• 대한공간정보학회지
• /
• 제14권4호통권38호
• /
• pp.11-18
• /
• 2006

본 논문은 항공 LiDAR 데이터의 정확도를 수평과 수직으로 구분하여 현지의 측량기준점을 이용하여 평가하였다. 항공 LiDAR 측량은 좌우 스캔방식에 의한 레이저 포인트를 취득하므로, 미리 측량된 점과 정확히 일치하는 포인트를 획득하기가 어렵다. 따라서 본 연구에서는 현지 측량점 주변에 위치한 점들을 종합적으로 이용하여 비교, 평가를 실시하였다. 수평위치의 정확도는 LiDAR 포인트로부터 각 건물면에 대한 평면방정식을 구성하여 모서리 점에 대한 좌표를 산출하여 현지 측량점과 비교한 결과, 평균오차 19cm, RMSE 21cm로 나타났으며, 16점 중에서 15점이 20cm 이내의 오차를 보였다. 수직위치의 정확도는 총41점에 대해 현지에서 측량한 검사점의 높이값을 이용하여 수직위치를 평가한 결과, 평균오차 10cm, RMSE 14cm로 나타났으며, 총 검사점의 75%가 15cm 이내로 오차를 보였다. 따라서 본 연구 결과를 바탕으로 향후 수치지형도 수정 갱신, 기본지리정보 및 삼차원공간정보 구축 등 LiDAR 데이터의 정확도에 따른 활용범위를 산정할 수 있을 것으로 판단된다.

• 한국측량학회지
• /
• 제35권3호
• /
• pp.175-186
• /
• 2017

본 연구에서는 UAV를 이용한 국공유지 실태조사 필지의 효율성과 정확성을 평가하기 위해 지적현황측량 검사점의 정확성과 경제적 비용측면에서 제시하였다. 분석결과를 요약하면 다음과 같다. 첫째, 정사영상의 위치오차는 평균적으로 X오차 0.033m, Y오차 0.023m로 나타나 평면거리 연결교차로 계산하면 RMSE 평균은 0.046m로 나타났다. 둘째, 정사영상과 VRS-GNSS 성과비교에서는 UAV 정사영상 이미지 검사점의 최대 RMSE는 0.076m이고 최소 RMSE는 0.042m로 나타났다. 세째, 모든 검사점이 현행 지적측량규정에 명시된 1/1,200의 축척에 해당하는 0.360m 이내의 오차범위를 만족하였다. 끝으로 국공유지 실태조사를 위한 경제성 평가에서는, UAV 활용방법이 지적현황측량 방법보다 26,497,436원이 더 적게 들어가는 것으로 나타났다. 따라서, 본 연구결과 국공유지 실태조사에서 UAV를 활용하는 방법은 정확도 측면에서도 법적 기준을 충족하며, 경제성 측면 역시 지자체의 예산을 더욱 줄일 수 있는 방법으로 나타났다.

• 한국수자원학회논문집
• /
• 제37권8호
• /
• pp.643-651
• /
• 2004

본 연구에서는 미국 환경청에서 개발하여 유역 오염총량관리를 위한 수질모형으로 이용되고 있는 HSPF 모형을 선정하여 발안 HP#6 시험유역을 대상으로 모형의 적용성을 분석하였다. HSPF모형을 이용하여 HP#6 시험유역에서 모형의 보정기간인 1996년부터 1997년까지 유출량을 모의한 결과, RMSE는 2.1mm, RMAE는 0.4mm, $R^2$는 0.92로 모의되었으며, 모형의 검정기간인 1999년부터 2000년의 모의 결과 RMSE는 6.03mm, RMAE는 0.49mm, $R^2$는 0.84로 모의되었다. 총질소에 대한 모형의 보정결과 RMSE는 0.086kg/ha/day, RMAE는 0.534kg/ha/day, $R^2$는 0.81로 나타났으며, 모형의 검정결과 RMSE는 0.326kg/ha/day, RMAE는 0.708kg/ha/day, $R^2$는 0.43으로 분석되었다. 총인에 대한 모형의 보정 결과 RMSE는 0.012 kg/ha/day, RMAE는 0.622kg/ha/day, $R^2$는 0.70으로 모의되었으며, 모형의 검정결과 RMSE는 0.063kg/ha/day, RMAE는 2.269kg/ha/day, $R^2$는 0.76으로 분석되었다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.134-144
• /
• 2023

