해상에서 1997년 1월부터 12월까지 맑은 날과 구름이 많은 대기상태에서 GMS-5에 장착된 VISSR(visible and infrared spin scan radiometer) 자료를 이용하여 $5km{\times}5km$ 격자의 공간 분해능에서 태양복사를 추정하였다. 섬에 설치되어 있는 기상청의 pyranometer 자료로 추정 일사량을 검증하였다. 추정된 시간별 일사량의 RMSE(root mean square error)는 $104W/m^2$이고, 상관계수는 0.91이었다. 한반도 부근의 해상에서 조사된 시간별 태양복사의 최대값은 황해와 동해에서 6월에 타나고, 남해에서는 8월에 나타나는데, 이는 6월에 저기압과 전선에 의한 기상 악화에 기인한다.
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.
기후변화로 인한 기상이변 현상으로 폭우와 홍수 등 수문학적 극치 사상의 출현 빈도가 잦아지고 있다. 따라서 이러한 기상이변 현상에 적응하기 위하여 보다 정확한 확률강우량 측정의 필요성이 증가하고 있다. 대장 지점의 미래 확률강우량 계산을 위해선 기후변화 시나리오의 비정상성을 고려해야 한다. 본 연구는 비정상적인 미래 기후에서 확률강우량이 어떻게 변화하는지 측정하는 것을 목표로 한다. Representative Concentration Pathway (RCP4.5)에 따른 우리나라의 확률강우량 계산에 인공신경망을 포함한 정상성, 비정상성 확률강우량 산정 모델들이 사용되었다. 지점빈도해석(AFA), 홍수지수법(IFM), 모분포홍수지수법(PIF), 인공신경망을 이용한 Quantile & Parameter regression technique(QRT & PRT)이 정상성 자료에 대해 확률강우량을 계산하는 모델로 사용되었으며, 비정상성 자료에 대해서는 비정상성 지점빈도해석(NS-AFA), 비정상성 홍수지수법(NS-IFM), 비정상성 모분포홍수지수법(NS-PIF), 인공신경망을 사용한 비정상성 Quantile & Parameter regression technique(NS-QRT & NS-PRT)이 사용되었다. Rescaled Akaike information criterion(rAIC)를 사용한 불확실성 분석과 적합도 검정을 통해서 generalized extreme value(GEV) 분포형 모델이 정상성 및 비정상성 확률강우량 산정에 가장 적합한 모델로 선정되었다. 이후, 관측자료가 GEV(0,0,0)을 따르고 시나리오 자료가 GEV(1,0,0)을 따르는 지점들을 선택하여 미래의 확률강우량 변화를 추정하였다. 각 빈도해석 모델들은 몬테카를로 시뮬레이션을 통해 bias, relative bias(Rbias), root mean square error(RMSE), relative root mean square error(RRMSE)를 바탕으로 측정하여 정확도를 계산하였으며 그 결과 QRT와 NS-QRT가 각각 정상성과 비정상성 자료로부터 가장 정확하게 확률강우량을 계산하였다. 본 연구를 통해 향후 기후변화의 영향으로 확률강우량이 증가할 것으로 예상되며, 비정상성을 고려한 빈도분석 또한 필요함을 제안하였다.
두 개의 점군(point cloud)을 정렬(alignment)하기 위해 현재까지 ICP(iterative closest point) 알고리즘이 널리 사용되고 있지만, ICP는 두 점군의 초기 방향이 크게 다를 경우 정렬에 실패하는 경우가 많다. 본 논문에서는 두 개의 삼각형 메쉬 A, B가 서로 크게 다른 초기 방향을 가질 때, 이들을 정렬하는 알고리즘을 제안한다. 메쉬 A, B에 대해 각각 가중치 무게중심(weighted centroid)을 구한 뒤, 무게중심으로부터 정점까지의 거리를 이용하여 메쉬 간에 서로 대응될 가능성이 있는 정점들을 특징점으로 설정한다. 설정된 특징점들이 대응될 수 있도록 메쉬 B를 회전한 뒤, A와 B의 정점들에 대해 RMSD(root mean square deviation)를 측정한다. RMSD가 기준치보다 작은 값을 가질 때까지 특징점을 변경하며 같은 과정을 되풀이하여 정렬된 결과를 얻는다. 실험을 통해 ICP 및 Go-ICP 알고리즘으로 정렬이 실패할 경우에도 제안된 알고리즘으로 정렬이 가능함을 보인다.
