| 1 |
1
컴퓨팅 디바이스에 의해 수행되는 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법에 있어서,대상 곡관의 압력손실계수(K), 상기 대상 곡관의 형상의 특성 및 작동 유체의 특성을 나타내는 변수 정보를 포함하는 학습 및 예측 성능 판단을 위한 데이터를 수집하는 데이터베이스 구축단계; 및상기 학습 및 예측 성능 판단을 위한 데이터를 인공신경망을 이용한 네트워크를 통해 학습시켜 곡관에서의 압력손실계수(K)를 예측하는 모델을 생성하는 예측모델 생성단계를 포함하는 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법
|
| 2 |
2
제 1 항에 있어서,상기 대상 곡관이 내부 반지름 r인 원형 단면을 가지며, 곡률 반지름은 R이라고 할 때,상기 대상 곡관의 형상의 특성을 나타내는 변수는 R/r로 설정되고, 상기 작동 유체의 특성을 나타내는 변수는 레이놀즈 수(Reynolds number, Re)로 설정되는, 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법
|
| 3 |
3
제 2 항에 있어서,상기 인공신경망 모델은 입력층(input layer), 은닉층(hidden layer), 및 출력층(output layer)을 포함하고,상기 입력층의 입력 데이터는 레이놀즈 수(Re)와 R/r로 설정되는, 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법
|
| 4 |
4
제 3 항에 있어서,상기 입력층에 입력되는 상기 레이놀즈 수(Re)는 log함수를 취하여 데이터 처리하는 과정을 더 포함하는, 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법
|
| 5 |
5
제 1 항에 있어서,상기 인공신경망 모델은 입력층(input layer), 은닉층(hidden layer), 및 출력층(output layer)을 포함하고,상기 입력층은 두 개의 뉴런을 포함하고, 상기 은닉층은 적어도 10개의 뉴런을 포함하며, 상기 출력층은 한 개의 뉴런을 포함하는, 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법
|
| 6 |
6
제 1 항에 있어서,상기 인공신경망 모델은 시그모이드 함수(sigmoid function)를 활성화 함수(activation function)로 갖는, 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법
|
| 7 |
7
제 1 항에 있어서,상기 곡관에서의 압력손실계수를 예측하는 모델을 이용하여 대상 곡관의 압력손실계수를 예측하는 압력손실계수 예측단계를 더 포함하는 인공신경망 모델을 이용한 곡관에서의 압력손실계수 예측모델 생성방법
|
