• 제목/요약/키워드: RMSE (Root Mean Square Error)

검색결과 648건 처리시간 0.03초

컴퓨터 시뮬레이션을 이용한 직각좌표 및 나선주사 방식의 병렬 자기공명 영상에서 움직임 효과 연구 (Study of Motion Effects in Cartesian and Spiral Parallel MRI Using Computer Simulation)

  • 박수경;안창범;심동규;박호종
    • Investigative Magnetic Resonance Imaging
    • /
    • 제12권2호
    • /
    • pp.123-130
    • /
    • 2008
  • 목적 : 본 논문에서는 자기공명영상 데이터 획득 시 객체의 움직임이 병렬 자기공명영상에 미치는 영향에 대하여 연구하였다. 일반적으로 병렬 자기공명영상 방법의 경우 데이터 획득 시간이 일반 자기공명영상 방법보다 짧기 때문에 움직임에 강인하다고 알려져 있다. 그러나 생체내의 비자발적인 장기 운동 등과 같은 불가피한 움직임이 포함된 경우 병렬 영상의 움직임 아티펙트는 일반적인 영상에 비하여 더 심각할 수 있다. 따라서 본 논문에서는 실제 환경에서 나타날 수 있는 다양한 움직임 종류를 정의하고, 이러한 움직임이 발생하였을 때 병렬 자기공명영상에 나타나는 영향을 일반적인 영상방법과 비교하여 살펴보았다. 대상 및 방법 : 병렬 자기공명영상 데이터를 획득할 때 발생하는 움직임에 의한 영향을 확인하기 위하여 실제 환경에서 발생할 수 있는 5가지 움직임 종류를 정의하였다. 즉 움직임-1과 2는 서로 다른 크기와 주기를 갖는 주기적인 움직임이고, 움직임-3과 4는 일정 시간 (segment) 단위로 운동하는 선형적인 움직임이다. 마지막으로 움직임-5는 비 주기 랜덤 운동이다. 사용된 영상 방법은 직각 좌표 기반 영상과 나선 주사 (비 직각 좌표) 영상으로 각각에 대해 병렬 영상법과 일반적인 영상법을 적용하여 움직임 효과를 살펴 보았다. 결과 : 본 논문에서 정의한 움직임 종류에 대한 병렬 자기공명영상에서의 움직임 효과를 알아보았다. 움직임-3과 4와 같이 병렬 자기공명영상에 의하여 움직임이 감소하는 경우 움직임 아티팩트는 일반 자기공명영상에 비하여 줄어들었다. 그러나 움직임-1과 2와 같이 주기적으로 진동할 경우 병렬 영상의 왜곡이 일반 자기공명영상에 비하여 더 크게 나타났다. 움직임-5와 같이 랜덤 한 경우 일반 자기공명영상과 병렬 자기공명영상이 서로 유사하게 나타났다. 결론 : 본 논문에서는 자기공명영상 데이터 획득 시 객체의 움직임이 병렬 자기공명영상에 미치는 영향에 대하여 연구하였다. 그 결과 병렬 자기공명영상을 통해 움직임이 줄어드는 경우를 제외한 다른 움직임 종류에 대해서는 병렬 자기공명영상보다 일반 자기공명영상이 더 좋은 화질을 나타내었다.

  • PDF

원적외선을 이용한 단풍취의 박층 건조 및 품질 특성 (Thin Layer Drying and Quality Characteristics of Ainsliaea acerifolia Sch. Bip. Using Far Infrared Radiation)

