• 한국환경과학회지
• /
• 제15권8호
• /
• pp.701-718
• /
• 2006

The average ratio of the daily UV-B to total solar (75) irradiance at Busan (35.23$^{\circ}$N, 129.07$^{\circ}$E) in Korea is found as 0.11%. There is also a high exponential relationship between hourly UV-B and total solar irradiance: UV-B=exp (a$\times$(75-b))(R$^2$=0.93). The daily variation of total ozone is compared with the UV-B irradiance at Pohang (36.03$^{\circ}$N, 129.40$^{\circ}$E) in Korea using the Total Ozone Mapping Spectrometer (TOMS) data during the period of May to July in 2005. The total ozone (TO) has been maintained to a decreasing trend since 1979, which leading to a negative correlation with the ground-level UV-B irradiance doting the given period of cloudless day: UV-B=239.23-0.056 TO (R$^2$=0.52). The statistical predictions of daily total ozone are analyzed by using the data of the Brewer spectrophotometer and TOMS in East Asia including the Korean peninsula. The long-term monthly averages of total ozone using the multiplicative seasonal AutoRegressive Integrated Moving Average (ARIMA) model are used to predict the hourly mean UV-B irradiance by interpolating the daily mean total ozone far the predicting period. We also can predict the next day's total ozone by using regression models based on the present day's total ozone by TOMS and the next day's predicted maximum air temperature by the Meteorological Mesoscale Model 5 (MM5). These predicted and observed total ozone amounts are used to input data of the parameterization model (PM) of hourly UV-B irradiance. The PM of UV-B irradiance is based on the main parameters such as cloudiness, solar zenith angle, total ozone, opacity of aerosols, altitude, and surface albedo. The input data for the model requires daily total ozone, hourly amount and type of cloud, visibility and air pressure. To simplify cloud effects in the model, the constant cloud transmittance are used. For example, the correlation coefficient of the PM using these cloud transmissivities is shown high in more than 0.91 for cloudy days in Busan, and the relative mean bias error (RMBE) and the relative root mean square error (RRMSE) are less than 21% and 27%, respectively. In this study, the daily variations of calculated and predicted UV-B irradiance are presented in high correlation coefficients of more than 0.86 at each monitoring site of the Korean peninsula as well as East Asia. The RMBE is within 10% of the mean measured hourly irradiance, and the RRMSE is within 15% for hourly irradiance, respectively. Although errors are present in cloud amounts and total ozone, the results are still acceptable.

• 한국농림기상학회지
• /
• 제20권3호
• /
• pp.262-276
• /
• 2018

2016년부터 2017년까지 제주 감귤과수원 11개 지점에서 관측한 기상 및 이슬 자료를 이용하여 이슬지속시간 예측 모델을 평가하였다. 이슬지속시간 모델의 민감도와 예측 정확도 평가에는 4 가지 모델(Number of Hours of Relative Humidity, Classification And Regression Tree/Stepwise Linear Discriminant, Penman-Monteith, Deep-learning Neural Network)이 사용되었다. 모델의 민감도는 강우와 계절 변화에 따라 평가하였다. 전체 자료에서 강우일 자료를 제외하면 이슬지속시간 모델들은 평균 오차(평균제곱근오차 약 1.5 hours)가 적게 나타났다. 기계학습 모델은 겨울을 제외한 계절별 오차가 비슷한 크기(평균제곱근오차 약 3 hours)로 나타났다. 나머지 모델들은 여름에 오차(평균제곱근오차 약 9.6 hours)가 가장 크고 겨울에 가장 작은 것(평균제곱근오차 약 3.3 hours)으로 나타났다. 모델 예측 정확도 평가 방법은 통계적 오차 분석 방법과 평균 제곱 편차 회귀 분석 방법을 사용하였다. 통계오차를 통한 모델 성능은 DNN 모델이 가장 우수한 반면에 CART/SLD 모델은 예측 정확도가 가장 낮게 나타났다. 평균제곱 편차(MSD)는 모델의 선형성을 세 가지(제곱 바이어스(SB), 비균일성 기울기(NU), 상관관계 부족(LC)) 구성요소로 구분하여 분석하는 방법이다. 모델 성능이 우수할수록 SB와 LC는 감소하였고 NU는 증가하는 경향이 나타났다. MSD 분석 결과 DNN 모델이 가장 우수하였으며 다음으로 PM, NHRH, CART/SLD 순으로 나타났다. 본 연구에서 활용된 기계학습 모델은 기상 정보를 이용한 다른 농업정보 생산의 정확도 개선에 크게 기여할 것으로 판단된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권10호
• /
• pp.4968-4986
• /
• 2017

