• Applied Biological Chemistry
• /
• 제41권2호
• /
• pp.160-165
• /
• 1998

쌀의 품종 식별 기술은 아직까지 적절한 방법이 연구되지 않아, 최근 불법 유통사례가 빈번히 발생하고 있다. 따라서 본 연구에서는 보다 신속하게 현장에서 응용가능한 쌀의 품종을 식별하기 위해서, 비파괴 측정법 중 화상처리법을 응용하였다. MFG board, CCD camera, Zoom lens 및 Ring light로 구성된 화상처리 장치로 쌀알의 영상을 취득하여, Threshold, Median filtering으로 쌀알 영상의 노이즈를 제거하고, 윤곽을 추출하여 중심점에서 360도 각도에 대한 가장자리까지의 거리를 쌀알의 화상데이타로 이용하였다. 쌀 품종 내에서 영상 변이는 다소 있었지만, 형태가 상이한 쌀 품종에서는 품종간 변이 보다 품종 내의 변이가 적었으며, 동일 품종의 쌀알의 착립위치에 따라서는 변이 폭이 매우 적었다. 추출된 화상 데이터는 Normalize, FFT의 전처리 과정으로 정규화 및 변수 축소가 가능하였다. 각 품종의 쌀알의 평균 영상에 Matching하는 Library model과 BP neural network model에 의한 품종 판별 결과, 형태가 상이한 품종간에는 100% 판별 가능하였으며, 형태가 유사한 품종간에는 85%의 판별 결과를 나타내었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.246-246
• /
• 2021

본 연구는 강우 발생시 유량을 추정하는 것에 목적이 있다. 이를 위해 본 연구는 선행연구의 모형 개발방법론에서 벗어나 딥러닝 알고리즘 중 하나인 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 유량을 추정하였다. 합성곱 신경망은 일반적으로 분류 문제 (classification)을 해결하기 위한 목적으로 개발되었기 때문에 불특정 연속변수인 유량을 모의하기에는 적합하지 않다. 이를 위해 본 연구에서는 합성곱 신경망의 완전 연결층 (Fully connected layer)를 개선하여 연속변수를 모의할 수 있도록 개선하였다. 대부분 합성곱 신경망은 RGB (red, green, blue) 사진 (photograph)을 이용하여 해당 사진이 나타내는 것을 예측하는 목적으로 사용하지만, 본 연구의 경우 일반 RGB 사진을 이용하여 유출량을 예측하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이를 위해 본 연구에서는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는 수문학적 이미지는 입력자료로 활용했다. 합성곱 신경망의 구조는 Convolution Layer와 Pulling Layer가 5회 반복하는 구조로 설정하고, 이후 Flatten Layer, 2개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 다시 1개의 Dense Layer가 이어지는 구조로 설계하였다. 마지막 Dense Layer의 활성화 함수는 분류모형에 이용되는 softmax 또는 sigmoid 함수를 대신하여 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 이와 함께 각 층의 활성화 함수는 정규화 선형함수 (ReLu)를 이용하였으며, 모형의 학습 평가 및 검정을 판단하기 위해 MSE 및 MAE를 사용했다. 또한, 모형평가는 NSE와 RMSE를 이용하였다. 그 결과, 모형의 학습 평가에 대한 MSE는 11.629.8 m3/s에서 118.6 m3/s로, MAE는 25.4 m3/s에서 4.7 m3/s로 감소하였으며, 모형의 검정에 대한 MSE는 1,997.9 m3/s에서 527.9 m3/s로, MAE는 21.5 m3/s에서 9.4 m3/s로 감소한 것으로 나타났다. 또한, 모형평가를 위한 NSE는 0.7, RMSE는 27.0 m3/s로 나타나, 본 연구의 모형은 양호(moderate)한 것으로 판단하였다. 이에, 본 연구를 통해 제시된 방법론에 기반을 두어 CNN 모형 구조의 확장과 수문학적 이미지의 개선 또는 새로운 이미지 개발 등을 추진할 경우 모형의 예측 성능이 향상될 수 있는 여지가 있으며, 원격탐사 분야나, 위성 영상을 이용한 전 지구적 또는 광역 단위의 실시간 유량 모의 분야 등으로의 응용이 가능할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.444-444
• /
• 2021

