• 응용통계연구
• /
• 제10권2호
• /
• pp.241-251
• /
• 1997

기존의 회귀진단 방법은 자료의 구조를 변화시키거나 회귀모형의 형식을 변화시킬 때 이것이 잔차에 미치는 영향을 분석하는 것이 주를 이루었다. 그러나 역으로 잔차를 변화시킬 때 이것이 회귀모형에 미치는 영향을 분석하는 것을 생각할 수 있다. 이것은 현실적으로 몇 개의 특정한 자료에 더욱 가중치를 부여하여 회귀모형을 만들거나 또는 잔차의 패턴을 정상화하고자 할 때 유용한 방법이 될 수 있다. 본 연구팀은 기존의 회귀진단방법과 더불어 잔차패턴을 변화시킴으로서 회귀진단을 실시하는 방법을 동적그라픽스기법에 의해 회귀진단시스템(REgression Diagnostics System-REDS)으로 구현하였으며 본 논문을 통해 이를 소개하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.414-414
• /
• 2017

토양수분은 지면환경에서 일어나는 수문 및 에너지 순환을 이해하는 데 있어 중요한 기상인자이다. 토양수분 현장관측은 땅속에 매설된 센서에 의해 상당히 정확하게 이루어지만, 관측점 수가 충분치 않아 공간적 연속성을 확보하지 못하는 어려움이 존재한다. 이에 광역적 및 연속적 관측이 가능한 마이크로파 위성센서가 토양수분 정보 획득을 위한 보조수단으로서 그 중요성이 부각되고 있다. 마이크로파 위성센서는 구름 등 기상조건의 제약을 받지 않으며, 1978년 이래 현재까지 여러 위성에 의해 25 km 및 10 km 해상도의 전지구 토양수분자료가 생산되어 왔다. 마이크로파 센서를 이용한 토양수분자료는 동일지점에 대하여 하루 2회 정도 산출되므로 적절한 시간분해능을 가지지만, 공간해상도가 최고 10 km로서 지역규모의 수문분석에 적용하기에는 충분치 않다. 이러한 토양수분자료의 공간해상도 문제 해결을 위하여 다양한 지면환경요소를 활용한 통계적 다운스케일링이 대안으로 제시되었다. 최근의 선행연구들은 대부분 방정식을 이용한 결합모형을 통해 통계적 다운스케일링을 수행하였는데, 회귀식과 같은 선형결합뿐 아니라 신경망이나 기계학습 등의 비선형결합에서도, 불가피하게 발생할 수밖에 없는 잔차(residual)로 인하여 다운스케일링 전후의 공간분포 패턴이 달라져버리는 문제를 안고 있었다. 회귀분석에 잔차의 공간내삽을 결합시킨 회귀크리깅(regression kriging)은 잔차보정을 통해 이러한 문제를 해결함으로써 다운스케일링 전후의 공간분포 일관성을 보장하는 기법이다. 이 연구에서는 회귀크리깅을 이용하여 일자별 AMSR2(Advanced Microwave Scanning Radiometer 2) 토양수분 자료를 10 km에서 1 km 해상도로 다운스케일링하고, 다운스케일링 전후의 자료패턴 일관성을 평가한다. 지면온도(LST), 지면온도상승률(RR), 식생온도건조지수(TVDI)는 일자별로 DB를 구축하였고, 식생지수(NDVI), 수분지수(NDWI), 지면알베도(SA)는 8일 간격으로 DB를 구축하였다. 이러한 8일 간격의 자료를 일자별로 변환하기 위하여 큐빅스플라인(cubic spline)을 이용하여 시계열내삽을 수행하였다. 또한 상이한 공간해상도의 자료는 최근린법을 이용하여 다운스케일링 목표해상도인 1 km에 맞도록 변환하였다. 우선 저해상도 스케일에서 추정치를 산출하기 위해서는 저해상도 픽셀별로 이에 해당하는 복수의 고해상도 픽셀을 평균화하여 대응시켜야 하며, 이를 통해 6개의 설명변수(LST, RR, TVDI, NDVI, NDWI, SA)와 AMSR2 토양수분을 반응변수로 하는 다중회귀식을 도출하였다. 이식을 고해상도 스케일의 설명변수들에 적용하면 고해상도 토양수분 추정치가 산출되는데, 이때 추정치와 원자료의 차이에 해당하는 잔차에 대한 보정이 필요하다. 저해상도 스케일로 존재하는 잔차를 크리깅 공간내삽을 통해 고해상도로 변환한 후 이를 고해상도 추정치에 부가해주는 방식으로 잔차보정이 이루어짐으로써, 다운스케일링 전후의 자료패턴 일관성이 유지되는(r>0.95) 공간상세화된 토양수분 자료를 생산할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권10호
• /
• pp.445-454
• /
• 2023

