• 해양환경안전학회지
• /
• 제18권6호
• /
• pp.545-550
• /
• 2012

풍력발전 단지의 설계시 풍력 자원 평가 과정은 필수적인 과정이다. 풍력 자원 평가를 위해 장기풍황(20년)자료를 이용하여야 하지만 장기간 관측하는 것은 어렵기 때문에 예정지의 1년 이상의 관측데이터로 평가를 실시하였다. 예정지의 단기 풍황탑(Met-Mast; Meteorology Mast) 자료를 주변의 장기관측 자료인 자동기상관측(AWS; Automatic Weather Station)데이터를 이용하여 수학적 보간법으로 예정지의 데이터를 장기 데이터로 변환한 것을 MCP(Measure-Correlative-Predict)기법이라 한다. 본 연구에서는 MCP기법 중 선형 회계방법을 적용하였다. 선택된 MCP 회귀 모델식에 따라 제주 북동부 구좌지역의 AWS데이터를 제주 북동부 한동 지역의 Met-mast 데이터에 적용하여 연간 에너지 생산량을 예측 하였다. 예정지의 단기 풍황을 이용하였을 때와 보정된 장기 풍황을 이용하여 때 연간 에너지 생산량을 비교하였다. 그 결과 연간 약 3.6 %의 예측오차를 보였고, 이는 연간 약 271 MW의 에너지 생산량의 차이를 의미한다. 풍력발전기의 생애주기인 20년을 비교 하였을 때 약 5,420 MW의 차이를 나타내었으며, 이는 약 9개월 정도의 에너지 생산량과 비슷한 수준이다. 결과적으로, 제안 된 선형 회귀 MCP 방법을 이용하는 것이 단기관측 자료를 통한 불확식성을 제거하는 합리적인 방법으로 판단된다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.310-318
• /
• 2018

최근 사물인터넷(IoT)의 등장으로 인터넷에 연결된 다양한 기기들에 의해 대규모의 데이터가 생성됨에 따라 빅데이터 분석의 중요성이 증가하고 있다. 특히 실시간으로 생성되는 대규모의 IoT 스트리밍 센서 데이터를 분석하여 새로운 의미 있는 미래 예측을 통해 다양한 서비스를 제공하는 것이 필요하게 되었다. 본 논문은 AWS를 활용하여 IoT 센서로부터 생성되는 스트리밍 데이터에 기반하여 실시간 실내 PM10 농도 예측 LSTM 모델을 제안한다. 또한 제안 모델에 따른 실시간 실내 PM10 농도 예측 서비스를 구축한다. 논문에 사용된 데이터는 PM10 IoT 센서로부터 24시간 동안 수집된 스트리밍 데이터이다. 이를 LSTM의 입력 데이터로 사용하기 위해 PM10 시계열 데이터로부터 30개의 연속된 값으로 이루어진 시퀀스 데이터로 변환한다. LSTM 모델은 바로 인접한 공간으로 이동해 가는 슬라이딩 윈도우 프로세스를 통하여 학습한다. 또한 모델의 성능 개선을 위해 24시간마다 수집한 스트리밍 데이터에 대해 점진적 학습 방법을 적용한다. 제안한 LSTM 모델의 성능을 평가하기 위해 선형회귀 모델 및 순환형 신경망(RNN) 모델과 비교한다. 실험 결과는 제안한 LSTM 예측 모델이 선형 회귀보다 700%, RNN 모델보다는 140% 성능 개선이 있음을 보여주었다.

