• 대한원격탐사학회지
• /
• 제37권5_2호
• /
• pp.1317-1328
• /
• 2021

본 연구는 천리안 해양위성 2호(GOCI-II)를 활용하여 개발된 해무 탐지 알고리즘의 초기 결과에 대한 분석을 수행하였다. GOCI-II 해무 탐지 성능을 확인하기 위해 1호와 2호가 중복으로 관측한 2020년 10월-2021년 3월 사이에 발생한 해무 사례에 대해 광학적 특성 분석을 실시하였다. 해무 탐지 알고리즘에 입력자료로 사용되는 412 nm 밴드 레일리 산란 보정 반사도(Rayleigh-corrected reflectance; R_rc)와 정규화된 국소 표준 편차(Normalized Local Standard Deviation; NLSD)를 GOCI, GOCI-II 자료를 시공간 일치시킨 뒤 분석한 결과 412 nm 밴드 레일리 R_rc의 경우 0.01의 평균 제곱근 오차 (Root Mean Squared Error; RMSE)와 0.998의 상관계수(correlation coefficient)을 나타내고, NLSD의 경우 0.007의 RMSE, 0.798의 correlation을 나타낸다. 해무와 구름이 갖는 광학적 특성을 분석하기 위해 천리안 해양위성 2호의 밴드 별 R_rc 값을 확인하였다. 구름의 경우 넓은 영역에서 높은 반사도를 보인 반면, 해무의 경우 모든 밴드에서 구름에 비해 상대적으로 반사도가 낮고 좁은 영역에 분포한다. 실제 해무 사례에 대해 GOCI와 GOCI-II 해무 탐지 알고리즘을 비교한 결과 전반적인 해무 탐지 성능은 크게 차이가 없으나 높아진 공간 해상도의 영향으로 해무 경계면에서 공간적으로 더 세밀한 탐지가 가능했다. 종관기상관측소 시정계 자료와 비교 분석하여 초기 자료에 대한 신뢰도를 조사하였다. 추후 충분한 샘플 확보로 인한 안정적인 성능 검증, 실시간 구름 정보 교체를 통한 후처리 과정 개선, 에어로졸 자료 추가로 해무 오탐지 감소를 통해 해무 탐지 알고리즘의 성능 향상이 기대된다.

• Structural Engineering and Mechanics
• /
• 제83권4호
• /
• pp.515-535
• /
• 2022

The strength models for fiber-reinforced polymer (FRP)-confined normal strength concrete (NC) cylinders available in the literature have been suggested based on small databases using limited variables of such structural members portraying less accuracy. The artificial neural network (ANN) is an advanced technique for precisely predicting the response of composite structures by considering a large number of parameters. The main objective of the present investigation is to develop an ANN model for the axial strength of FRP-confined NC cylinders using various parameters to give the highest accuracy of the predictions. To secure this aim, a large experimental database of 313 FRP-confined NC cylinders has been constructed from previous research investigations. An evaluation of 33 different empirical strength models has been performed using various statistical parameters (root mean squared error RMSE, mean absolute error MAE, and coefficient of determination R²) over the developed database. Then, a new ANN model using the Group Method of Data Handling (GMDH) has been proposed based on the experimental database that portrayed the highest performance as compared with the previous models with R²=0.92, RMSE=0.27, and MAE=0.33. Therefore, the suggested ANN model can accurately capture the axial strength of FRP-confined NC cylinders that can be used for the further analysis and design of such members in the construction industry.

• 대한방사선기술학회지:방사선기술과학
• /
• 제45권2호
• /
• pp.145-150
• /
• 2022

The main purpose of this work was to restore the blurry chest CT images by applying a blind deconvolution algorithm. In general, image restoration is the procedure of improving the degraded image to get the true or original image. In this regard, we focused on a blind deblurring approach with chest CT imaging by using digital image processing in MATLAB, which the blind deconvolution technique performed without any whole knowledge or information as to the fundamental point spread function (PSF). For our approach, we acquired 30 chest CT images from the public source and applied three type's PSFs for finding the true image and the original PSF. The observed image might be convolved with an isotropic gaussian PSF or motion blurring PSF and the original image. The PSFs are assumed as a black box, hence restoring the image is called blind deconvolution. For the 30 iteration times, we analyzed diverse sizes of the PSF and tried to approximate the true PSF and the original image. For improving the ringing effect, we employed the weighted function by using the sobel filter. The results was compared with the three criteria including mean squared error (MSE), root mean squared error (RMSE) and peak signal-to-noise ratio (PSNR), which all values of the optimal-sized image outperformed those that the other reconstructed two-sized images. Therefore, we improved the blurring chest CT image by using the blind deconvolutin algorithm for optimal approach.

