• 한국방재안전학회논문집
• /
• 제14권1호
• /
• pp.9-21
• /
• 2021

최근 신재생 에너지를 활용한 친환경 발전시설의 중요성이 대두되고 있으며 수력발전소는 매우 중요한 전력생산 및 공급원이다. 수력발전소는 일반적으로 대규모로 운용되고 다중 시설이 연계되어 있어 안전성 확보가 매우 중요하다. 본 연구에서는 이러한 수력플랜트 설비의 안전성을 평가하기 위해 시나리오 기반의 수충격에 따른 수압관로의 취약성 평가를 수행하였다. 자체 개발한 수충격 해석모델(TRANSHAM)과 기존 상용모델(SIMSEN)의 모의결과 및 모니터링 자료와의 비교를 통해 해석모델의 신뢰성을 검증하였고, 실제 운영중인 수력플랜트에 적용하여 발전설비 운영 중에 발생 가능한 수충격 시나리오를 구성하였다. 이를 바탕으로 시나리오 기반의 수압관로의 수충격 해석 및 취약성 평가를 수행하였다. 내·외부 로딩조건을 고려한 시나리오별 모의 결과, 발전설비 운영에 따라 수압관로의 취약성이 상이하게 나타났으며 내·외부 로딩조건의 조합에 따라 수압관로의 취약성에 큰 영향을 미치는 것으로 예측되었다. 본 연구에서 제시한 시나리오 기반의 해석기법은 향후 수충격에 따른 발전설비의 취약성을 평가하는데 정량적인 도구로 활용될 것으로 기대된다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.119-137
• /
• 2022

최근 추천 시스템 연구에서는 사용자와 아이템 간 상호 작용을 보다 잘 표현하고자 다양한 딥 러닝 모델을 적용하고 있다. ONCF(Outer product-based Neural Collaborative Filtering)는 사용자와 아이템의 행렬을 외적하고 합성곱 신경망을 거치는 구조로 2차원 상호작용 맵을 제작해 사용자와 아이템 간의 상호 작용을 더욱 잘 포착하고자 한 대표적인 딥러닝 기반 추천시스템이다. 하지만 합성곱 신경망을 이용하는 ONCF는 학습 데이터에 나타나지 않은 분포를 갖는 데이터의 경우 예측성능이 떨어지는 귀납적 편향을 가지는 한계가 있다. 본 연구에서는 먼저 NCF구조에 Transformer에 기반한 ViT(Vision Transformer)를 도입한 방법론을 제안한다. ViT는 NLP분야에서 주로 사용되던 트랜스포머를 이미지 분류에 적용하여 좋은 성과를 거둔 방법으로 귀납적 편향이 합성곱 신경망보다 약해 처음 보는 분포에도 robust한 특징이 있다. 다음으로, ONCF는 사용자와 아이템에 대한 단일 잠재 벡터를 사용하였지만 본 연구에서는 모델이 더욱 다채로운 표현을 학습하고 앙상블 효과도 얻기 위해 잠재 벡터를 여러 개 사용하여 채널을 구성한다. 마지막으로 ONCF와 달리 부가 정보(side information)를 추천에 반영할 수 있는 아키텍처를 제시한다. 단순한 입력 결합 방식을 활용하여 신경망에 부가 정보를 반영하는 기존 연구와 달리 본 연구에서는 독립적인 보조 분류기(auxiliary classifier)를 도입하여 추천 시스템에 부가정보를 보다 효율적으로 반영할 수 있도록 하였다. 결론적으로 본 논문에서는 ViT 의 적용, 임베딩 벡터의 채널화, 부가정보 분류기의 도입을 적용한 새로운 딥러닝 모델을 제안하였으며 실험 결과 ONCF보다 높은 성능을 보였다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.233-247
• /
• 2023

최근 관찰자의 직접적인 시야 밖의 숨겨진 공간의 물체를 탐지하는 비가시 영역 객체 탐지 연구가 주목받고 있다. 대부분의 연구들은 빛의 직진성을 활용한 광학장비를 사용하지만, 회절성과 직진성을 모두 갖춘 소리 또한 비가시 영역연구에 적합하다. 본 논문에서는 가청 주파수 범위의 음향 신호를 활용하여 비가시 영역의 객체를 탐지하는 새로운 방법을 제안한다. 음향 신호만을 입력하여 비가시 영역에서 정보를 추출하고 숨겨진 물체의 종류와 범위를 예측하는 딥러닝 모델을 설계한다. 또한 딥러닝 모델의 훈련 및 평가를 위해 총 11개 물체에 대한 신호의 송 수신 위치를 변경하여 데이터를 수집한다. 이를 통해, 입력 데이터 변화에 따른 물체의 분류 정확도 및 탐지 성능을 비교한다. 우리는 딥러닝 모델이 음향신호를 활용히여 비가시 영역 객체 탐지하는데 우수한 성능을 보임을 증명한다. 신호 수집 위치와 반사벽 사이 거리가 멀어질수록 성능이 저하되고, 여러 위치에서 수집된 신호의 결합을 통해 성능이 향상되는 것을 관찰한다. 마지막으로, 음향 신호를 활용하여 비가시 영역 객체 탐지를 위한 최적의 조건을 제시한다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.227-241
• /
• 2022

