• 한국해양환경ㆍ에너지학회지
• /
• 제14권2호
• /
• pp.107-113
• /
• 2011

해수유동모델의 검증 및 평가를 위해 적용되는 또는 적용가능한 10종류의 모델 오차평가방법 - 네가지의 정량적 평가방법(절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 백분율모델오차)과 여섯가지의 정성적 평가방법(상관계수, 신뢰지수, 일치지수, 모델효율성, 비용함수, 잔여량계수) - 을 소개하고, 실제 조위, 유속, 염분관측치와 3차원 곡선형 모델(CH3D)에서 구해진 플로리다 하구에서의 수치해에 이들 모델 오차평가방법들을 적용하였다. 조위 및 유속평가시 절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 상관계수, 일치지수, 모델효율성, 비용함수, 잔여량계수 등이 적합하였다. 그리고 염분평가시 절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 백분율모델오차, 상관계수, 신뢰지수, 비용함수, 잔여량계수 등의 사용이 타당하였다. 정량/정성적 평가방법들이 서로 유사한 평가경향을 보여 줌으로써, 상호간의 신뢰성도 보여 주었다. 다양한 모델 오차평가방법을 통하여 계산된 평가값을 토대로, 본 연구에서는 조위, 유속, 염분이 잘 재현된 해수유동모델의 평가범위를 제시하였다. 조위의 경우 상대적 절대평균 오차는 10%이내, 상관계수는 0.95이상, 일치지수는 0.98이상, 모델효율성은 0.93이상, 비용함수는 0.21이내이며, 유속의 경우 상대적 절대평균오차는 20%이내, 상관계수는 0.7이상, 일치지수는 0.8이상, 모델효율성은 0.5이상, 비용 함수는 0.5이내이며, 염분의 경우 상대적 절대평균오차와 백분율모델오차는 10%이내, 상관계수는 0.9이상, 신뢰지수는 1.15이내, 비용함수는 0.1이내 이다.

• Geomechanics and Engineering
• /
• 제33권3호
• /
• pp.279-289
• /
• 2023

Brittleness index (BI) is an important property of rocks because it is a good index to predict rockburst. Due to its importance, several empirical and soft computing (SC) models have been proposed in the literature based on the punch penetration test (PPT) results. These models are very important as there is no clear-cut experimental means for measuring BI asides the PPT which is very costly and time consuming to perform. This study used a novel Multivariate Adaptive regression spline (MARS), M5P, and white-box ANN to predict the BI of rocks using the available data in the literature for an improved BI prediction. The rock density, uniaxial compressive strength (σ_c) and tensile strength (σ_t) were used as the input parameters into the models while the BI was the targeted output. The models were implemented in the MATLAB software. The results of the proposed models were compared with those from existing multilinear regression, linear and nonlinear particle swarm optimization (PSO) and genetic algorithm (GA) based models using similar datasets. The coefficient of determination (R²), adjusted R² (Adj R²), root-mean squared error (RMSE) and mean absolute percentage error (MAPE) were the indices used for the comparison. The outcomes of the comparison revealed that the proposed ANN and MARS models performed better than the other models with R² and Adj R² values above 0.9 and least error values while the M5P gave similar performance to those of the existing models. Weight partitioning method was also used to examine the percentage contribution of model predictors to the predicted BI and tensile strength was found to have the highest influence on the predicted BI.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.521-531
• /
• 2020

QZSS (Quasi-Zenith Satellite System)는 위성의 L6 밴드를 통해서 CLAS (Centimeter Level Augmentation Service)를 제공한다. CLAS는 현재 GPS (Global Positioing System), Galileo 그리고, QZSS 위성군에 대한 보정정보를 제공하며, 이러한 보정정보를 C-SSR (Compact - Space State Representation)라고 한다. 본 연구에서는 L6 밴드를 수신할 수 있는 GPS 수신기인 Septentrio의 AsteRx4를 이용하여 CLAS 메시지를 수신하고, 그 메시지를 디코딩하여 C-SSR을 획득하였다. 그리고, GPS, Galileo, QZSS의 코드의사거리 관측치에 Compact SSR을 적용하여 GNSS (Global Navigation Satellite System) 오차를 보정하고, 비선형 최소제곱법으로 수신기의 3차원 위치 및 위성군의 시계오차들을 추정하는 다중 위성항법 기반의 Code-PPP (Precise Point Positioning)를 개발하였다. 개발한 알고리즘의 정확도를 평가하기 위해서 IGS (International GNSS Service) 사이트 중 하나인 TSK2 (Tsukuba)를 대상으로 정지측위를 수행하고, 일본의 가와니시(Kawanishi)시의 이나강(Ina river) 주변을 주행하며 이동측위를 수행하였다. 그 결과, 정지측위의 경우 모든 데이터셋의 평균 RMSE (Root Mean Squared Error)는 수평방향으로 0.35 m, 수직방향으로 0.57 m의 정확도를 나타냈다. 그리고 이동측위의 경우 VRS의 RTK-FIX 값과 비교해 봤을 때 수평방향은 약 0.82 m, 수직방향은 약 3.56 m의 정확도를 나타냈다.