  • 녕효봉;리혁;강태환;이준수;이정현;한충수
    • 한국식품영양과학회지
    • /
    • 제43권6호
    • /
    • pp.884-892
    • /
    • 2014
  • 본 연구에서는 원적외선 이용하여 단풍취를 박층 건조할 경우 건조온도와 송풍속도에 따른 건조특성과 건조제품의 색도 변화를 조사하였고, 건조 전후 취나물의 항산화 성분과 항산화력 변화를 분석함으로써 고품질의 원적외선 건조 취나물 제품 생산을 위한 기초 자료를 제시하고자 하였다. 단풍취의 건조속도는 원적외선 박층 건조온도와 송풍속도가 증가할수록 빨라지고, 건조시간이 단축되는 것으로 나타났다. 특히 원적외선 박층 건조온도 $50^{\circ}C$의 송풍속도 0.8m/sec에서 건조속도가 가장 빠른 것으로 나타났다. 본 연구에서 검증한 건조모델 중 Thompson 모델은 결정계수가 0.9826 이상, RMSE는 0.1277 이하로 나타나, Lewis, Page, Henderson 모델보다 단풍취의 원적외선 박층 건조 시 함수율비 예측 정밀도가 높은 것으로 나타났다. 원적외선 박층건조 후 단풍취의 ${\Delta}L$(명도)값은 원적외선 건조온도와 송풍속도가 빠를수록 증가하는 경향을 보였고, ${\Delta}a$(적색도/녹색도)와 ${\Delta}b$(황색도) 값은 원적외선 건조온도가 낮고, 송풍속도가 느릴수록 갈변하는 현상이 심화되는 것으로 나타났다. 원적외선 박층 건조 후 단풍취의 ${\Delta}E$(색차)값도 원적외선 건조온도가 낮고, 송풍속도가 느릴수록 증가하는 경향을 보였다. 항산화 성분인 폴리페놀 함량의 경우 원적외선 건조온도가 높을수록 감소량이 증가하였고 원적외선 박층 건조 후 37.36~55.21% 감소하는 경향을 보였으며, 원적외선 박층건조조건 중 원적외선 건조온도 $40^{\circ}C$의 송풍속도 0.8m/sec와 $45^{\circ}C$의 송풍속도 0.6 m/sec 조건에서 감소율이 낮은 것으로 나타났다. 플라보노이드 함량의 경우에도 원적외선 박층 건조 후 32.24~44.18% 감소하는 것으로 나타났고, 원적외선 건조온도 $40^{\circ}C$의 송풍속도 0.8 m/sec와 $45^{\circ}C$의 송풍속도 0.8 m/sec 조건에서 감소율이 낮은 것으로 나타났다. 항산화력의 경우에도 원적외선 건조온도가 높을수록 감소하는 경향을 보였고, 원적외선 건조조건 중 $40^{\circ}C$의 송풍속도 0.8 m/sec와 $45^{\circ}C$의 송풍속도 0.6 m/sec 조건에서 항산화력 감소율이 다른 건조조건보다 낮은 것으로 나타났다. 따라서 단풍취의 건조시간, 건조 중 변색, 항산화 성분 및 항산화력 등을 고려하면 단풍취 건조제품의 고품질화를 위해서는 원적외선 박층 건조온도 $45^{\circ}C$의 송풍속도 0.6, 0.8 m/sec가 적절한 건조조건으로 판단된다.

대도시 하수종말처리장 유입 하수의 성상 평가와 인공신경망을 이용한 구성성분 농도 예측 (Analysis and Prediction of Sewage Components of Urban Wastewater Treatment Plant Using Neural Network)

  • 정형석;이상형;신항식;송의열
    • 대한환경공학회지
    • /
    • 제28권3호
    • /
    • pp.308-315
    • /
    • 2006
  • 유입 하수의 성상은 하수처리장의 효율을 결정하는 중요한 요인이다. 따라서 하수의 성상을 이해하고 실시간으로 측정하는 기술은 유입 하수 성상에 상응하는 적절한 운전 전략을 결정하는데 중요한 역할을 할 수 있을 것이다. 본 연구에서는 2005년 10월 1일부터 11월 21일까지 대도시 하수종말처리장 유입 수문에서 두 시간 간격으로 하수를 채취하여 성상을 분석하였다. 그 결과 하수의 유량 및 구성성분의 농도가 1일 단위로 일정한 형태를 갖는 것으로 밝혀졌는데, 오전 11시와 1시 사이에 가장 높은 값을 보였고, 새벽 5시에서 7시 사이에 가장 낮은 값을 갖는 것으로 나타났다. 상관관계 평가에서 300 nm에서 측정한 하수의 흡광도는 하수 구성성분의 농도와 매우 밀접한 것으로 밝혀졌다. 실시간 측정이 가능한 흡광도와 유량, 그리고 반복되는 하수 성상을 이용하여 구성성분의 농도를 추정하는 기법을 개발하고자 하였다. 첫 번째로 흡광도와 구성성분의 농도와의 1차 회귀분석을 수행하였고, 두 번째로 흡광도와 하수 유량, 유입시간을 이용하여 훈련시킨 인공신경망을 이용하였다. 그 결과 두 방법 모두 하수 구성성분의 농도를 예측하는데 높은 정확성을 보였는데, 인공 신경망을 사용한 경우 예측값과 실측값의 RMSE(root mean square error) 값이 TSS의 경우 19.3에서 14.4, TCOD의 경우 26.7에서 25.1로, TN의 경우 5.4에서 4.1로, TP의 경우 0.45에서 0.39로 각각 향상되는 것으로 나타났다.

