• 한국수자원학회논문집
• /
• 제55권11호
• /
• pp.855-863
• /
• 2022

본 연구에서는 서울시 기온 지상관측 자료의 지도화를 위해 Artificial Neural Network (ANN)을 사용하였다. 지도화를 위한 보조자료로는 MODerate resolution Imaging Spectroradiometer (MODIS) 자료를 사용하였다. ANN 모델 설계를 위해 입력자료와 출력자료 간의 산점도 및 통계분석을 수행하였으며, 기온과의 상관성이 비교적 높게 나타나는 입력자료인 지표면온도, Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI)와 시간(위성관측시각, Day of year), 위치(위도, 경도), 데이터 품질(운량)과 관련된 데이터 종류를 분류 및 조합하여 학습을 진행하였다. 기온자료와 상관성이 높은 데이터만으로 학습을 진행하였을 때 상관계수(r)와 Root Mean Squared Error (RMSE)의 평균값이 0.9667, 2.708℃로 우수한 성능을 보였다. 학습에 사용된 데이터의 종류가 추가될수록 더 우수한 학습 결과를 보였으며, 모든 데이터가 활용될 때에는 r과 RMSE의 평균값이 0.9840, 1.883℃로 가장 우수한 성능을 보였다. ANN 모델으로 생성한 서울시 기온 지도에서는 픽셀별 지형적 특성에 적절하게 기온이 산정된 것으로 판단되며, 추후 연구지역 확대 및 위성자료의 다양화를 통해 시단위 및 전국단위 기온 분포 분석 연구가 가능할 것이다.

• 대한토목학회논문집
• /
• 제29권5B호
• /
• pp.397-408
• /
• 2009

본 연구에서는 다지점의 일단위 강수량을 동시에 모의할 수 있는 추계학적 강수모의모형을 제시하였다. 각 지점의 강수발생은 무강수 기간에 대해 고차를 허용하는 혼합차수 마코프 모형을 이용하였으며, 강수량은 Anscombe 잔차와 감마분포를 이용하여 모의하였다. 다지점에 대한 강수발생과 강수량의 공간적 상관관계는, 상관관계를 가진 랜덤자료를 생성하여 재현하였다. 구축된 강수모의모형을 이용하여 우리나라 중부지역에 위치한 17개 관측지점의 강수량을 모의하고 모의정확성을 검토 하였다. 검증에 필요한 통계값들은 50번의 반복실행에 의해 생성된 강수량 시계열로부터 추정하여 제시하였다. 검토결과, 강수모의모형이 관측강수의 강수일수, 강수 지속기간, 무강수 지속기간, 강수일의 평균강수량과 표준편차 등을 비교적 잘 모의 하였다. 최대 강수 지속일과 무강수 지속일의 50번 반복실행의 평균값의 RMSE는 관측자료 평균값의 약 23% 정도, 100년 빈도와 200년빈도의 강수량의 RMSE는 관측자료 평균값의 약 17% 정도에 달하는 것으로 확인되었다. 강우발생과 강우량에 대한 공간적 상관관계는 비교적 정확히 재현하고 있음을 확인하였다.

• 한국물환경학회지
• /
• 제35권5호
• /
• pp.432-438
• /
• 2019

The purpose of this study is to predict Trophic Diatom Index (TDI) in tributaries of the Han River watershed using the random forest algorithm. The one year (2017) and supplied aquatic ecology health data were used. The data includes water quality(BOD, T-N, $NH_3-N$, T-P, $PO_4-P$, water temperature, DO, pH, conductivity, turbidity), hydraulic factors(water width, average water depth, average velocity of water), and TDI score. Seven factors including water temperature, BOD, T-N, $NH_3-N$, T-P, $PO_4-P$, and average water depth are selected by the Correlation Feature Selection. A TDI prediction model was generated by random forest using the seven factors. To evaluate this model, 2017 data set was used first. As a result of the evaluation, $R^2$, % Difference, NSE(Nash-Sutcliffe Efficiency), RMSE(Root Mean Square Error) and accuracy rate show that this model is compatible with predicting TDI. To be more concrete, $R^2$ is 0.93, % Difference is -0.37, NSE is 0.89, RMSE is 8.22 and accuracy rate is 70.4%. Also, additional evaluation using data set more than 17 times the measured point was performed. The results were similar when the 2017 data set were used. The Wilcoxon Signed Ranks Test shows there was no statistically significant difference between actual and predicted data for the 2017 data set. These results can specify the elements which probably affect aquatic ecology health. Also, these will provide direction relative to water quality management for a watershed that must be continuously preserved.

