• Korean Journal of Remote Sensing
• /
• v.38 no.5_3
• /
• pp.913-924
• /
• 2022

In this paper, we presented a database construction of undersea images for the Habitats of Ecklonia cava and Sargassum and conducted an experiment for semantic segmentation using state-of-the-art (SOTA) models such as High Resolution Network-Object Contextual Representation (HRNet-OCR) and Shifted Windows-L (Swin-L). The result showed that our segmentation models were superior to the existing experiments in terms of the 29% increased mean intersection over union (mIOU). Swin-L model produced better performance for every class. In particular, the information of the Ecklonia cava class that had small data were also appropriately extracted by Swin-L model. Target objects and the backgrounds were well distinguished owing to the Transformer backbone better than the legacy models. A bigger database under construction will ensure more accuracy improvement and can be utilized as deep learning database for undersea images.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.261-261
• /
• 2020

물관리의 기본이 되는 연속적인 유량 자료 확보를 위해서는 정확도 높은 수위-유량 관계 곡선식 개발이 필수적이다. 수위-유량 관계곡선식은 모든 수문시설 설계의 기초가 되며 홍수, 가뭄 등 물재해 대응을 위해서도 중요한 의미를 가지고 있다. 그러나 일반적으로 유량 측정은 많은 비용과 시간이 들고, 식생성장, 단면변화 등의 통제특성(control)이 변함에 따라 구간분리, 기간분리와 같은 비선형적인 양상이 나타나 자료 해석에 어려움이 존재한다. 특히, 국내 하천의 경우 자연적 및 인위적인 환경 변화가 다양하여 지점 및 기간에 따라 세밀한 분석이 요구된다. 머신러닝(Machine Learning)이란 데이터를 통해 컴퓨터가 스스로 학습하여 모델을 구축하고 성능을 향상시키는 일련의 과정을 뜻한다. 기존의 수위-유량 관계곡선식은 개발자의 판단에 의해 데이터의 종류와 기간 등을 설정하여 회귀식의 파라미터를 산출한다면, 머신러닝은 유효한 전체 데이터를 이용해 스스로 학습하여 자료 간 상관성을 찾아내 모델을 구축하고 성능을 지속적으로 향상 시킬 수 있다. 머신러닝은 충분한 수문자료가 확보되었다는 전제 하에 복잡하고 가변적인 수자원 환경을 반영하여 유량 추정의 정확도를 지속적으로 향상시킬 수 있다는 이점을 가지고 있다. 본 연구는 머신러닝의 대표적인 알고리즘들을 활용하여 유량을 추정하는 모델을 구축하고 성능을 비교·분석하였다. 대상지역은 안정적인 수량을 확보하고 있는 한강수계의 거운교 지점이며, 사용자료는 2010~2018년의 시간, 수위, 유량, 수면폭 등 이다. 프로그램은 파이썬을 기반으로 한 머신러닝 라이브러리인 사이킷런(sklearn)을 사용하였고 알고리즘은 랜덤포레스트 회귀, 의사결정트리, KNN(K-Nearest Neighbor), rgboost을 적용하였다. 학습(train) 데이터는 입력자료 종류별로 조합하여 6개의 세트로 구분하여 모델을 구축하였고, 이를 적용해 검증(test) 데이터를 RMSE(Roog Mean Square Error)로 평가하였다. 그 결과 모델 및 입력 자료의 조합에 따라 3.67~171.46로 다소 넓은 범위의 값이 도출되었다. 그 중 가장 우수한 유형은 수위, 연도, 수면폭 3개의 입력자료를 조합하여 랜덤포레스트 회귀 모델에 적용한 경우이다. 비교를 위해 동일한 검증 데이터를 한국수문조사연보(2018년) 내거운교 지점의 수위별 수위-유량 곡선식을 이용해 유량을 추정한 결과 RMSE가 3.76이 산출되어, 머신러닝이 세분화된 수위-유량 곡선식과 비슷한 수준까지 성능을 내는 것으로 확인되었다. 본 연구는 양질의 유량자료 생산을 위해 기 구축된 수문자료를 기반으로 머신러닝 기법의 적용 가능성을 검토한 기초 연구로써, 국내 효율적인 수문자료 측정 및 수위-유량 곡선 산출에 도움이 될 수 있을 것으로 판단된다. 향후 수자원 환경 및 통제특성에 영향을 미치는 다양한 영향변수를 파악하기 위해 기상자료, 취수량 등의 입력 자료를 적용할 필요가 있으며, 머신러닝 내 비지도학습인 딥러닝과 같은 보다 정교한 모델에 대한 추가적인 연구도 수행되어야 할 것이다.

