adaptive neuro-fuzzy inference system (ANFIS) in predicting the permeability and compressive strength is investigated. The obtained results shows that the predicted value by this model is in good agreement with the experimental, which shows the proposed ANFIS model is a useful, reliable, fast and cheap tool to predict the permeability and compressive strength. A mean relative error percentage (MRE %) less than 1.1% is obtained for the proposed ANFIS model. Also, the test results and performed modeling show that the optimal value for obtaining the maximum compressive strength and minimum permeability is offered by substituting 9% and 18% of the cement by RHA, respectively.

• Advances in nano research
• /
• 제12권5호
• /
• pp.515-527
• /
• 2022

The application of fibers in concrete obviously enhances the properties of concrete, also the application of natural fibers in concrete is raising due to the availability, low cost and environmentally friendly. Besides, predicting the mechanical properties of concrete in general and shear strength in particular is highly significant in concrete mixture with fiber nanocomposite reinforced concrete (FRC) in construction projects. Despite numerous studies in shear strength, determining this strength still needs more investigations. In this research, Adaptive Neuro-Fuzzy Inference System (ANFIS) have been employed to determine the strength of reinforced concrete with fiber. 180 empirical data were gathered from reliable literature to develop the methods. Models were developed, validated and their statistical results were compared through the root mean squared error (RMSE), determination coefficient (R²), mean absolute error (MAE) and Pearson correlation coefficient (r). Comparing the RMSE of PSO (0.8859) and ANFIS (0.6047) have emphasized the significant role of structural parameters on the shear strength of concrete, also effective depth, web width, and a clear depth rate are essential parameters in modeling the shear capacity of FRC. Considering the accuracy of our models in determining the shear strength of FRC, the outcomes have shown that the R² values of PSO (0.7487) was better than ANFIS (2.4048). Thus, in this research, PSO has demonstrated better performance than ANFIS in predicting the shear strength of FRC in case of accuracy and the least error ratio. Thus, PSO could be applied as a proper tool to maximum accuracy predict the shear strength of FRC.