• 한국농림기상학회지
• /
• 제18권3호
• /
• pp.135-142
• /
• 2016

운량 기반 기온감률 추정모형을 이용하여 0600과 1500의 기온감률을 모의하고, 최저 및 최고기온 추정과정에 활용되었던 기존의 단일 기온감률($-6.5^{\circ}C/km$, $-9^{\circ}C/km$)에 비해 추정 기온감률이 0600, 1500 기온의 추정오차를 개선할 수 있는지 확인하였다. 경남 하동과 전남 구례, 광양 지역의 '하동 2 수위표' 집수역을 기온감률 추정기법의 실용성 평가 지역으로 선정하고, 이 집수역 내 기상관측지점 12곳의 0600, 1500 기온자료를 2015년 한 해에 대해 수집하였다. 또한 2015년의 기상청 하늘상태 초단기예보 5km 격자자료를 이용, 대상 집수역의 0600, 1500 운량(0~10) 공간평균값을 계산하여 기온감률을 추정하였다. 검증지점의 0600 기온 추정오차는 기존 기온감률을 적용한 경우 평균 ME $-0.39^{\circ}C$, RMSE $1.45^{\circ}C$ 였으나, 새로운 기온감률로 변경한 결과 ME $-0.19^{\circ}C$, RMSE $1.32^{\circ}C$로 개선되었으며, 맑은 날은 ME $-0.8^{\circ}C$에서 $-0.57^{\circ}C$로, RMSE는 $1.72^{\circ}C$에서 $1.42^{\circ}C$로 감소되었고 흐린 날은 ME $-0.17^{\circ}C$에서 $-0.06^{\circ}C$, RMSE $1.16^{\circ}C$에서 $1.01^{\circ}C$로 줄어들었다. 또한 1500 기온에서 기존의 단일 기온감률과 추정 기온감률의 적용결과를 비교하면 맑은 날은 기온 추정오차에 거의 차이가 없었지만, 흐린 날은 기존 ME $-0.69^{\circ}C$, RMSE $1.54^{\circ}C$에서 ME $-0.51^{\circ}C$, RMSE $1.19^{\circ}C$로 개선되었다.

• 한국환경보건학회지
• /
• 제46권5호
• /
• pp.576-587
• /
• 2020

Objectives: This study calculated local residents exposures to VOCs (Volatile Organic Compounds) released into the atmosphere using the CalTOX model and carried out uncertainty analysis and sensitivity analysis. The model validity was analyzed by comparing the predicted and the actual atmospheric concentrations. Methods: Uncertainty was parsed by conducting a Monte Carlo simulation. Sensitivity was dissected with the regression (coefficients) method. The model validity was analyzed by applying r² (coefficient of determination), RMSE (root mean square error), and the Nash-Sutcliffe EI (efficiency index) formula. Results: Among the concentrations in the atmosphere in this study, benzene was the highest and the lifetime average daily dose of benzene and the average daily dose of xylene were high. In terms of the sensitivity analysis outcome, the source term to air, exposure time, indoors resting (ETri), exposure time, outdoors at home (ETao), yearly average wind speed (v_w), contaminated area in ㎡ (Area), active breathing rate (BRa), resting breathing rate (BRr), exposure time, and active indoors (ETai) were elicited as input variables having great influence upon this model. In consequence of inspecting the validity of the model, r² appeared to be a value close to 1 and RMSE appeared to be a value close to 0, but EI indicated unacceptable model efficiency. To supplement this value, the regression formula was derived for benzene with y=0.002+15.48x, ethylbenzene with y ≡ 0.001+57.240x, styrene with y=0.000+42.249x, toluene with y=0.004+91.588x, and xylene with y=0.000+0.007x. Conclusions: In consequence of inspecting the validity of the model, r² appeared to be a value close to 1 and RMSE appeared to be a value close to 0, but EI indicated unacceptable model efficiency. This will be able to be used as base data for securing the accuracy and reliability of the model.

• 인터넷정보학회논문지
• /
• 제22권3호
• /
• pp.67-73
• /
• 2021

본 논문에서는 드론의 추락을 예방하기 위해 드론의 프로펠러와 연결된 모터로부터 진동 데이터를 수집하고 순환 신경망(recurrent neural network, RNN)과 long short term memory (LSTM)을 사용하여 드론의 비정상 진동을 예측하는 연구를 진행하였다. 드론의 비정상 진동 데이터를 수집하기 위해 드론의 프로펠러와 연결된 모터에 진동 센서를 부착하여 정상, 바(bar) 손상, 로터(rotor) 손상, 축 휨에 대한 진동 데이터를 수집하고 LSTM과 RNN을 통해 비정상 진동을 예측한 결과의 평균 제곱근 오차 (root mean square error, RMSE) 값을 비교분석 하였다. 시뮬레이션 비교 결과, RNN과 LSTM을 통해 예측한 결과 모두 비정상 진동 패턴을 매우 정확하게 예측하는 것을 확인하였으며 LSTM을 통해 예측한 진동이 RNN을 통해 예측한 진동보다 RMSE값이 평균 15.4% 낮은 것을 확인하였다.

