• Geomechanics and Engineering
• /
• 제29권3호
• /
• pp.249-258
• /
• 2022

A disc cutter is an excavation tool on a tunnel boring machine (TBM) cutterhead; it crushes and cuts rock mass while the machine excavates using the cutterhead's rotational movement. Disc cutter wear occurs naturally. Thus, along with the management of downtime and excavation efficiency, abrasioned disc cutters need to be replaced at the proper time; otherwise, the construction period could be delayed and the cost could increase. The most common prediction models for TBM performance and for the disc cutter lifetime have been proposed by the Colorado School of Mines and Norwegian University of Science and Technology. However, design parameters of existing models do not well correspond to the field values when a TBM encounters complex and difficult ground conditions in the field. Thus, this study proposes a series of machine learning models to predict the disc cutter lifetime of a shield TBM using the excavation (machine) data during operation which is response to the rock mass. This study utilizes five different machine learning techniques: four types of classification models (i.e., K-Nearest Neighbors (KNN), Support Vector Machine, Decision Tree, and Staking Ensemble Model) and one artificial neural network (ANN) model. The KNN model was found to be the best model among the four classification models, affording the highest recall of 81%. The ANN model also predicted the wear rate of disc cutters reasonably well.

• Computers and Concrete
• /
• 제33권2호
• /
• pp.137-145
• /
• 2024

The technique of experimentally determining concrete's compressive strength for a given mix design is time-consuming and difficult. The goal of the current work is to propose a best working predictive model based on different machine learning algorithms such as Gradient Boosting Machine (GBM), Stacked Ensemble (SE), Distributed Random Forest (DRF), Extremely Randomized Trees (XRT), Generalized Linear Model (GLM), and Deep Learning (DL) that can forecast the compressive strength of ternary geopolymer concrete mix without carrying out any experimental procedure. A geopolymer mix uses supplementary cementitious materials obtained as industrial by-products instead of cement. The input variables used for assessing the best machine learning algorithm not only include individual ingredient quantities, but molarity of the alkali activator and age of testing as well. Myriad statistical parameters used to measure the effectiveness of the models in forecasting the compressive strength of ternary geopolymer concrete mix, it has been found that GBM performs better than all other algorithms. A sensitivity analysis carried out towards the end of the study suggests that GBM model predicts results close to the experimental conditions with an accuracy between 95.6 % to 98.2 % for testing and training datasets.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (2)
• /
• pp.265-267
• /
• 2004

경제 여건의 향상 및 생활양식의 변화로 최근 우리나라에서도 당뇨병 환자가 늘어남에 따라 당뇨병의 예측 및 치료가 중요한 관심사가 되고 있다. 본 논문은 1993년과 1995년 두 차례에 걸쳐 경기도 연천 지역 주민들의 여러 가지 신체 지수 등을 조사한 데이터를 대상으로, 1차 년도의 데이터로부터 동일한 환자가 2차 년도에 정상상태를 유지하는지 흑은 당뇨병으로 진행이 되는지를 예측하는 문제를 다룬다. 혈당량, 허리둘레 등의 수치가 당뇨병의 발병에 영향을 끼치는 것은 알려진 사실이므로, 현재의 데이터로부터 앞으로의 발병 가능성을 예측하는 것이 가능하며, 이는 환자에게 보다 정확한 정보를 알려줄 수 있으므로 의미가 있는 일이다. 예측을 위해 본 논문에서는 분류기를 사용하며, 예측율을 높이기 위해 여러 분류기를 BKS로 결합하였다. BKS (behavior knowledge space) 결합 방법은 분류기간의 독립 가정이 필요 없으며, 데이터 크기가 크고 전형적인 경우에 좋은 결과를 낼 수 있는 방법이다. BKS 결합 방법을 통해 실험을 해본 결과 단일 분류기로 실험을 한 결과보다 향상된 성능을 얻을 수 있었으며, 투표 결합 방법과 비교하여 더 좋은 성능을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2005년도 학술발표회 논문집
• /
• pp.889-893
• /
• 2005

