• Journal of the Korean Data and Information Science Society
• /
• 제25권3호
• /
• pp.633-641
• /
• 2014

The exponential distibution is one of the most popular distributions in analyzing the lifetime data. In this paper, we propose multiply Type I hybrid censoring. And this paper presents the statistical inference on the scale parameter for the exponential distribution when samples are multiply Type I hybrid censoring. The scale parameter is estimated by approximate maximum likelihood estimation methods using two different Taylor series expansion types ($AMLE_I$, $AMLE_{II}$). We also obtain the maximum likelihood estimator (MLE) of the scale parameter ${\sigma}$ under the proposed multiply Type I hybrid censored samples. We compare the estimators in the sense of the root mean square error (RMSE). The simulation procedure is repeated 10,000 times for the sample size n=20 and 40 and various censored schemes. The $AMLE_{II}$ is better than $AMLE_I$ in the sense of the RMSE.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1581-1589
• /
• 2014

In this paper, we consider maximum likelihood estimators of the location and scale parameters for the half-logistic distribution when samples are multiply Type I hybrid censored. The scale parameter is estimated by approximate maximum likelihood estimation methods using two different Taylor series expansion types ($\hat{\sigma}_I$, $\hat{\sigma}_{II}$). We compare the estimators in the sense of the root mean square error (RMSE). The simulation procedure is repeated 10,000 times for the sample size n=20 and 40 and various censored schemes. The approximate MLE of the second type is better than that of the first type in the sense of the RMSE. Further an illustrative example with the real data is presented.

• Computers and Concrete
• /
• 제30권1호
• /
• pp.33-42
• /
• 2022

Experimentally predicting the compressive strength (CS) of concrete (for a mix design) is a time-consuming and laborious process. The present study aims to propose surrogate models based on Support Vector Machine (SVM) and Gaussian Process Regression (GPR) machine learning techniques, which can predict the CS of concrete containing nano-silica. Content of cement, aggregates, nano-silica and its fineness, water-binder ratio, and the days at which strength has to be predicted are the input variables. The efficiency of the models is compared in terms of Correlation Coefficient (CC), Root Mean Square Error (RMSE), Variance Account For (VAF), Nash-Sutcliffe Efficiency (NSE), and RMSE to observation's standard deviation ratio (RSR). It has been observed that the SVM outperforms GPR in predicting the CS of the concrete containing nano-silica.

• Journal of information and communication convergence engineering
• /
• 제19권4호
• /
• pp.241-247
• /
• 2021

Particulate matter has emerged as a serious global problem, necessitating highly reliable information on the matter. Therefore, various algorithms have been used in studies to predict particulate matter. In this study, we compared the prediction performance of neural network models that have been actively studied for particulate matter prediction. Among the neural network algorithms, a deep neural network (DNN), a recurrent neural network, and long short-term memory were used to design the optimal prediction model using a hyper-parameter search. In the comparative analysis of the prediction performance of each model, the DNN model showed a lower root mean square error (RMSE) than the other algorithms in the performance comparison using the RMSE and the level of accuracy as metrics for evaluation. The stability of the recurrent neural network was slightly lower than that of the other algorithms, although the accuracy was higher.

• Computers and Concrete
• /
• 제32권6호
• /
• pp.607-613
• /
• 2023

The objective of this work is to determine the compressive strength of geopolymer concrete utilizing four distinct machine learning approaches. These techniques are known as gradient boosting machine (GBM), generalized linear model (GLM), extremely randomized trees (XRT), and deep learning (DL). Experimentation is performed to collect the data that is then utilized for training the models. Compressive strength is the response variable, whereas curing days, curing temperature, silica fume, and nanosilica concentration are the different input parameters that are taken into consideration. Several kinds of errors, including root mean square error (RMSE), coefficient of correlation (CC), variance account for (VAF), RMSE to observation's standard deviation ratio (RSR), and Nash-Sutcliffe effectiveness (NSE), were computed to determine the effectiveness of each algorithm. It was observed that, among all the models that were investigated, the GBM is the surrogate model that can predict the compressive strength of the geopolymer concrete with the highest degree of precision.

