메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정원희 (세종대학교) 박길주 (메타라이츠) 구영현 (세종대학교) 김성현 (한국정보화진흥원) 유성준 (세종대학교) 조영도 (한국가스안전공사)
저널정보
한국전자거래학회 한국전자거래학회지 한국전자거래학회지 제23권 제2호
발행연도
2018.5
수록면
33 - 47 (15page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2018

도시가스 배관압력 예측모델
정원희 ,  박길주 ,  구영현 외 3명 한국전자거래학회지 2018.05 학술저널
도시가스 배관압력 예측을 위한 기계학습 모델 연구
정원희 컴퓨터공학과 2018.01 학위논문

초록· 키워드

오류제보하기
도시가스 배관은 지중에 매설되어 있기 때문에 세부 관리가 어렵고 다양한 위험에 노출되어 있다. 본 연구에서는 도시가스 배관압력 실시간 데이터를 분석해 배관압력 이상을 예측하고 전문가의 의사결정을 돕는 모델을 제안한다. 국내 도시가스 공급업체들 중 하나인 중부도시 가스사의 정압기에서 수집하는 실시간 배관압력 데이터와 시간변수, 외부환경변수를 통합해 분석 데이터로 사용한다. 아산시와 천안시에 위치하는 11개 정압기를 분석 대상으로 하며 분단위 배관압력 예측모델을 구현한다. Random forest, support vector regression(SVR), longshort term memory(LSTM) 알고리즘을 사용해 회귀모델을 구현한 결과 LSTM 모델에서 우수한 성능을 보인다. 아산시 배관압력 예측모델의 경우 LSTM 모델에서 RMSE가 0.011, MAPE가 0.494이며, 천안시 배관압력 예측모델의 경우 LSTM 모델에서 평균제곱근오차(root mean square error, RMSE)가 0.015, 절대평균백분율오차(mean absolute percentage error, MAPE)가 0.668로 가장 낮은 오류율을 보인다.
#랜덤 포레스트 #배관 이상탐지 #서포트 벡터 머신 #Pipeline Defects #Random Forest Regression #Support Vector Regression

목차

초록
ABSTRACT
1. 서론
2. 관련 연구
3. 실시간 배관압력 예측시스템
4. 변수 생성 및 선정
5. 데이터 통합 및 전처리
6. 예측모델 구현 및 실험결과
7. 결론
References

참고문헌 (21)

참고문헌 신청
[학술지(정기간행물)] - Akram, N. A. / 2014 / Active incremental Support Vector Machine for oil and gas pipeline defects prediction system using long range ultrasonic transducers / Ultrasonics 54 (6) : 1534 ~ 1544 Crossref [학술지(정기간행물)] - El-Abbasy, M. S. / 2014 / Artificial neural network models for predicting condition of offshore oil and gas pipelines / Automation in Construction 45 : 50 ~ 65 Crossref [학술지(정기간행물)] - Hochreiter, S. / 1997 / Long short-term memory / Neural computation 9 (8) : 1735 ~ 1780 Crossref [학술지(정기간행물)] - Hwang, K. / 2000 / Characterization of gas pipeline inspection signals using wavelet basis function neural networks / NDT & E International. 33 : 531 ~ 545 Crossref [인터넷자원] - / / Korean Oil Corporation's Petronet google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

시계열 분해 데이터를 이용한 LSTM 기법 기반 항공기 수리부속 수요예측 방안 연구
김진섭 ,  황재성 ,  정재우 경영과학 2020 .06
LSTM 순환 신경망을 이용한 DTG 데이터의 시계열 예측
전승배 ,  정명훈 ,  이태영 외 3명 한국측량학회 학술대회자료집 2020 .07
신재생에너지 장치의 자동 관리를 위한 오토인코더 기반의 이상 진단 모델 개발
이준기 ,  김낙우 ,  이현용 외 1명 한국통신학회 학술대회논문집 2019 .11
AEWGAN을 이용한 고차원 불균형 데이터 이상 탐지
송승환 ,  백준걸 대한산업공학회 추계학술대회 논문집 2019 .11
적대적 생성 모델을 활용한 사용자 행위 이상 탐지 방법
최남웅 ,  김우주 지능정보연구 2019 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-004-002234685