Park, Tae Chang;Kim, Beom Seok;Kim, Tae Young;Jin, Il Bong;Yeo, Yeong Koo
대한금속재료학회지
/
제56권11호
/
pp.813-821
/
2018
The basic oxygen furnace (BOF) steelmaking process in the steel industry is highly complicated, and subject to variations in raw material composition. During the BOF steelmaking process, it is essential to maintain the carbon content and the endpoint temperature at their set points in the liquid steel. This paper presents intelligent models used to estimate the endpoint temperature in the basic oxygen furnace (BOF) steelmaking process. An artificial neural network (ANN) model and a least-squares support vector machine (LSSVM) model are proposed and their estimation performance compared. The classical partial least-squares (PLS) method was also compared with the others. Results of the estimations using the ANN, LSSVM and PLS models were compared with the operation data, and the root-mean square error (RMSE) for each model was calculated to evaluate estimation performance. The RMSE of the LSSVM model 15.91, which turned out to be the best estimation. RMSE values for the ANN and PLS models were 17.24 and 21.31, respectively, indicating their relative estimation performance. The essential input parameters used in the models can be selected by sensitivity analysis. The RMSE for each model was calculated again after a sequential input selection process was used to remove insignificant input parameters. The RMSE of the LSSVM was then 13.21, which is better than the previous RMSE with all 16 parameters. The results show that LSSVM model using 13 input parameters can be utilized to calculate the required values for oxygen volume and coolant needed to optimally adjust the steel target temperature.
This study evaluated the gap filler radar as an implementation of the 1.5 km CAPPI data in Korea. The use of the 1.5 km CAPPI data was an inevitable choice, given the topography of the Korean Peninsula and the location of the radar. However, there still exists a significant portion of beam blockage, and thus there has been debate about the need to introduce the gap filler radar (or, the gap-filler). This study evaluated the possible benefits of introducing gap-fillers over the Korean Peninsula. As a first step, the error of the radar data was quantified by the G/R ratio and RMSE, and the radar data over the Korean Peninsula were evaluated. Then, the gap-fillers were located where the error was high, whose effect was then evaluated by the decrease in the G/R ratio and RMSE. The results show that the mean values of the G/R ratio and RMSE of the 1.5 m CAPPI data over the Korean Peninsula were estimated to be about 2.5 and 4.5 mm/hr, respectively. Even after the mean-field bias correction, the RMSE of the 1.5 km CAPPI data has not decreased much to be remained very high around 4.4 mm/hr. Unfortunately, the effect of the gap-filler on the 1.5 CAPPI data was also found very small, just 1 - 2%. However, the gap-filler could be beneficial, if the lowest elevation angle data were used instead of the 1.5 km CAPPI data. The effect of five gap-fillers could be up to 7% decrease in RMSE.
본 연구에서는 도시부 도로의 다양한 자료를 수집하여 통행속도 변화에 대한 영향을 분석하였고, 이와 같은 빅데이터를 활용하여 GRU 기반의 단기 통행속도 예측 모형을 개발하였다. 그리고 Baseline 모형과 이중지수평활 모형을 비교 모형으로 선정하여 RMSE 지표로 예측 오차를 평가하였다. 모형 평가 결과, Baseline 모형과 이중지수평활 모형의 RMSE는 평균 7.46, 5.94값으로 각각 산출되었다. 그리고 GRU 모형으로 예측한 평균 RMSE는 5.08 값이 산출되었다. 15개 링크별로 편차가 있지만, 대부분의 경우 GRU 모형의 오차가 최소의 값을 나타내었고, 추가적인 산점도 분석 결과도 동일한 결과를 제시하였다. 이러한 결과로부터 도시부 도로의 통행속도 정보 생성 과정에서 GRU 기반의 예측 모형 적용 시 예측 오차를 감소시키고 모형 적용 속도의 개선을 기대할 수 있을 것으로 판단된다.
딥러닝은 데이터의 품질과 모델에 따라 예측 성능에 차이를 보인다. 본 연구는 발전량 예측에 가장 영향을 주는 일사량 예측을 위한 최적의 딥러닝 모델을 구축하기 위해 다양한 입력 데이터와 다중 딥러닝 모델을 사용하였다. 입력 데이터는 기상청의 기상 데이터와 천리안 기상영상을 기상청 지역의 영상을 분할하여 사용하였다, 본 연구는 기본적인 딥러닝 모델인 DNN, LSTM, CNN 모델에 대해 중간층의 깊이와 노드를 변경하여 일사량을 예측하여, 비교 평가하였다, 또한, 각 모델에서 가장 좋은 오차율을 가진 모델을 연결한 다증 딥러닝 모델을 구축하여 일사량을 예측하였다. 실험 결과로서 다중 딥러닝 모델인 모델 A의 RMSE는 0.0637이며, 모델 B의 RMSE는 0.07062이며, 모델 C의 RMSE는 0.06052로서 단일 모델보다 모델 A 그리고 모델 C의 오차율이 좋았다. 본 연구는 실험을 통해 두 개 이상의 모델을 연결한 모델이 향상된 예측률과 안정된 학습 결과를 보였다.
