• 대한교통학회지
• /
• 제27권3호
• /
• pp.81-90
• /
• 2009

도로 네트워크의 안전 관리는 기본적으로 교통안전 조사를 위한 사이트(교통사고 잦은 지점) 선정, 안전문제에 대한 진단, 잠재적 위험요소들에 대한 가능한 대안 선정, 주어진 예산 제약 하에 대안간의 우선순위 결정과 같은 순서로 이루어진다(Persaud, 2001). 효율적인 안전 조사를 위해 요구되는 지점(교통사고 잦은 지점) 선정에 대한 과정은 매우 중요하다. 이에, 본 연구는 인천시 4지 신호 교차로 중 교통사고 잦은 지점으로 선정된 지점의 3년간(2004~2006년) 사고 자료와 기하구조 자료를 이용하여 EB 기법 이용 시 필요한 사고예측모델을 개발하였다. 또한, 교통사고 잦은 지점을 선정하는데 있어 현재 우리나라에서 적용되고 있는 단순사고건수와 심각도를 고려하여 선정된 우선순위와 단순사고건수 대신 EB 기법을 이용하여 예측된 사고건수를 이용하여 선정된 우선순위 비교를 통해 기존 방법의 한계를 제시하고 합리적인 예측모형 개발 필요성을 보여주고자 하였다. 분석 결과, 총 사고건수 추정 시 기존의 사고 예측 방법인 비선형 회귀모형과 EB 기법의 결과 값 모두 예측력이 높은 것으로 나타났지만 지점별 사고건수 예측력을 함께 고려할 경우엔 EB 기법이 비선형 회귀 모형(포아송)의 결과보다 예측력이 좋은 것으로 나타났다. 또한, 도출된 우선순위 비교 결과 대부분의 지점의 우선순위는 크게 변동이 없었으나, 서해4거리 등 몇 개 지점의 개선우선순위에는 상당한 변동이 발생하는 것으로 나타났다. 이는 실제 사고건수를 이용할 경우 발생하는 RTM문제를 본 연구에서 제안한 기법을 사용할 경우 해결가능하다는 것을 시사한다.

• 방사성폐기물학회지
• /
• 제16권3호
• /
• pp.339-346
• /
• 2018

고준위폐기물을 처분하기 위한 심층처분시스템의 구성 요소로는 처분용기, 완충재, 뒷채움 및 근계 암반이 있다. 이 중 완충재는 심층 처분시스템에 있어 필수적인 요소이다. 처분용기에서 발생하는 고온의 열량은 완충재로 전파되기에 완충재의 열적 특성은 처분시스템의 안정성 평가에 상당히 중요하다고 할 수 있다. 특히, 고온의 열량은 완충재의 열적 팽창을 야기하여 근계 암반에 열응력을 야기할 수 있기에 완충재의 열팽창 특성 규명은 반드시 필요하다고 할 수 있다. 따라서 본 연구에서는 국내 경주산 압축 벤토나이트 완충재(KJ-II)에 대한 열팽창 거동 특성을 실내 실험을 통해 분석하고 선형 열팽창계수에 대한 추정 모델을 제시하고자 하였다. 압축 벤토나이트 완충재의 선형 열팽창계수는 딜라토미터 장비를 이용하여 승온속도, 건조밀도, 온도 범위에 따라 측정되었으며 선형 열팽창계수 값은 대략 $4.0{\sim}6.0{\times}10^{-6}/^{\circ}C$ 로 측정되었다. 또한 실험 데이터를 토대로 비선형 회귀분석 방법을 이용하여 건조밀도에 따른 경주 압축 벤토나이트 완충재의 선형 열팽창계수를 추정할 수 있는 모델을 제시하였다.