• 한국수소및신에너지학회논문집
• /
• 제32권6호
• /
• pp.592-611
• /
• 2021

In this study a rarely available high-throughput cycling data set of 124 commercial lithium iron phosphate/graphite cells cycled under fast-charging conditions, with widely varying cycle lives ranging from 150 to 2,300 cycles including in-cycle temperature and per-cycle IR measurements. We worked out own Python codes which reproduced the various data plots and machine learning approaches for cycle life prediction using early cycles and more details not presented in the article and the supplementary information. Particularly, we applied regularized ridge, lasso and elastic net linear regression models using features extracted from capacity fade curves, discharge voltage curves, and other data such as internal resistance and cell can temperature. We found that due to the limitation in the quantity and quality of the data from costly and lengthy battery testing a careful hyperparameter tuning may be required and that model features need to be extracted based on the domain knowledge.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.513-515
• /
• 2022

스마트팩토리 환경에서 사물인터넷 장치를 이용해 수집한 제조 데이터는 외부 요인에 의한 노이즈를 제외하면 대체적으로 신뢰할 수 있다. 하지만 기계적으로 수집되는 제조 데이터와 달리 현장 작업자가 직접 기록하는 공정 데이터는 오기입이나 기입 누락과 같은 문제가 발생할 수 있으므로, 인공지능 모델의 학습 데이터로 사용하기 전에 반드시 유효성을 검증해야만 한다. 본 논문에서는 MCT 머신의 전력 사용량과 작업자가 기록한 제품 생산량이 선형적인 관계가 있다는 점에 착안해 로버스트 선형 회귀를 이용하여 작업자의 이상 기록을 탐지하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 1995년도 춘계학술대회논문집; 전남대학교, 19 May 1995
• /
• pp.147-152
• /
• 1995

실험에 의한 모우드 해석 방법들은 1980년대부터 활발히 연구되어 많은 새로운 방법들이 개발되어 발표되었다. 그러나 개발된 대부분의 방법들은 측정된 데이타를 일괄처리하는 밸치(또는 off-line) 방법들이다. 최근에는 시간에 따라서 변하는 구조물의 동특성을 규명하는 분야에 모우드 해석 방법이 응용되어 사용되고 있다. 이러한 응용분야에서는 모우드 변수들의 변화되는 값을 새로운 데이타가 샘플링 될 때마다 그 값들을 수정하면서 추정할 수 있는 회귀적인(recursive 또는 on-line) 방법을 사용하여야 한다. Davies와 Hammond[1]는 회귀적 선형 자승법(Recursive Least Squares : RLS)을 이용하여 모우드 변수를 구하고 이를 벧치방법인 Instrumental Variable 방법과 Fourier 방법의 결과와 비교하였다. 그러나, 그 결과에서 보여준것처럼 RLS 방법은 잡음 대 시호비가 낮을 때에만 모우드 변수 값들을 정확하게 추정할 수 있었다. Sundararajan과 Montgomrey[2]는 회귀적 선형 최소자승 격자필터(lattice filter)를 이용하여 구조물의 차수(order)와 고유진동형, 그리고 진폭을 결정한 후 이를 토대로 회귀적 gradient형태의 방정식 오차 규명 방법(equation-error identification algorithm)에 의하여 모우드 변수들을 추정하였다. 이 방법은 2차원 격자구조물의 모우드 변수 추정에 사용되었으며, 또한 적응모우드제어에도 성공적으로 이용되었다. 그러나, 이 방법도 잡음 대 신호비가 낮은 환경에서만 사용할 수 있다는 단점이 있다. 위에서 언급한 방법들은 모두 RLS 방법을 기초로 하여 개발되었으나, RLS 방법은 전형적인 결정적(deterministic)방법으로서 잡음이 섞인 데이타를 처리하기에는 부적절한 방법임이 널리 알려진 사실이다[3]. 최근에 Ben Mrad와 Fassois[4]는 신호에 잡음이 존재하여도 이를 잘 처리할 수 있는 확률적(stochastic) 방법을 개발하여 기존의 결정적 방법들과 그 결과를 비교하였다. 그러나, 개발된 방법은 응답 신호에 백색잡음(white noise)이 섞이는 특수한 경우에만 사용할 수 있게 만들어져서 이 방법의 실질적인 적용에는 어려움이 있다. 본 연구에서는 기존의 방법들의 단점을 극복할 수 있는 새로운 회귀적 모우드 변수 규명 방법을 개발하였다. 이는 Fassois와 Lee가 ARMAX모델의 계수를 효율적으로 추정하기 위하여 개발한 뱉치방법인 Suboptimum Maximum Likelihood 방법[5]를 기초로 하여 개발하였다. 개발된 방법의 장점은 응답 신호에 유색잡음이 존재하여도 모우드 변수들을 항상 정확하게 구할 수 있으며, 또한 알고리즘의 안정성이 보장된 것이다.