최근에는 협동 로봇의 데이터를 활용한 다양한 결함진단 연구가 수행되고 있다. 협동 로봇의 결함진단을 수행하는 기존 연구들은 기존 연구의 학습 데이터는 미리 정의된 기기의 동작을 가정하고 수집한 정적 데이터를 사용한다. 따라서 결함진단 모델은 학습한 데이터 패턴에 대한 의존성이 높아지는 한계가 있다. 또한 단일 모터를 사용한 실험으로 다관절이 동작하는 협동 로봇의 특성을 반영한 진단이 이루어지지 못했다는 한계가 있다. 본 논문에서는 앞서 언급한 두 가지 한계점을 해결할 수 있는 LSTM 진단 모델을 제안한다. 제안하는 방법은 단일 축 및 다중 축 작업 환경에서의 진동 및 전류 데이터의 상관분석을 사용하여 정상 대표 패턴을 선정하고, 정상 대표 패턴과의 차이를 통해 잔차 패턴을 생성한다. 생성된 잔차 패턴을 입력으로 축별 기어 마모 진단을 수행할 수 있는 LSTM 모델을 생성한다. 해당 결함진단 모델은 동작별 대표 패턴을 통해 모델의 학습 데이터 패턴에 대한 의존성을 낮출 수 있을 뿐 아니라 다중 축 동작 수행 시 발생하는 결함을 진단할 수 있다. 마지막으로, 내부 및 외부 데이터의 특성을 모두 반영하여 결함진단 성능을 개선한 결과 98.57%의 높은 진단 성능을 보였다.

• 응용통계연구
• /
• 제22권6호
• /
• pp.1191-1201
• /
• 2009

공정관리에서 작은 평균변화를 탐지하기 위하여 누적합 관리도를 사용하는 것이 일반적이다. 자기상관이 존재하는 공정의 경우 시계열 모형에 적합하여 구한 잔차를 관리도에 적용하는 모형기반 관리방법이 활용되고 있다. 그러나 공정에 일정한 크기의 지속적인 수준 변화가 발생하면 잔차에는 동적 평균변화의 패턴이 나타나게 되어 누적합 관리도의 탐지능력은 저하될 수 있다. 본 논문에서는 잔차에 등락을 반복하는 진동(oscillation) 특성의 동적 평균변화가 발생하는 ARMA(1,1) 모형을 대상으로, 그러한 변화를 효율적으로 탐지할 수 있는 새로운 OCUSUM 관리도를 제안하고 모의실험을 통해 최근에 소개된 기존의 CUSUM 관리도와 탐지능력을 비교하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.26-30
• /
• 2011

최근 기후변화에 따라 강우의 패턴이 변화하고 있다. 강우일수는 줄어드는 반면, 강우강도는 증가하여, 홍수로 인한 많은 피해에 직면하고 있다. 이러한 기상이변은 홍수방어시스템을 위한 수공구조물에도 많은 영향을 미친다. 수공구조물을 설계할 때, 일반적으로 강우 기록들의 통계적 특성이 정상성을 가진다고 가정한다. 하지만 최근의 강우 자료를 분석하면, 시간에 따라 평균, 분산, 왜곡도와 같은 기본 통계량이 변화하는 것을 알 수 있다. 따라서, 수공구조물의 설계를 위한 확률 강우량은 이러한 기후변화에 따른 자료의 특성을 반영할 필요가 있다. 본 연구의 목적은 강우 자료의 비정상성의 특성을 이용하여 확률강우량을 산정하는 것이다. 최근 비정상성 강우빈도해석에 대한 연구가 활발히 진행되고 있는데, 이들 연구는 대부분 목표연도까지 경향성의 기울기가 증가, 또는 일정하다고 가정한다. 하지만, 현재는 경향성이 있지만, 목표연도에는 경향성이 없을 경우도 있고, 또는 경향성이 있어도 그 기울기가 적어지는 경향을 보일 수도 있다. 본 연구에서는 현시점과 목표연도의 시점에 대한 경향성 기울기의 변화를 고려하여 비정상성 강우빈도해석을 수행하였다. 대상지점 선정은 통계적 경향성 검정, Mann-Kendall test를 이용하여 1994년(현재시점)에 경향성이 있다고 판단되는 관측지점을 대상지점으로 선정하였다. 분석 방법은 24시간 임계지속시간의 연최대강우자료를 구축하였다. 자료를 현시점까지 선형회귀식을 이용하여 잔차 계열을 산정하고, Gumbel 분포를 이용하여 확률 잔차를 산정하였다. 확률강우량을 추정하기 위해 추세요소를 산정하였다. 기울기의 증가 혹은 감소 경향을 회귀모형을 이용하여 추세요소를 산정하였고, 잔차의 확률빈도와 추세요소의 합으로 비정상상 확률강우량을 산정하였다.