• 대한화학회지
• /
• 제44권2호
• /
• pp.102-108
• /
• 2000

고속액체크로마트그래피에서 RAH분자들이 상대적 용리시간을 다변량선형회귀분석과 인공신경망분석방법을 사용하여 학습시킨 후, 시험 세트의 상대적 용리시간을 예측하였다. PAH의 QSRR에서 주요한 설명인자는 분자연결지수($^1X_v,\;^2X_v$),길이와 폭의 비율(L/B) 및 분자 쌍극자 모멘트(D)이었다, 슬롯 모델과 관계깊은 L/B은 인공신경망분석방법에서는 적절한 설명인자로 작용하나, 다변량회귀분석에서는 그러하지 못하다. 시험세트에서 용리시간 예측도를 나타내주는 분산은 각각 인공신경망분석방법에서 0.0099, 다변량회귀분석방법에서 0.0114이었다. 인공신경망분석방법이 다변량회귀분석보다 더 좋은 결과를 보여준다.

• 한국철도학회논문집
• /
• 제19권4호
• /
• pp.547-554
• /
• 2016

본 연구는 궤도 틀림을 관리하기 위한 궤도 품질 지수(TQI)의 진전율 추정에 관한 것이다. 이와 관련한 기존 연구 대부분은 시간에 따른 TQI 값의 선형 회귀분석을 통해 구해진 기울기를 기준으로 상수 진전율을 제시하는 데 그치고 있다. 본 연구는 과거 데이터 혹은 전문가의 식견으로부터 도출되는 파라미터의 사전 분포를 효과적으로 반영할 수 있으며, 파라미터값의 확률 분포를 유도해 낼 수 있는 베이지안 방법론에 기초한 진전율 추정 모델을 제안하고, 기존의 전통적인 회귀분석 모형과의 비교 연구를 통해, 베이지안 방법론의 활용 가능성을 검토해 보았다.

• 사물인터넷융복합논문지
• /
• 제9권2호
• /
• pp.71-76
• /
• 2023

본 논문에서는 단일 수신기가 사용되는 환경에서 정확한 거리 추정을 위해 심층 인공신경망 (Deep Neural Network, DNN)을 활용한 Smoothed Received Signal Strength Indicator (RSSI) 기반 거리 추정 기법을 제안한다. 제안 기법은 거리 추정 정확도 향상을 위해 Data Splitting, 결측치 대치, Smoothing 단계로 구성된 전처리 과정을 수행하여 Smoothed RSSI 값을 도출한다. 도출된 다수의 Smoothed RSSI 값은 Multi-Input Single-Output(MISO) DNN 모델의 Input Data로 사용되며 Input Layer와 Hidden Layer를 통과하여 최종적으로 Output Layer에서 추정 거리로 반환된다. 제안 기법의 우수성을 입증하기 위해 제안 기법과 선형회귀 기반 거리 추정 기법의 성능을 비교하였다. 실험 결과, 제안 기법이 선형회귀 기반 거리 추정 기법 대비 29.09% 더 높은 거리 추정 정확도를 보였다.

• 한국수자원학회논문집
• /
• 제53권11호
• /
• pp.973-983
• /
• 2020

최근 인공위성 자료를 기반으로 한 수자원 관측 분야에서는 공간해상도의 한계를 극복하기 위한 방안으로 SAR (Synthetic Aperture Radar) 센서에 대한 관심이 높아지고 있다. 토양수분을 관측하는 기존 위성 자료가 10 km 이상의 공간해상도를 지닌 반면, SAR 센서는 후방산란계수를 10 m 까지 관측할 수 있으므로 공간적인 분포를 보다 세밀하게 분석할 수 있다. 이러한 자료를 활용하기 위해서는 관측된 후방산란계수에 다양한 수문인자 및 환경적 요인이 미치는 영향을 다각적으로 분석하여 토양수분을 산출하는 과정이 필요하다. 본 연구는 토양수분 산정에 주로 적용되고 있는 WCM(Water Cloud Model)과 선형회귀 기법을 국내 5개 지점에 적용함으로써, SAR 영상을 기반으로 토양수분을 산정하고 이를 지점 관측 자료와 비교하여 평가하고자 하였다. WCM의 경우 토양수분의 즉각적인 변화를 관측하기에 용이하나 오차에 대한 보정이 필요한 것으로 판단되며, 선형회귀 방법은 순간적인 토양수분의 변동이 크게 나타나지 않았으나 안정적인 오차 범위를 나타내었다. 또한 토양수분이 후방산란계수에 미치는 영향은 토지피복, 식생의 분포, 식생 내 수분량의 정도에 따라 모델별로 크게 상이한 결과를 나타냄을 알 수 있으며, 기존의 모델을 동일하게 적용하기에는 한계점이 많음을 알 수 있다. 따라서 복잡한 지형적, 수문학적 특성을 가진 한반도에서 SAR 영상을 수자원 분야에 적용하기 위해서는, 추후 각 지점 별 특성에 따른 영향을 다각적으로 분석하는 과정이 필수적이며 한반도에 적합한 토양수분 모델을 구축하기 위한 연구가 수행되어야 할 것으로 판단된다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권11호
• /
• pp.632-640
• /
• 2017

