• Geophysics and Geophysical Exploration
• /
• v.9 no.1
• /
• pp.86-92
• /
• 2006

The full-waveform inversion algorithm using normalised seismic wavefields can avoid potential inversion errors due to source estimation required in conventional full-waveform inversion methods. In this paper, we have modified the inversion scheme to install a weighted smoothness constraint for better resolution, and to implement a staged approach using normalised wavefields in order of increasing frequency instead of inverting all frequency components simultaneously. The newly developed scheme is verified by using a simple two-dimensional fault model. One of the most significant improvements is based on introducing weights in model parameters, which can be derived from integrated sensitivities. The model-parameter weighting matrix is effective in selectively relaxing the smoothness constraint and in reducing artefacts in the reconstructed image. Simultaneous multiple-frequency inversion can almost be replicated by multiple single-frequency inversions. In particular, consecutively ordered single-frequency inversion, in which lower frequencies are used first, is useful for computation efficiency.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.8
• /
• pp.2555-2564
• /
• 2000

In this paper, a new unsupervised image segmentation algorithm is proposed. To model the contextual information presented in images, the characteristics of the Markov random fields (MRF) are utilized. Textured images are modeled as realizations of the stationary Gaussian MRF on a two-dimensional square lattice using the conditional autoregressive (CAR) equations with a second-order noncausal neighborhood. To detect boundaries, hypothesis tests over two masked areas are performed. Under the hypothesis, masked areas are assumed to belong to the same class of textures and CAR equation parameters are estimated in a minimum-mean-square-error (MMSE) sense. If the hypothesis is rejected, a measure of dissimilarity between two areas is accumulated on the rejected area. This approach produces potential edge maps. Using these maps, boundary detection can be performed, which resulting no micro edges. The performance of the proposed algorithm is evaluated by some experiments using real images as weB as synthetic ones. The experiments demonstrate that the proposed algorithm can produce satisfactorY segmentation without any a priori information.

• Journal of KIISE:Computing Practices and Letters
• /
• v.8 no.6
• /
• pp.669-678
• /
• 2002

Currently, the domestic interests on the development of eyesight related measuring instruments are being increased. So we are developing such an electronic system of Refracto-keratometer, which contains a software and a hardware both. If this system could inform the examiner of the precise eyesight measuring result from the treatment of the image of optical system, then potentially the number of missed measuring results could be reduced. Our electronic system has been developed from the two areas divided into a software and a hardware. The software area was focused on the more exact eyesight measuring results, using morphological filtering methods and gray-leveled signal enhancing techniques. The hardware area is performing the same functions as the existing other systems. Besides, it provides the embedded software with free variables which could reduce the developing duration sharply as well as enlarge many kinds of application-extensions. Therefore, this electronic system has made effective eyesight measurement possible as the result of reducing the differences applied to sophisticated eyesight measurement.

• Fire Science and Engineering
• /
• v.19 no.3 s.59
• /
• pp.70-75
• /
• 2005

The heat of combustion of polymer materials is an important fire characteristics, which can be used with other fire parameter to predict the potential fire hazard in the polymer handling process. The aim of this study is to predict the heat of combustion for polymers which used in the building interior materials. By using the literature data and multiple regression, the new equation for predicting the heat of combustion of polymers is proposed. The A.A.p.E.(average absolute percent error) and the A.A.D.(average absolute deviation) of the reported and the calculated heat of combustion by means of the oxygen consumption calorimeter and the stoichiometric coefficient were 4.46 and 1.09, and the correlation coefficient was 0.972. The values calculated by the proposed equations were in good agreement with the literature data. Therefore, it is expected that this proposed equations will support the use of the research for other polymer materials.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1159-1163
• /
• 2010

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이다. 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 수위자료로부터 단시간 수위예측에 관해 연구하였다. 신경망은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 연결강도를 최적화함으로서 모형의 구조를 스스로 조직화하기 때문에 모형의 구조에 적합한 최적 매개변수를 추정할 수 있다. 따라서 정확한 예측이 어려운 하천수위를 과거의 자료로 부터 학습된 신경망의 수학적 알고리즘을 통해 유출량의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 따라서 본 연구에서는 인공신경망의 가중치를 유전자 알고리즘에 의해 최적화시킨후 오류역전파알고리즘에 의해 신경망의 학습을 진행하는 모형으로 감천유역의 선산수위표지점의 수위를 1시간~6시간까지 예측하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1605-1609
• /
• 2010

