• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1023-1035
• /
• 2021

본 연구는 머신러닝 기반의 분석으로 해수담수화(Desalination) 시설의 전력비 예측모델의 가능성을 검토하였다. 해수담수화 주요 공정인 역삼투(Seawater Reverse Osmosis) 시설의 전력비 예측 모델을 개발하고, 전력비 산정에 영향을 미치는 인자를 분석하였으며, 해수 수질 중에서 선정된 수온 및 염분도 측정자료를 활용하여 검토하였다. 국립해양조사원(Korea Hydrographic and Oceanographic Agency, KHOA)의 2003년부터 2014년까지의 자료를 이용하였으며, 모형의 구조는 시행오차법(Trial & Error)으로 하이퍼파라미터를 최적화하여 머신러닝 기반의 예측 모델을 구축하고, 장래 해수 수질을 예측하였다. 해수 수온은 기존 패턴과 유사할 것으로 예측되었고, 염분도는 과거 측정자료 범위 이내로 최대값이 점차 감소되는 경향을 보여 해수담수화의 전력비가 약 0.80% 감소하는 것으로 검토되었다. 본 연구는 머신러닝 기반의 예측 모델을 구축하여 장래 수질 변화 예측하였으며, 해수 수질 변동의 영향 및 대안을 제시했다는데 의의가 있다.

• 대한기계학회논문집A
• /
• 제27권10호
• /
• pp.1676-1685
• /
• 2003

Tensile and low cycle fatigue tests on prior cold worked 3l6L stainless steel were carried out at various temperatures ftom room temperature to 650$^{\circ}C$. Fatigue resistance was decreased with increasing temperature and decreasing strain rate. Cyclic plastic deformation, creep, oxidation and interactions with each other are thought to be responsible for the reduction in fatigue resistance. Currently favored life prediction models were examined and it was found that it is important to select a proper life prediction parameter since stress-strain relation strongly depends on temperature. A phenomenological life prediction model was proposed to account for the influence of temperature on fatigue life and assessed by comparing with experimental result. LCF failure mechanism was investigated by observing fracture surfaces of LCF failed specimens with SEM.

• 공업화학
• /
• 제31권5호
• /
• pp.520-525
• /
• 2020

본 연구에서는 증류공정의 제품 생산단 온도 예측을 위한 머신러닝 기반 모델을 개발하였다. 증류공정의 제어는 제품 생산단의 온도를 통해 이루어지고 있어 제어를 위해 정확한 온도 예측이 필요하다. 증류공정에서 온도는 다양한 변수들과 복잡한 비선형의 관계를 형성하고 있으며 시계열 데이터의 특성이 있어 이를 예측하기 위해 순환신경망 기반 알고리즘을 이용하였다. 모델 개발 과정에서 적절한 예측 알고리즘을 선정하기 위해 세 가지 순환신경망 기반 알고리즘과 배치 사이즈 조절하여 제품 생산단 온도를 예측하기 위한 가장 적저한 모델을 선정하였다. LSTM₁₂₈ 모델이 제품 생산단 온도를 예측하기 위한 가장 적절한 모델로 선정되었다. 선정된 모델을 활용하여 실제 공정 운전데이터에 적용한 결과 RMSE 0.0791, R² 0.924의 성능을 보였다.

• 설비공학논문집
• /
• 제12권11호
• /
• pp.1038-1047
• /
• 2000

The objective of this study is to develop an optimized Artificial Neural Network(ANN) model to predict the descending time of room air temperature. For this, program for predicting room air temperature and ANN program using generalized delta rule were collected through simulation for predicting room air temperature. ANN was trained and the ANN model having the optimized values-learning rate, moment, bias, number of hidden layer, and number of neuron of hidden layer was presented.

• 한국컴퓨터정보학회논문지
• /
• 제28권11호
• /
• pp.13-20
• /
• 2023

본 논문에서는 LSTM-Autoencoder 기반 특징추출과 재구성 데이터를 이용한 수온 예측 방법을 제안한다. 냉수대 현상이 발생한 동해 낙산 지역의 해수면 수온과 수온에 영향을 미치는 풍향, 풍속 등 다변량 시계열 데이터를 이용하고, LSTM-Autoencoder 모델을 이용하여, 원본 데이터의 차원 축소를 통해 추출된 특징 데이터를 원본 데이터의 다변수 데이터로 결합한 데이터, 복원 데이터, 원본 데이터 총 3가지를 사용한다. 수온 예측을 위해 LSTM 모델에 3가지 데이터를 학습하고, 정확도를 평가한 결과 MAE 0.3652, RMSE 0.5604, MAPE 3.309%으로 LSTM-Autoencoder의 특징추출을 이용한 수온 예측 정확도가 가장 우수한 성능을 보이는 것을 확인하였다. 본 연구의 결과는 냉수대와 같이 해수면 수온 변화가 급변하는 구간의 예측 정확도를 높여, 자연재해의 피해를 예방할 수 있을 것으로 기대한다.