• 한국수자원학회논문집
• /
• 제44권4호
• /
• pp.275-283
• /
• 2011

미래 기온변화 정보를 제공하는 General Circulation Model (GCM) 자료, 즉 광역 기온자료를 이용하여 우리나라의 국지 수온변화를 추정하는 연구를 수행하였다. 국지수온 추정은 마산만, 시화호, 낙동강 하구를 대상으로 Two-step 접근방법과 One-step 접근방법을 적용하여 각각의 추정오차를 비교 분석하였다. Two-step 추정방법은 광역 기온으로 국지기온을 추정하는 제1단계에서는 선형회귀분석 기법을 적용하였으며, 모든 지점에서 결정계수가 0.98~0.99 정도로 매우 높게 나타났다. 그리고 국지기온으로 국지수온을 추정하는 제2단계에서는 S-형태함수의 비선형 회귀분석기법을 적용하였으며 이 경우 RMS(Root-mean squared) 오차는 마산만에서 2.07 (온도 증가시기), 1.93 (온도 감소시기), 시화호에서는 2.59, 낙동강 하구에서는 1.58로 파악되었다. 반면 동일한 S-형태함수를 이용한 비선형 회귀분석기법으로 광역기온자료로부터 바로 국지 수온을 추정하는 One-step 접근방법을 적용한 경우, RMS 오차는 마산만이 2.28 (온도증가시기), 1.89 (온도감소시기), 시화호에서는 2.55, 낙동강하구는 1.52로 Two-step 접근방법과 비슷한 수준의 오차를 보이는 것으로 파악되었다. 따라서 광역 기온자료를 이용하여 국지 수온을 추정하는 경우에는 One-step 접근방법도 유용하고 실용적인 것으로 판단된다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.259-267
• /
• 2020

실시간 정밀 위치결정을 위해서 N-RTK (Network Real-Time Kinematic) 기술이 많이 사용되고 있다. 하지만 기존의 N-RTK 시스템은 사용자 수 제한으로 인해 지속해서 늘어나는 무인 이동체의 위치결정을 하는 데 한계가 있다. 따라서 사용자 수 제한 없이 보정 신호를 생성하는 시스템이 있다면 어느 정도의 간격으로 있어야 전국어디에서든 위치결정을 할 수 있을지에 대한 연구가 필요할 것으로 판단하여 기선 거리에 따른 N-RTK 시스템의 정확도를 분석하였다. 다양한 장비를 사용하는 사용자들이 있을 것으로 예상하여 서로 다른 성능의 수신기로 로버 위치를 추정하였으며, 자료처리는 오픈소스 소프트웨어인 RTKLIB을 활용하였다. 실험 결과, 로버와 가장 가까운 기준국에서는 수신기의 종류와 관계없이 높은 비율로 고정해가 산출되었으며, 추정 좌표의 정확도 역시 비슷한 수준으로 결정되었다. 로버에서 약 40km 떨어져 있는 기준국 보정 신호를 활용하는 경우, 고정해 산출 비율은 평균 약 50% 정도 감소하였으나 수직 RMSE (Root Mean Squared Error)는 약 2.5-4.7cm로 단기선 결과(1.0-1.5cm)와 크게 다르지 않았다. 고가형 수신기는 장기선에서도 이상값(outlier) 크게 나타나지 않았으며, 향후 과학기술용 정밀 자료 처리 소프트웨어를 활용한 고정해 산출과 좌표 추정 정확도에 대한 분석을 수행할 예정이다.

• 한국정보전자통신기술학회논문지
• /
• 제12권3호
• /
• pp.242-250
• /
• 2019

본 논문에서는 인공신경망(Artificial Neural Network) 모델 중, 시계열 데이터의 변환을 위한 모델인 Seq2Seq(Sequence to Sequence) 모델을 이용한 산업용 로봇 고장 예지 기술에 대하여 제안한다. 제안 방법은 고장 예지를 위한 추가적인 센서의 부착 없이 로봇 자체적으로 측정 가능한 관절 별 전류와 각도 값을 데이터로 사용하였고, 측정된 데이터를 모델이 학습할 수 있도록 전처리한 후, Seq2Seq 모델을 통해 전류를 각도로 변환하도록 지도 학습 하였다. 고장 진단을 위한 이상 정도(Abnormal degree)는 예측 각도와 실제 각도 간의 단위시간 동안의 RMSE(Root Mean Squared Error)를 사용하였다. 제안 방법의 성능평가는 로봇의 정상 및 결함 조건을 달리한 상태에서 측정한 테스트 데이터를 이용하여 수행되었고 이상 정도가 임계값 넘어가면 고장으로 분류하게 하여, 실험으로부터 96.67% 고장 진단 정확도를 보였다. 제안 방법은 별도의 추가적인 센서 없이 고장 예지 수행이 가능하다는 장점이 있으며, 로봇에 대한 깊은 전문지식을 요구하지 않으면서 수행할 수 있는 방법으로 높은 진단 성능과 효용성을 실험으로부터 확인하였다.

