• 대한원격탐사학회지
• /
• 제35권6_3호
• /
• pp.1235-1249
• /
• 2019

킬라우에아 화산은 지속적인 활동을 하고 있는 화산이다. 본 연구에서는 ALOS-2 PALSAR-2 위성영상을 이용해 2015년부터 2017년까지 킬라우에아 화산의 정상부근에서 발생한 지표변위를 관측했다. 지표변위의 2차원 관측을 위해 2개의 간섭쌍을 이용해 위성레이더 간섭기법과 다중개구간섭기법을 수행했다. 그리고 2차원 관측의 정밀도를 높이기 위해 다중개구간섭기법의 관측 성능에 영향을 줄 수 있는 요소인 유효 안테나 길이와 정규화된 스퀸트 값을 변경해가며 관측치 차이의 평균제곱근편차 값을 비교했다. 그리고 가장 정밀하게 변위를 관측할 수 있는 요소 값을 선정했다. 유효 안테나 길이와 정규화된 스퀸트 값을 최적의 값으로 선정한 후의 다중개구간섭기법 관측치의 평균제곱근편차 값은 4.07 cm에서 2.05 cm로 감소했다. 각 간섭영상에서 관측된 관측방향의 최대 변위는 각각 -28.6 cm, -27.3 cm이고, 비행방향의 최대 변위는 20.2 cm, 20.8 cm, 비행방향의 반대 방향으로는 -24.9 cm, -24.3 cm가 관측되었다. 두 간섭영상을 스태킹한 후 2차원 지표변위 매핑을 수행한 결과 북서 방향으로 최대 약 30.4 cm의 지표 변위가 관측되었다. 그리고 모든 방향으로 20 cm 이상의 큰 변위가 관측되었다. 관측 결과를 통해 킬라우에아 화산의 분화활동 위험성이 증가하고 있는 것을 알 수 있었다. 본 연구의 2015년부터 2017년까지의 킬라우에아 화산의 지표 변위 관측 결과는 향후 킬라우에아 화산의 분화 활동에 관한 연구에 도움을 줄 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.