• 대한교통학회지
• /
• 제29권2호
• /
• pp.123-131
• /
• 2011

본 연구에서는 지표면과 대기사이의 열-에너지 균형원리를 이용한 노면온도예측모형을 개발하였다. 본 연구에서 개발된 노면온도예측모형은 두 가지 모듈로 구성되는데 Canopy 1은 지표면과 대기 간의 열 교환을 묘사하기 위한 것이고, Canopy 2는 열에너지 교환 과정에서 포장체 특성을 반영하기 위한 것이다. 모형 수행에 필요한 다양한 입력변수는 기상청으로부터 수집하였다. 개발된 모형의 성능을 평가하기 위해 청원-상주 간 고속도로 상 문의교 지점에 설치된 접촉식 노면온도측정센서로부터 수집한 노면온도자료와 모형 수행을 통해 나온 결과 값을 비교 하였다. 이러한 비교는 동절기(12월)와 동절기 외 기간(10월)에 걸쳐 수행되었다. 비교 결과, 두 온도의 평균오차 값이 ${\pm}2^{\circ}C$ 범위 내에 있어, 모형의 성능이 매우 우수한 것으로 판단된다. 이러한 연구는 동절기 도로관리에 다양하게 사용될 것으로 사료되고, 특히 도로 기상정보체계 운영에 핵심이 되는 노면온도 예측 알고리즘으로 사용될 수 있는 기초 연구가 될 것이다.

• 한국농공학회논문집
• /
• 제64권5호
• /
• pp.27-39
• /
• 2022

The smart farm is recognized as a solution for future farmers having positive effects on the sustainability of the poultry industry. Intelligent microclimate control can be a key technology for broiler production which is extremely vulnerable to abnormal indoor air temperatures. Furthermore, better control of indoor microclimate can be achieved by accurate prediction of indoor air temperature. This study developed predictive models for internal air temperature in a mechanically-ventilated broiler house based on the data measured during three rearing periods, which were different in seasonal climate and ventilation operation. Three machine learning models and a mechanistic model based on thermal energy balance were used for the prediction. The results indicated that the all models gave good predictions for 1-minute future air temperature showing the coefficient of determination greater than 0.99 and the root-mean-square-error smaller than 0.306℃. However, for 1-hour future air temperature, only the mechanistic model showed good accuracy with the coefficient of determination of 0.934 and the root-mean-square-error of 0.841℃. Since the mechanistic model was based on the mathematical descriptions of the heat transfer processes that occurred in the broiler house, it showed better prediction performances compared to the black-box machine learning models. Therefore, it was proven to be useful for intelligent microclimate control which would be developed in future studies.

• 한국콘크리트학회:학술대회논문집
• /
• 한국콘크리트학회 1999년도 학회창립 10주년 기념 1999년도 가을 학술발표회 논문집
• /
• pp.767-770
• /
• 1999

The carbonation process is affected both by the concrete material properties such as W/C ratio, types of cement and aggregated, admixture characteristics and the environmental factors such as CO2 concentration, temperature, humidity. Based on results of preliminary research on carbonation, this study is to propose a carbonation prediction model by taking into account of prediction model by taking into account of CO2 concentration and W/C ratio among major factors affecting the carbonation process.

• KIEAE Journal
• /
• 제17권4호
• /
• pp.83-88
• /
• 2017

Purpose: The objective of this study is to develop a predictive model for calculating the amount of cooling load for the different setback temperatures during the setback period. An artificial neural network (ANN) is applied as a predictive model. The predictive model is designed to be employed in the control algorithm, in which the amount of cooling load for the different setback temperature is compared and works as a determinant for finding the most energy-efficient optimal setback temperature. Method: Three major steps were conducted for proposing the ANN-based predictive model - i) initial model development, ii) model optimization, and iii) performance evaluation. Result:The proposed model proved its prediction accuracy with the lower coefficient of variation of the root mean square errors (CVRMSEs) of the simulated results (Mi) and the predicted results (Si) under generally accepted levels. In conclusion, the ANN model presented its applicability to the thermal control algorithm for setting up the most energy-efficient setback temperature.

• 한국지구과학회지
• /
• 제31권5호
• /
• pp.454-464
• /
• 2010

A probability prediction model for tropical cyclone (TC) genesis in the Northwestern Pacific area was developed using the logistic regression method. Total five predictors were used in this model: the lower-level relative vorticity, vertical wind shear, mid-level relative humidity, upper-level equivalent potential temperature, and sea surface temperature (SST). The values for four predictors except for SST were obtained from difference of spatial-averaged value between May and January, and the time average of Ni$\tilde{n}$o-3.4 index from February to April was used to see the SST effect. As a result of prediction for the TC genesis frequency from June to December during 1951 to 2007, the model was capable of predicting that 21 (22) years had higher (lower) frequency than the normal year. The analysis of real data indicated that the number of year with the higher (lower) frequency of TC genesis was 28 (29). The overall predictability was about 75%, and the model reliability was also verified statistically through the cross validation analysis method.