• 대한전기학회논문지:시스템및제어부문D
• /
• 제54권9호
• /
• pp.567-569
• /
• 2005

NARX(Nonlinear AutoRegressive with eXogenous input) neural network was used for prediction of nuclear reactor behavior which was influenced by control rods in short-term period and also by the concentration of xenon and boron in long-term period in load following operations. The developed model was designed to predict reactor power, xenon worth and axial offset with different burnup states when control rods and boron were adjusted in load following operations. Data of the Korea Next Generation PWR were collected by ONED94 code. The test results presented exhibit the capability of the NARX neural network model to capture the long term and short term dynamics of the reactor core and the developed model seems to be utilized as a handy tool for the use of a plant simulation.

• Computers and Concrete
• /
• 제15권4호
• /
• pp.589-606
• /
• 2015

It is well-documented that the major deterioration of coastal RC structures is chloride-induced corrosion. Therefore, regional investigations are necessary for durability based design and evaluation of the proposed service life prdiction models. In this paper, four reinforced concrete jetties exposed to severe marine environment were monitored to assess the long term chloride penetration at 6 months to 96 months. Also, some accelerated durability tests were performed on standard samples in laboratory. As a result, two time-dependent equations are proposed for basic parameters of chloride diffusion into concrete and then the corrosion initiation time is estimated by a developed probabilistic service life model Also, two famous service life prediction models are compared using chloride profiles obtained from structures after about 40 years in the tidal exposure conditions. The results confirm that the influence of concrete quality on diffusion coefficients is related to the concrete pore structure and the time dependence is due to chemical reactions of sea water ions with hydration products which lead a reduction in pore structure. Also, proper attention to the durability properties of concrete may extend the service life of marine structures greater than fifty years, even in harsh environments.

• Steel and Composite Structures
• /
• 제18권3호
• /
• pp.547-563
• /
• 2015

Deflection in a beam of a composite frame is a serviceability design criterion. This paper presents a methodology for rapid prediction of long-term mid-span deflections of beams in composite frames subjected to service load. Neural networks have been developed to predict the inelastic mid-span deflections in beams of frames (typically for 20 years, considering cracking, and time effects, i.e., creep and shrinkage in concrete) from the elastic moments and elastic mid-span deflections (neglecting cracking, and time effects). These models can be used for frames with any number of bays and stories. The training, validating, and testing data sets for the neural networks are generated using a hybrid analytical-numerical procedure of analysis. Multilayered feed-forward networks have been developed using sigmoid function as an activation function and the back propagation-learning algorithm for training. The proposed neural networks are validated for an example frame of different number of spans and stories and the errors are shown to be small. Sensitivity studies are carried out using the developed neural networks. These studies show the influence of variations of input parameters on the output parameter. The neural networks can be used in every day design as they enable rapid prediction of inelastic mid-span deflections with reasonable accuracy for practical purposes and require computational effort which is a fraction of that required for the available methods.

• Wind and Structures
• /
• 제33권6호
• /
• pp.423-435
• /
• 2021

Although existing algorithms can predict wind speed using historical observation data, for engineering feasibility, most use moment methods and probability density functions to estimate fitted parameters. However, extreme wind speed prediction accuracy for long-term return periods is not always dependent on how the optimized frequency distribution curves are obtained; long-term return periods emphasize general distribution effects rather than marginal distributions, which are closely related to potential extreme values. Moreover, there are different wind speed parent sample types; how to theoretically select the proper extreme value distribution is uncertain. The influence of different sampling time intervals has not been evaluated in the fitting process. To overcome these shortcomings, updated steps are introduced, involving parameter sensitivity analysis for different sampling time intervals. The extreme value prediction accuracy of unknown parent samples is also discussed. Probability analysis of mean wind is combined with estimation of the probability plot correlation coefficient and the maximum likelihood method; an iterative estimation algorithm is proposed. With the updated steps and comparison using a Monte Carlo simulation, a fitting policy suitable for different parent distributions is proposed; its feasibility is demonstrated in extreme wind speed evaluations at Longhua and Chuansha meteorological stations in Shanghai, China.