In this paper, we primarily address the difficulty of automatic generation of a plausible depth map from a single image in an unstructured environment. The aim is to extrapolate a depth map with a more correct, rich, and distinct depth order, which is both quantitatively accurate as well as visually pleasing. Our technique, which is fundamentally based on a preexisting DepthTransfer algorithm, transfers depth information at the level of superpixels. This occurs within a framework that replaces a pixel basis with one of instance-based learning. A vital superpixels feature enhancing matching precision is posterior incorporation of predictive semantic labels into the depth extraction procedure. Finally, a modified Cross Bilateral Filter is leveraged to augment the final depth field. For training and evaluation, experiments were conducted using the Make3D Range Image Dataset and vividly demonstrate that this depth estimation method outperforms state-of-the-art methods for the correlation coefficient metric, mean log10 error and root mean squared error, and achieves comparable performance for the average relative error metric in both efficacy and computational efficiency. This approach can be utilized to automatically convert 2D images into stereo for 3D visualization, producing anaglyph images that are visually superior in realism and simultaneously more immersive.

• 한국정보과학회논문지:데이타베이스
• /
• 제34권2호
• /
• pp.141-152
• /
• 2007

선택도 추측은 관계형 데이타베이스에서 질의 최적화의 한 중요한 요소이다. 숫자 데이타에 대한 조건식에 대하여 이 주제는 많은 연구가 되어 왔으나 부분문자열에 대한 조건식은 최근에 이르러서야 관심의 초점이 되고 있다. 우리는 이 논문에서 이 문제를 위한 새로운 서픽스 트리 변환 알고리즘을 제시한다. 제안하는 기법은 서픽스 트리의 노드들을 단순히 잘라 없애 버리기 보다는 기본적으로 비슷한 카운트를 갖는 노드들을 구조적 정보를 유지하면서 병합하여 전체 크기를 줄인다. 본 논문은 여러 제약 사항하에서 서픽스 트리를 그 크기를 줄이도록 변환을 하는 알고리즘을 제시하고 실생활 데이타를 대상으로 실험을 수행하여 우리가 제안하는 알고리즘이 기존의 알고리즘들보다 우수한 평균 상대 에러와 에러 분포 특성을 지니고 있음을 보인다.

• Wind and Structures
• /
• 제36권4호
• /
• pp.237-247
• /
• 2023

The emergence of high-rise buildings has necessitated frequent structural health monitoring and maintenance for safety reasons. Wind causes damage and structural changes on tall structures; thus, safe structures should be designed. The pressure developed on tall buildings has been utilized in previous research studies to assess the impacts of wind on structures. The wind tunnel test is a primary research method commonly used to quantify the aerodynamic characteristics of high-rise buildings. Wind pressure is measured by placing pressure sensor taps at different locations on tall buildings, and the collected data are used for analysis. However, sensors may malfunction and produce erroneous data; these data losses make it difficult to analyze aerodynamic properties. Therefore, it is essential to generate missing data relative to the original data obtained from neighboring pressure sensor taps at various intervals. This study proposes a deep learning-based, deep convolutional generative adversarial network (DCGAN) to restore missing data associated with faulty pressure sensors installed on high-rise buildings. The performance of the proposed DCGAN is validated by using a standard imputation model known as the generative adversarial imputation network (GAIN). The average mean-square error (AMSE) and average R-squared (ARSE) are used as performance metrics. The calculated ARSE values by DCGAN on the building model's front, backside, left, and right sides are 0.970, 0.972, 0.984 and 0.978, respectively. The AMSE produced by DCGAN on four sides of the building model is 0.008, 0.010, 0.015 and 0.014. The average standard deviation of the actual measures of the pressure sensors on four sides of the model were 0.1738, 0.1758, 0.2234 and 0.2278. The average standard deviation of the pressure values generated by the proposed DCGAN imputation model was closer to that of the measured actual with values of 0.1736,0.1746,0.2191, and 0.2239 on four sides, respectively. In comparison, the standard deviation of the values predicted by GAIN are 0.1726,0.1735,0.2161, and 0.2209, which is far from actual values. The results demonstrate that DCGAN model fits better for data imputation than the GAIN model with improved accuracy and fewer error rates. Additionally, the DCGAN is utilized to estimate the wind pressure in regions of buildings where no pressure sensor taps are available; the model yielded greater prediction accuracy than GAIN.