• 응용통계연구
• /
• 제36권1호
• /
• pp.49-62
• /
• 2023

급속적으로 비중이 증가하고 있는 태양광 에너지는 지속적인 개발 및 투자가 이루어지고 있다. 신재생에너지 정책인 그린뉴딜과 가정용 태양광 패널의 설치가 증가함에 따라 국내 태양광 에너지 보급이 점차 확대되어 그에 맞추어 발전량의 정확한 수요 예측 연구가 활발하게 진행되고 있는 시점이다. 또한, 일사량 예측이 발전량 수요 예측에 가장 영향을 미치는 요소로 작용하고 있다는 점에서 일사량 예측의 중요성을 파악하였다. 덧붙여, 본 연구는 선행 연구들에서 사용되지 않은 중기예보 기상 데이터를 활용하여 일사량 예측을 하고자 하였다는 점에서 가장 큰 차이점을 확인할 수 있다. 본 논문에서는 서울, 인천, 수원, 춘천, 대구, 대전의 총 여섯 지역의 태양광 일사량 예측을 위하여 다중선형회귀모형, KNN, Random Forest 그리고 SVR 모형과 클러스터링 기법인 K-means 기법을 결합한 후, 클러스터별 확률밀도함수를 계산하여 시간별 일사량 예측을 진행하고자 하였다. 중기예보 데이터를 사용하기 전, 모형 예측 결과를 비교하기 위한 지표로서 MAE (mean absolute error)와 RMSE (root mean squared error)를 사용하였다. 데이터는 2017년 3월 1일부터 2022년 2월 28일까지의 시간별 원 관측 데이터를 중기예보 데이터 양식에 맞추어 일별 데이터로 변환하였다. 모형의 예측 성능 비교 결과, Random Forest로 일별 일사량을 예측한 후, K-means 클러스터링으로 기후요인이 유사한 날짜들을 분류한 뒤 클러스터별 일사량의 확률밀도함수를 계산하여 시간별 일사량 예측값을 나타낸 방법이 가장 우수한 성능을 보였다. 또한 이 방법론을 이용하여 중기예보 데이터에 모형 적합 후, 예측 결과를 확인하였을 때, 일자별로 예측 오류가 상승하는 것을 확인할 수 있었다. 이는 중기예보 기상데이터의 예측 오류로 인한 것으로 보인다. 향후 연구에서는 중기예보 데이터에서 활용할 수 있는 기상요인 중, 강수 여부와 같은 외생 변수를 추가하거나 시계열 클러스터링 기법을 적용한 연구가 이루어져야할 것으로 보인다.

