• 한국철도학회논문집
• /
• 제19권3호
• /
• pp.314-323
• /
• 2016

직류 전철변전소의 가선전압은 전동차들의 회생제동 및 역행가속패턴에 따라 급격히 상승 또는 하강하는 특성을 갖는다. 가선전압 순시 변동폭을 최소로 유지함으로써, 전철변전소와 전동차들의 에너지 효율을 개선시키기 위한 다양한 연구들이 이루어지고 있다. 본 논문은 직류전철 변전소의 가선전압의 급격한 변동특성을 모델링하고 선형인공 신경망 알고리즘을 이용한 가선전압 회로모델의 파라메터 추정 방법을 제안하며, 최소자승법을 이용한 추정방법과의 비교를 통해 이 방법의 타당성을 입증한다. 가선전압 및 피더전류들의 누적 측정값을 사용하여 일괄처리 최소자승법으로 RC 병렬회로의 파라메터들을 추정한 결과를 제시하며, 실시간 가선전압 및 피더전류 측정값을 이용하여 오차역 전파방식으로 학습되는 선형인공신경망 기법 추정 결과를 분석한다.

• 한국강구조학회 논문집
• /
• 제17권6호통권79호
• /
• pp.661-672
• /
• 2005

본 연구에서는 많은 양의 함수 계산을 요구하는 확률론적 최적화 기법을 보다 효과적으로 강구조물에 적용하여 수행하고자 한다. 다양한 과학, 응용공학 분야에서 많은 시간이 소요되는 과정을 대체하는데 효과적인 도구로 출현한 인공신경망을 최적화 과정 중 많은 수의 유한요소 해석이 요구되는 재해석 문제에 적용함으로서 유한요소법의 평형방정식의 해의 근사해를 추정하여 재해석과정을 보다 간단하고 용이하게 수행하고자 한다. 또한 이용된 인공신경망의 학습효과의 개선을 위해 유전알고리즘을 적용한다. 확률론적 구조최적화 기법으로는 진화론적 방법에 기초한 알고리즘을 사용한다. 수치 예로써 전형적인 체적(중량)문제와 실 경비함수를 목적함수로 갖는 강구조물 모형에 본 연구의 알고리즘을 적용하여 본 알고리즘의 적용성과 타당성을 증명하였다.

• 한국정보처리학회논문지
• /
• 제3권1호
• /
• pp.211-224
• /
• 1996

소프트웨어 개발공수(Efforts)에 관한 연구는 그 동안 상당히 많이 이루어져 있으나, 대부분 기존의 알고리즘 모델과 통계적 접근방법에 의한 모델에 한정 되어 있다고 할 수 있다. 또한 이들 연구는주로 외국의 사례를 대상으로 한 것이어서 국내의 소프트웨어 개발 환경에 적용하기에는 예측력과 적응도 등의 여러 문제가 제기되고 있다. 따라서 본 논문에서는 보다 현실적이고 실용적인 소프트웨어 개발공수의 예측모델로서 백프로 퍼게이션 알고리즘을 이용한 신경망 예측모델을 제시하고, 이 모델의 예측결과와 기존 의 모델인 COCOMO 그리고 희귀분석에 의한 예측결과들을 통계적으로 비교 분석하여 신경회로망의 우수한 예측력을 검증하였다. 이러한 분석의 결과를 토대로 보다 예측력 이 놓고 사용자가 쉽게 모델링하여 사용할 수 있는 정교한 신경망 모델을 제시하고자 한 다.

• 한국지진공학회논문집
• /
• 제15권5호
• /
• pp.25-33
• /
• 2011

비선형 시간이력응답해석에서 입력지진동은 구조물의 탄소성 지진응답을 결정짓는 중요한 요소이다. 시간이력해석에 사용되는 기록지진동파형은 지진발생 메카니즘, 전달경로, 지반의 성질에 따른 여러 가지 인자가 복잡하게 관련되어 있기 때문에 구조물의 지진응답해석에 사용될 일반성을 갖는 입력지진동을 선정하는 것은 매우 어려운 문제이다. 본 논문은 실무에서 내진설계용 지진동으로 가장 선호하지 않는 입력지진동을 선정하여 인공지진동파형을 작성하였다. 인공지진동은 기록지진동과 동일한 위상각을 가지며, 감쇠정수 h=5%일 때의 설계용 스펙트럼과 거의 일치하도록 작성되었다. 기록지지동과 인공지진동을 입력한 1자유도계의 탄성 및 탄소성 지진 응답해석을 수행하여 탄소성 응답스펙트럼 및 입력에너지 응답 특성을 분석하였다. 본 연구에서 작성된 인공지진동은 건축구조물의 탄소성 지진응답해석용 입력지진동으로 충분히 타당성이 있다고 사료된다.

