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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
기세일 (한국석유공사) 서정규 (한국석유공사) 권오광 (한국석유공사) 장일식 (조선대학교)
저널정보
한국자원공학회 한국자원공학회지 한국자원공학회지 Vol.56 No.5
발행연도
2019.10
수록면
416 - 426 (11page)

이용수

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

초록· 키워드

오류제보하기
이 연구에서는 딥러닝의 일종인 순환신경망(Recurrent Neural Network, RNN) 기법을 사용하여 생산정의 일부구간의 누락된 압력자료를 예측하는 방법을 제시하였다. 장단기 기억(Long Short-Term Memory, LSTM) 셀을 채택한 RNN은 시계열 데이터에 대한 예측 성능이 우수한 방법이다. 생산정의 정저와 정두에 설치된 게이지를 통해 측정된 압력자료는 게이지 오류, 노이즈, 아웃라이어, 미작동 등 다양한 원인으로 비정상적인 결과를 제공하는 경우가 빈번하다. 이 연구에서는 이러한 현장자료의 전처리를 통해 주어진 자료의 보정을 선행한 후, LSTM-RNN을 통해 누락된 정두압력을 예측하였다. 이 결과를 PipeSim을 사용하여 생산관 모델링을 통해 도출한 정두압력과 비교하여 LSTM-RNN의 적용성을 분석하였다.

목차

Abstract
요약
서론
본론
결론
References

참고문헌 (0)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088363431