• 한국물환경학회지
• /
• 제35권5호
• /
• pp.432-438
• /
• 2019

The purpose of this study is to predict Trophic Diatom Index (TDI) in tributaries of the Han River watershed using the random forest algorithm. The one year (2017) and supplied aquatic ecology health data were used. The data includes water quality(BOD, T-N, $NH_3-N$, T-P, $PO_4-P$, water temperature, DO, pH, conductivity, turbidity), hydraulic factors(water width, average water depth, average velocity of water), and TDI score. Seven factors including water temperature, BOD, T-N, $NH_3-N$, T-P, $PO_4-P$, and average water depth are selected by the Correlation Feature Selection. A TDI prediction model was generated by random forest using the seven factors. To evaluate this model, 2017 data set was used first. As a result of the evaluation, $R^2$, % Difference, NSE(Nash-Sutcliffe Efficiency), RMSE(Root Mean Square Error) and accuracy rate show that this model is compatible with predicting TDI. To be more concrete, $R^2$ is 0.93, % Difference is -0.37, NSE is 0.89, RMSE is 8.22 and accuracy rate is 70.4%. Also, additional evaluation using data set more than 17 times the measured point was performed. The results were similar when the 2017 data set were used. The Wilcoxon Signed Ranks Test shows there was no statistically significant difference between actual and predicted data for the 2017 data set. These results can specify the elements which probably affect aquatic ecology health. Also, these will provide direction relative to water quality management for a watershed that must be continuously preserved.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.244-244
• /
• 2023

Both the frequency and the magnitude of hydrometeorological extreme events such as severe floods and droughts are increasing. In order to prevent a damage from the climatic disaster, hydrological models are often simulated under various meteorological conditions. While performing the simulations, a synthetic data generated through time series models which maintains the key statistical characteristics of the sample data are widely applied. However, the synthetic data can easily maintains both the average and the variance of the sample data, but the quantile is not maintained well. In this study, we proposes a data generation method which maintains the quantile of the sample data well. The equations of the former maintenance of variance extension (MOVE) are expanded to maintain quantile rather than the average or the variance of the sample data. The equations are derived and the coefficients are determined based on the characteristics of the sample data that we aim to preserve. Monte Carlo simulation is utilized to assess the performance of the proposed data generation method. A time series data (data length of 500) is regarded as the sample data and selected randomly from the sample data to create the data set (data length of 30) for simulation. Data length of the selected data set is expanded from 30 to 500 by using the proposed method. Then, the average, the variance, and the quantile difference between the sample data, and the expanded data are evaluated with relative root mean square error for each simulation. As a result of the simulation, each equation which is designed to maintain the characteristic of data performs well. Moreover, expanded data can preserve the quantile of sample data more precisely than that those expanded through the conventional time series model.

• 한국산학기술학회논문지
• /
• 제20권12호
• /
• pp.574-580
• /
• 2019

본 논문에서는 제주국제자유도시 및 경제자유구역의 경제적 성과를 외국인직접투자(FDI), 지역내총생산(GRDP), 고용률(EPR) 데이터를 이용하여 통계적 검정과 패널분석의 이중차분모형(Difference-In-Difference model)으로 살펴보고, 세 변수의 관계를 지역별 데이터 및 패널 벡터오차수정모형(PVECM: Panel Vector Error Correction Model)을 이용하여 살펴보았다. FDI 신고액 대비 도착액의 비율인 실투자율 연평균증가율의 경우 수도권이 비수도권보다 높게 나타났다. FDI 도착액의 성장과 상대적 규모를 살펴보면 16개 지역 중 7개 지역이 성장도 낮고, 규모도 작은 것으로 나타났다. 통계적 분석 결과 지구지정 전후의 변화에서 2개 지역을 제외하고는 일부 변수에서 통계적으로 유의한 차이가 나타났으나 순수한 지구지정 정책효과인 지를 판단할 수 있는 이중차분 추정치는 통계적 유의성이 없는 것으로 나타났다. 한편, PVECM을 이용하여 세 변수의 상호 관계를 분석해 본 결과 상호 설명력은 상당히 제한적이었으나 수도권 지역보다는 비수도권 지역에서, 광역지역 보다는 시도지역에서 크게 나타났다. 이상의 결과를 종합해 볼 때, FDI 유입이 GRDP 증가 및 고용률 상승 등 지역경제 활성화로 연결될 수 있는 FDI 유치 메커니즘을 구축하는 것이 필요하다고 하겠다.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.69-83
• /
• 2020