CGCM3.1 SRES B1 시나리오의 2D 변수들을 입력값으로 인공신경망 모형을 이용한 스케일 상세화기법으로 강부식(2009)은 소양강댐 유역의 월 누적강수 경향분석을 실시하였다. 원시 GCM 시나리오를 스케일 상세화 시키기 위한 기법의 하나로 인공신경망 모형을 사용할 수 있는데, 이 경우 GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면 근처에서의 일평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수를 잠재적인 예측인자로 사용하여 신경망을 구성하게 된다. 입력변수세트의 구성은 인공신경망의 계산 효율을 좌우하는 중요한 요소라 할 수 있다. 본 연구에서는 변수의 물리적 특성을 고려하여 순차적인 변수선택을 통한 신경망 입력변수 세트를 구성하고 입력세트 간의 학습성과 비교를 통하여, 최적 입력변수 선정 및 신경망의 학습효과를 높일 수 있는 방법에 대해 연구하였다. 물리적 상관성이 높다고 판단되는 GCM_Prec, huss, ps를 입력변수로 하여 순차적인 케이스를 학습해본 결과 huss와 ps를 입력변수로 하는 케이스에 대해서 적은 오차와 높은 상관성을 보였다, 또한, 신경망의 학습 효과를 높이기 위해 홍수기와 비홍수기로 구분하여 학습한 결과 홍수기와 비홍수기로 구분하여 신경망을 구성하였을 경우가 향상된 모의값을 나타내었다. 기후변화모의자료는 CCCma(Canadian Center for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 관측값으로는 AWS에서 제공된 일 누적강수를 사용하였다. 인공신경망의 학습기간은 1997년부터 2000년이며, 검증기간은 2001년부터 2004년으로 구성하였다.

• Journal of Internet Computing and Services
• /
• v.22 no.5
• /
• pp.79-86
• /
• 2021

As the usefulness of big data analysis has been drawing attention, many studies in the business research area begin to use big data to predict firm performance. Previous studies mainly rely on data outside of the firm through news articles and social media platforms. The voices within the firm in the form of employee satisfaction or evaluation of the strength and weakness of the firm can potentially affect firm value. However, there is insufficient evidence that online employee reviews are valid to predict firm value because the data is relatively difficult to obtain. To fill this gap, from 2014 to 2019, we employed 97,216 reviews collected by JobPlanet, an online firm review website in Korea, and developed a machine learning-based predictive model. Among the proposed models, the LSTM-based model showed the highest accuracy at 73.2%, and the MAE showed the lowest error at 0.359. We expect that this study can be a useful case in the field of firm value prediction on domestic companies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.264-264
• /
• 2023

물순환 과정에서의 증발산은 장기적인 관점에서의 수자원 계획 수립 시 중요한 요소이다. 증발산은 기온, 상대습도, 일사량 등 기상학적 인자뿐만 아니라 증발표면, 식생분포 등 다양한 인자의 복합작용에 의해 일어나므로, 유역 단위에서 발생한 실제증발산(Actual evapotranspiration, AET)을 측정하기에는 기술적인 한계가 존재한다. 그러나 증발산 보완관계(Complementary relationship of evapotranspiration, CRE) 가설을 활용하면, 수문요소의 상호작용을 고려한 모델링을 거치지 않고도, 비교적 간단하게 AET를 추정할 수 있다. 본 연구는 증발산 관측자료를 기반으로 유역 단위에서의 CRE를 검증하고자 하며, 플럭스 타워 등 다양한 관측장비가 설치되어 있는 용담댐 시험유역을 대상유역으로 선정하였다. 용담댐 유역 내 산지에 위치한 덕유산 플럭스 타워에서 측정된 증발산을 AET로 보았으며, 유역 인근에 위치한 전주 기상관측소에서 측정되는 팬 증발량(E_pan)을 잠재증발산량(Potential evapotranspiration, PET)으로 보았다. E_pan 계측시, 증발팬의 가열 등 주변환경 변화로 인해 과다하게 추정되는 값을 보완하기 위해 FAO Penman-Monteith 식을 활용해 팬 증발량 보정계수(Coefficient of pan evaporation, k_p)를 산정하여 적용하였다. 습윤증발산량(Wet evapotranspiration, WET)은 대기가 완전히 포화되었을 때 발생하는 증발산량으로, 댐 수표면에서 계측되는 수면증발량을 WET로 보았다. CRE 검증을 위해 AET와 PET를 각각 WET로 나누어 AET+와 PET+로 무차원화하였으며, 습윤지수(Moisture Index, MI)는 AET를 PET로 나누어 산정하였다. CRE 가설은 MI에 따른 AET+와 PET+가 서로 보완관계를 갖는다는 것인데, 용담댐 유역의 관측자료를 활용하여 CRE를 검증한 결과 AET+와 PET+ 간의 비대칭계수(b)가 1.23인 것으로 나타났다. 이 때의 평균제곱오차(MSE)는 0.599, 결정계수(R₂)는 0.631로 나타나 CRE의 b가 적합하게 추정된 것으로 판단된다. 본 연구결과와 같이 검증된 CRE를 통해 증발산 관측지점이 없거나, 조밀하지 않은 유역의 AET를 간접추정할 수 있으며, 이를 활용해 보다 정확한 댐의 장기유출 모의와 용수공급계획 수립에 도움을 줄 수 있을 것으로 기대된다.