• 한국항만경제학회지
• /
• 제26권1호
• /
• pp.222-233
• /
• 2010

해상운임의 변동은 해운업계에만 영향을 미치는데 그치지 않고 전후방 연쇄효과를 통해 조선업계를 비롯하여 경제 전반에 영향을 미친다. 따라서 해상운임의 움직임을 정확히 예측하는 것은 해운업계 뿐만 아니라 우리나라 경제에도 중요한 의미를 갖게 된다. 그러나 해상운임은 주가나 환율과 같이 다양한 요인에 의해 결정될 뿐만 아니라 최근 들어 운임의 변동성이 크게 커지는 추세이어서 예측에 상당한 어려움이 있다. 본고는 2010년의 BDI를 예측하기 위하여 가장 단순한 모형인 단변량모형인 ARIMA 모형, 개입ARIMA모형, HP 모형을 이용한다. 개입ARIMA 모형은 글로벌 금융위기와 중국효과가 미친 효과를 분석하기 위한 것이다. ARIMA모형은 2010년 말에 4,230-4.690에 도달할 것으로, 개입ARIMA모형은 낙관적인 경우 4,460-4,900선에, 비관적일 경우 2,820-2,940선이 될 것으로 예상하여 모형별로 상당한 차이를 드러내고 있다. 그런데 HP 모형에 의한 예측치는 기준 역할을 하므로 HP모형에 의한 2010년 말 예측치 3,500 포인트를 감안하면 2010년 12월에 2,820-4,230의 범주에 도달할 것으로 예측된다. 2010년 12월 2,800 포인트는 해운업계에 어두운 그림자를 드리우는 예측치이다. 그러나 낙관적인 2010년 12월 4,000포인트는 2008년 BDI가 10,000 포인트를 넘어선 때를 기억하면 그리 높게 생각되지 않을 수 있으나 4,000 포인트 이상의 BDI는 해운관련업계에게 어느 정도의 안도감을 주고 재도약을 할 수 있는 기반을 제공할 수 있는 수준으로 판단된다.

• 한국측량학회지
• /
• 제35권5호
• /
• pp.423-430
• /
• 2017

Recently, data analysis research has been carried out using the deep learning technique in various fields such as image interpretation and/or classification. Various types of algorithms are being developed for many applications. In this paper, we propose a precipitation prediction algorithm based on deep learning with high accuracy in order to take care of the possible severe damage caused by climate change. Since the geographical and seasonal characteristics of Korea are clearly distinct, the meteorological factors have repetitive patterns in a time series. Since the LSTM (Long Short-Term Memory) is a powerful algorithm for consecutive data, it was used to predict precipitation in this study. For the numerical test, we calculated the PWV (Precipitable Water Vapor) based on the tropospheric delay of the GNSS (Global Navigation Satellite System) signals, and then applied the deep learning technique to the precipitation prediction. The GNSS data was processed by scientific software with the troposphere model of Saastamoinen and the Niell mapping function. The RMSE (Root Mean Squared Error) of the precipitation prediction based on LSTM performs better than that of ANN (Artificial Neural Network). By adding GNSS-based PWV as a feature, the over-fitting that is a latent problem of deep learning was prevented considerably as discussed in this study.

• Journal of Preventive Veterinary Medicine
• /
• 제42권4호
• /
• pp.143-147
• /
• 2018

The present study aimed to develop growth prediction models of Listeria monocytogenes in processed meat products, such as mixed pressed hams, to perform accurate microbial risk assessments. Considering cold storage temperatures and the amount of time in the stages of consumption after opening, the growth of L. monocytogenes was determined as a function of temperature at 0, 5, 10, and $15^{\circ}C$, and time at 0, 1, 3, 6, 8, 10, 15, 20, 25, and 30 days. Based on the results of these measurements, a Baranyi model using the primary model was developed. The input parameters of the Baranyi equation in the variable temperature for polynomial regression as a secondary model were developed: $SGR=0.1715+0.0199T+0.0012T^2$, $LT=5.5730-0.3215T+0.0051T^2$ with $R^2$ values 0.9972 and 0.9772, respectively. The RMSE (Root mean squared error), $B_f$ (bias factor), and $A_f$ (accuracy factor) on the growth prediction model were determined to be 0.30, 0.72, and 1.50 in SGR (specific growth rate), and 0.10, 0.84, and 1.35 in LT (lag time), respectively. Therefore, the model developed in this study can be used to determine microorganism growth in the stages of consumption of mixed pressed hams and has potential in microbial risk assessments (MRAs).

