The core decisions of bulk shipping businesses can be summarized as the timing and the choice of period for which carrying capacity is traded. In particular, frequent decisions to trade freight either with repeated spot transactions or with a one-off long-term deal critically impact business performance. Even though a variety of freight trading strategies can be employed to facilitate the decisions, chartering practitioners have not been active in utilizing these strategies, and academic research has rarely proposed applicable solutions. The specific properties of freight as a tradable commodity are not properly reflected in existing studies, and limitations have been reported in their application to the real world. This research focused on the establishment of applicable freight trading strategies by taking into account two properties of freight: time perishability and term-dependant pricing. In addition to traditional trading strategies, artificial neural networks were applied for the first time to the test of freight trading strategies. The performances of the trading strategies were measured and compared to produce a remarkable outperformance of the ANN. This research is expected to make a significant contribution to chartering practices by enhancing the quality of chartering decisions and eventually enabling the effective management of freight rate risk. In addition to methodological expansion, the result will propose a way to approach the controversial issue of freight market efficiency.

In this study, experiments were conducted for the maintenance, repair and management. The compressive strength of recycled concrete was estimated by using the ultrasonic pulse velocity for performance evaluation and state evaluation of the structure. In order to improve reliability of the results, the algorithm was implemented by using the artificial neural networks.

In this study, the damages detections were carried out using artificial neural networks for super tall building. In the results of detections, the damage locations and extents were similar to the actual damages. The accuracy is expected to increase as the number of learning case is larger.

예측의 정확성은 비용의 감소나 고객서비스의 제고를 위해 필수적으로 선행되어야 하기에 현재까지도 많은 연구자들에 의해 연구되고 있는 분야이다. 본 연구에서는 국내 항만의 컨테이너 물동량 예측에 있어 대표적인 비선형예측모형인 인공신경망모형과 ARIMA모형에 대한 비교연구를 수행하는데 목적을 두었고, 컨테이너 물동량 예측력 제고를 위해 ARIMA모형과 인공신경망(ANN)모형을 결합한 하이브리드모형을 사용해 다른 모형들과 예측성과를 비교하고자 한다. 특히 인공신경망모형의 네트워크 구조 설계에 부분에 있어 방대하며 복잡한 탐색공간에서도 전역해 찾기에 효과적인 기법으로 알려져 있는 유전알고리즘을 사용함과 동시에 인공신경망의 대표적인 모형으로 알려진 다층 퍼셉트론(MLP)뿐만 아니라 시간지연네트워크(TDNN)를 사용해 예측성과를 비교하였다. 그 결과 ANN모형과 하이브리드모형이 ARIMA모형보다 더 뛰어난 예측성과를 보이는 것으로 나왔다.

한 구조물이 손상을 입으면 그 구조물의 동적응답(고유진동수, 가속도, 변형률)이 변하게 된다. 이와 같이 변하는 동적응답을 응답신호로 계측하고 이들 데이터를 신경망에 적용하여 구조물의 손상을 평가하는 방법이 신경망손상평가법이다. 현재까지 정형화된 특정한 경우의 연구가 주로 이루어져 있지만 일반적인 신경망손상평가법의 특성에 관한 연구나 실용 가능성과 장단점에 관한 충분한 연구가 부족하다. 따라서 본 연구는 신경망에 다양한 동적응답을 적용하는데 있어 신경망손상평가법의 일반적인 특성과 적용의 문제점을 연구하였다. 신경망손상평가법은 일정한 가진력을 손상이 있는 구조물에 가하고 그로부터 얻은 응답신호를 이용하여 신경망을 학습을 시킨 후, 임의의 손상이 있는 구조물에 동일한 가진력을 가하여 얻은 응답신호를 이용하여 손상의 위치와 정도를 찾는 것이 현재까지의 연구였다. 그러나 일반적으로 구조물에 작용하는 가진력은 일정하지 않다. 따라서 동일한 가진력에 의해 학습된 신경망에 가진력의 변화가 있는 경우에도 손상을 파악하는지 평가하였다. 모든 응답신호는 모형실험을 통하여 획득하였다.