• 대한자기공명의과학회:학술대회논문집
• /
• 대한자기공명의과학회 2001년도 제6차 학술대회 초록집
• /
• pp.173-173
• /
• 2001

목적： 1.5T 생체용 자기공명영상기기를 이용한 수소자기공명분광법으로 용액 내 물질의 정량분석에 대한 가능성을 알아보고자 하였다. 대상 및 방법： 0.01％에서 50％까지의 여러 농도를 갖는 포도당+증류수 혼합액의 모델용액을 만들어 생체용 자기공명영상기기와 시험관 nuclear magnetic resonance (NMR) 분광기에서 각각 수소 자기공명분광법을 시행하여 스펙트럼을 얻었다. 또한 12명의 당뇨환자에서 방광내의 소변에 대해 생체용 자기공명영상기기에서 스펙트럼을 얻고 소변을 추출하여 시험관 NMR 분광기에서 수소자기공명분광법을 시행하였다 각각의 방법으로 얻은 스펙트럼 상에서 포도당 농도에 따른 포도당/물 피크의 면적 비의 변화를 구하였고, 통계처리는 상관분석과 단순선형회귀분석을 시행하였고 회귀식을 산출하였다. 또한 생체용 자기공명영상기기를 이용하여 얻은 결과가 객관적인지 알아보기 위해 시험관 NMR 분광기에서 얻은 결과와의 상관관계를 분석하였다.

• 방송공학회논문지
• /
• 제19권6호
• /
• pp.798-809
• /
• 2014

본 논문에서는 블랙박스 혹은 운전석에 장착된 카메라로부터 얻어진 차량 영상에 대한 영역별 수직 투영 히스토그램 매칭 및 선형 회귀분석 모델을 활용한 강건한 차량 운행 동영상의 안정화 기법을 제안한다. 동영상 안정화 기법은 영상의 흔들림 보정 뿐 아니라 동영상 내 강건한 특징점 추적 및 매칭을 위한 이전의 전처리 과정으로 활용된다. 일반적으로 촬영 과정에서 많은 떨림이 포함될 수 있는 야외 CCTV 영상이나 손으로 들고 촬영된 동영상에 대한 흔들림 보정 등에 적용되고 있으나 영상 내 특징점이 지속적으로 변하고 영상의 변화 정도가 매우 심한 차량 운행 동영상에서는 적용된 사례가 드물다. 본 연구에서는 일반적인 비디오 안정화 기술이 적용되기 어려운 차량 운행 동영상에 대하여 흔들림 보정을 위한 동영상 안정화 기법을 제안한다. 제안된 기법은 입력 영상에 대한 영역별 수직 투영 히스토그램 매칭을 수행하고 선형 회귀모델을 통해 영상에 나타나는 수직 및 회전 이동 변환을 선형 근사하여 시간 영역상에서의 입력 영상에 대한 안정화를 수행한다. 제안 방법의 검증을 위해 블랙박스로 촬영된 동영상에 동영상 안정화 기술을 적용하였으며, 운행 중 불규칙한 노면으로 인한 영상의 흔들림이 효과적으로 제거되는 것을 확인할 수 있었다.

