인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
Long-term operation of oil-immersed transformers degrades the internal insulation paper, making stable insulation performance difficult to maintain. This study evaluates a forward physics-informed neural network (PINN) for predicting the degree of polymerization (DP) of transformer insulation paper using synthetic data generated from the analytical solution of the Emsley model with relative Gaussian noise. PINN, ANN and LSTM share training observations, normalization and evaluation grids, while only PINN receives the governing equation, its true parameters and a noise-free initial condition. Temperature is fixed at 98 °C. With three observations, PINN achieves a median RMSE approximately 1/11.5 that of ANN and 1/54.0 that of LSTM, both trained with fifty observations. Interpolation and extrapolation errors are reported separately, and sensitivity to physical parameter misspecification is evaluated. These comparisons quantify the benefit of exact physical prior information under controlled synthetic conditions; they do not establish the necessity of a neural solver when the analytical solution is known or demonstrate performance on field measurements.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