하천의 오염부하량 관리 계획은 지속적인 모니터링을 통한 자료 구축과 모형을 이용한 예측결과를 기반으로 수립된다. 하천의 모니터링과 예측 분석은 많은 예산과 인력 등이 필요하나, 정부의 담당 공무원 수는 극히 부족한 상황이 일반적이다. 이에 정부는 전문가에게 관련 용역을 의뢰하지만, 한국과 같이 지형이 복잡한 지역에서의 오염부하량 배출 특성은 각각 다르게 나타나기 때문에 많은 예산 소모가 발생 된다. 이를 개선하고자, 본 연구는 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 BOD 및 총인의 부하량 예측 모형을 개발하였다. 합성곱 신경망의 입력자료는 일반적으로 RGB (red, green, bule) 사진을 이용하는데, 이를 그래도 오염부하량 예측에 활용하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이에, 본 연구에서는 오염부하량이 수문학적 조건과 토지이용 등의 변수에 의해 결정된다는 인과관계를 만족시키고자 수문학적 속성이 내재된 수문학적 이미지를 합성곱 신경망의 훈련자료로 사용하였다. 수문학적 이미지는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는데, 여기서 각 grid의 수문학적 속성은 SCS 토양보존국(soil conservation service, SCS)에서 발표한 수문학적 토양피복형수 (curve number, CN)를 이용하여 산출한다. 합성곱 신경망의 구조는 2개의 Convolution Layer와 1개의 Pulling Layer가 5회 반복하는 구조로 설정하고, 1개의 Flatten Layer, 3개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 마지막으로 1개의 Dense Layer가 연결되는 구조로 설계하였다. 이와 함께, 각 층의 활성화 함수는 정규화 선형함수 (ReLu)로, 마지막 Dense Layer의 활성화 함수는 연속변수가 도출될 수 있도록 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 연구의 대상지역은 경기도 가평군 조종천 유역으로 선정하였고, 연구기간은 2010년 1월 1일부터 2019년 12월 31일까지로, 2010년부터 2016년까지의 자료는 모형의 학습에, 2017년부터 2019년까지의 자료는 모형의 성능평가에 활용하였다. 모형의 예측 성능은 모형효율계수 (NSE), 평균제곱근오차(RMSE) 및 평균절대백분율오차(MAPE)를 이용하여 평가하였다. 그 결과, BOD 부하량에 대한 NSE는 0.9, RMSE는 1031.1 kg/day, MAPE는 11.5%로 나타났으며, 총인 부하량에 대한 NSE는 0.9, RMSE는 53.6 kg/day, MAPE는 17.9%로 나타나 본 연구의 모형은 우수(good)한 것으로 판단하였다. 이에, 본 연구의 모형은 일반 ANN 모형을 이용한 선행연구와는 달리 2차원 공간정보를 반영하여 오염부하량 모의가 가능했으며, 제한적인 입력자료를 이용하여 간편한 모델링이 가능하다는 장점을 나타냈다. 이를 통해 정부의 물관리 정책을 위한 의사결정 및 부족한 물관리 분야의 행정력에 도움이 될 것으로 생각된다.

• 응용통계연구
• /
• 제11권1호
• /
• pp.151-161
• /
• 1998

본 논문에서는 Koziol-Green 모형에서 생존함수에 대한 신뢰구간을 붓스트랩 방법을 이용하여 제안하고, 생존함수에 대한 붓스트랩 추정량의 일치성을 밝힌다. 또한 제안된 붓스트랩 신뢰구간들을 기존의 근사적 정규분포를 이용한 신뢰구간과 생존함수에 변수변환을 고려하여 구성한 신뢰구간들과 모의실험을 통하여 비교한 결과 제안된 붓스트랩 신뢰구간이 기존의 방법보다 포함확률 측면에서 더 좋은 결과를 보였고 중도절단율에 덜 민감한다는 것을 보여 주었다.

• 대한원격탐사학회지
• /
• 제21권6호
• /
• pp.445-456
• /
• 2005

지표변수는 지면 근처의 기후변화에 중요한 역할을 하기 때문에, 충분히 높은 정확성을 가진 값이 산출되어야 한다 하지만 지표 반사도는 강한 이방성(non-Lambertian) 특징을 가지고 있기 때문에, 위성 천저각으로부터 멀어질수록 태양-지점-위성과의 기하학적 영향을 더욱 강하게 받는 효과를 가져온다. 또한 지표 각 영향을 포함하고 있는 지표 반사도는 노이즈를 가지게 된다. 따라서 본 연구의 목적은 한반도 지역의 MODIS 반사도 자료(250m)를 이용하여 각 영향이 제거된 보다 정확한 반사도 값에 대한 데이터베이스를 제공하는 것이다. 본 연구에서는 매일 2회씩 제공하는 MODIS(Moderate Resolution Imaging Spoctroradiometer) 센서의 가시영역과 근적외영역의 반사도(250m)자료를 이용하였다. 먼저 구름화소를 제거하기 위해서 연속적인 물리과정을 통하여 각각의 구름 화소를 제거하였다. 그리고 지리보정은 MODIS 센서에서 제공하는 지리정보자료를 이용하여 2차 다항회귀식을 통한 최근접 내삽법을 사용하였다. 본 연구에서는 지표 이방성 효과를 보정하기 위해서 반 경험적 양방향성분포함수(BRDF) 모델을 사용하였다. 이 알고리즘은 위성으로부터 관측된 위성천정각, 태양천정각, 위성방위각, 태양방위각과 같은 각 성분을 이용하여 Kernel-deriven 모델의 역변환을 통하여 지표 반사도를 재생산한다. 먼저 우리는 BRDF 모델을 수행하기 위해 총 31일 모델 관측 실행기간을 고려하였다. 다음 단계로 각각의 화소 및 밴드에 대해서 BRDF 모델을 통하여 분리된 각 성분들을 변조함으로써 위성 직하점 반사도 정규화가 수행되었다. 모델을 이용하여 산출된 반사도 값은 실제 위성 반사도 값과 잘 일치하였고, RMSE(Root Mean Square Error)값은 전체적으로 약 0.01(최고값=0.03)이였다. 마지막으로, 우리는 한반도 지역에 대해서 2001년 동안 총 36개로 구성된 정규화 지표반사도 값의 데이터베이스를 구축하였다.

