• Computers and Concrete
• /
• v.25 no.2
• /
• pp.119-132
• /
• 2020

There is a growing interest in the use of by-product materials such as ceramics as alternative materials in construction. The aim of this study is to investigate the mechanical properties and durability of sustainable concrete containing waste ceramic powder (WCP), and to predict the results using artificial neural network (ANN). In this order, different water to binder (W/B) ratios of 0.3, 0.4, and 0.5 were considered, and in each W/B ratio, a percentage of cement (between 5-50%) was replaced with WCP. Compressive and tensile strengths, water absorption, electrical resistivity and rapid chloride permeability (RCP) of the concrete specimens having WCP were evaluated by related experimental tests. The results showed that by replacing 20% of the cement by WCP, the concrete achieves compressive and tensile strengths, more than 95% of those of the control concrete, in the long term. This percentage increases with decreasing W/B ratio. In general, by increasing the percentage of WCP replacement, all durability parameters are significantly improved. In order to validate and suggest a suitable tool for predicting the characteristics of the concrete, ANN model along with various multivariate regression methods were applied. The comparison of the proposed ANN with the regression methods indicates good accuracy of the developed ANN in predicting the mechanical properties and durability of this type of concrete. According to the results, the accuracy of ANN model for estimating the durability parameters did not significantly follow the number of hidden nodes.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.11 no.11
• /
• pp.2143-2149
• /
• 2007

Visual Cortex Stimulator is among artificial retina prosthesis for blind man, is the method that stimulate the brain cell directly without processing the information from retina to visual cortex. In this paper, we propose image construction and recognition model that is similar to human visual processing by recognizing the feature data with orientation information, that is, the characteristics of visual cortex. Back propagation algorithm based on Delta-bar delta is used to recognize after extracting image feature by Kirsh edge detector. Various numerical patterns are used to analyze the performance of proposed method. In experiment, the proposed recognition model to extract image characteristics with the orientation of information from retinal cells to visual cortex makes a little difference in a recognition rate but shows that it is not sensitive in a variety of learning rates similar to human vision system.

• Journal of the Korea Society of Computer and Information
• /
• v.24 no.10
• /
• pp.33-39
• /
• 2019

In this paper, we propose a parametric model for analyzing the motion information obtained from the acceleration sensors to measure the activity of the human body. The motion of the upper body and the lower body does not occur at the same time, and the motion analysis method using a single motion sensor involves a lot of errors. In this study, the 3-axis accelerometer is attached to the arms and legs, the body's activity data are measured, the momentum of the arms and legs are calculated for each channel, and the linear predictive coefficient is obtained for each channel. The periodicity of the upper body and the lower body is determined by analyzing the correlation between the channels. The linear predictive coefficient and the periodic value are used as data to measure the type of exercise and the amount of exercise. In the proposed method, we measured four types of movements such as walking, stair climbing, slow hill climbing, and fast hill descending. In order to verify the usefulness of the parameters, the recognition results are presented using the linear predictive coefficient and the periodic value for each motion as the neural network input.

• Journal of the Korean Society of Manufacturing Process Engineers
• /
• v.18 no.9
• /
• pp.29-35
• /
• 2019

The structure of the machinery industry due to the 4th industrial revolution is changing from precision and durability to intelligent and smart machinery through sensing and interconnection(IoT). There is a growing need for research on prognostics and health management(PHM) that can prevent abnormalities in processing machines and accurately predict and diagnose conditions. PHM is a technology that monitors the condition of a mechanical system, diagnoses signs of failure, and predicts the remaining life of the object. In this study, the vibration generated during machining is measured and a classification algorithm for normal and fault signals is developed. Arbitrary fault signal is collected by changing the conditions of un stable supply cutting oil and fixing jig. The signal processing is performed to apply the measured signal to the learning model. The sampling rate is changed for high speed operation and performed machine learning using raw signal without FFT. The fault classification algorithm for 1D convolution neural network composed of 2 convolution layers is developed.