일사량은 태양광 발전시스템의 전력 생산량에 가장 큰 영향을 미치는 기상요소이며, 다른 기상요소들과 달리 기상청의 일기예보를 통해 제공받을 수 없다. 따라서 효율적인 태양광 발전시스템 운용을 위해 일사량 예측에 관한 연구는 필수적이다. 본 연구는 기상정보 데이터 기반의 Dynamic Piecewise 일사량 예측 모델을 제안한다. Dynamic Piecewise 일사량 예측 모델은 유사한 태양고도와 유사한 날씨의 데이터 조각들로 나누어 학습하기 위해, 예측하는 시점의 태양고도와 운량을 기준으로 전체 데이터를 동적으로 나눈 후 기계학습 알고리즘인 다중 선형회귀 알고리즘으로 학습하여 일사량을 예측하는데 사용된다. 본 연구의 성능을 검증하기 위해 제안 모델인 Dynamic Piecewise 일사량 예측 모델과 이전 연구에서 제안한 모델, 기존의 상관관계식 기반 일사량 예측 모델에 동일한 기상정보 데이터 셋을 적용하여 비교하였으며, 비교결과 본 연구에서 제안한 모델이 가장 정확한 일사량 예측 성능을 보였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제29권3호
• /
• pp.117-125
• /
• 2023

가상 시뮬레이션을 이용한 의류 디자인 개발에서는 가상과 실제의 차이가 최소화되어야 한다. 가상 의상과 실제 의상의 유사성을 높이는 데에 가장 기본이 되는 작업은 의상 제작에 사용될 옷감의 물성을 최대한 유사하게 표현할 수 있는 시뮬레이션 파라미터를 찾는 것이다. 시뮬레이션 파라미터 최적화 절차에는 전문가의 수작업으로 이루어지는 튜닝 과정이 포함되는데, 이 작업은 높은 전문성과 많은 시간이 요구된다. 특히 조정된 시뮬레이션 파라미터를 적용한 결과를 다시 확인하기 위해 시뮬레이션을 반복적으로 실행할 때 많은 시간이 소요된다. 최근 이 문제를 해결하기 위해 파라미터 튜닝에 주로 사용되는 드레이프 테스트 시뮬레이션 결과를 빠르게 추정하는 인공신경망 학습 모델이 제안되었다. 하지만 기존 연구에서는 비교적 간단한 선형 강성 모델을 사용하였으며 드레이프 시뮬레이션 전체를 추정하는 대신 일부만 추정하고 나머지는 보간하는 방식을 사용하였다. 실제 의류 디자인 개발 과정에서는 주로 비선형 강성 모델이 적용된 시뮬레이터가 사용되지만, 이에 대한 연구는 아직 부족하다. 본 논문에서는 비선형 강성 모델을 대상으로 드레이프 시뮬레이션 결과를 추정하기 위한 새로운 학습 모델을 제안한다. 본 연구에서 제안된 학습 모델은 시뮬레이션 결과인 고해상도 메시 모델 전체를 추정한다. 제시하는 방법의 성능을 검증하기 위해 세 가지 드레이프 테스트 방식을 대상으로 실험을 진행하여 추정 정확도를 평가한다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1739-1756
• /
• 2021

