http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
여영구,오세천 漢陽大學校 環境工學硏究所 1998 環境科學論文集 Vol.19 No.-
광화학적 대기오염에 있어서의 오존형성을 규명하기 위하여 빛의 강도, 반응물의 초기 농도 그리고 온도 및 습도의 영향을 고려한 반응 모델식을 이용하여 ?? 시스템에 대한 모사연구를 수행하였으며 습도의 영향을 고려하기 위하여 H₂O에 의한 N₂O5의 손실반응을 고려하였다. 모사결과는 smog-chamber 실험결과와 잘 일치하였다. 또한 본 연구에서는 오존 발생 예측 시스템의 개발에 있어서 쌍일차 모델의 성능 및 효용성을 확인하기 위하여 오존 발생량에 대하여 쌍일차 모델 및 선형 모델을 이용한 모델인식 모사실험을 하였다. 모델인식에 있어서는 ARMA 모델을 사용하였으며 모델의 파라미터를 평가하기 위하여 방정식 오차법에 근거한 연속 파라미터 평가 알고리즘을 적용하였다. 모델인식 실험결과로부터 쌍일차 모델을 이용한 오존 발생량과 본 연구에서 개발한 모사기로부터 얻은 오존 발생량이 거의 일치함을 알 수 있었다. The simulation of ?? system was performed by using a detailed reaction model in order to characterize ozone formation in photochemical air pollution. To consider the effect of humidity the loss reactions of ?? by H₂O were included in the model developed in the present study. The results of simulations showed a good agreement with smog-chamber experimental data. To verify the performance and effectiveness of bilinear model for the development of ozone prediction system the simulation experiments of the model identification for ozone formation were performed by using bilinear and linear models ARMA model was used in the model identification. A recursive parameter estimation algorithm based on an equation error method was used to estimate parameters of model. From the results of model identification experiment, the ozone formation by bilinear model showed good agreement with the ozone formation from the simulator developed in this study.
여영구,손상현,오세천 漢陽大學校 環境工學硏究所 1999 環境科學論文集 Vol.20 No.-
통계적 방법을 이용하여 오존 형성의 예측에 관한 연구를 수행하였다. 통계적 방법으로는 파라미터 평가 방법과 인공신경 회로망 방법이 적용되었다. 파라미터 평가 방법에는 실시간 파라미터를 평가하기 위하여 ELS 및 RML 방법이 사용되었으며 오존 형성의 모델로는 ARMAX 모델을 사용하였다. 또한 3층 구조를 갖는 인공신경 회로망 방법을 이용하여 오존 형성의 예측 시험을 수행하였으며 본 연구에 사용된 통계적 방법의 성능을 평가하기 위하여 오존 형성의 예측결과를 실제자료와 비교 분석을 하였다. 실제 자료와의 비교를 통하여 파라미터 평가 방법 및 인공신경 회로망 방법에 근거한 예측방법이 제한된 예측 구간 내에서 만족할 만한 성능을 보임을 확인할 수 있었다. The prediction of ozone formation was studied using the stochastic method, Parameter estimation method and artificial neural network(ANN) method were employed in the stochastic scheme. In the parameter estimation method, extended least squares(ELS) method and recursive maximum likelihood(RML) were used to achieve the real time parameter estimation. Autoregressive moving average model with external input(ARMAX)was used as the ozone formation model for the parameter estimation method, ANN with 3 layers was also tested to predict the ozone formation. To demonstrate the performance of the ozone formation prediction schemes used in this work, the prediction results of ozone formation were compared to the real data. From the comparison it was found that the prediction schemes based on the parameter estimation method and ANN method show an acceptable accuracy with limited prediction horizon.