• Journal of The Korean Society of Agricultural Engineers
• /
• v.61 no.6
• /
• pp.111-121
• /
• 2019

Evapotranspiration (ET) of vegetation is one of the major components of the hydrologic cycle, and its accurate estimation is important for hydrologic water balance, irrigation management, crop yield simulation, and water resources planning and management. For agricultural crops, ET is often calculated in terms of a short or tall crop reference, such as well-watered, clipped grass (reference crop evapotranspiration, $ET_o$). The Penman-Monteith equation recommended by FAO (FAO 56-PM) has been accepted by researchers and practitioners, as the sole $ET_o$ method. However, its accuracy is contingent on high quality measurements of four meteorological variables, and its use has been limited by incomplete and/or inaccurate input data. Therefore, this study evaluated the applicability of Backpropagation Neural Network (BPNN) model for estimating $ET_o$ from less meteorological data than required by the FAO 56-PM. A total of six meteorological inputs, minimum temperature, average temperature, maximum temperature, relative humidity, wind speed and solar radiation, were divided into a series of input groups (a combination of one, two, three, four, five and six variables) and each combination of different meteorological dataset was evaluated for its level of accuracy in estimating $ET_o$. The overall findings of this study indicated that $ET_o$ could be reasonably estimated using less than all six meteorological data using BPNN. In addition, it was shown that the proper choice of neural network architecture could not only minimize the computational error, but also maximize the relationship between dependent and independent variables. The findings of this study would be of use in instances where data availability and/or accuracy are limited.

• Journal of Korea Water Resources Association
• /
• v.55 no.10
• /
• pp.761-774
• /
• 2022

Accurate hydrologic prediction is essential to analyze the effects of drought, flood, and climate change on flow rates, water quality, and ecosystems. Disentangling the uncertainty of the hydrological model is one of the important issues in hydrology and water resources research. Hydrologic data assimilation (DA), a technique that updates the status or parameters of a hydrological model to produce the most likely estimates of the initial conditions of the model, is one of the ways to minimize uncertainty in hydrological simulations and improve predictive accuracy. In this study, the two ensemble-based sequential DA techniques, ensemble Kalman filter, and particle filter are comparatively analyzed for the daily discharge simulation at the Yongdam catchment using airGRdatassim. The results showed that the values of Kling-Gupta efficiency (KGE) were improved from 0.799 in the open loop simulation to 0.826 in the ensemble Kalman filter and to 0.933 in the particle filter. In addition, we analyzed the effects of hyper-parameters related to the data assimilation methods such as precipitation and potential evaporation forcing error parameters and selection of perturbed and updated states. For the case of forcing error conditions, the particle filter was superior to the ensemble in terms of the KGE index. The size of the optimal forcing noise was relatively smaller in the particle filter compared to the ensemble Kalman filter. In addition, with more state variables included in the updating step, performance of data assimilation improved, implicating that adequate selection of updating states can be considered as a hyper-parameter. The simulation experiments in this study implied that DA hyper-parameters needed to be carefully optimized to exploit the potential of DA methods.