Nowadays, Deep Learning (DL) technology is being used in several government departments. South Korea imports a lot of seafood. If the demand for fishery products is not accurately predicted, then there will be a shortage of fishery products and the price of the fishery product may rise sharply. So, South Korea's Ministry of Ocean and Fisheries is attempting to accurately predict seafood imports using deep learning. This paper introduces the solution for the fish import prediction in South Korea using the Long Short-Term Memory (LSTM) method. It was found that there was a huge gap between the sum of consumption and export against the sum of production especially in the case of two species that are Hairtail and Pollock. An import prediction is suggested in this research to fill the gap with some advanced Deep Learning methods. This research focuses on import prediction using Machine Learning (ML) and Deep Learning methods to predict the import amount more precisely. For the prediction, two Deep Learning methods were chosen which are Artificial Neural Network (ANN) and Long Short-Term Memory (LSTM). Moreover, the Machine Learning method was also selected for the comparison between the DL and ML. Root Mean Square Error (RMSE) was selected for the error measurement which shows the difference between the predicted and actual values. The results obtained were compared with the average RMSE scores and in terms of percentage. It was found that the LSTM has the lowest RMSE score which showed the prediction with higher accuracy. Meanwhile, ML's RMSE score was higher which shows lower accuracy in prediction. Moreover, Google Trend Search data was used as a new feature to find its impact on prediction outcomes. It was found that it had a positive impact on results as the RMSE values were lowered, increasing the accuracy of the prediction.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권3호
• /
• pp.71-80
• /
• 2021

기계학습에서 정확한 데이터 예측을 위해서는 적절한 인공신경망 알고리즘을 선택해야 한다. 이러한 알고리즘에는 심층 신경망 (DNN), 반복 신경망 (RNN), 장단기 기억 (LSTM) 네트워크 및 게이트 반복 단위 (GRU) 신경망등을 들 수 있다. 개발자가 실험을 위해, 하나를 선택해야 하는 경우, 각 알고리즘의 성능에 대한 충분한 정보가 없었기 때문에, 직관에 의존할 수 밖에 없었다. 본 연구에서는 이러한 어려움을 완화하기 위해 실험을 통해 예측 오류(RMSE)와 처리 시간을 비교 평가 하였다. 각 알고리즘은 텐서플로우를 이용하여 구현하였으며, 세금 데이터를 사용하여 학습을 수행 하였다. 학습 된 모델을 사용하여, 세금 예측을 수행 하였으며, 실제값과의 비교를 통해 정확도를 측정 하였다. 또한, 활성화 함수와 다양한 최적화 함수들이 알고리즘에 미치는 영향을 비교 분석 하였다. 실험 결과, GRU 및 LSTM 알고리즘의 경우, RMSE(Root Mean Sqaure Error)는 0.12이고 R2값은 각각 0.78 및 0.75로 다른 알고리즘에 비해 더 낳은 성능을 보여 주었다. 기본 심층 신경망(DNN)의 경우, 처리 시간은 가장 낮지만 예측 오류는 0.163로 성능은 가장 낮게 측정 되었다. 최적화 알고리즘의 경우, 아담(Adam)이 오류 측면에서 최고의 성능을, 처리 시간 측면에서 최악의 성능을 보여 주었다. 본 연구의 연구결과는 데이터 예측을 위한 알고리즘 선택시, 개발자들에게 유용한 정보로 사용될 것으로 예상된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.250-252
• /
• 2006

The land surface temperature (LST) can be defined as a weighted average temperature of components which constitute a pixel. The coefficients of split-window algorithm for MTSAT-1R were obtained by means of a statistical regression analysis from radiative transfer simulations using MODTRAN 4.0 for a wide range of atmospheric, satellite viewing angle (SVA) and lapse rate conditions. 6 types of atmospheric profile data imbedded in the MODTRAN 4 are used for the radiative transfer simulations. The RMSE is clearly larger on warm and humid profiles than cold and dry profiles, especially when the satellite viewing angle and lapse rate are large. The derivation of LST equations according to the atmospheric profiles clearly decreased the RMSE without regard to the SVA and lapse rate. The bias and RMSE are decreased as the more controls factors included. This preliminary result indicates that the characteristics of atmosphere, SVA and lapse rate should be included in the LST equation.

• 한국도로학회논문집
• /
• 제14권6호
• /
• pp.167-173
• /
• 2012

PURPOSES : This study is to develop speed correction factor for more realistic Level-of-Service(LOS) at multilane highway. METHODS : In this study, we compared speed difference the degree of speed reductions in actual multilane road conditions with speed reduction considering speed correction factor presented in highway capacity manual using statistical techniques. And also we presents new speed correction factor analyzing collected data at national highway No.1 (Goyang~Wolrung). RESULTS : The result of analyzing and comparing new suggested speed correction factor with speed correction factor in Korea Highway Capacity Manual (KHCM) shows RMSE (Root Mean Square Error) in new speed correction factor (RMSE 1.5) is much lower than existing speed correction factor (RMSE 13.4). New suggested speed correction can be used for analyzing Level-of-Service at multilane highway. And also we suggests improvements for analysis procedure in analyzing Level-of-Service at multilane highway CONCLUSIONS : As a result of comparing differences, we draw the causes that effect the differences in speed and suggest new speed correction factor that consider traffic volumes. It can be more rational because it uses speed correction factor which can consider more realistic traffic conditions, etc.