국가농림기상센터 지면대기모델링패키지(NCAM-LAMP) 버전 1: 구축 및 평가 (The NCAM Land-Atmosphere Modeling Package (LAMP) Version 1: Implementation and Evaluation)

  • 이승재;송지애;김유정
    • 한국농림기상학회지
    • /
    • 제18권4호
    • /
    • pp.307-319
    • /
    • 2016
  • 국가농림기상센터(NCAM)에서는 수요자 맞춤형 영농 영림을 지원하기 위하여 전용 수치모델링시스템인 지면대기모델링패키지(LAMP) 버전 1을 구축하였다. 이 패키지는 두 가지의 큰 축으로 구성되어 있다. 하나는 WRF 기상모델과 Noah-MP 지면모델의 결합시스템인 WRF/Noah-MP 시스템이고, 다른 하나는 Noah-MP 지면 모델의 오프라인 독립구동형 1차원 버전이다. 전자는 7일 이상의 중기 기상예측 자료를 1km 내외의 고해상도로 생산하는 일을 담당하고, 후자는 대표적인 농림생태계에 대하여 1년 지면모의 자료를 15분 간격으로 생산하는 일을 담당한다. 본 연구의 목적은 NCAM-LAMP의 두 구성 요소를 간단히 설명하고, 초기의 수치모의 성능을 평가하는데 있다. WRF/Noah-MP 결합시스템은 동아시아를 포함하는 어미격자 도메인에 최고 810m의 수평 해상도를 갖는 3개의 둥지격자로 구축되었으며, 가장 안쪽 도메인은 광릉 활엽수림 관측지와 침엽수림 관측지(GDK 및 GCK)를 포함한다. 이 결합시스템은 현재 미국 환경예측센터의 FNL 자료를 초기 및 경계자료로 이용하여 구동되며, 여러 개의 약 8일 모의 결과를 연결시켜 장기간에 대한 모의 자료를 생산하였다. 정량적 검증 변수는 WRF/Noah-MP 결합시스템의 2m 기온, 10m 바람, 2m 습도, 강수이며, 기상청 ASOS 관측 자료와 WRF/Noah-MP 결합시스템 모의 자료 사이의 차이를 이용하여 각 도메인에서 동적 식생 포함 유무에 따른 모의 오차를 계산하였다. 강수 모의의 정확도는 탐지확률(POD)과 공평위협점수(ETS)로 구성된 표를 이용하여 조사하였다. 오프라인 독립구동형 지면모델은 1년 기간에 대해 모의 결과를 생산하였으며, KoFlux 관측자료와 비교하여, 순복사 플럭스, 현열 플럭스, 잠열 플럭스 및 토양 수분 함량을 평가하였다. WRF/Noah-MP 결합시스템의 모의 결과에 따르면, 모든 도메인 중에서 도메인 4(810m 해상도)에서 2m 기온, 10m 바람 및 2m 습도에 대하여 가장 작은 RMSE를 보였다. 동적 식생을 포함시키면 모든 도메인에서 10m 바람의 모의 오차가 감소하게 되는 경향을 보였다. 도메인 2(7,290m 해상도)에서는 강수 모의 점수가 가장 높았으나, 동적 식생을 포함시킴에 따른 효과는 별로 없었다. 독립구동형 1차원 Noah-MP의 지면모의 결과는 복사 플럭스와 토양 수분의 패턴 및 크기를 포착하였으며, 엽면적지수의 모델 입력 부분을 보충하고, 모델 물리과정의 적절한 조합을 찾아내는 노력을 통해 개선될 수 있는 여지를 남겼다.

하늘상태와 음영기복도에 근거한 복잡지형의 일조시간 분포 상세화 (Downscaling of Sunshine Duration for a Complex Terrain Based on the Shaded Relief Image and the Sky Condition)

