Objectives of this study were to identify the hotspot for displacement of the on-line water quality sensors, in order to detect illicit discharge of untreated wastewater. A total of twenty-six water quality parameters were measured in sewer networks of the industrial complex located in Daejeon city as a test-bed site of this study. For the water qualities measured on a daily basis by 2-hour interval, the self-organizing maps(SOMs), one of the artificial neural networks(ANNs), were applied to classify the catchments to the clusters in accordance with patterns of water qualities discharged, and to determine the hotspot for priority sensor allocation in the study. The results revealed that the catchments were classified into four clusters in terms of extent of water qualities, in which the grouping were validated by the Euclidean distance and Davies-Bouldin index. Of the on-line sensors, total organic carbon(TOC) sensor, selected to be suitable for organic pollutants monitoring, would be effective to be allocated in D and a part of E catchments. Pb sensor, of heavy metals, would be suitable to be displaced in A and a part of B catchments.

이 연구의 목적은 인공신경망 기법을 이용하여 사면의 내진 성능을 비교적 정확하면서도 효율적으로 예측하는 모델을 도 출하는데 있다. 사면의 내진 성능은 지진입력 및 사면모델의 무작위성 및 불확실성으로 인하여 정량화하기 쉽지 않다. 이러한 배경 아래 사면에 대한 확률론적 지진 취약도 분석이 몇몇 연구자에 의해 수행되었고, 이를 기반으로 다중 선형회귀분석 을 통하여 사면 내진성능에 대한 닫힌식이 제안된 바 있다. 그러나 전통적인 통계학적 선형회귀분석은 다양한 조건의 사면과 이에 따른 내진 성능 사이의 비선형적 관계를 정확하게 표현하지 못하는 한계를 보였다. 이에 따라 본 연구에서는 이러한 문제점을 극복하고자 인공신경망 기법을 사면 내진성능 예측 모델을 생성하는데 적용하였다. 도출된 모델의 유효성은 기존 의 다중 선형 및 다중 비선형 회귀분석을 통한 모델과 비교하여 검증하였다. 결과적으로 이전 연구의 전통적인 통계학적 회귀 분석을 통한 모델과 비교 결과, 기본적으로 인공신경망 기법을 통하여 도출된 모델이 사면의 내진성능을 예측하는데 있어 우수한 성능을 보여주었다. 이러한 정확도 높은 모델은 향후 확률에 기반한 사면의 지진취약도 지도를 개발하고, 주요 구 조물의 인근 사면으로 인한 리스크를 효과적으로 평가하는데 활용될 수 있을 것이라 기대된다.

광도, 포차와 같은 환경요인과 엽면적 지수와 같은 생육요인은 증산 속도를 변화시키는 중요한 변수이다. 본 연구에서는 Penman-Monteith의 증산 모델과 인공신경망 (ANN)에 학습에 의한 증산속도 추정값을 비교하는 것을 목표로 하였다. 파프리카(Capsicum annuum L. cv. Fiesta)의 증산속도 추정은 로드셀을 이용한 배지의 중량 변화를 통해 계산하였다. 온도, 상대습도, 배지 중량 데이터는 1분 단위로 2개월간 수집하였다. 증산량은 일차식으로는 정확한 추정이 어렵기 때문에, 기존의 Penman-Monteith식에 보정 광도를 사용한 수정식 Shin 등(2014)을 사용하였다. 이와는 별개로 ANN을 사용하여 증산량을 추정 비교하였다. 이를 위하여 광도, 온도, 습도, 엽면적지수, 시간을 사용한 입력층과 5개의 은닉층으로 구성된 ANN을 구축하였다. 각 은닉층의 퍼셉트론 개수는 가장 정확성이 높은 512개로 하였다. 검증 결과, 보정된 Penman-Monteith 모델식의 R2 = 0.82이었고, ANN의 R2 = 0.94로 나타났다. 따라서 ANN은 일반적인 모델식에 비해 정확한 증산량 추정이 가능한 것으로 나타났고, 추후 수경재배의 효율적인 관수전략 수립에 있어 적용 가능할 것으로 판단되었다.

최근 국내외에서는 수질안정성 향상 및 부지면적 저감을 위해 막여과 공정도입이 활발한 추세이며 특히, 정수처리 분야에서는 정밀여과(Microfiltration) 및 한외여과(Ultrafiltration) 공정이 많이 적용되고 있다. 막여과 공정의 경제성 향상을 위해서는 세정 시점의 예측 및 세정 주기 연장이 매우 중요한 요소이다. 따라서, 본 연구에서는 인공신경망(Artificial neural network)을 활용하여 UF 공정차압(Transmembrane pressure) 예측 모델을 개발하고자 한다. 입력변수로는 유입수 온도, pH, 탁도 등의 일평균값을 이용하였다.