• 대한원격탐사학회지
• /
• 제22권5호
• /
• pp.385-388
• /
• 2006

The land surface temperature (LST) can be defined as a weighted average temperature of components which constitute a pixel. The coefficients of split-window algorithm for MTSAT-1R were obtained by means of a statistical regression analysis from radiative transfer simulations using MODTRAN 4.0 for a wide range of atmospheric, satellite viewing angle (SVA) and lapse rate conditions. 6 types of atmospheric profile data imbedded in the MODTRAN 4 are used for the radiative transfer simulations. The RMSE is clearly larger on warm and humid profiles than cold and dry profiles, especially when the satellite viewing angle and lapse rate are large. The derivation of LST equations according to the atmospheric profiles clearly decreased the RMSE without regard to the SVA and lapse rate. The bias and RMSE are decreased as the more controls factors included. This preliminary result indicates that the characteristics of atmosphere, SVA and lapse rate should be included in the LST equation.

• 한국지구과학회지
• /
• 제39권3호
• /
• pp.228-240
• /
• 2018

2015년부터 최근까지 차세대도시농림융합기상사업단에서는 수도권에 위치한 도시기상 관측소에서 관측된 기상자료(14소), 운고계(2소) 그리고 마이크로웨이브 라디오미터(MWR, 7소) 자료를 이용하여 태양에너지를 산출하였다. 수도권지역에 위치한 운고계에서 관측된 후방산란계수와 MWR에서 추정된 액상물량을 이용하여 구름광학두께와 운량을 산출하였다. 각각의 원격탐사장비에서 산출된 운량을 태양복사모델에 입력하여 지표면에 도달하는 태양에너지를 계산하였다. 추정된 태양에너지를 관측과 비교한 결과, 중랑과 광화문지점에서는 과소추정이 나타났다. 선형회귀분석한 결과 0.8이하의 기울기를 나타냈고 $-20W/m^2$의 음의 편차와 $120W/m^2$의 평방근오차(RMSE)가 나타났다. 그리고 MWR을 이용하여 추정된 태양에너지의 정확도(평균 결정계수$(R^2)=0.8$)와 오차율(평균 $RMSE=110W/m^2$)이 향상되었다. 월별 산출된 운량과 태양에너지는 운고계를 이용하여 산출하였을 때 운량이 0.09 이상 크게 나타났으며 태양에너지가 $50W/m^2$ 이상 낮게 산출되었다. 지점에 따라 차이는 있었으나 대체로 7월과 9월의 RMSE가 $50W/m^2$ 이상 크게 계산되었다. 결과적으로 일누적 태양에너지는 광화문지점에서 가장 높은 상관성이 나타났고($R^2=0.80$, RMSE=2.87 MJ/Day), 구로지점에서 상관성이 가장 낮았다($R^2=0.63$, RMSE=4.77 MJ/Day).

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2005년도 GIS/RS 공동 춘계학술대회
• /
• pp.345-349
• /
• 2005

Massive amount of satellite image processing such asglobal/continental-level analysis and monitoring requires automated and speedy georegistration. There could be two major automated approaches: (1) rigid mathematical modeling using sensor model and ephemeris data; (2) heuristic co-registration approach with respect to existing reference image. In case of ETM+, the accuracy of the first approach is known as RMSE 250m, which is far below requested accuracy level for most of satellite image processing. On the other hands, the second approach is to find identical points between new image and reference image and use heuristic regression model for registration. The latter shows better accuracy but has problems with expensive computation. To improve efficiency of the coregistration approach, the author proposed a pre-qualified matching algorithm which is composed of feature extraction with canny operator and area matching algorithm with correlation coefficient. Throughout the pre-qualification approach, the computation time was significantly improved and make the registration accuracy is improved. A prototype was implemented and tested with the proposed algorithm. The performance test of 14 TM/ETM+ images in the U.S. showed: (1) average RMSE error of the approach was 0.47 dependent upon terrain and features; (2) the number average matching points were over 15,000; (3) the time complexity was 12 min per image with 3.2GHz Intel Pentium 4 and 1G Ram.