한반도 주변을 연구해역으로 하는 지역 해양순환예측시스템을 이용하여 관측기반의 분석 자료인 Operational Sea Surface Temperature and Sea Ice Analysis(OSTIA) 해수면 온도 자료의 동화를 통한 초기장 개선효과가 황해, 동중국해 그리고 동해의 해수면온도 예측결과에 미치는 영향을 조사하였다. 이를 위해서, 본 연구에서는 3차원 최적내삽법을 적용한 실험(Exp. DA)과 적용하지 않은 실험(Exp. NoDA)을 수행하여 각각의 실험결과를 관측자료와 비교 분석하였다. 2011년 9월 OSTIA 해수면 온도 자료와의 비교결과, Exp. NoDA는 24, 48, 72 예측시간에서 약 $1.5^{\circ}C$의 비교적 높은 Root Mean Square Error(RMSE)를 보였으나, Exp. DA에서는 모든 예측시간에서 $0.8^{\circ}C$ 이하의 상대적으로 낮은 RMSE가 나타났다. 특히, 초기 24시간 예측결과에서 RMSE는 $0.57^{\circ}C$를 보여 Exp. NoDA에 비해 예측성능이 크게 향상된 결과를 보였다. 해역별로는 황해와 동해에서 자료동화 적용 시, 60% 이상의 높은 RMSE 감소율이 나타났다. 기상청 8개 지점 연안 계류부이의 표층수온 자료를 이용하여 자료동화 효과를 계절적으로 살펴본 결과, 전반적으로 여름철을 제외한 모든 계절에서 자료동화 적용 후 70% 이상의 높은 RMSE 감소율을 보여 한반도 연안 표층수온의 단기 예측성이 향상됨을 확인하였다. 또한, 해수면 온도 자료의 동화로 인한 해양상층부의 수온구조 변화를 살펴보기 위해 동해를 대표해역으로 하여 Argo 수온 프로파일 자료와 실험결과를 비교하였다. 특히 연직 혼합이 강한 겨울철 해양 상층부(<100 m) 경우 Exp. DA의 RMSE가 Exp. NoDA에 비해 약 $1.5^{\circ}C$ 감소한 결과를 보여 해수면 온도의 자료동화 효과가 해양상층부의 수온 예측성 향상에 기여함을 확인하였다. 하지만, 겨울철 혼합층 아래에서는 Argo 관측 대비 수온 오차가 오히려 증가한 해역도 존재하여 해수면 온도 자료동화의 한계성도 나타났다.
본 연구에서는 기준국을 달리함으로써 관측 횟수를 달리하여 RTK-GPS 측량을 시행하여 보고 이에 대한 정확도 분석을 토대로 지적측량에 효율적인 적용 방안을 제시하여 보고자 하였다. 실험지역을 선정하고 기준국을 달리하여 관측 후 기존 TS 성과와 비교한 결과, 제1기준국은 X좌표의 RMSE가 ${\pm}0.024m$, Y좌표의 RMSE가 ${\pm}0.016m$로 산출되었고, 제2기준국은 X좌표의 RMSE가 ${\pm}0.040m$, Y좌표의 RMSE가 ${\pm}0.029m$로 산출되었다. 이는 모두 현행 지적법령에서 규정하고 있는 성과인정 범위 이내의 오차이고, 더불어 두 성과의 차이는 크지 않았다. 따라서 GPS 위성자료 수신에 장애가 없다면 1회 관측으로도 충분히 안정적인 성과의 취득이 가능한 것으로 나타났다. 다만, 측량 환경에 따라 주변에 수신에 제약을 받는 요소가 있다면 이러한 지역에 대해서는 성과의 안정적인 취득을 위해 2회 이상의 관측이 필요할 것으로 판단된다.
드론은 다양한 분야에서 활용이 증가하고 있으며, 산림관리에 높은 잠재력을 가지고 있으므로 본 연구에서는 산림훼손지역에 대하여 드론을 적용하고자 하였다. 산림훼손지역은 인위적으로 발생된 훼손지역과 자연적으로 발생된 훼손지역으로 나뉘며, 사면 슬라이딩이나 사면붕괴, 산사태, 토사유출 등의 재해 발생 가능성이 존재한다. 따라서 본 연구에서는 산림훼손지역에 대하여 훼손 현황 분석을 수행하기 위해 드론 사진측량을 활용하고자 하였다. 드론사진측량의 기하처리 결과, 평면위치오차의 RMSE는 ${\pm}0.034m$로 나타났으며, 표고오차의 RMSE는 ${\pm}0.017m$로 나타났다. 드론사진측량으로 생성된 정사영상의 평면위치오차의 RMSE는 ${\pm}0.083m$, 수치표고모델의 수직위치오차의 RMSE는 ${\pm}0.085m$로 나타났다. 또한, 산림훼손 전 데이터인 항공 레이저측량성과와 드론 사진측량성과의 비교 분석을 통해 산림훼손지역의 훼손 현황 분석 수행이 가능하였으며, 산림훼손지역의 복원 계획을 위한 기초자료 생성에 드론사진측량의 활용이 가능하였다.
