With the rapid growth of internet traffic, accurate and reliable prediction of internet traffic has been a key issue in network management and planning. This paper proposes an autoregressive-generalized autoregressive conditional heteroscedasticity (AR-GARCH) error model for forecasting internet traffic and evaluates its performance by comparing it with seasonal autoregressive integrated moving average (ARIMA) models in terms of root mean square error (RMSE) criterion. The results indicated that the seasonal AR-GARCH models outperformed the seasonal ARIMA models in terms of forecasting accuracy with respect to the RMSE criterion.
Ahn, Jung Min;Hur, Young Teck;Hwang, Man Ha;Cheon, Geun Ho
KSCE Journal of Civil and Environmental Engineering Research
/
v.31
no.1B
/
pp.21-27
/
2011
When execute runoff forecasting, can not remove perfectly uncertainty of forecasting results. But, reduce uncertainty by various techniques analysis. This study applied various forecasting techniques for runoff prediction's accuracy elevation in Gongju basin. statics techniques is ESP, Period Average & Moving average, Exponential Smoothing, Winters, Auto regressive moving average process. Authoritativeness estimation with results of runoff forecasting by each techniques used MAE (Mean Absolute Error), RMSE (Root Mean Squared Error), RRMSE (Relative Root Mean Squared Error), Mean Absolute Percentage Error (MAPE), TIC (Theil Inequality Coefficient). Result that use MAE, RMSE, RRMSE, MAPE, TIC and confirm improvement effect of runoff forecasting, ESP techniques than the others displayed the best result.
The discharge within the basin in Jeju Island was calculated by using SWAT model, which a Semi-distributed rainfall-runoff model to the important rivers. The basin of Chunmi river of the eastern region of Jeju Island, as the result of correcting as utilizing direct runoff data of 2 surveys, appeared the similar value to the existing basin average runoff rate as 22% of average direct runoff rate for the applied period. The basin of Oaedo river of the northern region showed $R^2$ of 0.93, RMSE of 14.92 and ME of 0.70 as the result of correcting as utilizing runoff data in the occurrence of 7 rainfalls. The basin of Ongpo river of the western region showed $R^2$ of 0.86, RMSE of 0.62 and ME of 0.56 as the result of correcting as utilizing runoff data except for the period of flood in $2002{\sim}2003$. Yeonoae river of the southern region showed $R^2$ of 0.85, RMSE of 0.99 and ME of 0.83 as the result of correcting as utilizing runoff data of 2003. As the result of calculating runoff for the long term about 4 basins of Jeju Island from the above results, SWAT model wholly appears the excellent results about the long-term daily runoff simulation.
The Journal of The Korea Institute of Intelligent Transport Systems
/
v.22
no.1
/
pp.103-114
/
2023
This study collected various data of urban roadways to analyze the effect of travel speed change, and a GRU-based short-term travel speed prediction model was developed using such big data. The baseline model and the double exponential smoothing model were selected as comparison models, and prediction errors were evaluated using the RMSE index. The model evaluation results revealed that the average RMSE of the baseline model and the double exponential smoothing model were 7.46 and 5.94, respectively. The average RMSE predicted by the GRU model was 5.08. Although there are deviations for each of the 15 links, most cases showed minimal errors in the GRU model, and the additional scatter plot analysis presented the same result. These results indicate that the prediction error can be reduced, and the model application speed can be improved when applying the GRU-based model in the process of generating travel speed information on urban roadways.
Unmanned aerial vehicle (UAV) and sensor technologies are rapidly developing and being usefully utilized for spatial information-based agricultural management and smart agriculture. Until now, there have been many difficulties in obtaining production information in a timely manner for large-scale agriculture on reclaimed land. However, smart agriculture that utilizes sensors, information technology, and UAV technology and can efficiently manage a large amount of farmland with a small number of people is expected to become more common in the near future. In this study, we evaluated the productivity of forage maize grown on reclaimed land using UAV and sensor-based technologies. This study compared the plant height, vegetation cover ratio, fresh biomass, and dry biomass of maize grown on general farmland and reclaimed land in South Korea. A biomass model was constructed based on plant height, cover ratio, and volume-based biomass using UAV-based images and Farm-Map, and related estimates were obtained. The fresh biomass was estimated with a very precise model (R2 =0.97, root mean square error [RMSE]=3.18 t/ha, normalized RMSE [nRMSE]=8.08%). The estimated dry biomass had a coefficient of determination of 0.86, an RMSE of 1.51 t/ha, and an nRMSE of 12.61%. The average plant height distribution for each field lot was about 0.91 m for reclaimed land and about 1.89 m for general farmland, which was analyzed to be a difference of about 48%. The average proportion of the maize fraction in each field lot was approximately 65% in reclaimed land and 94% in general farmland, showing a difference of about 29%. The average fresh biomass of each reclaimed land field lot was 10 t/ha, which was about 36% lower than that of general farmland (28.1 t/ha). The average dry biomass in each field lot was about 4.22 t/ha in reclaimed land and about 8 t/ha in general farmland, with the reclaimed land having approximately 53% of the dry biomass of the general farmland. Based on these results, UAV and sensor-based images confirmed that it is possible to accurately analyze agricultural information and crop growth conditions in a large area. It is expected that the technology and methods used in this study will be useful for implementing field-smart agriculture in large reclaimed areas.
