In this study, a hydraulic flow model and an error correction model are combined to improve the flood simulation accuracy. First, the hydraulic flow model is calibrated by optimizing the Manning's roughness coefficient that considers spatial and temporal variability. Then, an error correction model were used to correct the systematic errors of the calibrated hydraulic model. The error correction model is developed using Artificial Neural Networks (ANNs) that can estimate the systematic simulation errors of the hydraulic model by considering some state variables as inputs. The input variables are selected using parital mutual information (PMI) technique. It was found that the calibrated hydraulic model can simulate flood water levels with good accuracy. Then, the accuracy of estimated flood levels is improved further by using the error correction model. The method proposed in this study can be used to the flood control and water resources management as it can provide accurate water level eatimation.
International Journal of Computer Science & Network Security
/
제21권4호
/
pp.214-222
/
2021
Recently, the growth of e-commerce in Saudi Arabia has been exponential, bringing new remarkable challenges. A naive approach for product matching and categorization is needed to help consumers choose the right store to purchase a product. This paper presents a machine learning approach for product matching that combines deep learning techniques with standard artificial neural networks (ANNs). Existing methods focused on product matching, whereas our model compares products based on unstructured descriptions. We evaluated our electronics dataset model from three business-to-consumer (B2C) online stores by putting the match products collectively in one dataset. The performance evaluation based on k-mean classifier prediction from three real-world online stores demonstrates that the proposed algorithm outperforms the benchmarked approach by 80% on average F1-measure.
한국어 문-음성 합성 시스템(TTS: Text-To-Speech)은 합성음의 자연스러움을 증가시키기 위해 운율 발생 알고리듬을 만들어 시스템에 적용하고 있다. 운율 법칙은 각국의 언어에 대한 언어학적 정보나 자연음에서 구한 운율에 대한 지식을 기반으로 음성 합성 시스템에 적용하고 있다. 그러나 이렇게 구한 운율 법칙이 자연음에 존재하는 모든 운율 법칙을 포함할 수도 없고, 또 추출한 운율 법칙이 틀린 법칙이라면, 합성음의 자연감이나 이해도는 떨어질 것이므로, TTS의 실용화에 장애가 될 수 있다. 이러한 점을 감안하여 본 논문에서는 자연음에 내재하는 운율을 학습할 수 있는 인공 신경망을 이용한 운율발생 신경망을 제안하였다. 훈련단계에서 인공 신경망의 입력 단에 한국어 문장의 음소 열을 차례로 이동시켜 인가하면 입력 단의 중앙에 해당하는 음소의 운율 정보가 출력되도록 훈련시킬 때, 목표 패턴을 이용한 감독학습을 통해, 자연음에 내재하는 운율을 학습하도록 하였다. 평가 단계에서 문장의 음소 열을 입력하고, 추정율을 측정하여 인공 신경망이 한국어 문장에 내재하는 운율을 학습하여 발생시킬 수 있음을 살펴보았다.
Schemes for detecting and diagnosing faults are presented. Faults are detected when residuals change significantly and thresholds are exceed. Two stage artificial neural networks are applied to diagnose faults. The idealized steady state patterns of residuals are defined and learned by ANNs using back propagation algorithm. The first stage ANN is trained to classify the subsystem in which the various faults are located. The first stage ANN could be also used to detect faults with threshold, checking. The second stage ANNs are trained to discriminate the specific cause of a fault at the subsystem level.