• 한국해양공학회지
• /
• 제36권5호
• /
• pp.295-302
• /
• 2022

The initial response to a marine accident can play a key role to minimize the accident. Therefore, various decision support systems have been developed using sensors, simulations, and active response equipment. In this study, we developed an algorithm to predict damage locations using ship motion data with bidirectional long short-term memory (BiLSTM), a type of recurrent neural network. To reflect the low frequency ship motion characteristics, 200 time-series data collected for 100 s were considered as input values. Heave, roll, and pitch were used as features for the prediction model. The F1-score of the BiLSTM model was 0.92; this was an improvement over the F1-score of 0.90 of a prior model. Furthermore, 53 of 75 locations of damage had an F1-score above 0.90. The model predicted the damage location with high accuracy, allowing for a quick initial response even if the ship did not have flood sensors. The model can be used as input data with high accuracy for a real-time progressive flooding simulator on board.

• Nuclear Engineering and Technology
• /
• 제55권3호
• /
• pp.839-849
• /
• 2023

The development of automation technology to reduce human error by minimizing human intervention is accelerating with artificial intelligence and big data processing technology, even in the nuclear field. Among nuclear power plant operation modes, the startup and shutdown operations are still performed manually and thus have the potential for human error. As part of the development of an autonomous operation system for startup operation, this paper proposes an action coordinating strategy to obtain the optimal actions. The lower level of the system consists of operating blocks that are created by analyzing the operation tasks to achieve local goals through soft actor-critic algorithms. However, when multiple agents try to perform conflicting actions, a method is needed to coordinate them, and for this, an action coordination strategy was developed in this work as the upper level of the system. Three quantification methods were compared and evaluated based on the future plant state predicted by plant parameter prediction models using long short-term memory networks. Results confirmed that the optimal action to satisfy the limiting conditions for operation can be selected by coordinating the action sets. It is expected that this methodology can be generalized through future research.

• 한국빅데이터학회지
• /
• 제7권2호
• /
• pp.217-224
• /
• 2022

온라인 쇼핑의 대중화로 인해 많은 의류 상품이 온라인 쇼핑을 통해 소비된다. 의류 상품은 다른 상품과 달리 판매량이 일정하지 않고 날씨의 변화에 따라 판매량이 변화하는 특징이 있다. 따라서 의류 상품의 머신 러닝을 적용한 효율적인 재고 관리 시스템에 대한 연구는 매우 중요하다. 본 논문에서는 의류 업체 'A'로부터 실제 의류 상품 판매량 데이터를 수집하고 판매량 데이터와 같은 시계열 데이터의 예측에 많이 활용되는 LSTM(Long Short-Term Memory)과 Bidirectional-LSTM(Bi-LSTM)의 학습에 사용하여 LSTM과 Bi-LSTM의 판매량 예측 효율을 비교 분석하였다. 시뮬레이션 결과를 통해 LSTM 기술 대비 Bi-LSTM은 시뮬레이션 시간은 더 많이 소요되지만 의류 상품 판매량 데이터와 같은 비주기성 시계열 데이터의 예측 정확도가 동일하다는 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1077-1093
• /
• 2020