• 한국농림기상학회지
• /
• 제14권4호
• /
• pp.260-264
• /
• 2012

MT-CLIM 컴퓨터 프로그램을 이용한 일사량 추정의 국내 적용성 검토를 위하여 경북 의성군 일대에 7개 관측지점을 설정하고 실측 일사량과 프로그램에 의한 추정 일사량을 비교 검증하였다. 추정 일사량을 실측 일사량과 비교한 결과, 둘 사이에 결정계수 0.52의 선형관계가 확인되었고, 전체적으로는 과대 추정되는 것으로 조사되었다. MT-CLIM 프로그램에 의한 일사추정값의 RMSE는 평균 $3.83MJ\;m^{-2}$ 이어서, 일 평균 일사량 $15.27MJ\;m^{-2}$의 25% 정도에 해당되었고, 본 연구에서 사용한 일사센서의 허용오차가 표준센서의 ${\pm}5%$인 점을 감안하면 25%의 RMSE는 실용성이 떨어진다고 판단할 수 있다. 따라서 MT-CLIM 프로그램을 국내 농업분야에 적용하기 위해서는 지형보정계수 등 신뢰도를 개선시킬 추가적인 방법들이 모색되어야 할 것으로 판단된다.

• 한국의학물리학회지:의학물리
• /
• 제23권1호
• /
• pp.1-7
• /
• 2012

본 연구에서는 환자 고유의 호흡 패턴을 적용하여 호흡의 규칙성을 향상 시킬 수 있는 호흡 연습장치(respiratory training system)를 개발하여, 호흡에 의한 움직임이 고려된 4D-RT (4-dimension radiation therapy) 또는 4D-CT (4-dimension computed tomography) 수행 시 효율성과 정확성을 높이고자 했다. 개발한 호흡연습장치는 푸리에 급수(Fourier series)를 기반으로 환자 고유의 호흡패턴을 만들어 환자에게 편안한 호흡 유도를 제공한다. 호흡연습장치를 사용했을 때 호흡의 규칙성 향상 정도를 알아보기 위하여 5명의 지원자를 대상으로 실험을 진행하였다. 10개의 자유호흡신호를 획득하여 실험 대상자의 고유한 호흡패턴(guiding waveform)을 만들고, 자유호흡(free breathing)을 3분 동안 시행한 후, 고유한 호흡패턴을 이용하여 호흡을 유도하는 신호모니터-호흡(guide breathing)을 3분 동안 시행하여 데이터를 획득하였다. 획득된 자유호흡과 신호모니터-호흡의 데이터를 이용하여 호흡크기(displacement)와 호흡주기(period)의 변동성을 Root mean square error (RMSE)를 적용하여 정량적으로 비교 분석하였다. 호흡의 변동성을 분석한 결과 신호모니터-호흡은 자유호흡과 비교하여 호흡크기의 경우 최대 40%, 호흡주기의 경우 최대 76%까지 RMSE 값이 감소하였으며, 모든 지원자들의 데이터를 분석한 결과 평균적으로 호흡주기의 경우 RMSE 값이 55% 감소되었고, 호흡크기의 경우 33% 감소하였다. 본 연구에서 개발한 호흡연습장치는 실험대상자의 고유한 호흡패턴을 이용하여 규칙적인 호흡을 유도했기 때문에 피실험자는 큰 노력 없이도 신호모니터-호흡을 따라 할 수 있었다. 따라서 규칙적인 호흡을 오랜 시간 지속시킬 수 있다는 측면에서 장점을 가질 수 있으며, 4D RT, 4D CT를 시행 할 경우 규칙적인 호흡을 통해 효율성과 정확성을 향상 시킬 수 있다.