• Journal of the Korean earth science society
• /
• v.38 no.7
• /
• pp.522-534
• /
• 2017

The purpose of this study is to verify urban flow and thermal environment by using the simulated Computational Fluid Dynamics (CFD) model in the area of Gangnam Seonjeongneung, and then to compare the CFD model simulation results with that of Seonjeongneung-monitoring networks observation data. The CFD model is developed through the collaborative research project between National Institute of Meteorological Sciences and Seoul National University (CFD_NIMR_SNU). The CFD_NIMR_SNU model is simulated using Korea Meteorological Administration (KMA) Local Data Assimilation Prediction System (LDAPS) wind and potential temperature as initial and boundary conditions from August 4-6, 2015, and that is improved to consider vegetation effect and surface temperature. It is noticed that the Root Mean Square Error (RMSE) of wind speed decreases from 1.06 to $0.62m\;s^{-1}$ by vegetation effect over the Seonjeongneung area. Although the wind speed is overestimated, RMSE of wind speed decreased in the CFD_NIMR_SNU than LDAPS. The temperature forecast tends to underestimate in the LDAPS, while it is improved by CFD_NIMR_SNU. This study shows that the CFD model can provide detailed and accurate thermal and urban area flow information over the complex urban region. It will contribute to analyze urban environment and planning.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.48 no.3
• /
• pp.54-68
• /
• 2011

As the prediction accuracy of conditional branch instruction is increased highly, the importance of prediction accuracy for unconditional branch instruction is also increased accordingly. Except the case of RAS(Return Address Stack) overflow, the prediction accuracy of function return address should be 100% theoretically. However, there exist some possibilities of miss-predictions for RAS return addresses, when miss-speculative execution paths are invalidated, in case of modern speculative microprocessor environments. In this paper, we propose the RAS rename technique to prevent RAS pollution, results in the reduction of RAS miss-prediction. We divide a RAS stack into a soft-stack and a hard-stack and we handle the instructions for speculative execution in the soft-stack. When some overwrites happen in the soft-stack, we move the soft-stack data into the hard-stack. In addition, we propose an enhanced version of RAS rename scheme. In simulation results, our solution provide 1/90 reduction of miss-prediction of function return address, results in up to 6.85% IPC improvement, compared to normal RAS method. Furthermore, it reduce miss-prediction ratio as 1/9, compared to previous technique.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.11
• /
• pp.527-536
• /
• 2017

With the recent development of smart grid industry, the necessity for efficient EMS(Energy Management System) has been increased. In particular, in order to reduce electric load and energy cost, sophisticated electric load forecasting and efficient smart grid operation strategy are required. In this paper, for more accurate electric load forecasting, we extend the data collected at demand time into high time resolution and construct an artificial neural network-based forecasting model appropriate for the high time resolution data. Furthermore, to improve the accuracy of electric load forecasting, time series data of sequence form are transformed into continuous data of two-dimensional space to solve that problem that machine learning methods cannot reflect the periodicity of time series data. In addition, to consider external factors such as temperature and humidity in accordance with the time resolution, we estimate their value at the time resolution using linear interpolation method. Finally, we apply the PCA(Principal Component Analysis) algorithm to the feature vector composed of external factors to remove data which have little correlation with the power data. Finally, we perform the evaluation of our model through 5-fold cross-validation. The results show that forecasting based on higher time resolution improve the accuracy and the best error rate of 3.71% was achieved at the 3-min resolution.

• The Journal of Engineering Geology
• /
• v.25 no.4
• /
• pp.587-598
• /
• 2015

We examined various existing threshold methods for the determination of the first arrival time of acoustic emission (AE), and developed a new variable threshold method that could determine the first arrival time of AE more accurately and more quickly than existing methods. The new method, a modification of an existing threshold method, does not fix the threshold, but applies variable thresholds for the AE signals according to noise analysis. Two- and three-dimensional models were established to test the effectiveness of the new method. It could determine source locations of AE in a two-dimensional model 38.3% more accurately than the pre-existing threshold methods. Its accuracy improvement over the existing methods in a three-dimensional model was about 15.2%. A practical test involved measuring the source locations of AE during three-point bending tests of granite cores. The new method placed the sources closer to the fracture plane than did the pre-existing methods, indicating its superior (and quicker) ability to determine the source locations of AE.

• Journal of Korea Water Resources Association
• /
• v.39 no.3 s.164
• /
• pp.187-198
• /
• 2006

Korea Water Resources Corporation(KOWACO) has developed the Integrated Real-time Water Management System(IRWMS) that calculates monthly optimal ending target storages by using Sampling Stochastic Dynamic Programming(SSDP) with Ensemble Streamflow Prediction(ESP) running on the $1^{st}$ day of each month. This system, however, has a shortcoming: it cannot reflect the hydrolmeteorologic variations in the middle of the month. To overcome this drawback, in this study updated ESP forecasts three times each month by using the observed precipitation series from the $1^{st}$ day of the month to the forecast day and the historical precipitation ensemble for the remaining days. The improved accuracy and its effect on the reservoir operations were quantified as a result. SSDP/ESP21 that reflects within-a-month hydrolmeteorologic states saves $1\;X\;10^6\;m^3$ in water shortage on average than SSDP/ESP01. In addition, the simulation result demonstrated that the effect of ESP accuracy on the reduction of water shortage became more important when the total runoff was low during the drawdown period.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.32 no.6
• /
• pp.561-568
• /
• 2020