해수면 온도는 전 세계 해양, 기상 현상에 영향을 주고 해양 환경 변화와 생물에게 영향을 주는 중요한 요소이다. 특히, 우리나라 남해안을 비롯한 연안 지역의 경우 어업 및 양식업 등의 수산업이 많이 발달하여, 매년 고수온 현상으로 인한 사회·경제적 피해가 발생하고 있다. 따라서 위성 자료와 같은 광범위한 지역을 감시할 수 있는 자료를 활용한 해수면 온도 및 공간적 분포의 예측기술 개발을 통하여 피해를 예방할 수 있는 시스템을 구축할 필요가 있다. 해수면 온도 예측은 기존의 수치 모델을 통해서 예측을 진행하였지만, 다수의 역학적 요인들을 사용하여 예측 결과 산출 시 복잡함이 존재한다. 최근 기계학습 및 딥러닝 기법이 발달함에 따라 해양 분야의 예측에 적용하는 연구가 진행되고 있다. 본 연구는 그 중 시·공간적인 일관성 및 정확도가 높은 장단기 기억(Long Short Term Memory, LSTM)과 합성곱 장단기 기억(Convolutional Long Short Term Memory, ConvLSTM) 딥러닝 기법을 사용하여 남해지역의 해수면온도 예측 및 2017년부터 2019년까지의 고수온 발생 건에 대해서 예측 결과의 공간 분포와 공간 분포와 예측 가능성에 대해 분석을 하였다. 1일 예측 모델의 정확도는 RMSE 기준으로 ConvLSTM(전체: 0.33℃, 봄: 0.34℃, 여름: 0.27℃, 가을: 0.32℃, 겨울: 0.36℃)이 LSTM 기반의 예측 모델(전체: 0.40℃, 봄: 0.40℃, 여름: 0.48℃, 가을: 0.39℃, 겨울: 0.34℃)보다 우수한 성능을 보였다. 2017년 고수온 발생 사례에 대해 해수면 온도 예측과 고수온 탐지 성능에서 ConvLSTM은 5일까지 경보를 탐지하였지만, LSTM의 경우 2일 예측 이후 해수면 온도를 과소 추정하는 경향이 커짐에 따라 탐지하지 못하였다. 시공간적인 해수면 온도 예측 시 ConvLSTM이 LSTM에 비해 적절한 모델로 판단된다.

• 한국습지학회지
• /
• 제13권2호
• /
• pp.329-341
• /
• 2011

본 연구는 경기도 파주시에 위치한 문산천의 유사량을 직접 실측하여 유사특성을 분석하고, 이를 수치모형에 적용하여 장기적인 하상변동을 예측하였다. 직접 실측된 유사랑을 이용하여 유량-총유사량 관계식을 유도하였으며, 기존의 추정공식을 통해 산정된 총유사량과의 비교를 통해 적절한 유사량 추정방법을 평가하였다. 실측에 의한 문산천의 연간 총유사량은 5,478ton/year, 비유사량은 29.23ton/$km^2$/year로 나타났으며, 기존의 공식과 비교한 결과 Ackers & White공식이 실측치와 매우 유사한 값을 산정하였다. 실측된 유사량 및 지형, 수문자료를 입력변수로 하여 HEC-6와 GSTARS 모형을 비교, 평가하였다. 이를 통해 HEC-6 모형이 문산천의 장기하상변동 예측에 적합한 모형으로 신뢰할 수 있는 결과를 도출할 수 있다고 판단하였으며, 본 연구의 장기하상변동 예측에 적용하였다. HEC-6 모형을 이용한 장기하상변동 예측결과 문산천의 경우 하류부에서는 지속적으로 퇴적이 나타나고 상류부에서는 전반적으로 침식이 발생하였으며, 향후 20년 후의 하상상태로 안정화 될 것으로 판단되었다. 하상 변동량은 20년동안 1m 이내로 유의한 수준에 있다. 그러나 감조부의 영향을 받는 하류부에서는 유출구로부터 2,000m~7,000m 사이의 구간에 퇴적이 지속적으로 증가하고 있어 향후 하천관리계획 수립시 고려해야 할 것으로 판단되었다.

• 한국인터넷방송통신학회논문지
• /
• 제13권1호
• /
• pp.101-107
• /
• 2013

현실세계에서는 광범위한 업무영역에서 대용량의 시계열자료들이 실시간으로 발생되고 있다. 하지만 동적인 특징으로 표현되는 시계열자료들의 이해와 설명을 위한 최적의 모형을 결정하는 일은 쉽지가 않다. 이러한 시계열자료들의 특징을 잘 설명할 수 있는 모형을 추정하기 위하여 본 연구에서는 시계열데이터의 모형추정에 적합한 은닉마아코프모델을 통해 시계열자료의 장, 단기 예측모형을 추정하였고 이를 통해 미래의 운동패턴예측을 확인하였다. 실제 주식시장의 여러 자료들을 통해 최적의 모형추정을 위한 정보기준과 가장 효율적인 자료길이를 통해 모형의 상태수를 정확하게 추정하는지를 확인하였다. 실험결과 유효한 상태의 수 추정과 단기의 예측이 장기예측보다 유사운동패턴 예측률이 더욱 유사함을 확인하였다.