• Advances in Computational Design
• /
• 제2권3호
• /
• pp.225-240
• /
• 2017

This paper presents the application of multiple linear regression (MLR) and artificial neural network (ANN) techniques for developing the models to predict the unconfined compressive strength (UCS) and Brazilian tensile strength (BTS) of the fiber reinforced cement stabilized fly ash mixes. UCS and BTS is a highly nonlinear function of its constituents, thereby, making its modeling and prediction a difficult task. To establish relationship between the independent and dependent variables, a computational technique like ANN is employed which provides an efficient and easy approach to model the complex and nonlinear relationship. The data generated in the laboratory through systematic experimental programme for evaluating UCS and BTS of fiber reinforced cement fly ash mixes with respect to 7, 14 and 28 days' curing is used for development of the MLR and ANN model. The data used in the models is arranged in the format of four input parameters that cover the contents of cement and fibers along with maximum dry density (MDD) and optimum moisture contents (OMC), respectively and one dependent variable as unconfined compressive as well as Brazilian tensile strength. ANN models are trained and tested for various combinations of input and output data sets. Performance of networks is checked with the statistical error criteria of correlation coefficient (R), mean square error (MSE) and mean absolute error (MAE). It is observed that the ANN model predicts both, the unconfined compressive and Brazilian tensile, strength quite well in the form of R, RMSE and MAE. This study shows that as an alternative to classical modeling techniques, ANN approach can be used accurately for predicting the unconfined compressive strength and Brazilian tensile strength of fiber reinforced cement stabilized fly ash mixes.

• 정보처리학회논문지B
• /
• 제13B권6호
• /
• pp.615-624
• /
• 2006

이 논문은 이동 에이전트 시스템에 기반을 둔 가상의 병렬분산 컴퓨팅 환경에서 병렬로 수행되는 다층 인공신경망 시뮬레이터를 구현하는 것을 목적으로 한다. 다층 신경망은 학습세션, 학습데이터, 계층, 노드, 가중치 수준에서 병렬화가 이루어진다. 이 논문에서는 네트워크의 통신량이 상대적으로 적은 학습세션 및 학습데이터 수준의 병렬화가 가능한 신경망 시뮬레이터를 개발하고 평가하였다. 평가결과, 학습세션 병렬화와 학습데이터 병렬화 성능분석에서 약 3.3배의 학습 수행 성능 향상을 확인할 수 있었다. 가상의 병렬 컴퓨터에서 신경망을 병렬로 구현하여 기존의 전용병렬컴퓨터에서 수행한 신경망의 병렬처리와 비슷한 성능을 발휘한다는 점에서 이 논문의 의의가 크다고 할 수 있다. 따라서 가상의 병렬 컴퓨터를 이용하여 신경망을 개발하는데 있어서, 비교적 시간이 많이 소요되는 학습시간을 줄임으로서 신경망 개발에 상당한 도움을 줄 수 있다고 본다.

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2010년도 추계 학술발표회 2차
• /
• pp.21-31
• /
• 2010

Although it is important to reflect the accurate information of the ground condition in the tunnel design, the analysis and design are conducted by limited information because it is very difficult to get it practically on considering various geography and geotechnical condition. So construction management of information concept is required to manage immediately on the field condition because it is very time-consuming to establish the countermeasure of underground reinforcement and the pattern change of Bo. Therefore, when construction is on tunnel area, examination of accurate safety and prediction of behavior is performed to overcomes the limit of predicting behavior by using Artificial Neural Network(ANN) in this study. Firstly, the field data was secured. Secondly, suitable structure was made on multi-layer perceptrons among the ANN. Thirdly, learning algorithm-propagated applies to ANN. The data for the learn of field application using ANN was used by considering impact factors, which influenced the behavior of tunnel, and performing credibility analysis. crown displacement, spring displacement, subsurfacement, and rock bolt axial force are predicted at the tunnel construction and on-site application was confirmed by using ANN from analyzing and comparing with measurement value of on-site. In this study, the data from Seoul Highway $\bigcirc\bigcirc$ tunnel section was applied to the ANN Theory, and the analysis on the investigate value and the reasoning for the value associated with field application was performed.