포장의 공용수명은 교통량, 기후, 포장강도, 차량하중 등 다양한 인자들의 영향을 받고 있으며 특히 교 통하중 특성과 기후, 포장의 상･하부구조 등은 포장의 수명에 큰 영향을 주는 것으로 알려져 있다. 하지 만 측정에 따른 오차, 조사구간의 불일치등에 따른 다양한 잠재오차들로 인해 다양한 인자들을 고려한 공 용수명의 예측에 관한 연구가 어려운 실정이다. 따라서 본 연구에서는 다중회귀분석기법을 활용하여 포장 의 수명에 영향을 미치는 주요인자를 선정하고 인공지능 분석기법 중의 하나인 신경망 분석기법(Neural Network Analysis)을 활용하여 아스팔트포장의 공용수명을 예측하고 이를 다중회귀분석의 분석결과 비 교･분석하였다. 먼저, 최근 3년간의 일반국도를 대상으로 조사가 이루어진 아스팔트포장의 수명 데이터를 기준으로 해 당 구간의 누적 교통량(AADT: Average Annual Daily Traffic), 누적 환산축하중(ESAL: Equivalent Single Axle Loads), 포장상부구조(보수층, 표층, 기층), 포장하부구조(보조기층, 동상방지층), 포장강도, 유지보수 지역(관리청)등의 다양한 요인들을 고려한 다중회귀분석 결과 누적교통량, 포장상부구조, 포장하 부구조, 유지보수 지역(관리청)이 유효한 변수로 선정되었다. 본 연구에서 인공신경망분석을 위해 활용한 다층 퍼셉트론(Multi layer Perceptron)기법은 입력층과 출력층 사이에 하나 이상의 은닉층(Hidden Layer)이 존재하게 되며 분석 알고리즘으로는 역전파 알고리 즘(Backpropagation algorithm)을 활용하였다. 분석을 위해 입력층에는 독립변수에 해당되는 누적교통 량, 포장상·하부구조, 유지보수지역의 4가지 변수를 입력하였으며 출력층에는 포장의 공용수명을 입력 하였다. 분석데이터는 70%를 학습, 15%를 검정, 15%를 테스트를 위해 활용하였으며 나아가 은닉층 신경 망(hidden neuron) 개수의 변화를 고려한 시나리오 분석을 수행하였다. 분석결과, 다중회귀분석에 비해 인공신경망 분석기법의 예측력이 뛰어난 것으로 나타났으며 은닉층 신경망(hidden neuron)의 개수가 과 대해지는 경우에는 인공신경망 자체의 예측력이 감소하는 것으로 나타났다.

Developing two process models to simulate wastewater treatment process is needed to draw a comparison between measured BOD data and estimated process model data: a mathematical model based on the process mass-balance and an ANN (artificial neural network) model. Those two types of simulator can fit well in terms of effluent BOD data, which models are formulated based on the distinctive five parameters: influent flow rate, effluent flow rate, influent BOD concentration, biomass concentration, and returned sludge percentage. The structuralized mass-balance model and ANN modeI with seasonal periods can estimate data set more precisely, and changing optimization algorithm for the penalty could be a useful option to tune up the process behavior estimations. An complex model such as ANN model coupled with mass-balance equation will be required to simulate process dynamics more accurately.

본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.

Using artificial neural network (ANN) technique, auction prices for common mackerel were forecasted with the daily total sale and auction price data at the Busan Cooperative Fish Market before introducing Total Allowable Catch (TAC) system, when catch data had no limit in Korea. Virtual input data produced from actual data were used to improve the accuracy of prediction and the suitable neural network was induced for the prediction. We tested 35 networks to be retained 10, and found good performance network with regression ratio of 0.904 and determination coefficient of 0.695. There were significant variations between training and verification errors in this network. Ideally, it should require more training cases to avoid over-learning, which leads to improve performance and makes the results more reliable. And the precision of prediction was improved when environmental factors including physical and biological variables were added. This network for prediction of price and catch was considered to be applicable for other fishes.