• 한국경제지리학회지
• /
• 제25권1호
• /
• pp.183-201
• /
• 2022

주택가격을 정확히 추정하기 위한 많은 연구가 진행되어 왔다. 선행연구들은 주택의 고유 특성과 인근 지역 특성을 통제하는 계량경제모형을 활용한 분석이 많았다. 본 연구에서는 인공신경망 모형(ANN)을 활용하여 주택가격을 추정하였다. 딥러닝 기술의 장점은 변수 간의 복잡하고 비선형적인 특성을 모델링하고 데이터의 패턴을 인식할 수 있다는 것이다. 본 연구에서는 부동산 시장에서 공간적 분포도 패턴으로 인식할 수 있다는 가정하에 지리좌표를 설명변수로 ANN에 투입하였다. 선형회귀분석과 ANN 모형 간 비교 결과, 선형 모형 대비 ANN 모형의 설명력이 높았으며, 특히 ANN 모형은 지리좌표를 투입하였을 때 더 높은 정확도를 보여주었다. 또한 ANN 모형의 경우 지리좌표를 통해 모형 잔차의 공간적 자기 상관성이 크게 감소하였다는 점을 확인하였다. 이를 통해 ANN 모형의 패턴인식 능력을 활용하면 공간적 패턴을 학습시킴으로써 주택가격을 정확히 추정할 수 있음을 밝혔다.

• 한국경제지리학회지
• /
• 제12권2호
• /
• pp.179-194
• /
• 2009

도시에서 범죄는 해당 지역 인구의 사회경제적 특징과 공간적 상호관계를 반영한다. 범죄의 피의자와 피해자 사이의 상호작용은 범죄패턴의 공간적 자기상관으로 나타난다. 이러한 범죄의 공간자기상관은 일반적인 최소자승모델에서 편향된 추정치를 제공하여 잘못된 해석으로 이어질 수 있다. 본 연구는 도시주거범죄로서 2000년에 오하이오주 콜럼버스에서 발생한 주거 강도와 절도를 분석 하였다. 특히 주거 범죄율의 공간적 분포패턴은 공간자기상관을 반영하는 아이겐벡터(Eigenvector)를 이용하여 최소자승모델로 분석 하였다. 아이겐 벡터를 이용한 공간자기상관의 필터링은 기존의 모델에서는 잔차에 남아있던 공간자기상관 요소를 설명하기 때문에, 더 효율적인 추정을 가능하게 하였다. 경제적 궁핍과 범죄의 기회가 주거범죄율을 추정하는데 통계적으로 유의미한 요인이었다.

• 한국산림과학회지
• /
• 제89권4호
• /
• pp.463-469
• /
• 2000

이 연구는 다른 수종에 비해 상대적으로 빠른 생장을 보여 상업적으로 중요하게 여겨지는 뉴질랜드 사우스랜드 지역에 조림된 미송(美松) (Pseudotsuga menziesii Mirb. Franco)의 흉고단면적(胸高斷面績) 추정 함수 유도에 관한 것이다. 흉고단면적(胸高斷面績) 함수를 도출하기 위하여 중간 측정 주기의 영구 표본점 데이터가 사용되었고, 대수차분(代數差分) 방정식을 이용하여 흉고단면적(胸高斷面績) 함수식을 유도하였다. 모수(母數) 추정은 SAS의 비선형 루틴에 의하여 수행하였다. 다양한 생장 추정 함수 모델을 적용한 후 잔차를 분석하여 평균제곱오차가 가장 작고 잔차 패턴이 편의가 없는 생장식을 선발하여, 추가 독립변수를 적용하여 모델의 추정 정도를 분석하였다. 그 결과 여러 추정 생장 함수 중 지위지수(地位指數) 및 간벌주기를 독립변수로 포함한 Schumacher 다형곡선(多形曲線) 생장식이 가장 정밀한 추정을 나타내었다. 이 결과로 흉고단면적(胸高斷面績) 생장과 지위지수(地位指數)사이에는 양(+)의 상관관계(相關關係)가 있음을 알 수 있었다. 그리고 정의된 간벌주기는 흉고단면적(胸高斷面績)식의 정도(精度)를 높이는데 유용한 것으로 나타났다.