• 대한원격탐사학회지
• /
• 제32권6호
• /
• pp.741-746
• /
• 2016

알베도는 태양에너지의 흡수량을 결정하는 주요 기후 변수 중 하나로서, 이러한 알베도를 산출하는 것은 기후 변화 연구에 있어 중요한 과정이다. 이 때, 산출된 알베도 자료를 효율적으로 사용하기 위해서는 높은 공간해상도와 장기간의 일관성 있는 산출이 중요하게 고려된다. 따라서 본 연구에서는 Landsat 8을 기반으로 Landsat 7과의 일관성을 유지한 고해상도 지표면 광대역 알베도를 산출하였다. 먼저, Landsat 7과 Landsat 8의 채널 별 일관성을 분석한 결과, 상관계수(R)가 평균 0.96으로 높은 상관성을 보였다. 이러한 결과를 바탕으로 Landsat 7 알베도와 Landsat 8 반사도 채널 자료를 다중회귀분석에 적용하여 Landsat 8 광대역 알베도 전환 식을 도출하였다. 도출된 식을 통해 Landsat 8 지표면 광대역 알베도를 산출하고, Landsat 7 알베도 자료와 비교하여 검증하였다. 그 결과 R-square($R^2$)가 0.89, Root Mean Square Error (RMSE)가 0.003의 높은 정확도를 보였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제34권6호
• /
• pp.483-492
• /
• 2007

최근 센서 네트워크의 발달로 실세계의 많은 데이타가 시간 속성을 갖고 실시간으로 수집되고 있다. 기존의 시계열 데이타 예측 기법은 모델 갱신 없이 예측을 수행하였다. 그러나 스트림 데이타는 매우 빠르게 수집이 되고 시간이 지남에 따라 데이타의 특성이 변경될 수 있으므로 기존의 시계열 예측 기법을 적용하는 것은 적절하지 않다. 따라서 이 논문에서는 슬라이딩 윈도우와 점진적인 회귀분석을 이용한 스트림 데이타 예측 기법을 제안한다. 이 기법은 스트림 데이타를 다중 회귀 모델에 입력하기 위해 차원 분열을 통해 여러 개의 속성으로 분열(Fractal)하고, 변화되는 데이타의 분포를 반영하기 위해 슬라이딩 윈도우 기법을 사용하여 점진적으로 회귀 모델을 갱신한다. 또한 고정 크기 큐를 이용하여 최근의 데이타로만 모델을 유지한다. 이전 데이타의 유지 없이 최소 정보를 갖는 행렬을 통해 모델을 갱신하므로 낮은 공간 복잡도를 갖고 점진적으로 모델을 갱신함으로써 에러율의 증가를 방지한다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였고, 실험 결과 다른 기법에 비해 우수하였다.

• 한국물환경학회지
• /
• 제34권3호
• /
• pp.328-338
• /
• 2018

The objective of this study was to evaluate the applicability of a HSPF (Hydrological Simulation Program-Fortran) model for runoff estimation in the Namgang dam watershed. Spatial data, such as watershed, stream, land use, and a digital elevation map, were used as input for the HSPF model, which was calibrated and validated using observed runoff data from 2004 to 2015 for three stations (Sancheong, Shinan, Changchon) in the study watershed. Parameters for runoff calibration were selected based on the user's manual and references, and parameter calibration was done by trial and error. The $R^2$ (determination coefficient), RMSE (root-mean-square error), NSE (Nash-Sutcliffe efficiency coefficient), and RMAE (relative mean absolute error) were used to evaluate the model's performance. Calibration and validation results showed that annual mean runoff was within a ${\pm}5%$ error in Sancheong and Shinan, whereas there was a14% error in Changchon. The model performance criteria for calibration and validation showed that $R^2$ ranged from 0.80 to 0.92, RMSE was 2.33 to 2.39 mm/day, NSE was 0.71 to 0.85, and RMAE was 0.37 to 0.57 mm/day for daily runoff. Visual inspection showed that the simulated daily flow, monthly flow, and flow exceedance graph agreed well with observations for the Sancheong and Shinan stations, whereas the simulated flow was higher than observed at the Changchon station.