북서태평양에서 발생한 태풍에 대해 발생 후 5일 동안 12시간 간격으로 태풍의 강도 및 진로를 예측할 수 있는 인공신경망 모델을 개발하였다. 사용되어진 예측인지는 CLIPER(발생 위치 강도 일자), 운동학적 파라미터(연직바람시어, 상층발산, 하층상대와도), 열적 파라미터(상층 상당온위, ENSO, 상층온도, 중층 상대습도)로 구성되어졌다. 예측인자의 특성에 따라 일곱개의 인공신경망 모델들이 개발되었으며, CLIPER와 열적 파라미터가 조합된(CLIPER-THERM) 모델이 가장 좋은 예측성능을 보였다. 이 CLIPER-THERM 모델은 강도 및 진로 모두에서 동절기보다 하절기에 더 나은 예측성능을 나타내었다. 또한 태풍의 발생이 아열대 서태평양의 남동쪽에 위치할수록 강도예측에서는 큰 오차를 보였고, 진로예측에서는 아열대 서태평양의 북서쪽에서 발생할수록 큰 오차를 보였다. 이후 인공신경망 모델의 예측성능을 검증하기 위해 같은 예측인자들을 이용하여 다중선형회귀모델을 개발하였으며, 결과로서 비선형 통계기법인 인공신경망 모델이 다중선형회귀모형보다는 더 나은 예측성능을 보였다.

Many studies on predicting and recommending information and products have been studying to meet customers' preference. Unnecessary information should be removed to satisfy customers' needs in massive information. The some information filtering methods to remove unnecessary information have been suggested but these methods have scarcity and scalability problems. Therefore, this paper explores a personalized recommendation system based on artificial neural network (ANN) to solve these problems. The insurance product recommendation is adapted as an example to demonstrate the proposed method. The proposed recommendation system is expected to recommended a suitable and personalized insurance products for customers' satisfaction.

현장에서 콘크리트 구조물의 균열 깊이를 추정하기 위한 자기 보정 표면파 투과 측정과 측정된 투과 함수의 차단주파수를 이용하는 기존의 방법은 측정 조건에 따른 투과 함수의 변동성이 매우 커서 실제로 적용하기가 어려운 단점이 있다. 본 연구에서는 차단주파수와 같이 특정 주파수를 선정하여 균열 깊이를 추정하는 방법 대신에 측정된 자기 보정 표면파 투과 함수 자체를 균열 깊이 추정에 이용하는 방법을 제안하고자 한다. 이를 위하여 다양한 균열 깊이에서 측정된 자기 보정 표면파 투과 함수를 주성분 분석법을 이용하여 차원을 축소한 후, 축소된 투과 함수를 인공신경망의 입력으로 사용하여 이로부터 균열 깊이를 추정하는 방법을 제시하였다. 한편, 제안된 방법의 유효성을 판단하기 위하여 서로 다른 균열 깊이를 가진 5개의 실험체에 대하여 실험적인 연구를 수행하였으며, 실험 결과 제안된 방법이 콘크리트 구조물이 균열 질이 평가에 매우 유효한 방법임을 알 수 있었다.

본 논문에서는 보 구조물의 실시간 손상위치 경보를 위해 가속도 신호를 이용한 인공신경망기반 손상검색기법을 제안하였다. 이를 위해 먼저, 실시간 손상검색을 위해 가속도 응답신호만을 이용하는 새로운 인공신경망 알고리즘을 설계하였다. 구조물의 손상상태를 나타내는 특징으로 서로 다른 두 위치에서 측정된 가속도 신호의 교차공분산 값을 이용하였다. 다음으로 실제 하중조건을 모르는 상황을 고려하여 다양한 하중패턴에 따른 복수 신경망을 구성하였으며, 각각의 신경망 학습을 위한 손상시나리오를 선정하였다. 마지막으로 양단 자유보 모형실험을 통해 제안된 기법의 유용성과 적용성을 평가하였다.