본 연구에서는 기후변화에 따른 신뢰성 높은 수자원 영향평가를 수행하기 위한 방안으로 유출모형에 따른 불확실성을 최소화할 수 있는 슈퍼앙상블 기법을 제안하였다. 유출모형들은 자연현상을 개념화하는 과정에서 목적에 따라 알고리즘이나 구조가 다르게 개발된다. 따라서 동일한 유역에 동일한 입력자료를 사용하더라도 유출모의 결과는 상이하며 이는 곧 불확실성으로 작용한다. 이러한 불확실성을 최소화하기 위한 방법으로 본 연구에서는 통계적기법인 인공신경망 모형을 이용하여 모형별 유출결과를 향상시킬 수 있는 슈퍼앙상블 기법을 개발하고 적용성을 분석하였다. 적용 대상유역으로는 한강수계에 위치한 괴산댐유역을 선정하였으며, 적용 모형으로는 일체형 모형인 Tank 모형과 준분포형 모형인 PRMS 모형을 이용하여 슈퍼앙상블을 구축하고 검정하였다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2004년도 춘계공동학술대회 논문집
• /
• pp.685-688
• /
• 2004

본 연구에서는 저수지군 연계운영을 위한 표본 추계학적 선형 계획(SSLP, Sampling Stochastic Linear Programming) 모형을 제안한다. 일반적 추계학적 모형은 과거 자료로부터 확률변수의 확률분포를 추정하고 이를 몇 개 구간으로 나누어 이산 확률 값을 산정하여 기댓값이 최대가 되는 운영방안을 도출하지만 저수지 유입량 예측시 고려되어야할 지속성 효과(Persistemcy Effect)와 유역간 또는 시점별 공분산 효과(The joint spatial and temporal correlations)를 반영하는데 많은 한계가 있다. 이를 극복하기 위하여 과거자료 자체를 유입량 시나리오로 적용하여 시${\cdot}$공간적 상관관계를 유지하는 표본 추계학적(Sampling Stochastic)기법을 바탕으로 Simple Recourse Model로 구성한 추계학적 선형 계획 모형을 제시한다. 이 모형은 미국 기상청(NWS)에서 발생 가능한 유입량의 시나리오를 예측하는 방법인 앙상블 유량 예측(ESP, Ensemble Streamflow Prediction)을 통한 시나리오를 적용함으로써 좀더 신뢰성 있는 저수지군 연계운영 계획을 도출 할 수 있을 것으로 기대된다.

• Korea-Australia Rheology Journal
• /
• 제16권4호
• /
• pp.201-212
• /
• 2004

Properties of polymer based nanocomposites depend on dispersion state of embedded fillers. In order to examine the effect of dispersion state on rheological properties, a new bi-mode FENE dumbbell model was proposed. The FENE dumbbell model includes two separate ensemble sets of dumbbells with different fric­tion coefficients, which simulate behavior of well dispersed and aggregated carbon nanotubes (CNTs). A new parameter indicating dispersion state of the CNT was proposed to account for degree of dispersion quantitatively as well as qualitatively. Rheological material functions in elongational, steady shear, and oscillatory shear flows were obtained numerically. The CNT/epoxy nanocomposites with different dis­persion state were prepared depending on whether a solvent is used for the dispersion of CNTs or not. Dis­persion state of the CNT in the epoxy nanocomposites was morphologically characterized by the field emission scanning electronic microscope and the transmission electron microscope images. It was found that the numerical prediction was in a good agreement with experimental results especially for steady state shear flow.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (A)
• /
• pp.76-78
• /
• 2006