• 한국측량학회지
• /
• 제38권2호
• /
• pp.97-107
• /
• 2020

To analyze temporal and spatial changes in vegetation, it is necessary to determine the associated continuous distribution and conduct growth observations using time series data. For this purpose, the normalized difference vegetation index, which is calculated from optical images, is employed. However, acquiring images under cloud cover and rainfall conditions is challenging; therefore, time series data may often be unavailable. To address this issue, La et al. (2015) developed a multilinear simulation method to generate missing images on the target date using the obtained images. This method was applied to a small simulation area, and it employed a simple analysis of variables with lower constraints on the simulation conditions (where the environmental characteristics at the moment of image capture are considered as the variables). In contrast, the present study employs variables that reflect the growth characteristics of vegetation in a greater simulation area, and the results are compared with those of the existing simulation method. By applying the accumulated temperature, the average coefficient of determination (R²) and RMSE (Root Mean-Squared Error) increased and decreased by 0.0850 and 0.0249, respectively. Moreover, when data were unavailable for the same season, R² and RMSE increased and decreased by 0.2421 and 0.1289, respectively.

• Journal of information and communication convergence engineering
• /
• 제6권4호
• /
• pp.448-453
• /
• 2008

This study describes design and development techniques of estimation models for process modeling. One case study is undertaken to design a model using standard gas furnace data. Neural networks (NN) and genetic programming (GP) are each employed to model the crucial relationships between input factors and output responses. In the case study, two models were generated by using 70% training data and evaluated by using 30% testing data for genetic programming and neural network modeling. The model performance was compared by using RMSE values, which were calculated based on the model outputs. The average RMSE for training and testing were 0.8925 (training) and 0.9951 (testing) for the NN model, and 0.707227 (training) and 0.673150 (testing) for the GP model, respectively. As concern the results, the NN model has a strong advantage in model training (using the all data for training), and the GP model appears to have an advantage in model testing (using the separated data for training and testing). The performance reproducibility of the GP model is good, so this approach appears suitable for modeling physical fabrication processes.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.61-80
• /
• 2018

Location information of individual nodes is important in the implementation of necessary network functions. While extensive studies focus on localization techniques in 2D space, few approaches have been proposed for 3D positioning, which brings the location closer to the reality with more complex calculation consumptions for high accuracy. In this paper, an effective range-free localization scheme is proposed for 3D space localization, and the sensitivity of parameters is evaluated. Firstly, we present an improved algorithm (MDV-Hop), that the average distance per hop of the anchor nodes is calculated by root-mean-square error (RMSE), and is dynamically corrected in groups with the weighted RMSE based on group hops. For more improvement in accuracy, we expand particle swarm optimization (PSO) of intelligent optimization algorithms to MDV-Hop localization algorithm, called PMDV-hop, in which the parameters (inertia weight and trust coefficient) in PSO are calculated dynamically. Secondly, the effect of various localization parameters affecting the PMDV-hop performance is also present. The simulation results show that PMDV-hop performs better in positioning accuracy with limited energy.

• 정보처리학회논문지B
• /
• 제14B권4호
• /
• pp.241-248
• /
• 2007

본 논문은 광학 흐름을 추정하는데 있어서 최적 정규화 매개변수를 결정하기 위한 L-curve 모서리 검출 방법을 제안한다. 기존의 곡률법은 L-curve의 곡률 그래프에서 최대 위치를 찾는 반면, 제안한 방법은 바로 우측 음의 계곡과의 곡률 차가 최대가 되는 양의 봉우리의 위치를 찾아서 매개변수 값을 결정한다. 이 방법으로 선정한 매개변수로 광학 흐름을 추정하면, 평균적으로 최소 오차로부터 단지 0.02 pixel/frame 차이가 나는 것이 실험을 통하여 보여진다. 또한 제안한 방법으로 기존의 모서리 검출법인 곡률법이나 적응 제거법에 비해 최소 오차에 가장 가까운 광학 흐름을 구할 수 있었다.