전파형 역산은 석유가스 탐사를 위한 탄성파 자료처리 분야에서 지층의 속도 모델을 추정하는데 사용되는 역산 기법이다. 최근 탄성파 자료처리에 딥러닝 기술의 활용이 급격하게 증가하고 있는데, 전파형 역산 기술도 마찬가지로 다양한 연구가 이루어지고 있다. 초기에는 머신러닝 기술을 활용한 자료처리 기법이 전파형 역산을 위한 입력자료의 전처리 목적으로 활용되는 수준이었으나, 딥러닝 기술을 통해 전파형 역산을 직접적으로 구현하는 연구가 등장하기 시작하였다. 딥러닝 기술을 활용한 전파형 역산은 순수 데이터 기반 접근법, 물리 기반 신경망 활용법, 인코더-디코더 구조 활용법, 신경망 재매개변수화를 이용한 구현법, 물리정보 기반 신경망 기법 등으로 구분할 수 있다. 이 논문에서는 딥러닝 기반 전파형 역산 기법을 발전 과정 순서로 체계화하여 각각의 접근법에 대한 이론과 특징을 설명하였다. 전파형 역산 기술에 딥러닝 기법을 도입한 초기에는 데이터 과학의 기본 원리에 충실하게 대량의 학습자료를 준비하고 순수 데이터 기반 예측 모델을 적용하여 속도 모델을 역산하는 연구로 시작하였다. 최근 연구 동향은 탄성파 자료의 잔차나 파동방정식 자체의 물리정보를 심층 신경망에 활용하여 순수 데이터 기반 접근법의 단점을 보완해 나가는 방향으로 진행되고 있다. 이러한 발전으로 대량의 학습자료가 필요하지 않고, 전파형 역산의 태생적 한계점인 주기 놓침 현상을 완화하며 계산 시간을 획기적으로 줄일 수 있는 딥러닝 기반 전파형 역산 기술이 등장하고 있다. 딥러닝 기술의 도입으로 전파형 역산 기술은 탄성파 자료처리 분야에서 가치가 더 높아질 것으로 생각된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.

• 콘크리트학회논문집
• /
• 제15권5호
• /
• pp.715-725
• /
• 2003

본 연구는 철근콘크리트 교각에 대한 새로운 내진설계법을 개발하기 위한 연구의 일환으로서, 지진하중을 받는 철근콘크리트 교각의 연성도와 심부구속철근량의 상관관계를 분석하고 설계식을 제시함을 목적으로 한다. 이를 위하여, 반복하중을 받는 철근콘크리트 기둥의 횡하중-변위 포락곡선 실험결과를 비교적 정확하게 예측하며, 특히 변형능력 및 연성도에 대하여는 실험결과에 비하여 안전측의 결과를 제공하는 비선형해석 프로그램 [NARCE]를 이용하였다. 해석의 대상 교각으로는, 단면지름, 형상비, 콘크리트 강도, 축방향철근 항복강도, 심부구속철근 항복강도, 축방향철근비, 축력비, 심부구속철근비 등을 주요변수로 하여 총 7,200개의 철근콘크리트 나선철근 기둥 모델을 채택하였다. 해석결과 자료를 대상으로 상관관계를 분석하여 소요연성도에 따른 심부구속철근량의 새로운 설계식을 제안하였으며, 이 식은 연성도에 기초한 철근콘크리트 교각의 새로운 내진설계법에 적용될 수 있을 것이다.

• 대한산업공학회지
• /
• 제37권1호
• /
• pp.64-73
• /
• 2011

Oil price prediction is an important issue for the regulators of the government and the related industries. When employing the time series techniques for prediction, however, it becomes difficult and challenging since the behavior of the series of oil prices is dominated by quantitatively unexplained irregular external factors, e.g., supply- or demand-side shocks, political conflicts specific to events in the Middle East, and direct or indirect influences from other global economical indices, etc. Identifying and quantifying the relationship between oil price and those external factors may provide more relevant prediction than attempting to unclose the underlying structure of the series itself. Technically, this implies the prediction is to be based on the vectoral data on the degrees of the relationship rather than the series data. This paper proposes a novel method for time series prediction of using Semi-Supervised Learning that was originally designed only for the vector types of data. First, several time series of oil prices and other economical indices are transformed into the multiple dimensional vectors by the various types of technical indicators and the diverse combination of the indicator-specific hyper-parameters. Then, to avoid the curse of dimensionality and redundancy among the dimensions, the wellknown feature extraction techniques, PCA and NLPCA, are employed. With the extracted features, a timepointspecific similarity matrix of oil prices and other economical indices is built and finally, Semi-Supervised Learning generates one-timepoint-ahead prediction. The series of crude oil prices of West Texas Intermediate (WTI) was used to verify the proposed method, and the experiments showed promising results : 0.86 of the average AUC.

