심층 신뢰망을 이용한 바이오가스 생산량 예측

• 영문명: Forecasting Biogas Production with Deep Belief Network
• 발행기관: 한국자료분석학회
• 저자명: 강수인(Suin Kang) 최호식(Hosik Choi) 장순웅(Soonwoong Chang) 최현집(Hunnjip Choi)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.21 No.6, 2801~2812쪽, 전체 12쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2019.12.31

국문 초록

최근 정부의 신재생에너지 육성 정책과 연계하여 신재생에너지 핵심 생산원 중 하나인 바이오가스의 생산량이 증가하고 있는 추세이다. 더불어 바이오가스 생산 및 예측에 관한 연구의 수요도 증가하고 있다. 그러나 기존의 예측방법들은 바이오가스 생성공정에 포함된 복잡한 상호연계 특성을 방법론에 포함하지 못하는 한계점을 가진다. 본 논문에서는 최근 다양한 분야에서 우수한 실증결과를 보여주는 딥러닝 방법을 바이오가스 생산량 예측 개발 모형에 적용하고자 한다. 제안하는 딥러닝 알고리즘은 기존의 심층 신뢰망(deep belief network) 알고리즘의 변형된 형태로 심층 신뢰망 알고리즘 내에 입력변수와 출력변수에 영향을 주는 주요인자(factor)를 변수로 넣어 주요인자와 출력변수를 모두 예측할 수 있는 새로운 형태의 알고리즘이다. 분석에서는 국내의 실제 바이오가스 플랜트에서 수집된 자료를 이용하여 바이오가스 생산량 예측을 수행하였고, 제안한 알고리즘이 벡터 자기회귀모형 또는 인공신경망보다 예측 정확도가 높음을 확인하였다. 또한 제안한 심층 신뢰망 알고리즘은 주요인자와 출력변수를 예측하기 위해서 개별 모형을 구축해야 하는 다른 방법들과 달리 한 모형 안에서 모두 주요인자와 출력변수를 동시에 예측할 수 있다는 장점을 가지고 있다.

영문 초록

Recently, biogas, one of the key sources of production for renewable energy, has been increasing production in conjunction with government policies. In this regard, research on biogas production and prediction is also increasing. To this end, deep learning, which shows excellent results in various fields, is going to be used to predict the production of biogas. In this paper, the DBN algorithm, a deep learning algorithm using an advanced network of multilayer neural network structure, is used. The proposed algorithm is a new type of algorithm that can predict both the main factor and the output variable by putting a major factor that affects the input and output variables within the DBN algorithm in a modified form of the existing DBN algorithm. In this study, biogas production was predicted using data collected from actual domestic biogas plants, and the proposed DBN algorithm was found to have higher predictive accuracy than vector autoregressive model or artificial neural network, a method that was mainly applied to existing predictions.

목차

1. 서론

2. 방법론

3. 자료분석

4. 결론

References

키워드

딥러닝 심층 신뢰망 제한 볼츠만 기계 바이오가스 deep learning deep belief network restricted boltzmann machine biogas