• 대한원격탐사학회지
• /
• 제39권5_4호
• /
• pp.1155-1164
• /
• 2023

현재 국가산림자원조사(National Forest Inventory, NFI)는 인력에 의한 수목정보를 수집하고 있어 조사 범위와 시간의 한계가 따른다. 항공 Light Detection And Ranging (LiDAR) 및 항공 사진 등을 이용하여 넓은 지역의 수목 정보를 추출하기 위한 연구가 활발하게 진행되고 있으나 수목의 간격이 넓은 지역이거나 수목의 간격이 일정하게 배치된 지역을 대상으로 이루어지고 있어 우리나라 산림지역 특성을 반영하지 못하고 있다. 이에 본 연구에서는 항공 LiDAR를 이용하여 수치표면모델(Digital Surface Model, DSM), 수치표고모델(Digital Elevation Model, DEM), 수목높이모델(Canopy Height Model, CHM) 영상을 생성한 후 local maxima 기법을 통해 수고를 추출하고 산정식을 통해 흉고직경(Diameter at Breast Height, DBH)을 산정하는 방법론을 제안하였다. 제안한 방법론을 통해 추출한 수목의 검출 정확도는 매목지구별 각 88.46%, 86.14%, 84.31%로 나타났으며, 수고 값을 기반으로 산정한 DBH의 평균제곱근오차(Root Mean Squared Error, RMSE)가 5 cm 내외로 나타나 제안한 방법론의 활용 가능성을 확인하였다. 향후 다양한 유형의 산림에 대한 표준화 연구를 진행한다면 수작업으로 이루어지는 국가산림자원조사의 자동화 적용 범위를 확대할 수 있을 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.373-373
• /
• 2021

Rainfall forecasting is an important issue that is applied in many areas, such as agriculture, flood warning, and water resources management. In this context, this study proposed a statistical and machine learning-based forecasting model for monthly rainfall. The Bayesian Gaussian process was chosen to optimize the hyperparameters of the Stacked Long Short-term memory (SLSTM) model. The proposed SLSTM model was applied for predicting monthly precipitation of Seoul station, South Korea. Data were retrieved from the Korea Meteorological Administration (KMA) in the period between 1960 and 2019. Four schemes were examined in this study: (i) prediction with only rainfall; (ii) with deseasonalized rainfall; (iii) with rainfall and minimum temperature; (iv) with deseasonalized rainfall and minimum temperature. The error of predicted rainfall based on the root mean squared error (RMSE), 16-17 mm, is relatively small compared with the average monthly rainfall at Seoul station is 117mm. The results showed scheme (iv) gives the best prediction result. Therefore, this approach is more straightforward than the hydrological and hydraulic models, which request much more input data. The result indicated that a deep learning network could be applied successfully in the hydrology field. Overall, the proposed method is promising, given a good solution for rainfall prediction.

• 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.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1631-1645
• /
• 2021

세계 최초 능동형 라이더 센서 Atmospheric Laser Doppler Instrument (ALADIN)의 바람 자료와 한국형 수치예보모델에 바람 자료로 활용되고 있는 Geostationary Korea Multi Purpose Satellite 2A (GK2A)의 대기운동벡터의 자료를 비교함으로써 두 위성의 바람 자료의 특징을 분석하였다. 2019년 9월부터 20220년 8월 1년의 자료를 ALADIN의 미(Mie)채널과 GK2A 적외채널에 대하여 비교한 결과 수집된 자료는 177,681개이며 평균 제곱근 오차(Root Mean Square Error; RMSE)는 3.73 m/s, 상관계수는 0.98이다. 상세한 분석을 위해 위도와 고도를 고려하여 비교한 결과, 대부분의 위도에서 표준화된 평균 제곱근 오차(Normalized Root Mean Squared Error; NRMSE)가 0.2~0.3으로 두 바람 자료가 일치하지만 상층, 중층의 경우 저위도지역에서, 하층의 경우 남반구 특정 위도(30°S-15°S)에서 0.4 이상으로 큰 값을 가진다. 이러한 결과는 계절에 상관없이 수증기채널, 가시채널에서도 동일하게 나타나며 채널 별 특징과 계절별 특징은 두드러지게 나타나지 않는다. 두 바람 자료 간에 차이가 큰 위도 영역에 대하여 구름의 분포를 확인해본 결과, 대기운동벡터의 고도 할당 정확도를 낮출 수 있는 권운 이나 적운이 다른 위도에 비해 더 많이 분포하고 있다. 이러한 특성에 따라, 정확한 고도 할당이 어려워 대기운동벡터의 오차가 크게 나타나는 남반구와 저위도 영역에서 ALADIN 바람 자료는 기존 대기운동벡터의 바람 정보를 보완함으로써 수치예보모델에 긍정적인 영향을 미칠 수 있음을 제시한다.