Kim, Joonyong;Rhee, Joongyong;Yang, Seunghwan;Lee, Chungu;Cho, Seongin;Kim, Youngjoo
Journal of Biosystems Engineering
/
v.43
no.4
/
pp.352-361
/
2018
Purpose: The objective of this study was to develop a multilayer perceptron (MLP) model to estimate solar radiation using a solar module. Methods: Data for the short-circuit current of a solar module and other environmental parameters were collected for a year. For MLP learning, 14,400 combinations of input variables, learning rates, activation functions, numbers of layers, and numbers of neurons were trained. The best MLP model employed the batch backpropagation algorithm with all input variables and two hidden layers. Results: The root-mean-squared error (RMSE) of each learning cycle and its average over three repetitions were calculated. The average RMSE of the best artificial neural network model was $48.13W{\cdot}m^{-2}$. This result was better than that obtained for the regression model, for which the RMSE was $66.67W{\cdot}m^{-2}$. Conclusions: It is possible to utilize a solar module as a power source and a sensor to measure solar radiation for an agricultural sensor node.
Journal of Korean Society for Geospatial Information Science
/
v.23
no.4
/
pp.43-48
/
2015
We studied on pseudo-range correction(PRC) modeling in order to improve differential GNSS(DGNSS) accuracy. The PRC is the range correction information that provides improved location accuracy using DGNSS technique. The digital correction signal is typically broadcast over ground-based transmitters. Sometimes the degradation of the positioning accuracy caused by the loss of PRC signals, radio interference, etc. To prevent the degradation, in this paper, we have designed a PRC model through polynomial curve fitting and evaluated this model. We compared two quantities, estimations of PRC using model parameters and observations from the reference station. In the case of GPS, the average is 0.1m and RMSE is 1.3m. Most of GPS satellites have a bias error of less than ${\pm}1.0m$ and a RMSE within 3.0m. In the case of GLONASS, the average and the RMSE are 0.2m and 2.6m, respectively. Most of satellites have less than ${\pm}2.0m$ for a bias error and less than 3.0m for RMSE. These results show that the estimated value calculated by the model can be used effectively to maintain the accuracy of the user's location. However;it is needed for further work relating to the big difference between the two values at low elevation.
Journal of the Korean Association of Geographic Information Studies
/
v.11
no.4
/
pp.139-149
/
2008
A load effect by vehicles running on a road and an increase of traffic is distinguished as a serious issue in the level of bridges' maintenance and management since it causes a quick damage of bridges. The expansion joint is the most important since it makes vehicles' traveling amicable and stress or additional load harmful to molding patterns minimized. However, it is very difficult to measure its expansion length since vehicles continue to pass on the expansion joint. Therefore, the study could see that it was possible to carry out a qualitative and quantitative maintenance and management if its expansion length is extracted with images. The study could acquire three dimensional coordinates of expansion joints with images. As the results of calculating RMSE of check point residual at 32 points in A area and at 28 points in B area, both A and B areas had very good results of RMSEsms 0.829mm~1.680mm. As the results of analyzing expansion length and immediate value extracted by images, the study analyzed that RMSE of A area was 0.64mm and RMSE of B area was 0.28. The average residual of A area was 0.60% and the average rresidual of B area was 0.27%. Therefore, it is judged that it is more scientific and efficient than the past to measure expansion length with images at the time of repairing and managing bridges in the future.
Communications for Statistical Applications and Methods
/
v.28
no.4
/
pp.351-368
/
2021
For a probabilistic model with positively skewed data, a lognormal distribution is one of the key distributions that play a critical role. Several lognormal models can be found in various areas, such as medical science, engineering, and finance. In this paper, we propose a new estimator for a lognormal mean and depict the performance of the proposed estimator in terms of the relative mean squared error (RMSE) compared with Shen's estimator (Shen et al., 2006), which is considered the best estimator among the existing methods. The proposed estimator includes a tuning parameter. By finding the optimal value of the tuning parameter, we can improve the average performance of the proposed estimator over the typical range of σ2. The bias reduction of the proposed estimator tends to exceed the increased variance, and it results in a smaller RMSE than Shen's estimator. A numerical study reveals that the proposed estimator has performance comparable with Shen's estimator when σ2 is small and exhibits a meaningful decrease in the RMSE under moderate and large σ2 values.
This study analyze correlation between weekdays data and special days data of different power demand patterns, and builds a separate data set, and suggests ways to reduce power demand prediction error by using deep learning network suitable for each data set. In addition, we propose a method to improve the prediction rate by adding the environmental elements and the separating element to the meteorological element, which is a basic power demand prediction elements. The entire data predicted power demand using LSTM which is suitable for learning time series data, and the special day data predicted power demand using DNN. The experiment result show that the prediction rate is improved by adding prediction elements other than meteorological elements. The average RMSE of the entire dataset was 0.2597 for LSTM and 0.5474 for DNN, indicating that the LSTM showed a good prediction rate. The average RMSE of the special day data set was 0.2201 for DNN, indicating that the DNN had better prediction than LSTM. The MAPE of the LSTM of the whole data set was 2.74% and the MAPE of the special day was 3.07 %.
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.