The accurate estimation of reference crop evapotranspiration ($ET_o$) is essential in irrigation water management to assess the time-dependent status of crop water use and irrigation scheduling. The importance of $ET_o$ has resulted in many direct and indirect methods to approximate its value and include pan evaporation, meteorological-based estimations, lysimetry, soil moisture depletion, and soil water balance equations. Artificial neural networks (ANNs) have been intensively implemented for process-based hydrologic modeling due to their superior performance using nonlinear modeling, pattern recognition, and classification. This study adapted two well-known ANN algorithms, Backpropagation neural network (BPNN) and Generalized regression neural network (GRNN), to evaluate their capability to accurately predict $ET_o$ using daily meteorological data. All data were obtained from two automated weather stations (Chupungryeong and Jangsu) located in the Yeongdong-gun (2002-2017) and Jangsu-gun (1988-2017), respectively. Daily $ET_o$ was calculated using the Penman-Monteith equation as the benchmark method. These calculated values of $ET_o$ and corresponding meteorological data were separated into training, validation and test datasets. The performance of each ANN algorithm was evaluated against $ET_o$ calculated from the benchmark method and multiple linear regression (MLR) model. The overall results showed that the BPNN algorithm performed best followed by the MLR and GRNN in a statistical sense and this could contribute to provide valuable information to farmers, water managers and policy makers for effective agricultural water governance.
As the natural flows in rivers dramatically decrease during drought season in Korea, a deterioration of river water quality is accelerated. Thus, consideration of downstream water quality responding to changes in reservoir release is essential for an integrated watershed management with regards to water quantity and quality. In this study, water quality models based on artificial neural networks (ANNs) method were developed using historical downstream water quality (rm $\NH_3$-N) data obtained from a water treatment plant in Geum river and reservoir release data from Daechung dam. A nonlinear multiple regression model was developed and compared with the ANN models. In the models, the rm NH$_3$-N concentration for next time step is dependent on dam outflow, river water quality data such as pH, alkalinity, temperature, and rm $\NH_3$-N of previous time step. The model parameters were estimated using monthly data from Jan. 1993 to Dec. 1998, then another set of monthly data between Jan. 1999 and Dec. 2000 were used for verification. The predictive performance of the models was evaluated by comparing the statistical characteristics of predicted data with those of observed data. According to the results, the ANN models showed a better performance than the regression model in the applied cases.
Hugo D. Garcia;Rigoberto Tovar;Carlos J. Duran;Virginia Hernandez;Ma. R. Moreno;Ma. A. Perez
Advances in environmental research
/
제12권1호
/
pp.17-40
/
2023
This article presents studies of the adsorption process in a continuous system of fluoride solutions at a concentration of 30 mg/L using a bone char packed in fixed-bed columns, as well as regeneration studies in the same system using HNO3, HCl and NaOH at 0.01, 0.1 and 1 M. The Thomas Model, Artificial Neural Networks (ANNs), Numerical Integration and Mass Transfer Zone were used for the modeling of asyemmetrical breakthrough curves obtained from the fluoride adsorption on bone char. The maximum adsorption capacity of the breakthrough curves was estimated, and various design parameters of the columns were obtained for the different operating conditions. Results showed that an improvement in the modeling capabilities of the Thomas model can be obtained using ANNs. Moreover, ANNs are useful for determining reasonable and accurate design parameters of packed-bed adsorption columns. This modeling approach can be useful for the process system engineering of dynamic adsorption systems involved in the field of water treatment and purification. It is important to highlight that the obtained results indicate that, when using HCl or HNO3 at a concentration of 0.1 M, a large number of adsorption-desorption cycles are obtained and, therefore, the highest values of adsorption capacity, which leads to a reduction in operation costs.
컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.
컨테이너항만의 물동량 예측은 항만의 계발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모델과 비선형모델에 강점이 있는 ARIMA와 신경망 모델을 결합해 보다 효과적인 예측 모델을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.
Conventional short-term load forecasting techniques have limitation in their use on holidays due to dissimilar load behaviors of holidays and insufficiency of pattern data. Thus, a new short-term load forecasting method for special days in anomalous load conditions is proposed in this paper. The proposed method uses two Artificial Neural Networks(ANN); one is for the estimation of load curve, and the other is for the estimation of minimum and maximum value of load. The forecasting procedure is as follows. First, the normalized load curve is estimated by ANN. At next step, minimum and maximum values of load in a special day are estimated by another ANN. Finally, the estimate of load in a whole special day is obtained by combining these two outputs of ANNs. The proposed method shows a good performance, and it may be effectively applied to the practical situations.
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.