• 대한토목학회논문집
• /
• 제26권5D호
• /
• pp.869-876
• /
• 2006

파편형태로 출토되는 토기 문화재의 경우 신속하고 정확한 복원이 중요한 과제이다. 기존의 방법은 시행착오법으로 조합하므로 정확하지 않을 뿐만 아니라 많은 시간이 소요되어 왔다. 이를 3차원스캐닝방법으로 쉽게 모델링 할 수 있다면 조각끼리의 조합작업도 매우 효율적으로 할 수 있다. 본 연구에서는 원형(原形)의 토기를 3차원 패턴스캐닝 방법과 사진측량방법으로 모델링하였으며 파손으로 인한 각각의 토기조각을 스캐닝하고 모델링하였다. 사진측량의 영상획득을 위해 Canon EOS 1DS real size 디지털사진기를 검정하여 사용하였다. 형성된 모델의 단면간의 상관성을 분석하여 효율적으로 조합하였으며 잔차와 칼라오차맵을 통해 오차를 분석하였다. 또한 가상박물관을 위한 사용자 중심의 웹기반 3차원 시뮬레이션환경을 구축하였다.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.275-290
• /
• 2021

대기 중의 이산화황(SO2)은 주로 인위적 배출원에 의해 발생하며 화학 반응을 통해 (초)미세먼지를 형성하여 직간접적으로 주변 환경 및 인체 건강에 해로운 영향을 주는 물질이다. 특히 지상에서의 농도는 인간 활동과 밀접한 관련이 있어 모니터링의 필요성이 매우 크다. 따라서, 본 연구에서는 TROPOMI SO2 연직 컬럼 농도 산출물 및 타 위성 산물과 모델 산출물 등을 융합 활용하여 기계학습 기법에 적용하여 SO2 지상 농도 추정모델을 개발하였다. 기계학습 기법으로는 널리 활용되고 있는 RF(Random Forest)에 잔차 보정 과정을 결합한 2-step 잔차 보정 RF를 적용하였다. 개발된 모델은 무작위, 공간 및 시간별 10-fold 교차 검증을 통하여 검증하였으며, 기울기(slope) 값이 1.14-1.25, 상관계수(R) 값이 0.55-0.65, rRMSE 값이 약 58-63% 정도로 나타났다. 이는 잔차 보정이 적용되지 않은 기존의 RF 대비 slope의 경우 약 10%, R과 rRMSE의 경우 약 3% 가량 향상된 결과를 보인다. 국가별로 나누어 분석하였을 때에는 샘플 수가 적고 SO2의 전반적인 농도가 낮은 일본 지역에서의 공간별 10-fold 교차검증 성능이 소폭 감소하는 것으로 나타났다. SO2 지상농도 분포를 계절별로 표출하였을 때, 일본의 경우 다른 지역 대비 연중 저농도가 관찰되며 높은 결측 값 비율로 인하여 관측소 농도 대비 2-step 잔차 보정 RF 모델에서 과대 모의하는 경향이 관찰되었다. 대표적 고농도 발생지인 중국의 YRD(Yangtze River Delta) 와 한국의 SMA(Seoul Metropolitan Area)의 계절적 분포 변화를 추가적으로 분석하였을 때, 연료 연소로 인한 겨울철 농도 증가 패턴이 나타났다. 이는 인위적 배출원의 영향을 크게 받는 SO2의 시공간적인 분포 특성을 잘 반영하고 있는 결과이다. 따라서, 본 연구를 통하여 제안한 모델은 장기적으로 SO2 지상 농도의 시공간적 분포를 파악하는 데에 활용될 수 있을 것으로 기대된다.