본 연구는 애니메이션 갈등의 VST 특징을 조사하고 강도를 측정한 이태린의 연구 결과에 대한 심화연구로 초개인적 갈등영상과 초개인적 갈등 값을 기반으로 시작되었다. 본 연구의 목적은 초개인적 갈등 강도 값(ESSPC)을 자동 계산하는 모델을 찾아내는 것이다. 따라서 본 논문에서 SPC 영상을 분석하였으며, ESSPC 값을 자동 계산하는 모델을 찾아내기 위해 의사 역행렬(Pseudo Inverse matrix)을 사용하였다. 연구결과 및 내용은 다음과 같다. 이들을 활용하여, 1)SPC를 분석하기 위한 20 개의 영상 Feature값을 제안하였다. 그리고 2)의사 역행렬(Pseudo Inverse matrix)을 사용하여 ESSPC 값을 자동 계산하는 선형모델을 찾아냈다. 그 결과로 3)제안된 시스템은 9.25%의 평균 자승오차의 제곱근 보이며, 그 효율성이 증명되었다. 이러한 연구결과를 바탕으로 이를 계속 발전시켜 성공적 애니메이션의 제작을 위한 자동 검증시스템을 개발하고자 한다.
본 연구에서는 야외에서 자료 취득이 가능하며 한 번에 다량의 사과를 촬영할 수 있는 지상용 초분광 스캐너를 활용하여 사과의 분광정보와 당도와의 부분최소제곱회귀분석(PLSR, Partial Least Square Regression)을 수행하였으며, 최적의 예측모델을 구축하기 위한 다양한 전처리기법의 적용가능성을 평가하고 VIP(Variable Importance in Projection)점수를 통한 최적밴드를 산출하였다. 이를 위하여 360-1019 nm영역에서 촬영된 515밴드의 초분광 영상에서 70개의 분광곡선을 취득하였으며, 디지털광도계를 이용하여 당도($^{\circ}Brix$)를 측정하였다. 사과의 분광특성과 당도사이의 회귀모델을 구축하였으며, 최적의 예측모델은 모델 예측치와 실측치간의 결정계수($r_p^2$, coefficient of determination of prediction)와 RMSECV(Root Mean Square Error of Cross Validation), RMSEP(Root Mean Square Error of Prediction)등을 고려하여 선정하였다. 그 결과 산란보정 기법의 대표적인 MSC(Multiplicative Scatter Correction)의 기반의 전처리기법이 가장 효과적이었으며, MSC와 SNV(Standard Normal Variate)를 조합한 경우 RMSECV와 RMSEP가 각각 0.8551과 0.8561로 가장 낮았고, $r_c^2$와 $r_p^2$은 각각 0.8533과 0.6546으로 가장 높았다, 또한 360-380, 546-690, 760, 915, 931-939, 942, 953, 971, 978, 981, 988, 992-1019 nm 등이 당도 측정을 위한 가장 영향력 있는 파장영역으로 나타났다. 해당 영역의 분광값을 가지고 PLSR을 수행한 결과, 전파장대를 사용할 때보다 RMSEP가 0.6841로 감소하고 $r_p^2$는 0.7795로 증가하는 것을 확인하였다. 본 연구를 통하여 사과의 당도측정에 있어 야외에서 취득한 초분광 영상자료의 활용 가능성을 확인하였으며, 이는 필드자료 및 센서 활용분야의 확장가능성을 보여준다.
터널 굴착 시 정확한 암반 분류는 적합한 지보패턴을 설치하는 데 도움을 준다. 암반의 분류를 위해 주로 RMR (Rock Mass Ration)과 Q값을 산정하여 수행되며, 페이스 매핑(face mapping)을 바탕으로 산정된다. 점보드릴 및 프로브드릴의 기계 데이터을 활용하거나 딥러닝을 활용한 굴착면 사진 분석 등의 방법이 암반등급 분류를 예측하기 위해 사용되고 있으나, 분석 시 오랜 시간이 소요되거나, 굴착면 전방의 암반등급을 파악할 수 없다는 점에서 한계를 갖는다. 본 연구에서는 순환인공신경망(Recurrent neural network, RNN)을 활용하여 굴착면 전방의 Q값을 예측하는 방법을 개발하였고 페이스 매핑으로부터 획득한 Q값과 비교/검증하였다. 4,600여개의 굴착면 데이터 중 70%를 학습에 활용하였고, 나머지 30%는 검증에 사용하였다. 학습의 횟수와 학습에 활용한 이전굴착면의 개수를 변경하여 학습을 수행하였다. 예측된 Q값과 실제 Q값의 유사도는 RMSE (root mean square error)를 기준으로 비교하였다. 현재 굴착면과 바로 직전의 굴착면의 Q값을 활용하여 600회 학습하여 예측한 Q값의 RMSE값이 가장 작은 것을 확인하였다. 본 연구의 결과는 학습에 사용한 데이터 값 등이 변화하는 경우 변화할 수 있으나 터널에서의 이전 지반상태가 앞으로의 지반상태에 영향을 미치는 시스템을 이해하고, 이를 통해 터널 굴착면 전방의 Q값의 예측이 가능할 것으로 판단된다.