• Smart Structures and Systems
• /
• v.24 no.5
• /
• pp.567-585
• /
• 2019

In the past two decades, structural health monitoring (SHM) systems have been widely installed on various civil infrastructures for the tracking of the state of their structural health and the detection of structural damage or abnormality, through long-term monitoring of environmental conditions as well as structural loadings and responses. In an SHM system, there are plenty of sensors to acquire a huge number of monitoring data, which can factually reflect the in-service condition of the target structure. In order to bridge the gap between SHM and structural maintenance and management (SMM), it is necessary to employ advanced data processing methods to convert the original multi-source heterogeneous field monitoring data into different types of specific physical indicators in order to make effective decisions regarding inspection, maintenance and management. Conventional approaches to data analysis are confronted with challenges from environmental noise, the volume of measurement data, the complexity of computation, etc., and they severely constrain the pervasive application of SHM technology. In recent years, with the rapid progress of computing hardware and image acquisition equipment, the deep learning-based data processing approach offers a new channel for excavating the massive data from an SHM system, towards autonomous, accurate and robust processing of the monitoring data. Many researchers from the SHM community have made efforts to explore the applications of deep learning-based approaches for structural damage detection and structural condition assessment. This paper gives a review on the deep learning-based SHM of civil infrastructures with the main content, including a brief summary of the history of the development of deep learning, the applications of deep learning-based data processing approaches in the SHM of many kinds of civil infrastructures, and the key challenges and future trends of the strategy of deep learning-based SHM.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.630-630
• /
• 2015

기존의 내배수시설에 대한 모의 및 시스템 운영과 관련하여 기존의 연구들은 강우의 설계빈도 및 제한적 호우 시나리오에 국한된 침수의 모의 및 대응에 기반을 하고 있다. 이러한 연구들의 경우 해석에 따른 모의결과에 기반하고 있기 때문에 도시지역에 실시간으로 발생하는 수문현상을 적절하게 반영하지 못하고 있으며, 이에 따른 내배수시설의 효율적 운영 및 침수발생 지점의 예측에 대한 불확실성이 크다고 볼 수 있다. 본 연구에서는 도시하천에서의 외수위 변화 예측에 따른 단기간 내 펌프 조기가동의 효과를 검토에 따른 향후 내수침수 위험성을 감소시키고자 한다. 인공신경망을 이용하여 보다 정확한 단기간 내 외수위 변동성에 대한 분석을 실시하였으며, 상하류 관측수위 기반 펌프 조기가동에 대한 운영 알고리즘을 개선하고자 한다. 이를 위해 최근 몇 년간의 하천의 홍수사상들 중 교차상관계수($R^2$) 값이 비교적 높은 다수의 수문 관측 사상들을 수집 및 적용이 필요하다고 판단되었으며 도림천 유역 내에 위치한 펌프장들에 대한 외수위 관측자료들을 수집하여 연구에 적용하였다. 인공신경망 구성을 위해 입력값으로는 상류지점의 관측 수위지점 자료를 지정하여 입력을 실시하였으며, 출력값으로는 하류단 수위지점 자료를 지정하여 수위 예측을 실시하였다. 다만 수위예측의 경우에 있어 수위를 가장 잘 대변할 수 있는 수위관측소를 선정하는 것이 매우 중요하다고 판단되었으며, 해당 연구에서는 주요 빗물펌프장들의 외수위 자료를 대표 적용하였다. 선정된 지점과 하류의 수위예측지점을 연계하여 운영할 경우 효율적인 수위 예측이 가능하기 때문이다. 결과적으로 수위관측소 지점이 빗물펌프장임을 감안하여 상류단 빗물펌프장의 유역특성이 반영된 유출특성 및 토출특성으로 인하여 하류의 수위 변동에 영향을 미치며 이는 펌프장의 방류수문 개폐시기 및 조기가동의 시점을 선정하는데 있어 밀접한 연관이 있다고 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.45-45
• /
• 2018