간판은 보행자의 안전과 도심의 재난 예방을 위해 국가법령에 따라 간판의 규격이 정해져 있다. 간판은 규격에 따라 설치되어야 하지만 오랜 기간 동안 설치되어온 다수의 간판과 빈번하게 변화하는 점포로 인해 간판을 체계적으로 관리하기가 수월하지 않다. 이에 본 연구에서는 규격에 어긋나는 간판을 판별하는 방법론을 제안하였다. 이를 위해, 스테레오 카메라를 이용하여 간판을 촬영한 후 영상에서 간판의 3차원 좌표를 결정하여 간판의 가로와 세로 크기를 계산하여 간판의 규격을 판별하였다. 스테레오 카메라의 내부표정요소와 상호표정요소를 결정하기 위해서 실외의 3차원 건물을 검정장으로 사용하였다. 그리고 나서 약 15m ~ 22m 거리에서 촬영한 간판 영상에서 딥러닝을 이용하여 간판의 네 꼭지점에 대한 영상좌표를 추출하였다. 스테레오 카메라의 내부표정요소와 상호표정요소 그리고 간판의 네 꼭지점에 대한 영상좌표를 이용하여 간판의 3차원 좌표를 결정한 후 간판의 가로 및 세로 크기를 계산한 결과 평균적으로 약 2.7cm의 오차가 있었다. 10개의 판류형 간판에 대한 규격을 살펴본 결과 가로 크기는 모두 규격을 준수하였으나, 세로 크기는 평균적으로 약 36.5cm를 초과하였다. 이를 통해 판류형 간판의 정비가 필요한 것을 알 수 있었다.

• 한국산림과학회지
• /
• 제102권4호
• /
• pp.467-476
• /
• 2013

산림입지도의 지위지수 정보는 조사지점에만 존재하므로 미조사 지역에 대한 지위지수는 별도의 추정이 필요하다. 미조사 지역의 지위지수 추정을 위해 본 연구에서는 점자료로부터 연속표면을 생성하는 공간 내삽법인 크리깅 기법을 적용하였다. Chapman-Richards 생장모델을 이용하여 표준지별 지위지수 추정치를 구한 뒤 가우시안, 구형 및 지수형 베리오그램 모델별로 정규크리깅을 이용하여 단양 전역의 소나무림 지위지수를 격자단위($30m{\times}30m$)로 추정하였다. 교차검증을 위해 평균오차(ME), 평균표준오차(ASE) 및 평균제곱근오차(RMSE)를 계산하였다. 베리오그램 모델 적합 결과, 상대 너깃이 가장 큰 가우시안 모델(37.40%)이 제외되었으며 구형 모델(16.80%)과 지수형 베리오그램 모델(8.77%)이 선택되었다. 크리깅에 의한 지위지수 추정치는 지수형 모델을 적용한 경우 4.39~19.53, 구형모델을 적용한 경우 4.54~19.23의 분포를 보였다. 교차 검증 결과, RMSE는 두 모델에서 큰 차이가 없는 것으로 나타났으나 구형모델의 ME와 ASE가 지수형 모델보다 작기 때문에 구형 베리오그램 모델 기반 지위지수 지도를 최종적으로 선정하였다. 지위지수 지도로부터 산출된 단양지역 소나무림 평균 지위지수는 10.78로 추정되었다. 공간이질성이 큰 우리나라 산림의 바이오매스 추정 시 지위지수 지도를 통해 지역적 변이를 고려할 수 있으며 궁극적으로는 탄소저장량 분포 추정의 정확도 제고에 기여할 수 있을 것으로 기대된다.