Development of an artificial neural network model was presented to predict the daily maximum SO2 concentration in the urban-industrial area of Ulsan. The network model was trained during April through September for 2000-2005 using SO2 potential parameters estimated from meteorological and air quality data which are closely related to daily maximum SO2 concentrations. Meteorological data were obtained from regional modeling results, upper air soundings and surface field measurements and were then used to create the SO2 potential parameters such as synoptic conditions, mixing heights, atmospheric stabilities, and surface conditions. In particular, two-stage clustering techniques were used to identify potential index representing major synoptic conditions associated with high SO2 concentration. Two neural network models were developed and tested in different conditions for prediction: the first model was set up to predict daily maximum SO2 at 5 PM on the previous day, and the second was 10 AM for a given forecast day using an additional potential factors related with urban emissions in the early morning. The results showed that the developed models can predict the daily maximum SO2 concentrations with good simulation accuracy of 87% and 96% for the first and second model. respectively, but the limitation of predictive capability was found at a higher or lower concentrations. The increased accuracy for the second model demonstrates that improvements can be made by utilizing more recent air quality data for initialization of the model.

In this paper, an adaptive neural network controller and its application to automatic berthing control of ship is presented. The neural network controller is trained online using adaptive interaction technique without any teaching data and off-line training phase. Firstly, the neural networks used to control rudder and propeller during automatic berthing process are presented. Secondly, computer simulations of automatic ship berthing are carried out in Pusan bay to verify the proposed controller under the influence of wind disturbance and measurement noise. The results of simulation show good performance of the developed berthing control system.

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 상층기상자료, 자동 기상 관측망 자료 및 신경망기법을 사용하여 단시간 강우 예측 모형을 개발하였다. 호우를 동반한 이송 기상 시스템의 이동 경로가 라디오존데로부터 획득할 수 있는 상층기상 자료 즉 상층 풍향자료와 동일한 방향으로 이동한다는 가정 하에 원거리에서 발생하는 기상현상의 발달과정을 판단 할 수 있는 알고리즘을 개발하고, 이러한 원거리 입력 자료와 예측하고자 하는 값 사이의 비선형 상관관계를 연결하는 기법으로 인공 신경망 기법을 도

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성 영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.

본 연구는 비선형성이 강한 강우-유출의 특성을 고려하여 홍수시 하도의 유출을 예측하고 하천유역의 홍수예경보에 이용하기 위하여 신경망 시스템의 모형화 가능성을 검증하였다. 신경망을 이용한 실시간 하도홍수 예측모형(Neural River Discharge-Stage Forecasting Mudel; NRDFM)은 낙동강 유역의 왜관 및 진동 지점의 홍수량 예측에 적용하였다. NRDFM에 의한 하도홍수량의 왜관 및 진동 지점 예측결과를 실측치와 비교검토한 결

본 연구에서는 홍수시 다목적댐의 효율적 운영을 위하여 상류로부터 유입되는 홍수유입량을 실시간으로 예측하기 위해 역전파 신경망 모형을 사용하여 댐유입량 예측모형(Neural Dam Inflow Forecasting Model; NDIFM)을 개발하였다. NDIFM은 다목적댐에 의한 하류의 홍수조절 비중이 큰 낙동강의 남강댐 유역에 적용하였으며, 입력자료로는 댐유역 평균강우량, 실측 댐유입량, 예측 댐유입량 통을 사용하여 실시간 댐유입량 예측의 가능성을 검

국내에서 예상되는 물부족 현상을 극복하기 위해서는 수문 현상의 이해를 통한 수자원의 안정된 확보, 관리, 개발 등 수자원 관련 기술격의 발전이 필수적이라 하겠다. 물순환계통의 올바른 이해와 적합한 모형의 개발 및 검증을 위해서는 강우 및 토양수분의 대규모 원격측정이 필수적일 뿐 아니라 관측 격자 내에서 일어나는 변화도에 대한 이해가 필요하다. 가까운 장래에 예상되는 전구 관측 토양수분자료의 격자크기인 10km는 중ㆍ소규모 지역의 수문ㆍ기상모델 적용에 한

GIS기법과 원격탐사 기법은 수문학의 지형자료 구축과 응용 분야에 활발하게 이용되고 있으며 다방면에서 많은 연구가 진행 중이다. 본 연구에서는 산악지역에서 토양 특성과 토지 피복 상태에 따라 유출 특성이 어떻게 나타나는지를 CN값을 산정하여 평가 하였다. 토지 피복 분류에 신경망 기법을 사용하여 보다 적합한 분류 방법을 모색하고자 했고, CN값 산정을 위한 연산에 GIS기법출 사용하였다. 우선 샘플지역을 선정하여 토지 피복의 정확도를 평가하면, 기존의

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