  • 김승호;윤진일
    • 한국농림기상학회지
    • /
    • 제18권4호
    • /
    • pp.233-241
    • /
    • 2016
  • 기상청에서 제공하는 넓은 지역의 수평면 일조시간 정보를 복잡한 산간집수역의 지형특성을 반영한 실제 일조시간 분포도로 변환하기 위해 지형효과를 정량화하기 위한 실험을 수행하였다. 경남 하동군 악양면 단일 집수역을 대상으로 정밀 DEM을 이용하여 그림자모형화 및 공제선분석 기법을 적용하여 일중 시간대별 음영기복도 1년 자료를 제작하였다. 2015년 5월 15일부터 2016년 5월 14일까지 1년 간 지형조건이 서로 다른 3지점에서 바이메탈식 일조계로 측정한 일조시간자료에 음영기복도 상 해당 지점의 휘도값을 추출하여 회귀시킴으로써 맑은 날의 휘도-일조시간 반응곡선을 얻었다. 이 곡선식을 하늘상태(운량)에 따라 보정할 수 있는 방법을 고안함으로써 일조시간 상세화 모형을 도출하였다. 이 모형의 신뢰도를 기존 수평면 일조시간 추정기법과 비교한 결과 추정값의 편의가 크게 개선된 것은 물론, 일적산일조시간 기준 RMSE가 1.7시간으로 지형효과를 반영하기 전보다 37% 이상 개선되었다. 어떤 지역을 대상으로 일조시간을 상세화 하기 위해서는 먼저 대상 지역의 매 시간 음영기복도의 격자점 휘도를 모형에 입력시켜 해당 시간대의 청천 일조시간을 추정한다. 다음에 같은 시간대의 기상청 동네예보(하늘상태)에 의해 구름 효과를 보정한다. 이렇게 추정된 매 시간 일조시간을 하루 단위로 적산하여 그 날의 누적 일조시간을 얻는다. 이 과정을 연구대상 집수역에 적용하여 수평 해상도 3m의 정밀한 일조시간 분포도를 얻을 수 있었다.

서울 지역 지상 NO2 농도 공간 분포 분석을 위한 회귀 모델 및 기계학습 기법 비교 (Comparative Assessment of Linear Regression and Machine Learning for Analyzing the Spatial Distribution of Ground-level NO2 Concentrations: A Case Study for Seoul, Korea)

  • 강은진;유철희;신예지;조동진;임정호
    • 대한원격탐사학회지
    • /
    • 제37권6_1호
    • /
    • pp.1739-1756
    • /
    • 2021
  • 대기 중 이산화질소(NO2)는 주로 인위적인 배출요인으로 발생하며 화학 반응을 통해 이차오염 물질 및 오존 형성에 매개 역할을 하는 인체 건강에 악영향을 미치는 물질이다. 우리나라는 지상 관측소에 의한 실시간 NO2 모니터링을 수행하고 있지만, 이는 점 기반의 관측 값으로써 미관측 지역의 공간 분포 분석이 어렵다는 한계점을 지닌다. 본 연구에서는 선형 회귀 기반 모델인 다중 선형 회귀와 회귀 크리깅, 기계학습 알고리즘인 Random Forest (RF), Support Vector Regression (SVR)을 적용한 공간 내삽 모델링을 통해 서울 지역의 지상 NO2 농도 지도를 제작하였고, 일별 Leave-One-Out Cross Validation (LOOCV) 교차 검증을 시행하였다. 2020년 연구기간 내 일별 LOOCV에서 MLR, RK, SVR 모델의 일별 평균 Index of agreement (IOA)는 약 0.57로 유사한 성능을 보였으며, RF (0.50)보다 높은 성능이 확인되었다. RK의 일별 평균 nRMSE는 0.9483%으로 MLR (0.9501%)보다 상대적으로 낮은 오차를 나타냈다. MLR과 RK, RF 모델의 계절별 공간 분포는 비슷한 양상을 보였으며, RF는 다른 모델에 비해 좁은 NO2 농도 범위가 확인되었다. 본 연구에서 제안된 선형 회귀 기반 공간 내삽은 지상 NO2 뿐 아니라 다른 대기 오염 물질의 도시 지역 공간 내삽을 위해 활용 가능성이 높을 것으로 기대된다.

딥러닝을 이용한 벼 도복 면적 추정 (Estimation of the Lodging Area in Rice Using Deep Learning)