오염물의 혼합거동을 해석하기 위해 물리기반 모델을 이용하는 경우 모델을 구축하고 운용하는데 많은 시간과 재정이 소요되며 현장검증을 통한 검증이 반드시 필요하다. 하지만 데이터 기반 모델의 경우 축적된 데이터만으로도 예측을 수행할 수 있으며 물리기반모델에 비해 결정해야할 입력인자가 적어 모델운용이 용이하다는 장점이 있다. 다양한 데이터 모델 중 인공신경망(ANN) 모델은 데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 모델로 수자원 및 환경 분야에서 자주 사용되고 있다. 본 연구에서는 인공신경망 모델을 이용하여 지천유입이 있는 대하천의 수질인자 (pH, 전기전도도, DO, chl-a)를 예측하였다. 다른 데이터기반 모델과 같이 인공신경망 모델 또한 수집된 데이터 질에 크게 영향을 받으며, 내부 입력인자의 선택이 모델의 예측 결과에 큰 영향을 미친다. 이러한 인공신경망 모델의 특성을 바탕으로 예측모형의 정확도를 향상하기 위해서는 크게 데이터 처리부분과 모델구축 부분에서의 접근이 필요하다. 본 연구에서는 데이터 처리 과정에서 연구대상지점의 각각의 수질인자가 가지는 분포 특성을 유지하기 위해 층화표츨추출법을 이용하여 데이터를 구성하였다. 모델의 구축 과정에서는 초기가중치 값의 영향을 줄이기 위해 앙상블기법을 사용하였으며, 좀 더 견고하고 정확한 결과를 예측하기 위해 탄력적 역전파알고리즘을 추가하였다. 추가적으로 합류 후 본류의 미 계측지역 수질 예측 정확도 향상을 위해 본류의 수질인자뿐만 아니라 지류의 수질인자를 입력자료로 사용하여 모의를 수행하였다. 또한 동일 구간에서 수행한 현장추적자실험 자료를 이용하여 수질인자의 분포특성을 비교, 검증하였다. 개발된 모델을 이용하여 낙동강과 금호강 합류부 하류의 수질인자를 예측한 결과 지류의 수질인자를 입력자료로 추가한 경우 예측의 정확도가 증가하였으며, 현장실험 자료를 통해 밝혀진 오염물의 거동현상을 인공신경망 모델로도 동일하게 재현하는 것으로 나타났다. 본 연구에서 제안한 인공신경모델을 이용한다면 물리기반 수치모델을 대체하여 지천으로 유입된 오염물의 거동을 정확하고 효율적으로 파악할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.19 no.5
• /
• pp.79-85
• /
• 2019

In this paper, we propose a short-term power forecasting method by applying Long Short Term Memory (LSTM) and Gated Recurrent Unit (GRU) neural network to Internet of Things (IoT) power meter. We analyze performance based on real power consumption data of households. Mean absolute error (MAE), mean absolute percentage error (MAPE), mean percentage error (MPE), mean squared error (MSE), and root mean squared error (RMSE) are used as performance evaluation indexes. The experimental results show that the GRU-based model improves the performance by 4.52% in the MAPE and 5.59% in the MPE compared to the LSTM-based model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.135-135
• /
• 2018

한강의 잠수교는 평상시에는 사람과 차의 통행이 가능하나 예측수위가 5.5m일 경우, 보행자통제, 6.2m일 경우, 차량통제를 실시한다. 잠수교는 국토교통부의 홍수예보 지점은 아니지만 그 특수성으로 인해 정확한 홍수위 예측을 통해 선행시간을 확보할 필요가 있다. 일반적으로 하천 홍수위 예측을 위해서는 강우-유출 모형과 하도추적을 위한 수리모형을 결합한 모델링이 요구되나 잠수교는 하류부 조위로 인한 배수 및 상류부 팔당댐 방류량의 영향을 받아 물리적 수리 수문모형의 구축이 상당히 제약적이다. 이에 본 연구에서는 딥러닝 오픈 라이브러리인 Tensorflow 기반의 LSTM 심층신경망(Deep Neural Network) 모형을 구축하여 잠수교의 수위예측을 수행한다. LSTM 모형의 학습과 검증을 위해 2011년부터 2017년까지의 10분단위의 잠수교 수위자료, 팔당댐의 방류량과 월곶관측소의 조위자료를 수집한 후, 2011년부터 2016년까지의 자료는 신경망 학습, 2017년 자료를 이용하여 학습된 모형을 검증하였다. 민감도 분석을 통해 LSTM 모형의 최적 매개변수를 추정하고, 이를 기반으로 선행시간(lead time) 1시간, 3시간, 6시간, 9시간, 12시간, 24시간에 대한 잠수교 수위를 예측하였다. LSTM을 이용한 1~6시간 선행시간에 대한 수위예측의 경우, 모형평가 지수 NSE(Nash-Sutcliffe Efficiency)가 1시간(0.99), 3시간(0.97), 6시간(0.93)과 같이 정확도가 매우 우수한 것으로 분석되었으며, 9시간, 12시간, 24시간의 경우, 각각 0.85, 0.82, 0.74로 선행시간이 길어질수록 심층신경망의 예측능력이 저하되는 것으로 나타났다. 하천수위 또는 유량과 같은 수문시계열 분석이 목적일 경우, 종속변수에 영향을 미칠 수 있는 가용한 모든 독립변수를 데이터화하여 선행 정보를 장기적으로 기억하고, 이를 예측에 반영하는 LSTM 심층신경망 모형은 수리 수문모형 구축이 제약적인 경우, 홍수예보를 위한 활용이 가능할 것으로 판단된다.