현재 심혈관 질환은 암 다음으로 높은 사망 원인으로 기록되고 있어 심혈관 질환에 대한 초기 진단은 질환의 치료에 매우 중요한 문제로 대두되고 있다. 본 논문에서는 SVM을 이용하여 심혈관질환 환자의 질환 단계를 예측하였다. 일반적으로 이진분류에 사용되는 SVM을 이용하여 정상 및 질환 $1{\sim}3$기의 총 4가지 분류가 필요한 다분류 분류문제를 처리하기 위해서 논문에서는 독립적 학습된 단일 SVM 분류기들을 결합하여 분류를 수행하는 SVM 앙상블 방법을 사용하였다. 단일 분류기의 결합은 Majority voting, 최소자승에러기반 가중치 부여, 2단계층 결합 등의 방법으로 수행하여 심혈관 질환 분류에 적합한 앙상블의 구성을 시도하였다. 실험 데이터는 (주)제노프라의 압타머 칩 데이터를 사용하였다. 서로 다른 데이터를 이용하여 학습된 이종의 SVM들을 결합한 결과 질환단계 예측에 있어서 단일 SVM을 이용하여 질환 단계를 예측하는 경우 보다 향상된 질환단계 예측 성능을 관찰할 수 있었으며, 심혈관 질환의 예측에 대해서는 단일 SVM 분류기의 2단 계층 결합법이 가장 좋은 성능을 보임을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2004년도 학술발표회
• /
• pp.267-271
• /
• 2004

2000년도 국내에 소개된 앙상블 유량예측은 한반도 유출특성을 고려한 예측시스템 구축을 위해 꾸준한 수정과 보완을 반복하며 약 5년간의 연구가 진행되었다. 앙상블 유량예측의 연구방향은 크게 예측의 정확성을 향상시키기 위한 이론적 인구와 수자원 계획과 관리에 활용될 수 있도록 GUI를 포함한 유량예측시스템을 구축하는 등의 실무적 연구가 함께 진행되고 있다. 앙상블 유량예측의 정확성을 향상시키기 위해 갈수기에 강우-유출모형의 모의능력을 개선해야 하며, 홍수기에는 기상예보를 효율적으로 이용해야 한다는 기본 전략을 수립하였다. 최근 강우-유출모형의 모의능력을 개선하기 위해 신경망 강우-유출모형을 구축하고, 기존 강우-유출모형의 모의결과를 보정하거나, 두개 이상의 모형을 결합함으로서 유량모의능력을 개선하여 갈수기 앙상블 유량예측 정확성을 향상시킬 수 있음을 증명하는 성과를 거둔 바 있다. 향후 앙상블 유량예측의 연구 방향은 기상예보자료의 적극적인 활용에 초점을 맞추고 있다. 최근 ENSO(El Nino Southern Occillation), PDI(Pacific Decadal Idex) 등 다양한 기후정보의 새로운 발견과 GCM 등 기후모형의 급속한 개선으로 기후 예측의 정확도가 높아지고 있는 추세이므로, 이를 이용하여 홍수기 앙상블 유량예측의 정확도 개선을 목표로 인구가 진행될 전망이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2004년도 학술발표회
• /
• pp.272-276
• /
• 2004

이수기와 같이 장기적인 관점에서 저수지운영을 해야 하는 관리자는 해당 기간동안의 이익을 최대화하는 전략을 필요로 한다. 이를 위해서는 미래 유입량의 불확실성을 고려한 최적화 모형에 근거한 운영률을 수립해야 할 것이다. 본 연구에서는 금강수계의 이수기를 대상으로 추계학적 최적화 기법인 표본 추계학적 동적계획법(Sampling Stochastic Dynamic Programming)을 적용하여 최적 연계운영 시스템을 개발하였다. 본 연구를 통해 개발된 모형은 상용프로그램인 CSUDP와의 비교를 통해 검증되었으며 이를 기반으로 과거자료를 이용한 SSDP/Hist모형과 앙상블 유량예측(Ensemble Streamflow Prediction)을 이용한 SSDP/ESP모형을 개발하여 두 모형의 장${\cdot}$단점을 비교 분석하였다. 발전부분은 두 모형이 비슷하였으나 용수공급 측면에서는 SSDP/ESP가 SSDP/Hist 보다 우수함을 알 수 있었다.