  • 반호영;백재경;상완규;김준환;서명철
    • 한국작물학회지
    • /
    • 제66권2호
    • /
    • pp.105-111
    • /
    • 2021
  • 해마다, 강한 바람을 동반한 태풍 및 집중호우로 인해 벼도복이 발생하고 있으며, 이삭이 여무는 등숙기에 도복으로 인한 수발아와 관련된 피해를 발생시키고 있다. 따라서,신속한 피해 대응을 위해 신속한 벼 도복 피해 면적 산정은 필수적이다. 벼 도복과 관련된 이미지들은 도복이 발생된 김제, 부안, 군산일대에서 드론을 이용하여 수집하였고, 수집한 이미지들을 128 × 128 픽셀로 분할하였다. 벼 도복을 예측하기 위해 이미지 기반 딥 러닝 모델인 CNN을 이용하였다. 분할한 이미지들은 도복 이미지(lodging)와 정상 이미지(non-lodging) 2가지로 라벨로 분류하였고, 자료들은 학습을 위한 training-set과 검증을 위한 vali-se을 8:2의 비율로 구분하였다. CNN의 층을 간단하게 구성하여, 3개의 optimizer (Adam, Rmsprop, and SGD)로 모델을 학습하였다. 벼 도복 면적 평가는 training-set과 vali-set에 포함되지 않은 자료를 이용하였으며, 이미지들을 methshape 프로그램으로 전체 농지로 결합하여 총 3개의 농지를 평가하였다. 도복 면적 추정은 필지 전체의 이미지를 모델의 학습 입력 크기(128 × 128)로 분할하여 학습된 CNN 모델로 각각 예측한 후, 전체 분할 이미지 개수 대비 도복 이미지 개수의 비율을 전체 농지의 면적에 곱하여 산정하였다. training-set과 vali-set에 대한 학습 결과, 3개의 optimizer 모두 학습이 진행됨에 따라 정확도가 높아졌으며, 0.919 이상의 높은 정확도를 보였다. 평가를 위한 3개의 농지에 대한 결과는 모든 optimizer에서 높은 정확도를 보였으며, Adam이 가장 높은 정확도를 보였다(RMSE: 52.80 m2, NRMSE: 2.73%). 따라서 딥 러닝을 이용하여 신속하게 벼 도복 면적을 추정할 수 있을 것으로 예상된다.

다종 위성자료와 기계학습을 이용한 고해상도 표층 염분 추정 (Estimation of High Resolution Sea Surface Salinity Using Multi Satellite Data and Machine Learning)

  • 성태준;심성문;장은나;임정호
    • 대한원격탐사학회지
    • /
    • 제38권5_2호
    • /
    • pp.747-763
    • /
    • 2022
  • 해양 염분은 전 지구 규모에서 해수 순환에 영향을 미칠 뿐만 아니라, 연·근해 지역 저염분수가 어족자원 및 수산업에 피해를 줄 수 있는 등 해양 식생환경의 변화를 줄 수 있다. 해수의 표면 특성인 sea surface salinity (SSS)에 따라 마이크로웨이브 영역의 방사율이 달라지며, 이를 통해 Soil Moisture Active Passive (SMAP) 등 위성 센서를 활용한 SSS 산출물이 제공되고 있다. 하지만 마이크로파 위성 센서 기반의 SSS 산출물은 낮은 시공간해상도로 자료를 생산하며, 연안지역과 고위도 지역에서 정확도가 낮다. 이러한 이유로 연·근해 지역 SSS의 상세한 시공간적 변화를 관측하기에는 적합하지 않다. 본 연구에서는 Jang et al. (2022)에서 제시한 기계학습 기반의 개선된 SMAP SSS (SMAP SSS (Jang))를 참조자료로 활용하여, 정지궤도해색센서(Geostationary Ocean Color Imager, GOCI) 영상으로부터 고해상도 SSS를 추정하는 Light Gradient Boosting Machine (LGBM) 기반의 모델을 개발하였다. 3가지 입력변수 조합을 테스트하였고, Multi-scale Ultra-high Resolution Sea Surface Temperature (SST) 자료가 추가된 scheme 3가 가장 높은 정확도를 보였다(R2 = 0.60, RMSE = 0.91 psu). 이를 바탕으로 본 연구영역에서 SST가 SSS 모의에 효과적인 환경변수로 작용함을 보였다. 본 연구에서 제시한 LGBM 기반의 GOCI SSS는 SMAP SSS (Jang)와 비슷한 시공간적 패턴을 보였지만, 더 높은 공간해상도를 바탕으로 SSS의 보다 상세한 공간적 분포와 더불어 SMAP SSS (Jang)에서 산출하지 않는 연안 지역의 정보까지 모의하였다. 또한, 중국 남방지역에 대홍수가 발생하였던 2020년 8월을 대상으로 양자강 유출수(Changjiang Diluted Water)의 거동을 분석한 결과, GOCI SSS는 한국 해양수산연구원의 보도자료와 비교하여 일관성 있는 시공간적 변화를 보였다. 본 연구의 결과로 연안 지역의 저염수 뿐 아니라, 원해 지역에서 광학위성 신호를 활용한 고해상도 SSS 산출의 가능성을 제시하였다.