• 한국수자원학회논문집
• /
• 제30권6호
• /
• pp.641-648
• /
• 1997

상관계수가 변수간의 선형 상관관계를 나타내듯이 mutual information은 변수간의비선형 상관관계를 나타내준다. 본 논문에서는 mutual information 추정법으로 다변수 핵 미도함수(multivariate kernel density estimator)를 이용한 방법이 여러 time lags값에 대하여 산정 되었다. 많은 수문자료에서 보여지는 비선형 관계를 Mutual Information으로 확인하여 보았고, 또한 Mutual Information값이 거의 0인 점에서 optimal delay time을 구하여, 하나의 자료로부터 다변수 회귀분석 모델을 만들 때 이용할 수 있다.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.87-96
• /
• 2022

고령보행자를 포함한 교통약자는 신체적 능력이 저하되어 보행속도가 상대적으로 낮으며, 인지반응시간이 느린 특성을 가지고 있지만, 현재 교통약자를 위한 보행신호는 0.8m/s로 일률적으로 적용하고 있다. 문제점을 개선하기 위하여 스마트 횡단시스템이 개발되어 운영되고 있지만, 보행자별 적정 보행속도를 반영한 신호운영이 이루어지지 못하고 있다. 본 연구에서는 교통약자비율이 높은 지역에서 수집된 영상정보를 활용하여, 교통약자의 종류, 보행자의 수, 도로의 기하구조 등을 고려한 신경망모형과 다중회귀모형기반의 횡단속도 추정모델을 개발하였다. 이를 통해 개발된 모델을 스마트횡단시스템에 적용하여 실시간 교통약자에 따른 최적 보행신호 제공을 지원하고자 하였다. 경기도 파주시의 도시 교통 네트워크에서 수집된 실제 교통 상황 데이터 2,400개를 사용하였다. 모델의 성능은 상관계수, 평균 절대오차 등 7개의 선택된 지표를 통해 평가되었다. 다중선형회귀모델은 상관 계수가 0.652이고 MAE가 0.182였으며, 신경망모델은 상관계수가 0.823이고 MAE가 0.105로 나타나. 신경망모델이 더 높은 예측력을 보였다.

• 서비스연구
• /
• 제13권3호
• /
• pp.105-126
• /
• 2023

국내 중고차 시장은 지속적으로 성장하고 있으며, 이와 동시에 중고차 온라인 플랫폼 서비스 역시 함께 매년 시장 점유율을 확대하고 있다. 중고차 온라인 플랫폼 서비스는 차량의 제원, 점검 이력, 사고 내역, 그리고 세부 옵션 등을 서비스 이용자에게 제공하고 있다. 대부분의 기존 연구는 차량의 제원과 차량의 일부 옵션을 활용한 중고차 가격의 예측이었으며, 중고차 가격과 일부 제원 변수 간 비선형 관계임을 확인하였다. 이에 따라 연구자들은 이러한 비선형 문제를 해결하기 위해 머신러닝(Machine Learning) 모델의 실행을 제안하였으며, 그 결과 회귀(Regression) 기반 머신러닝 모델은 변수의 실질적인 영향력과 방향성을 알 수 있는 장점이 존재하였으나, 트리(Decision Tree) 기반 머신러닝 모델에 비해 비용함수 수치가 저조한 단점이 존재하였다. 본 연구는 국내 브랜드를 대상으로 차량의 제원과 차량의 옵션, 총 70여 개의 변수를 모두 활용하여 회귀 기반 머신러닝 모델과 트리 기반 머신러닝 모델을 순차적으로 실행하여 두 유형의 머신러닝 모델의 장점을 취합하고자 하였다. 이를 통해 브랜드별 변수의 실질적 영향력과 방향성을 확인한 후 브랜드별 가장 우수한 트리 기반 머신러닝 모델을 선정하였다. 본 연구의 시사점은 다음과 같다. 중고차 온라인 플랫폼 서비스를 이용하는 구매자와 판매자가 전반적인 중고차 가격 예측을 지원할 수 있다. 이에 따라 중고차 온라인 플랫폼 서비스 이용자 간 정보의 비대칭으로 인한 문제 해결 역시 지원이 가능할 것으로 기대한다.