정수장 운영효율 향상을 위한 ELM 기반 단기 물 수요 예측|RISS 상세보기

국문 초록 (Abstract)

본 논문에서는 단기 물 수요 예측에 대한 모델구현을 위해 MLP의 과도학습 문제를 해결할 수 있고 빠른 학습이 가능한 ELM 기반 단기 물 수요 예측 알고리즘을 제안한다. 제시된 알고리즘의 검증을 위해 2007년도와 2008년도 충남지역 광역상수도인 A정수장에서 취득된 데이터를 분석하여 알고리즘 구현의 정확도 분석에 사용하였다. 실험결과 MLP모델은 MAPE가 5.82[%]인 반면, 제안된 방법인 ELM 기반 모델은 5.61[%]로 성능이 향상된 것으로 나타났다. 또한, MLP모델은 학습에 소요된 시간이 7.57초인 반면, ELM 기반 모델은 0.09초로 빠른 학습이 가능함을 알 수 있었다. 따라서 제안된 ELM 기반 알고리즘은 정수장의 효율적 운영을 위한 단기 물 수요 예측에 활용할 수 있음을 보였다.

번역하기

본 논문에서는 단기 물 수요 예측에 대한 모델구현을 위해 MLP의 과도학습 문제를 해결할 수 있고 빠른 학습이 가능한 ELM 기반 단기 물 수요 예측 알고리즘을 제안한다. 제시된 알고리즘의 검...

다국어 초록 (Multilingual Abstract)

In this paper, we develop an ELM(Extreme Learning Machine) based short-term water demand prediction algorithm which solves overfitting problem of MLP(Multi Layer Perceptron) and has quick training time. To show effectiveness of proposed method, we analyzed time series data collected in A water treatment plant at Chung-Nam province during 2007～2008 years and used the selected data for the verification of developed algorithm. According to the experimental results, MLP model showed 5.82[%], but the proposed ELM based model showed 5.61[%] with respect to MAPE, respectively. Also, MLP model needed 7.57s training time, but ELM based model was 0.09s. Therefore, the proposed ELM based short-term water demand prediction model can be used to operate the water treatment plant effectively.

번역하기

목차 (Table of Contents)

요약
Abstract
1. 서론
2. 수처리 시스템 개요
3. ELM 기반 물 수요 예측 알고리즘

요약
Abstract
1. 서론
2. 수처리 시스템 개요
3. ELM 기반 물 수요 예측 알고리즘
4. 실험 및 결과 분석
5. 결론
References
저자소개

참고문헌 (Reference)

1 구자용, "시스템 다이내믹스법을 이용한 서울특별시의 장기 물수요예측" 대한상하수도학회 20 (20): 187-196, 2006

2 Ishmael S. Msiza, "Water Demand Prediction using Artificial Neural Networks and Support Vector Regression" 3 (3): 1-8, 2008

3 G. B. Huang, "Universal Approximation Using Incremental Constructive Feedforward Networks With Random Hidden Nodes" 17 : 879-892, 2006

4 Ministry of Environment, "Standard of waterworks facilities" KWWA 2004

5 Kyung-Hoon Rhee, "Forecasting of Urban Daily Water Demand by using Backpropagation Algorithm Neural Network" 12 (12): 43-52, 1998

6 G. B. Huang, "Extreme learning machine:theory and applications" 70 (70): 489-501, 2006

7 G. B. Huang, "Extreme learning machine:a new learning scheme of feedforward neural netowrks" 2 : 985-990, 2004

8 G. B. Huang, "Enhanced random search based incremental extreme learning machine" 71 : 3460-3468, 2008

9 조재훈, "Bacterial foraging algorithm 을 이용한 extreme learning machine의 피라미터 최적화" 한국지능시스템학회 17 (17): 807-812, 2007

10 Kyung-Hoon Rhee, "Application of ANFIS for Prediction of Daily Water Supply" 14 (14): 281-290, 2000