• 한국소음진동공학회논문집
• /
• 제19권7호
• /
• pp.726-735
• /
• 2009

이 논문에서는 신호 모델에 기반하여 유도전동기의 고장 검출 및 고장 진단을 위한 새로운 시스템을 제안한다. 산업현장에 적용하는 기존의 제품들은 신호가 문턱치를 넘어면 고장을 검출하는 단순한 알고리듬을 가지고 있어 고장의 유형이나 고장을 예측하는데 문제가 있다. 이 논문에서는 이러한 문제들을 해결하기 위한 시스템을 제안한다. 이 시스템은 고장 검출 과정과 고장 진단 과정으로 구성되며, 고장 검출 과정은 기계 신호음들이 웨이블렛 필터뱅크를 통과한 후 웨이블렛 계수들의 분산과 상관도를 분석하여 고장을 검출한다. 고장 진단 과정은 패턴분류기술을 적용하여 고장의 유형을 진단하게 된다. 대표적인 유도전동기 고장 유형들로서는 불평형, 미스얼라이먼트, 그리고 베어링 루스 등이 있으며, 이러한 유형들은 제안하는 시스템에서 분석되고 진단을 받게 된다. 제안하는 시스템에 적용한 결과 상관도를 이용한 방법은 78 %, 분산을 이용한 방법은 95 % 이상의 고장진단율을 보이는 우수한 결과를 나타내었다.

• 디지털융복합연구
• /
• 제13권7호
• /
• pp.137-145
• /
• 2015

스마트폰의 건강 관리 및 진단 기능은 모바일 헬스라 불리며 가장 혁신적인 분야로 받아들여지고 있으며, 웨어러블 기기와의 결합은 향후 가장 유망한 산업으로 예측되고 있다. 그러나 기술의 발전 속도에 비해 소비자들의 수용 및 활용은 아직까지 미비한 수준이다. 본 연구는 건강 관련 앱에 대한 선행연구를 통해 앱과 연동되어 활용이 가능한 웨어러블 기기의 사용의도를 대학생을 대상으로 검증코자 했다. 특히 건강 관련 앱의 사용 효능감, 사용의도, 만족도가 웨어러블 기기의 사용 의도에 어떻게 영향을 미치는지 구조방정식 모델을 통해 분석하였다. 분석결과, 건강 관련 앱의 사용 효능감은 건강 관련 앱 만족도와 건강 관련 앱의 지속사용의도에 직접적인 영향을 미쳤고, 앱 만족도는 건강 관련 앱 지속사용의도와 웨어러블 기기의 사용의도에 유의미한 영향을 미쳤다. 건강 관련 앱 지속사용의도 또한 웨어러블 기기의 사용의도와 통계적으로 유의미한 관계가 있음이 밝혀졌다. 이 같은 결과는 건강 웨어러블 기기의 성공적 확산을 위해서는 선행 요소로 건강 관련 앱의 사용 효능감, 만족도, 앱의 지속사용의도가 중요하게 고려되어야 함을 시사한다.

• 한국인터넷방송통신학회논문지
• /
• 제20권5호
• /
• pp.57-62
• /
• 2020

30GHz~300GHz 대역의 스펙트럼을 사용하는 밀리미터파는 높은 주파수로 인해 파장이 짧아서 기지국에 더 많은 안테나를 장착할 수 있어 Massive MIMO 시스템에 적합하다. 하지만 안테나 당 RF chain이 요구되기 때문에 안테나의 수가 증가되면 하드웨어 비용 및 전력 소비가 증가하는 문제점을 갖는다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해 안테나 선택 기법을 조사한다. 기존 철저한 조사 기반 안테나 선택 기법에서 높은 계산 복잡도를 가지는 문제를 해결하기 위해 딥러닝 기술을 적용하는 방안을 제안한다. 멀티 클래스를 분류할 수 있는 DNN 모델을 사용하여 최적의 안테나 조합을 예측한다. 시뮬레이션을 통해 기존 안테나 선택 기법들과 제안하는 딥러닝 기반 안테나 선택 기법을 비교하여 평가한다.