수돗물의 공급과정에서 발생되는 상수관망의 누수는 소중한 수자원의 손실, 공급에너지의 추가적인 소요 등 사회경제적인 손실을 초래한다. 본 연구에서는 관로 상에 설치되어 실시간으로 계측되는 유량자료를 이용하여 누수를 감시하는 모형을 적응 칼만필터 기법을 이용하여 제시하였다. 제안된 누수감시 알고리즘에서는 수돗물 사용량의 시간적 변화와 요일적 변동을 고려함으로써 예측의 신뢰도를 향상시키는 방안을 제시하였다. 또한 기존의 칼만필터 기법에 혁신과정을 추가하여 잡음의 공분산에 대한 자동보정을 통하여 예측의 정확도를 개선하였다. 개발된 모형은 사인형태의 가상 유량자료에 대한 모의실험을 통하여 적응 칼만필터 기법의 예측 정확도를 기존의 칼만필터 기법과 비교하였으며, JE시의 2개 소블록 유량자료에 대한 현장 적용성 평가를 실시하였다. 본 연구의 결과는 관로의 파열에 의한 누수 및 비정상적인 용수사용량에 대한 감시를 통하여 상수관망의 효율적인 운영관리에 적용될 수 있을 것으로 기대된다.

수돗물의 생산 및 공급과정에 소요되는 에너지에 대한 체계적인 분석 및 평가는 최근의 전력부족 사태와 온실가스 감축의 필요성에 따라 관심이 증가되고 있다. 본 연구에서는 기존의 연구에서 제시한 결과에 대한 검토를 통하여 실용적으로 적용 가능한 에너지 분석기법 및 평가기법을 제시하였다. 본 연구에서는 EPANET2의 수리해석 결과를 이용하여 에너지를 평가할 수 있는 모형을 MATLAB 플랫폼 기반 하에서 개발하였다. 제안된 기법은 상수관망의 입지, 관로의 상태, 누수정도 등에 따라 시설물이 내재적으로 가지는 에너지 관리효율과 운영효율을 분리하여 평가할 수 있는 성능평가 지표를 제시하였다. 개발모형은 시험관망과 실제관망에 대하여 각각의 상수관망 구성요소에 대한 에너지 분석 및 평가결과를 제시함으로써 적용성 평가를 실시하였다. 본 연구의 결과는 상수관망 에너지 관리의 최적화를 도모함으로써 피크시간대의 전력수요 관리 및 에너지 절감형 상수도 시스템 계획 및 운영에 활용될 수 있을 것으로 기대된다.

본 논문에서는 본 연구논제(2007)에서 개발된 COMBINE-GRNNM-GA(Type-1)으로부터 최적형태의 구조를 가진 모형을 구성하고, 입력층노드의 기상인자를 제거하기 위하여 불확실성 분석을 실시하였다. 훈련과정중에 가장 최소의 평활인자를 가진 입력층변수는 COMBINE-GRNNM-GA(Type-1)에서 제거되었으며, 변형된 COMBINE-GRNNM-GA(Type-1)은 기상학적 변수의 새로운 최소 평활인자를 구하기 위하여 재훈련된다. 최소 평활인

본 연구의 목적은 결측 혹은 미계측 증발접시 증발량과 우리나라에서 계측되고 있지 않은 알팔파 기준증발산량의 산정을 위하여 유전자 알고리즘이 내재된 일반화된 회귀신경망모형을 개발하고 적용하는데 있다. 우리나라에서는 장기간동안 증발산계를 이용하여 알팔파 기준증발산량의 관측이 시행되지 않고 있으므로, 본 연구에서는 Penman-Monteith(PM) 공식을 이용하여 산정된 값을 계측된 알팔파 기준증발산량으로 가정하였다. 본 연구를 통하여 최적 증발접시 증발량

본 연구에서는 낙동강 상류유역의 병렬 다목적댐군인 안동 및 임하다목적 댐의 장기간 유입량을 산정하는데 공간추계 신경망모형이 사용되었다. 공간추계 신경망모형은 역전파 알고리즘으로 LMBP와 BFGS-QNBP를 각각 사용하였다. 공간추계 신경망모형의 구조는 입력층, 은닉층 및 출력층의 3개의 층과 차례대로 8-8-2개의 노드로 구성되어 있다. 입력층 노드는 안동 및 임하다목적 댐의 월평균유입량, 월면적강우량, 월별 증발접시 증발량과 월평균기온으로 구성되어

본 연구에서는 중소하천수계에서 수문학적 예측을 위하여 Hybrid Neural Networks의 일종인 반경기초함수(RBF) 신경망모형이 적용되었다. RBF 신경망모형은 4종류의 매개변수로 구성되어 있으며, 지율 및 지도훈련과정으로 이루어져있다. 반경기초함수로서 가우스핵함수(GKF)가 이용되었으며, GKF의 매개변수인 중심과 폭은 K-Means 군집알고리즘에 의해 최적화 된다. 그리고 RBF 신경망모형의 매개변수인 중심, 폭, 연결강도와 편차벡터는 훈련

본 연구에서는 낙동강 진동지점에서 일유출량을 예측하기 위하여 신경망모형이 제시되었다. 신경망모형의 구조는 CASE 1(5-5-1)과 CASE 2(5-5-5-1)로 구성하였으며, 은닉층의 수에 따라 두 가지의 모형으로 분류하였다. 각 신경망모형은 광역최소점과 훈련임계치에 수렴하는데 기존의 역전파훈련 알고리즘(BP) 보다 뛰어난 Fletcher-Reeves 공액구배 역전파훈련 알고리즘(FR-CGBP)과 축적된 공액구배 역전파훈련 알고리즘(SCGBP)을 이용

본 연구에서는 낙동강유역의 주요 수위표지점중 진동수위표지점에서 홍수위를 예측하기위한 신경망모형인 WSANN모형이 제시되었다. WSANN모형은 모멘트방법, 초기조건의 개선 및 적응학습속도에 의해 보완되어진 개선된 역전파훈련 알고리즘을 이용하였고, 본 연구에 사용된 자료는 훈련자료와 테스팅자료로 분할하였으며, 최적 은닉층 노드수를 결정하기 위하여 은닉층노드와 임계학습횟수로부터 경험식이 유도되었다. 그리고 WSANN모형의 보정은 4개의 훈련자료에 의해 실시되