지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.12
- 수록면
- 16 - 26 (11page)
- DOI
- 10.6112/kscfe.2023.28.4.016
이용수
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Recently, there have been attempts to predict shock waves using high performance neural networks. Those studies have a limitation in that it is difficult to explain the internal operation process by using the deep learning model only as a black box model, making it difficult to understand. In this study, artificial intelligence was used to predict the type of the shock wave from the shape of the airfoil. To this end, a total of 500 airfoils were generated by changing eight variables using the Class/Shape-function Transformation(CST) parametrization method, and flow was solved using KFLOW. Using the analysis results, Multi-Layer Perceptron(MLP) was trained to predict the type of the shock wave from the airfoil geometry. Using eXplainable Artificial Intelligence(XAI) techniques Local Interpretable Model-agnostic Explanation(LIME), SHapley Additive exPlanation(SHAP), and Explainable Boosting Machine(EBM), the prediction results of the model were presented in an interpretable form. The analysis results obtained by applying LIME and SHAP to the MLP model were compared with the analysis results of EBM.. As a result of global and local explanation, it was confirmed that the influence of the variable in charge of the upper middle of the airfoil was the greatest on shock wave prediction.
목차
1. 서론
2. 배경 이론
3. 데이터 준비 및 모델링
4. 결과
5. 결론
References
참고문헌 (22)
참고문헌 신청
2019, Kim B.S., Vinicius C.A., Nils T., Theodore K., Markus G. and Barbara S., "Deep Fluids: A Generative Network for Parameterized Fluid Simulations," Journal of Computer graphics forum, Vol.38, No.2, pp.59-70.
2021, "Deep Learning for Flow Prediction in Complex Engineering Applications." (George Em Karniadakis, 2018)
2019, Raissi, M., Perdikaris, P. and Karniadakis, G.E., "Physics-Informed Neural Networks: A Deep Learning Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations," Journal of Computational Physics, Vol.378, p
2023, Park H.S., Hwang W.T., Shin J.H., Cho K.W., Cho S.H. and Choi S.I., "Prediction of an airfoil flow field using artificial intelligence technique and a reduced-order model," KSCFE, Vol.28, No.1, pp.25-34.
2022, Cihat D., Handle A. and Ozgur U.B., "A deep learning approach for the transonic flow field predictions around airfoils," Journal of Computer & Fluids, Vol236, pp.1-32.
2021, "Deep Learning for Flow Prediction in Complex Engineering Applications." (George Em Karniadakis, 2018)
2019, Raissi, M., Perdikaris, P. and Karniadakis, G.E., "Physics-Informed Neural Networks: A Deep Learning Framework for Solving Forward and Inverse Problems Involving Nonlinear Partial Differential Equations," Journal of Computational Physics, Vol.378, p
2023, Park H.S., Hwang W.T., Shin J.H., Cho K.W., Cho S.H. and Choi S.I., "Prediction of an airfoil flow field using artificial intelligence technique and a reduced-order model," KSCFE, Vol.28, No.1, pp.25-34.
2022, Cihat D., Handle A. and Ozgur U.B., "A deep learning approach for the transonic flow field predictions around airfoils," Journal of Computer & Fluids, Vol236, pp.1-32.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
익형의 충격파 예측에 대한 LIME 기법을 적용한 XAI 모델 설계
한국전산유체공학회 학술대회논문집
2023 .05
-
XAI를 이용한 익형의 충격파 예측모델의 설명에 대한 분석
한국전산유체공학회 학술대회논문집
2023 .10
-
딥러닝 기반 개인신용평가모형의 신뢰성 확보를 위한 설명 가능한 인공지능기법의 탐색적 적용
한국지능정보시스템학회 학술대회논문집
2022 .11
-
A Quantitative Comparison of LIME and SHAP using Stamp-Based Distance Method on Image Data
Journal of KIISE
2023 .10
-
Explainable Activity Detection and Classification: SHAP vs LIME
한국통신학회 학술대회논문집
2023 .06
-
설명 가능한 인공지능(XAI, eXplainable AI)를 이용한 익형 역설계 네트워크의 신뢰도 향상
한국항공우주학회 학술발표회 초록집
2021 .07
-
축소모델 기반 데이터 증강을 통한 설명가능한 인공지능의 학습효율 향상과 익형의 공력성능 예측
한국항공우주학회 학술발표회 초록집
2023 .04
-
Distance Method를 바탕으로 한 eXplainable Artificial Intelligence(XAI) 기술의 정량 비교 동향
방송과 미디어
2024 .07
-
어텐션 기반의 설명가능한 신경망을 사용한 충격파 예측
한국전산유체공학회지
2024 .09
-
CNN을 이용한 익형 공력특성 예측
대한기계학회 춘추학술대회
2022 .11
-
SHAP를 활용한 중요변수 파악 및 선택에 따른 잔여유효수명 예측 성능 변동에 대한 연구
산업경영시스템학회지
2021 .12
-
충격파관에서 발생하는 Shock Train 현상의 예측
한국가시화정보학회 학술발표대회 논문집
2017 .05
-
충격파관의 길이와 직경이 Shock Train 현상에 미치는 영향
대한기계학회 논문집 B권
2017 .09
-
LIMEVis: 라임 분석을 위한 상호작용 가능한 시각화 시스템
한국차세대컴퓨팅학회 논문지
2024 .08
-
Shock Tube를 이용한 충격파의 동적 열특성 분석
대한기계학회 춘추학술대회
2019 .05
-
리조트 교차판매 예측모형 개발 및 XAI를 활용한 해석
한국지능정보시스템학회 학술대회논문집
2022 .06
-
프로세스 분석을 위한 설명 가능한 인공지능 기법 비교 연구
전자공학회논문지
2020 .08
-
다중익형 주위의 유동해석 및 익형 배치 효과 연구
한국전산유체공학회 학술대회논문집
2015 .05
-
Control of Shock Train in the Isolator of Hypersonic Engine
한국추진공학회 학술대회논문집
2019 .11
-
충격파관에서 발생하는 반사 충격파와 경계층의 간섭에 대한 연구
대한기계학회 논문집 B권
2017 .07
이 논문의 저자 정보
이 논문과 함께 이용한 논문
심층강화학습을 활용한 유동 해석용 경계층 격자 생성 과정의 학습 조건 연구
임근오
,
이상아
,
이경재
외 1명
한국항공우주학회 학술발표회 초록집
2023
.11
XAI를 이용한 익형의 충격파 예측모델의 설명에 대한 분석
박현빈
,
홍윤표
,
강유업
외 1명
한국전산유체공학회 학술대회논문집
2023
.10
C-RNN 모델을 통한 블랙박스 영상 분석 및 차량 사고 과실 비율 판정 인공지능 기초 모델 연구
윤지원
,
조현지
,
김연희
외 2명
Proceedings of KIIT Conference
2023
.11
설명 가능한 인공지능(XAI)을 이용한 확률 임베딩 벡터 예측에 관한 연구
양성실
,
설현주
Journal of the KNST
2023
.09
감귤 상품성 예측 인공지능 모델 개발
서동민
한국콘텐츠학회 종합학술대회 논문집
2021
.08
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089226633