Fragmenting the rock mass is considered as the most important work in open-pit mines. Ground vibration is the most hazardous issue of blasting which can cause critical damage to the surrounding structures. This paper focuses on developing an explicit model to predict the ground vibration through an multi objective evolutionary polynomial regression (MOGA-EPR). To this end, a database including 79 sets of data related to a quarry site in Malaysia were used. In addition, a gene expression programming (GEP) model and several empirical equations were employed to predict ground vibration, and their performances were then compared with the MOGA-EPR model using the mean absolute error (MAE), root mean square error (RMSE), mean (𝜇), standard deviation of the mean (𝜎), coefficient of determination (R2) and a20-index. Comparing the results, it was found that the MOGA-EPR model predicted the ground vibration more precisely than the GEP model and the empirical equations, where the MOGA-EPR scored lower MAE and RMSE, 𝜇 and 𝜎 closer to the optimum value, and higher R2 and a20-index. Accordingly, the proposed MOGA-EPR model can be introduced as a useful method to predict ground vibration and has the capacity to be generalized to predict other blasting effects.
The statistical indexes such as RMSE (Root Mean Square Error), Mean Bias error, and IOA (Index of agreement) are used to evaluate 3 Dimensional wind and temperature fields predicted by operational meteorological model RAMS (Regional Atmospheric Meteorological System) implemented in CARIS (Chemical Accident Response Information System) for the dispersion forecast of hazardous chemicals in case of the chemical accidents in Korea. The operational atmospheric model, RAMS in CARIS are designed to use GDAPS, GTS, and AWS meteorological data obtained from KMA (Korean Meteorological Administration) for the generation of 3-dimensional initial meteorological fields. The predicted meteorological variables such as wind speed, wind direction, temperature, and precipitation amount, during 19 ∼ 23, August 2002, are extracted at the nearest grid point to the meteorological monitoring sites, and validated against the observations located over the Korean peninsula. The results show that Mean bias and Root Mean Square Error are 0.9 (m/s), 1.85 (m/s) for wind speed at 10 m above the ground, respectively, and 1.45 ($^{\circ}C$), 2.82 ($^{\circ}C$) for surface temperature. Of particular interest is the distribution of forecasting error predicted by RAMS with respect to the altitude; relatively smaller error is found in the near-surface atmosphere for wind and temperature fields, while it grows larger as the altitude increases. Overall, some of the overpredictions in comparisons with the observations are detected for wind and temperature fields, whereas relatively small errors are found in the near-surface atmosphere. This discrepancies are partly attributed to the oversimplified spacing of soil, soil contents and initial temperature fields, suggesting some improvement could probably be gained if the sub-grid scale nature of moisture and temperature fields was taken into account. However, IOA values for the wind field (0.62) as well as temperature field (0.78) is greater than the 'good' value criteria (> 0.5) implied by other studies. The good value of IOA along with relatively small wind field error in the near surface atmosphere implies that, on the basis of current meteorological data for initial fields, RAMS has good potentials to be used as a operational meteorological model in predicting the urban or local scale 3-dimensional wind fields for the dispersion forecast in association with hazardous chemical releases in Korea.
본 연구에서는 컨테이너 엑스선 검색기의 노후화, 검출 감지기(Sensor) 불량으로 발생되는 검색영상의 잡음(Noise)을 줄이기 위한 알고리즘을 제시고 MATLAB 툴박스에 이를 적용하여 컨테이너 검색영상의 화질(Image Quality)을 개선하고자 하였다. 검색영상은 일반적인 컨테이너 검색기 작동 점검을 위한 일일 점검영상을 활용하였으며 일일점검영상의 수평 영상과 수직 영상을 기준으로 잡음(Noise)을 디지털 방사선 영상에서 가장 기본으로 사용되는 잡음평가 방법인 제곱평균제곱근(Root Mean Square; RMS)으로 평가하였다. 또한 개선된 알고리즘을 실제 컨테이너검색영상에 적용하여 일일 점검영상과 실제 컨테이너 검색영상의 화질을 평가하였다. 그 결과 제곱평균제곱근이 일일 점검영상에서는 수평 영상에서 원본 영상 대비 평균 13.5%, 수직 영상에서는 원본 영상 대비 평균 18.2% 가 낮은 결과치를 나타내었다. 또한 실제 컨테이너 검색영상에서는 수평 영상에서 원본 영상 대비 평균 13.4%, 수직 영상에서는 원본 영상 대비 19.1%가 낮은 결과치를 나타내었다. 이는 영상의 화질개선을 객관적, 시각적으로 확인할 수 있었으며 관세청의 컨테이너 검색영상 판독 업무에 큰 도움이 될 것이라 사료된다.
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.