Wave measurements using X-band radar have many advantages compared to other wave gauges including wave-rider buoy, P-u-v gauge and Acoustic Doppler Current Profiler (ADCP), etc.. For example, radar system has no risk of loss/damage in bad weather conditions, low maintenance cost, and provides spatial distribution of waves from deep to shallow water. This paper presents new methods for estimating significant wave heights of X-band marine radar images using Artificial Neural Network (ANN). We compared the time series of estimated significant wave heights (Hs) using various estimation methods, such as signal-to-noise ratio (${\sqrt{SNR}}$), both and ${\sqrt{SNR}}$ the peak period (TP), and ANN with 3 parameters (${\sqrt{SNR}}$, TP, and Rval > k). The estimated significant wave heights of the X-band images were compared with wave measurement using ADCP(AWC: Acoustic Wave and Current Profiler) at Hujeong Beach, Uljin, Korea. Estimation of Hs using ANN with 3 parameters (${\sqrt{SNR}}$, TP, and Rval > k) yields best result.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.782-782
• /
• 2012

지금까지 우리나라에서는 도시하수, 공장폐수 등의 점오염원에 국한하여 중점적으로 수질관리를 실행하여 부분적으로 효과를 얻을 수 있었으나, 하천과 호소의 수질은 크게 향상되지 않고 있다. 이는 급속한 도시화와 산업발달로 토지개발이 가속화되고 대지, 도로, 주차장 등 불투수층 면적이 늘어남에 따라 비점오염원에 의한 하천, 호소의 수질영향도가 커지고 있기 때문이다. 인구증가로 인해 물 사용량 뿐만 아니라 이에 따라 배출되는 오염원의 종류 및 오염부하량 역시 함께 증가하고 있다. 장래의 수질관리 성공여부는 비점오염원의 효율적인 관리여부가 큰 변수로 작용할 것으로 본다. 따라서 공공수역의 수질관리를 위해서는 토지이용과 지역특성을 고려한 비점오염원 부하량의 합리적인 조사, 오염 부하량 절감을 위한 관리기술의 개발, 비점오염원 관리정책의 개발 및 수질모형을 이용한 정확한 수질예측 등이 필요하다. 따라서 본 연구에서는 공간정보를 바탕으로 한 낙동강 유역에서의 비점오염원 정량화 분석을 수행하고자 한다. 우선 대상유역으로 낙본 G유역을 선정하여 이에 대한 조사를 통해 점오염원의 실측자료를 구축하고 이를 HSPF의 입력하여 모의를 수행하여 대상유역에 대한 실측치를 이용해 모형의 보정과 검증을 수행한다. 이러한 과정을 통해 도출된 결과는 대상유역의 총 오염량을 의미한다. 따라서 위의 과정에서 도출된 매개변수를 이용하고, 점오염원을 제거한 뒤 모의를 재수행하여 나온 결과가 대상유역의 비점오염원의 양이라 판단하였다. 모의 결과 대상유역인 낙본 G유역에서 약 39% 정도의 비점오염원 비율을 보였다. 그러나 수질 및 유량 관측치를 지금까지는 국립환경과학원 낙동강물환경연구소 유량측정데이타를 사용하고 있는데 이 자료는 8일 이상 간헐적으로 측정이 수행되고 있다. 따라서 검 보정 대상이 되는 실측치의 자료의 부족과 부정확한 유역이 있음이 한계점으로 작용한다. 그러므로 추후의 신경망 모형이나 기타 실측치 보간에 있어서의 신뢰도를 높이는 기법 개발이나 측정제도의 보편적인 기술의 증대도 앞으로의 모델링에 있어서 중요할 것으로 판단된다. 또한 유역수질모형의 모델링 과정에서 좀 더 신뢰도 높은 측정자료와 그 측정자료를 활용하여 PEST 보정기법을 적용한다면 더욱 정확한 예측이 이루어질 수 있을 것이며, 본 연구에서의 평가방법을 바탕으로 유역수질모델링이 이루어진다면 보다 더 정확성 높은 비점오염원 정량화와 수질 예측이 수행될 수 있을 것이며 더 나아가 오염총량제의 수행에 효과적으로 적용될 것으로 판단된다.

• Journal of rehabilitation welfare engineering & assistive technology
• /
• v.7 no.2
• /
• pp.19-26
• /
• 2013

This paper propose a surface EMG signal based gait phase recognition method that selects features and channels adaptively. The proposed method can be used to control powered artificial prosthetic for lower limb amputees and can reduce overhead in real-time pattern recognition by selecting adaptive channels and features in an embedded device. The method can enhance the classification accuracy by adaptively selecting channels and features based on sensitivity and specificity of each subject because EMG signal patterns may vary according to subject's locomotion convention. In the experiments, we found that the muscles with highest recognition rate are different between human subjects. The results also show that the average accuracy of the proposed method is about 91% whereas those of existing methods using all channels and/or features is about 50%. Therefore we assure that sEMG signal based gait phase recognition using small number of adaptive muscles and corresponding features can be applied to control powered artificial prosthetic for lower limb amputees.