• 한국전산구조공학회논문집
• /
• 제28권1호
• /
• pp.9-18
• /
• 2015

본 논문에서는 애조인 설계민감도(DSA)를 사용하여 평형상태의 열전도문제에서 수치적으로 얻어진 위상 최적설계를 실험적으로 검증하였다. 애조인 변수법을 이용하면 해석에서 사용되었던 행렬시스템을 애조인 문제를 풀 때 그대로 활용가능하기 때문에 설계민감도를 얻는데 필요한 계산을 매우 효율적으로 수행할 수 있다. 위상 최적설계를 위해서 설계변수는 정규화된 재료밀도 함수로 정하였다. 목적함수는 구조물의 열 컴플라이언스이고 제한조건은 허용 가능한 재료량이다. 또한 열화상카메라를 활용하여 이러한 위상 최적설계로 얻어진 수치적 결과를 부피가 동일하도록 직관적으로 설계된 디자인과 비교하여 실험적으로 검증하였다. 위상 최적설계로 얻어진 결과를 실제로 제작하기 위해 간단한 수치기법을 통해 점 정보로 변환한 후 역설계 상용프로그램을 이용하여 CAD 모델링을 수행한다. 이를 바탕으로 위상 최적설계 결과를 CNC(Computerized Numerically Controlled machine tools) 선반으로 제작하였다.

• 대한기계학회논문집A
• /
• 제38권10호
• /
• pp.1057-1068
• /
• 2014

2개의 상으로 구성된 입자 강화 복합재에 대한 균질화와 내부 상태 변수에 대해 2차 미분항이 포함된 비구역적 이론을 적용하여 탄소성 구성 방정식을 제안하였다. 열역학과 소성 포텐셜을 통해 내부 상태 변수에 대한 전개식 또한 본 논문에 포함되었다. 연속체 결함 모델을 이용, 결함 인자에 따른 물성 저하 현상도 감안되었으며 이중 후방응력이 조합된 전개식 또한 제시하였다. 일부 예에 대한 수치해석 결과, 비구역적 변수의 영향이 증가할수록 전단밴드는 감소하나 반면 특정 후방응력 전개가 지배적일수록 소성변형 집중이 증가함이 관찰되었다. 더욱이 두 개의 강소성 상으로 이루어진 복합재의 경우 강성이 높은 게재물의 비중이 증가함에 따라 전단밴드 형성이 용이한 것으로 나타났다. 그 밖에 제어변수들의 변화에 따른 전단밴드 형성에 대한 분석 결과는 Rice 소성 불안정성 분석결과와 잘 일치함 또한 밝혀졌다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.1117-1120
• /
• 2009