전산화단층촬영장치 (computed tomography, CT)는 다른 방사선 촬영 장치와 비교하면 피폭이 많다는 문제점이 있다. 이러한 피폭을 감소하기 위하여 저선량 촬영을 하게 되면 영상에 잡음이 증가하게 된다. 이를 보완하기 위해 환자의 피폭선량은 감소시키면서 영상의 화질을 향상하는 다양한 잡음 제거 알고리즘이 개발되었으며, 그 중 우수한 시간 분해능을 가진 CT 장치에 효과적으로 적용할 수 있는 median modified Wiener filter (MMWF) 알고리즘이 제시되었다. 본 연구의 목적은 MMWF 알고리즘의 마스크 크기를 최적화하고, 기존의 알고리즘들에 대한 MMWF 알고리즘의 잡음 제거의 우수성을 보는 것이다. MATLAB 프로그램을 이용하여 획득한 Gaussian 잡음이 부가된 MASH 팬텀 복부 영상들로부터 각각의 마스크 크기가 설정된 MMWF 알고리즘을 적용한 후 root mean square error (RMSE), peak signal-to-noise ratio (PSNR), coefficient correlation (CC) 그리고 universal image quality index (UQI) 값을 비교하였다. 그 결과 5 × 5 마스크 크기에서 RMSE 값이 가장 낮고, PSNR, CC, UQI 값이 가장 높았다는 것을 확인할 수 있었다. 또한, 최적화된 마스크 크기로 Gaussian 필터, median 필터, Wiener 필터에 대한 MMWF의 RMSE, PSNR, CC, UQI 값을 비교하였으며 그 결과 MMWF 알고리즘에서 가장 개선된 RMSE, PSNR, CC, UQI 값을 얻을 수 있었다.
화재는 막대한 재산과 인명피해를 초래하고 있으며 크고 작은 화재가 지속해서 발생하고 있다. 따라서 본 연구는 화재 유형별로 화재에 영향을 미치는 각종 위험요인을 예측하고자 한다. 전국에서 화재 발생 건수가 가장 많은 경기도를 대상으로 화재발생위험요인 예측분석을 실시하였다. 또한, 머신러닝 방법인 SVM, RF, GBRT를 활용하여 각 모형의 정확성을 MAE,RMSE를 통해 적합도가 높은 모형을 제시하였으며 이를 토대로 경기도 화재발생요인 예측분석을 실시하였다. 머신러닝 방법 3가지를 비교분석한 결과 RF가 MAE 1.517, RMSE 1.820으로 나타났으며 MAE, RMSE 검증데이터 및 시험데이터의 경우 MAE값 0.024, RMSE값 0.12의 차이로 매우 유사하게 나타나 가장 우수한 예측력으로 나타났다. RF기법을 적용하여 분석한 결과 공통적으로 발화장소가 화재발생에 가장 큰 영향을 주는 위험요인으로 나타났다. 이러한 연구 결과는 화재발생에 영향을 주는 요인들의 위험순서를 파악하여 화재안전관리의 유용한 자료로 활용될 것으로 예상된다.
저가형 UAV기반 사진측량의 정밀도와 정확도를 평가하기 위한 실험을 수행하였다. 높은 정확도의 지상기준점과 검사점의 3차원 좌표를 추정하고자 GNSS정지관측과 기선해석, 망조정을 수행하였고, 신뢰수준 95%에 대하여 정확도가 1cm 이내인 좌표를 확보하였다. 실험 대상지에 대한 항공 사진은 DJI Phantom 4와 이에 탑재된 FC330 카메라로 7회 반복 촬영하였고, 이를 두 가지 소프트웨어로 처리하였다. 10개 검사점에 대한 소프트웨어 자동 추출좌표와 GNSS 추정해를 비교하여 표준편차 및 RMSE를 분석하였다. 두 소프트웨어 처리 결과, 95% 신뢰수준에 대해 표준편차는 남북, 동서, 높이 방향 각각 약 1cm, 2cm, 4cm 이내, RMSE는 수평과 높이 각각 9cm, 8cm 이내였으며, 표준편차가 RMSE에 비해 현저히 작았다. 두 소프트웨어 처리 결과의 통계적 차이를 확인하고자 F-ratio 검정을 수행하였다. 정밀도에 대해서는 모든 좌표 성분에 대해 한쪽꼬리 검정의 귀무가설이 기각되었고, RMSE에 대해서는 수평에 대한 것만 기각되었다. 이에 따라, 동일한 사진 자료를 처리하더라도 소프트웨어에 따라 그 결과에 통계적 차이가 있을 수 있음에 유의할 필요가 있다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.