• 한국물환경학회지
• /
• 제24권1호
• /
• pp.91-98
• /
• 2008

This work was performed to develop a model possible to predict the influent flow and influent components, which are one of main disturbances causing process problems at the operation of municipal wastewater treatment plant. In this study, artificial neural network (ANN) was used in order to develop a model that was able to predict the influent flow, $COD_{Mn}$, SS, TN 1 day-ahead, 2day-ahead and 3 day ahead. Multi-layer feed-forward back-propagation network was chosen as neural network type, and tanh-sigmoid function was used as activation function to transport signal at the neural network. And Levenberg-Marquart (LM) algorithm was used as learning algorithm to train neural network. Among 420 data sets except missing data, which were collected between 2005 and 2006 at field plant, 210 data sets were used for training, and other 210 data sets were used for validation. As result of it, ANN model for predicting the influent flow and components 1-3day ahead could be developed successfully. It is expected that this developed model can be practically used as follows: Detecting the fault related to effluent concentration that can be happened in the future by combining with other models to predict process performance in advance, and minimization of the process fault through the establishment of various control strategies based on the detection result.

• 비파괴검사학회지
• /
• 제21권1호
• /
• pp.54-61
• /
• 2001

웨이블릿 변환과 인공신경망을 이용하여 AE 신호를 분류하는 소프트웨어 패키지를 개발하였다. 웨이블릿 변환으로는 연속 웨이블릿 변환과 이산 웨이블릿 변환을 모두 고려하였으며, 인공신경망의 모델로는 오류 역전파 인공신경망을 사용하였다. 분류에 사용된 AE 신호는 용접부에 인공결함을 가진 시편의 3점 굽힘시험에서 발생한 신호이다. 개발된 소프트웨어 패키지를 이용하여 이 신호를 웨이블릿 변환시켜 생성된 시간-주파수 평면상에서 특징값을 추출하고 이를 인공신경망에 학습하여 인공신경망 분류기를 설계하고 검증하였다. 본 연구에서 개발된 소프트웨어 패키지를 이용한 AE 신호 분류법이 유용함을 보이고, 또한 연속 웨이블릿 변환과 이산 웨이블릿 변환에 의한 분류 결과를 비교하였다.

• 지질공학
• /
• 제30권4호
• /
• pp.457-468
• /
• 2020

플랜트, 토목 및 건축 사업에서 말뚝(Pile) 설계 시 어려움을 겪는 주된 요인은 지반 특성의 불확실성이다. 특히 표준관입시험(Standard Penetration Test, SPT)을 통해 측정되는 N치를 얻는 것이 가장 중요한 자료이나 광범위한 모든 지역에서 구하는 것은 어려운 현실이다. 짧은 해외사업 입찰기간 내에 시추조사를 할 경우 인허가, 시간, 비용, 장비접근, 민원 등 많은 제약요건이 존재하여 전체적인 시추조사가 어렵다. 미시추 지점에서 지반 특성은 엔지니어의 경험적 판단에 의존하여 파악되고 있고, 이는 말뚝의 설계 및 물량산출 오류로 이어져서, 공기 지연 및 원가 증가의 원인이 되고 있다. 이를 극복하기 위해서, 한정된 최소한의 지반 실측 자료를 활용하여 미시추 지점에서도 N치를 예측 할 수 있는 기술이 요구되며, 본 연구에서는 AI기법 중 하나인 인공신경망을 적용하여 N치를 예측하는 연구를 수행하였다. 인공신경망은 제한된 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성 있는 결과를 제공하여 준다. 본 연구에서는 최소한의 시추자료의 지반정보를 입력항목으로 하여 다층퍼셉트론과 오류역전파 알고리즘에 의하여 학습된 패턴을 가지고 미시추 지점에서 N치를 예측하는데 그 목적을 두고 있다. 이를 위하여 2개 현장(필리핀, 인도네시아)에 AI기법 적용시 실측값과 예측값에 대한 적정성을 검토하였고, 그 결과 예측값에 대한 신뢰도가 높은 것으로 연구 검토되었다.