대기 중 이산화질소(NO₂)는 주로 인위적인 배출요인으로 발생하며 화학 반응을 통해 이차오염 물질 및 오존 형성에 매개 역할을 하는 인체 건강에 악영향을 미치는 물질이다. 우리나라는 지상 관측소에 의한 실시간 NO₂ 모니터링을 수행하고 있지만, 이는 점 기반의 관측 값으로써 미관측 지역의 공간 분포 분석이 어렵다는 한계점을 지닌다. 본 연구에서는 선형 회귀 기반 모델인 다중 선형 회귀와 회귀 크리깅, 기계학습 알고리즘인 Random Forest (RF), Support Vector Regression (SVR)을 적용한 공간 내삽 모델링을 통해 서울 지역의 지상 NO₂ 농도 지도를 제작하였고, 일별 Leave-One-Out Cross Validation (LOOCV) 교차 검증을 시행하였다. 2020년 연구기간 내 일별 LOOCV에서 MLR, RK, SVR 모델의 일별 평균 Index of agreement (IOA)는 약 0.57로 유사한 성능을 보였으며, RF (0.50)보다 높은 성능이 확인되었다. RK의 일별 평균 nRMSE는 0.9483%으로 MLR (0.9501%)보다 상대적으로 낮은 오차를 나타냈다. MLR과 RK, RF 모델의 계절별 공간 분포는 비슷한 양상을 보였으며, RF는 다른 모델에 비해 좁은 NO₂ 농도 범위가 확인되었다. 본 연구에서 제안된 선형 회귀 기반 공간 내삽은 지상 NO₂ 뿐 아니라 다른 대기 오염 물질의 도시 지역 공간 내삽을 위해 활용 가능성이 높을 것으로 기대된다.

• 원예과학기술지
• /
• 제32권2호
• /
• pp.241-251
• /
• 2014

본 연구는 남부 지방에서 널리 사용되고 있는 상록활엽수인 돈나무의 내한성 예측을 위한 편리하고 신뢰성 있는 평가 모델 개발을 목적으로 전해질 용출법을 통한 내한성 평가에서 나타나는 실험방법 상의 오차를 최소화하는 내한성 평가 모델을 도출하고자 수행되었다. 평가 모델링은 저온 처리된 식물체에 대한 재생검사와 전해질 용출 평가로 구성되었고, 전해질 용출법에서 표본조직 선택, 최대 전해질 용출 측정을 위한 온도 처리법, 치사 온도 예측을 위한 통계 분석법에 의한 방법적 조합들로부터 예측된 치사 온도들이 재생검사 결과와 비교되었다. 재생 검사 결과 돈나무의 저온 치사 온도는 50% 미만의 생존율을 보이는 최고온도인 $^-10{\circ}C{\sim}-5^{\circ}C$로 분석되었고, 이 결과를 바탕으로 전해질 용출법에 의해 예측된 저온 치사 온도를 분석한 결과, 잎을 표본 조직으로 하여 냉각치사법으로 최대 전해질 용출을 측정한 방법적 조합에서 재생 검사 결과와 가장 근접한 예측 저온 치사 온도가 나타났다. 저온 치사온도 예측을 위한 통계 모델 평가에서는 선형보간법이 비선형회귀에 비하여 내한성을 과대평가하는 경향이 상대적으로 높았다. 결론적으로 돈나무 내한성 예측을 위한 내한성 평가 모델은 잎을 표본 조직으로 사용하고, 최대 전해질 용출 측정을 위한 온도 처리 방법으로 냉각치사법을 적용하며, 치사온도 예측을 위한 통계 분석 기법으로 비선형회귀를 활용하는 방법적 구성이 가장 적합한 것으로 나타났다.