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.135-135
• /
• 2020

우리나라의 기후 자료는 일반적으로 기상청에서 발표하는 종관기상관측(ASOS)과 방재기상관측(AWS), 그리고 북한이 세계기상기구(WMO, World Meteorogical Organization)의 기상통신망(GTS)을 통해 보낸 북한기상관측(NKO)을 사용 할 수 있다. 그러나 이 중 40년 이상의 완전한 관측 자료를 얻을 수 있는 건 ASOS가 유일하지만 공간적인 표현에 한계를 갖고 있다. AWS는 관측소가 많다는 장점이 있지만 관측 기간이 길지 않고 이용 가능한 기간에도 관측이 연속적이지 못한 경우가 많다. NKO는 비록 27개의 관측소가 있지만 많은 데이터가 누락되어 일별 기후자료의 사용에 한계를 갖고 있다. 이러한 미관측 기간이나 관측 자료의 누락은 연속적인 시계열 자료분석을 기반으로 하는 수자원 모델링에 있어서 문제를 야기한다. 본 연구는 1973년부터 2019년까지 47년의 신뢰도 높은 한반도 일일 기후 자료를 구축하기 위해 다양한 방법론을 비교하였다. 추정에 사용한 방법은 총 7개로 EM algorithm for probabilistic principal components (PPCA-EM), Inverse distance weight method (IDWM), Nearest neighbor method (NNM), Multivariate normal copulas (Copula), Elastic net model (Elastic), Ordinary kriging (OK), Regularized principal components with EM algorithm (RPCA-EM)를 살펴보았다. 다양한 형태의 결측치를 가정하여 그 결과값을 비교하였고 이는 Root mean squared error(RMSE), Kling-Gupta efficiency(KGE), Nash-Sutcliffe efficiency(NSE)를 통해 평가하였다. 최종 선택된 방법론을 통하여 한반도 전역을 그리드 기반의 강수 및 최저온도/최고온도의 일별자료로 생성하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.105-105
• /
• 2021

본 연구에서는 2차원 비선형 천수모형과 수심평균된 스칼라 이송모형을 해석하는 수치모형에 대해 기술하였다. 수치모형의 정확성을 보장함과 동시에 안정성을 높이기 위해 유한체적법, 플럭스 재구성 및 minmod 제한자를 사용하였다. 비선형 천수방정식의 이송항과 바닥 경사항은 계산된 수심의 양수 보존과 흐름의 정상 상태를 보장하기 위한 second order well-balanced positivity preserving central-upwind method를 이용하여 수치적으로 이산화되었다. 마찬가지로, 이송-확산 방정식 내 이송항은 동일한 2차 풍상차분법을 통해 수치적으로 풀이하였다. 격자점 경계면에서의 불연속으로 인한 수치진동을 방지하기 위해 이송항의 계산에 포함된 보존항의 차이로 인해 발생하는 스칼라의 수치확산을 최소화하기 위해 무차원의 비소산함수를 도입하였다. 또한, 확산항은 유한차분법을 이용하여 이산화하였다. 제안된 수치모형은 시간미분항의 계산을 위해 오일러 기법을 적용하여 계산된 수심 및 스칼라의 양수 보존여부와 함께 정지된 흐름의 정상 상태의 보존여부를 확인하였다. 제안된 수치모형의 해석 정확성을 평가하기 위해 1, 2차원 공간 내 다양한 흐름 조건에서의 해석해를 이용한 3개의 벤치마크 테스트를 수행하였다. 평균 제곱근 오차(Root Mean Squared Error, RMSE)를 산정하여 수치모형의 성능을 정량적으로 평가하였으며, 비소산함수를 적용함에 따라 스칼라의 수치확산이 감소하게 되었음을 확인하였다. 또한, 세 차례의 벤치마크 테스트 결과는 공통적으로 수치모형에 의해 계산된 결과값이 비소산함수를 고려함에 따라 해석해와 잘 일치함을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.834-835
• /
• 2024

시장 경쟁력을 확보하고 기업을 성장시키기 위해서는 광고 행위가 필수적이므로 현재까지 효율적으로 광고하기 위한 여러 가지 방안들이 활용되었다. 이 중에는 타 업체와의 경쟁전략을 위해서 경쟁업체의 광고비를 파악하려는 과정도 포함 되어있다. 이에 디지털 광고 측면에서는 상대적으로 광고의 노출, 클릭, 시간 대 등의 관련 정보를 획득하기 용이하므로 본 연구에서는 대량의 데이터를 이용하고 XGBoost(Extreme Gradient Boosting) 알고리즘을 활용하여 크롤링된 데이터 그룹을 분석하고, 클릭 수를 예측하는 모델을 구현하였다. 실험 결과 모델의 RMSE(Root Mean Squared Error) Average 가 1.13 정도 나온 것을 확인하였고 이에 따른 과적합을 피하기 위한 방안을 검토하였다.