최근 이상기후와 같은 기후변화로 인한 기온, 강수 등의 변화는 안정적인 수자원 확보에 큰 영향을 미칠 것으로 판단되고 수자원을 필요로 하는 사회 모든 분야에 있어 큰 영향을 끼친다. 특히 농업, 공업, 도시의 용수 공급에 있어 변화는 더욱 심해질 것으로 판단되며 기후변화로 인한 기온, 강수 등의 변화의 정확한 분석이 필요로 한다. 따라서 본 연구에서는 동아시아 해수면 온도와 우리나라 강수량에 대한 MSSA (Multi-channel Singular Spectrum Analysis)를 실시함으로 두 시계열 사이에 공통적으로 나타나는 변화, 즉 특정 상관 주기 변동을 분석함으로 두 변수 사이에 변화 상관 분석을 실시하였다. 우리나라 강수량 자료로는 현재 기상청에서 운영 중인 지상 기상관측소 76개소 중 가용관측소 61개소 자료에 대하여 1973년 1월부터 2008년 12월까지의 자료를 수집하여 월 평균값을 사용하였고 동아시아 해수면 온도 자료로는 한반도 근해 해수면 온도 변화, 남중국해 해수면 온도 변화, 인도양 해수면 온도 변화, 적도 해수면 온도 변화 등을 선택하여 관측시점부터 2008년 12월까지 자료를 수집하여 사용하였다. 분석 자료에 대해 선형 회귀분석을 통한 선형추세 제거와 정규화한 자료를 사용하여 각각의 지수에 대해 MSSA 분석을 실시하였다. 이때 window length는 Vautard 등(1992)이 제시한 N/5$^{\sim}$N/3의 값인 108의 값을 사용하였고 이때 각각의 고유치는 전체 공분산에 대한 각 요소의 비율을 설명한다. 상관분석 결과는 각 지수와 강수자료 사이에 높은 상관성을 가지는 장단주기 변화가 존재함을 보여주었다. 그럼에도 불구하고 우리나라 월강수자료의 전체 변화는 계절변화를 제외하고도 장단 주기를 가지는 시간변화가 자료 전체 변화의 절반에 해당하며 장주기 변화가 나타내는 부분이 미미하다. 이는 계절 주기를 제외한 자료들 사이의 상관변화가 설명할 수 있는 부분이 미미 하며 여러 기상지수들과 국내 강수량사이의 MSSA 분석을 통하여 제시 할 수 있는 변화의 정량적 정도가 매우 제한됨을 보여준다. 그럼에도 불구하고 이러한 접근을 통하여 강수 변화의 불확실성을 줄여나가는 노력이 필요하다고 하겠다.

• 한국음향학회지
• /
• 제20권4호
• /
• pp.22-28
• /
• 2001

본 논문에서는 마이크로폰 어레이를 통해 수신한 화자의 음성신호를 이용하여 추출된 공간정보를 통해 화자의 위치를 실시간으로 추적하는 알고리듬을 개선하고 이를 실시간으로 구현하였다. 기존의 대표적인 화자 위치 추정 알고리듬인 CPSP (Cross Power, Spectrum Phase) 함수는 상호 상관관계 (Cross Correlation)가 정규화 되어있는 형태를 갖는데, CPSP 함수의 최대값 인덱스로부터 화자의 공간정보인 TDOA(Time Difference Of Arrival)를 추출하게 된다. 그러나 CPSP함수를 이용한 공간정보 추정 알고리듬은 실내환경에서 심각하게 일어나는 반향신호에 대해서 취약한 단점을 갖고 있다. 본 논문에서 제안하는 저주파 위상 복원 알고리듬은 주파수 측면에서 반향신호가CPSP함수에 미치는 영향을 분석하여 반향으로 인하여 왜곡된 위상 성분을 복원함으로써 보다 신뢰도 있는 TDOA 추정을 가능하게 한다. 반향신호로 인한 CPSP의 위상은 저주파보다 고주파에서 심하게 왜곡되는데, 각각의 반향신호의 도달 시간을 기하학적 분포를 갖는 확률변수로 모델링하여 이를 수학적으로 증명하였다. 제안한 시스템의 성능분석을 위해 DSP를 이용한 실시간 시스템을 구현하여 기존 CPSP 알고리듬과 제안된 알고리듬을 적용한 시스템을 실제 환경에서 비교 실험을 수행한 결과 제안된 알고리듬을 적용한 시스템에서 약 15샘플 이상 TDOA 추정 오차가 줄어들고 있음을 확인하였다.

• KSBB Journal
• /
• 제20권4호
• /
• pp.291-298
• /
• 2005

본 연구는 재조합 대장균과 S.cerevisiae의 발효공정에서 형광스펙트럼 데이터를 수집하였으며, SOM을 이용하여 형광스펙트럼 데이터를 특정 그룹으로 분류하고 발효공정을 분석하고자 하였다. 배출가스 내 이산화탄소농도와 세포농도 같은 공정변수들은 SOM 알고리즘으로부터 얻은 분산 및 정규화된 가중치들과 좋은 연관성을 나타내었다. 전체 스펙트럼 데이터의 분류는 생물공정 모델링을 위한 매우 중요한 단계인데 그 이유는 몇몇 여기파장과 방출파장의 유의한 조합들이 전체영역의 스펙트럼 데이터로부터 추출되기 때문이다. 예를 들면, 본 연구에서 SOM을 이용하여 추출한 98개의 스펙트럼 데이터의 예제들은 부분최소자승법이나 감독신경망 (supervised neural network)을 이용한 공정의 모델링에 사용될 수 있다.