철근콘크리트 부재의 전단거동에 대한 오랜 연구에 의하여 이에 대한 다양한 이론모델들과 제안식들이 존재한다. 그러나 전판거동의 메커니즘이 복잡하고 영향을 미치는 요소들이 많아서 이론모델들은 대부분 매우 복잡한 경향이 있고, 실험에 의한 제안식들은 제한된 범위내의 실험변수에 대해서만 유효한 경우가 많다. 이러한 문제점을 해결할 수 있는 대안의 하나로써 인공신경망이 여러 연구자들에 의하여 제안되어 왔으며, 본 논문에서는 인공신경망을 이용하여 전단보강근이 없는 철근콘크리트 보의 전단강토를 예측하였다 특히, 기존의 전단실험결과를 광범위하게 모아 구축한 데이타베이스를 활용함으로써 넓은 범위의 구조변수들을 포함한 다양한 부재들을 인공신경망의 훈련자료로 이용하였고, 인공신경망에 의한 전단강토 예측 결과를 ACI의 규준식, Zsutty, Okamura의 제안식들과도 비교 분석하였다. ACI의 규준식은 전단보강근이 없는 철근콘크리트 부재에 대해서 매우 부정확한 전단강도를 제공하였으며, Zsutty의 제안식은 ACI의 규준식에 비해 향상된 예측 결과를 보였으나 부재의 크기효과를 반영하지 못하였다. Okamura의 제안식은 주요 변수들의 영향을 비교적 잘 반영하여 상당히 정확하면서도 안정적인 전단강토를 제공하였다 이에 비해 인공신경망은 실험 결과에 가장 근접한 부재의 전단강도를 제공함으로써, 다양한 변수들의 영향을 매우 정확하게 반영할 수 있는 것으로 나타나서 인공신경망이 전단강도와 같이 메커니즘이 복잡하고 영향을 끼치는 변수들이 많은 다른 구조적 거동이나 강도를 예측하는데 매우 적절한 수단을 제공할 수 있음을 보여주었다.통합에 사용될 수 있음을 보였다. 구현하였다. 분포면적은 최근 25년간 총 2,893ha에 이르는 얕은 습지의 매립으로 인해 크게 변화하고 있으며 하구를 찾는 수금류의 분포, 환경수용력 등과 크게 상관성이 있어 앞으로 심도 있는 연구가 더욱 필요하다.에서 단정도실수 및 배정도실수의 역수 제곱근 계산에 필요한 평균 곱셈 횟수를 계산한다 이들 평균 곱셈 횟수를 종래 알고리즘과 비교하여 본 논문에서 제안한 알고리즘의 우수성을 증명한다. 본 논문에서 제안한 알고리즘은 오차가 일정한 값보다 작아질 때까지만 반복하므로 역수 제곱근 계산기의 성능을 높일 수 있다. 또한 최적의 근사 역수 제곱근 테이블을 구성할 수 있다. 본 논문의 연구 결과는 디지털 신호처리, 컴퓨터 그라픽스, 멀티미디어, 과학 기술 연산 등 부동소수점 계산기가 사용되는 분야에서 폭 넓게 사용될 수 있다.순으로 좋게 평가되었다. 결론적으로 감농축액의 첨가는 당과 탄닌성분을 함유함으로써 인절미의 노화를 지연시키고 저장성을 높이는데 효과가 있는 것으로 생각된다. 또한 인절미를 제조할 때 찹쌀가루에의 감농축액을 첨가하는 것이 감인절미의 색, 향, 단맛, 씹힘성이 적당하고 쓴맛과 떫은맛은 약하게 느끼면서 촉촉한 정도와 부드러운 정도는 강하게 느낄수 있어서 전반적인 기호도에서 가장 적절한 방법으로 사료된다.비위생 점수가 유의적으로 높은 점수를 나타내었다. 조리종사자의 위생지식 점수와 위생관리 수행수준의 상관관계를 조사한 결과, 위생지식

Final disposal of radioactive waste generated from Nuclear Power Plant (NPP) requires the detailed information about the characteristics and the quantities of radionuclides in waste package. Most of these radionuclides are difficult to measure and expensive to assay. Thus it is suggested to the indirect method by which the concentration of the Difficult-to-Measure (DTM) nuclide is estimated using the correlations of concentration - it is called the scaling factor - between Easy-to-Measure (Key) nuclides and DTM nuclides with the measured concentration of the Key nuclide. In general, the scaling factor is determined by the log mean average (LMA) method and the regression method. However, these methods are inadequate to apply to fission product nuclides and some activation product nuclides such as 14 and 90 . In this study, the artificial neural network (ANN) method is suggested to improve the conventional SF determination methods - the LMA method and the regression method. The root mean squared errors (RMSE) of the ANN models are compared with those of the conventional SF determination models for 14 and 90 in two parts divided by a training part and a validation part. The SF determination models are arranged in the order of RMSEs as the following order: ANN model

이 논문에서는 기존의 보-거더 구조계 주차장 구조물에 대한 차량하중영향 연구를 토대로, 플랫 슬래브 구조계에서 차량하중영향에 대한 연구를 수행하였다. 먼저, 최대부재력을 일으키는 차량하중의 적용을 위해 플랫 슬래브의 주요 설계지점에 대한 영향면을 구성하였으며, 플랫 슬래브의 등가차량하중계수를 인공 신경망기법을 이용하여, 슬래브 두께, 지판 두께, 지판 크기, 슬래브의 단변, 장변 길이 등 주요구조변수로 제시하였다. 사용된 신경망의 훈련은 많은 패턴수를 갖는 비선형 회귀분석에 적합한 Levenberg-Marquardt 알고리즘을 이용하였으며 해석결과와 인공 신경망의 출력의 비교를 통해 알고리즘의 유효성을 검증하였다. 플랫 슬래브 구조계의 등가차량하중계수를 살펴보면, 보-거더 구조계의 경우와 유사하게 주열대와 중간대의 정모멘트 부재력에서 차량하중에 매우 취약함을 알 수 있었다.