http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 박귀만(Gwi-Man Bak) (검색결과 5 건)
- 무료
- 기관 내 무료
- 유료
-
박귀만(Gwi-Man Bak),배영철(Young-Chul Bae) 한국전자통신학회 2020 한국전자통신학회 논문지 Vol.15 No.2
현재 석유화학산업단지는 폭발성 가스와 가연성 가스로인하여 언제나 폭발 위험성이 상존하고 있다. 이러한 폭발을 방지하고자 제어기 및 제어기 패널을 포함한 모든 설비에 방폭을 요구하고 있다. 방폭용으로 현재 사용하고 있는 제어기 패널은 패널의 내부와 외부의 압력(양압)과 온도를 일정하게 유지를 위해 외부에서 수동으로 공기를 주입하는 방식을 사용하고 있다. 이에 본 논문은 자동으로 압력과 온도를 제어할 수 있는 방폭형 패널의 통합 제어기 설계를 제안한다. Currently, the petrochemical industry complex always has remained with the explosive riskiness due to explosive and inflammable gases. In order to prevent explosion, all kind of equipment or facility including controller and its panel requires explosive proof. The control panel, which is currently used as explosive proof, has been used as the air injection method by manually from outside to constantly keep the temperature and pressure between inside and outside of the panel. In this paper, we propose the design of integrated controller of explosive proof panel which can control pressure and temperature automatically.
-
박귀만(Gwi-Man Bak),배영철(Young-Chul Bae) 한국전자통신학회 2019 한국전자통신학회 논문지 Vol.14 No.6
지진이 발생하기 전 • 후에 지하수 수위는 급격하게 변화되는 것으로 알려져 있으며 지진 예측을 위해 지하수 수위 변화를 이용한다. 본 연구는 지진을 예측에 사용하기 위해 ANFIS 알고리즘을 이용한 밀양시의 지하 수수위를 예측한다. 이를 위해 본 논문에서는 경남 밀양시의 기상청의 강수량, 기온 데이터와 한국농어촌공사 농촌지하수관측망의 지하수수위 데이터가 사용되었다. 예측 측정을 위해 RMSE, MAPE 오차 계산 방법을 사용하였다. 예측 결과 수위가 자연적인 요인에 의해 주기적인 패턴은 예측이 되었으나 인위적인 요인 등 다른 변수에 의해 변동되는 지하수수위 변화값은 감지하지 못하였다. 이를 해결하기 위해서는 지하수수위를 인위적인 변수 등을 수치화하여 데이터화 하는 것과 지하수수위를 측정한 관측공의 정확한 위치에 따른 강수량과 기압 등이 필요하다. It is well known that the ground water level changes rapidly before and after the earthquake, and the variation of ground water level prediction is used to predict the earthquake. In this paper, we predict the ground water level in Miryang City using ANFIS algorithm for earthquake prediction. For this purpose, this paper used precipitation and temperature acquired from National Weather Service and data of underground water level from Rural Groundwater Observation Network of Korea Rural Community Corporation which is installed in Miryang city, Gyeongsangnam-do. We measure the prediction accuracy using RMSE and MAPE calculation methods. As a result of the prediction, the periodic pattern was predicted by natural factors, but the change value of ground water level was changed by other variables such as artificial factors that was not detected. To solve this problem, it is necessary to digitize the ground water level by numerically quantifying artificial variables, and to measure the precipitation and pressure according to the exact location of the observation ball measuring the ground water level.
-
자료기반 학습 LSTM 알고리즘을 이용한 지하수위 예측
박귀만(Gwi-Man Bak),윤호열(Ho-Yeol Yoon),배영철(Young-Chul Bae) 한국지능시스템학회 2020 한국지능시스템학회논문지 Vol.30 No.2
지진 발생 전·후에 지하수위는 급격하게 변화되는 것으로 알려지고 있어 지하수위 예측을 통하여 지진을 예측하는데 이용한다. 지하수위를 강수로 예측한 선행 연구가 있지만 강우에 의한 지하수위 변화가 뚜렷한 지역을 예측하기 때문에 한계가 있다. 본 논문은 LSTM 알고리즘을 이용하여 지진 예측을 위한 지하수위를 예측하는 알고리즘을 제시한다. 본 논문에서는 밀양시에 설치된 한국농어촌공사 농촌지하수관측망의 지하수수위 데이터와 기상청의 강수량, 기온 데이터를 사용하였다. 보다 쉬운 학습을 위해 데이터를 표준화하였고 데이터를 10시간씩 블록으로 만들었다. 예측 정확도를 측정하기 위해 train 95%, test 5%로 각각 지정하여 훈련 데이터로 알고리즘을 훈련시킨 뒤 예측을 하고, RMSE, CORR, MAPE로 계산된 오차척도를 사용하여 예측 정확도를 측정한다. Before and after the earthquake, the underground water level is rapidly changing and it is used to predict earthquakes. This paper presents an algorithm for predicting underground water level for earthquake prediction using LSTM algorithm. Although there is a prior study predicting groundwater levels as precipitation, it is limited because it predicts areas where changes in groundwater levels are evident due to rainfall. For this purpose, this paper used precipitation and temperature acquired from National Weather Service and data of underground water level from Rural Groundwater Observation Network of Korea Rural Community Corporation which is installed in Miryang city, Gyeongnam. We standardized the data to learn easier and, we also make data with 10 hour block. In order to measure accuracy of prediction, we assign 95%, 5% for train data and test data. Respectively, we trained with train data and then we tried prediction, we also measured accuracy of prediction using error criteria by RMSE, CORR and MAPE.
-
박귀만(Gwi-Man Bak),오세랑(Se-Rang Oh),박근호(Geun-Ho Park),배영철(Young-Chul Bae) 한국전자통신학회 2021 한국전자통신학회 논문지 Vol.16 No.6
본 논문은 학문적인 이해를 기반을 둔 예측을 수행하기 위해 FDNN(: Flood drought index neural network) 알고리즘을 제시한다. 데이터에 의존한 예측이 아닌 학문적인 이해를 기반을 둔 예측을 딥러닝에 적용하기 위해, 알고리즘을 수리, 수문학을 기반으로 구성하였다. 강수량의 입력으로 하천의 유량을 예측하는 모델을 구성하여 K-교차검증을 통해 모델의 성능을 측정한다. 제시한 알고리즘의 성능을 증명하기 위해 시계열 예측에서 가장 많이 사용되는 LSTM(: Long short term memory) 알고리즘의 예측 성능과 비교하여 제시한 알고리즘의 우수성을 나타낸다. In this paper, we present FDNN algorithm to perform prediction based on academic understanding. In order to apply prediction based on academic understanding rather than data-dependent prediction to deep learning, we constructed algorithm based on mathematical and hydrology. We construct a model that predicts flow rate of a river as an input of precipitation, and measure the model s performance through K-fold cross validation.
-
ScienceON
스콜라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
