• 대한안전경영과학회지
• /
• 제4권2호
• /
• pp.11-22
• /
• 2002

In this study, an asymmetric lifting posture prediction model was developed, which was a three-dimensional model with 12 links and 23 degrees of freedom open kinematic chains. Although previous researchers have proposed biomechanical, psychophysical, or physiological measures as cost functions, for solving redundancy, they lack in accuracy in predicting actual lifting postures and most of them are confined to the two-dimensional model. To develop an asymmetric lifting posture prediction model, we used the resolved motion method for accurately simulating the lifting motion in a reasonable time. Furthermore, in solving the redundant problem of the human posture prediction, a moment weighted Joint Range Availability (JRA) was used as a cost function in order to consider dynamic lifting. However, it is known that the moment weighted JRA as a cost function predicted the lower extremity and L5/S1 joint motions better than the upper extremities, while the constant weighted JRA as a cost function predicted the latter better than the former. To compensate for this, we proposed a hybrid moment weighted JRA as a new cost function with moment weighted for only the lower extremity. In order to validate the proposed cost function, the predicted and real lifting postures for various lifting conditions were compared by using the root mean square(RMS) error. This hybrid JRA reduced RMS more than the previous cost functions. Therefore, it is concluded that the cost function of a hybrid moment weighted JRA can be used to predict three-dimensional lifting postures. To compare with the predicted trajectories and the real lifting movements, graphical validations were performed. The results also showed that the hybrid moment weighted cost function model was found to have generated the postures more similar to the real movements.

• 한국습지학회지
• /
• 제15권3호
• /
• pp.339-346
• /
• 2013

본 연구에서는 NOAA CPC에서 제공하고 있는 인공위성을 이용한 광역적 강수량 추정 자료인 CMORPH와 지상 관측자료와의 비교를 통해 위성으로부터 유도된 강수자료의 정확도 및 활용 가능성 등 수자원 분야 이용 가능성을 분석하는 것을 목적으로 하였다. 2002-2011년의 10년간의 자료를 분석한 결과 1일 누가강수의 상관계수가 평균 0.87 정도로 분석되었으나, 연간 총강수량은 약 4~5배 정도 차이가 나는 것으로 분석되었다. 또한 시간해상도가 커짐에 따라 RMSE의 변동성이 작아지는 것으로 분석되었다. 유역 규모에 따른 분석에서 유역 규모가 커질수록 강수자료의 정확도에 대한 평가가 향상되는 것으로 분석되었다.

• 대한금속재료학회지
• /
• 제56권11호
• /
• pp.813-821
• /
• 2018

The basic oxygen furnace (BOF) steelmaking process in the steel industry is highly complicated, and subject to variations in raw material composition. During the BOF steelmaking process, it is essential to maintain the carbon content and the endpoint temperature at their set points in the liquid steel. This paper presents intelligent models used to estimate the endpoint temperature in the basic oxygen furnace (BOF) steelmaking process. An artificial neural network (ANN) model and a least-squares support vector machine (LSSVM) model are proposed and their estimation performance compared. The classical partial least-squares (PLS) method was also compared with the others. Results of the estimations using the ANN, LSSVM and PLS models were compared with the operation data, and the root-mean square error (RMSE) for each model was calculated to evaluate estimation performance. The RMSE of the LSSVM model 15.91, which turned out to be the best estimation. RMSE values for the ANN and PLS models were 17.24 and 21.31, respectively, indicating their relative estimation performance. The essential input parameters used in the models can be selected by sensitivity analysis. The RMSE for each model was calculated again after a sequential input selection process was used to remove insignificant input parameters. The RMSE of the LSSVM was then 13.21, which is better than the previous RMSE with all 16 parameters. The results show that LSSVM model using 13 input parameters can be utilized to calculate the required values for oxygen volume and coolant needed to optimally adjust the steel target temperature.

• 대한원격탐사학회지
• /
• 제23권3호
• /
• pp.161-169
• /
• 2007

A study was conducted in the Hong Kong with the aim of deriving an algorithm for the retrieval of suspended sediment (SS) and sea surface salinity (SSS) concentrations from Aqua/MODIS level 1B reflectance data with 250m and 500m spatial resolutions. 'In-situ' measurements of SS and SSS were also compared with coincident MODIS spectral reflectance measurements over the ocean surface. This is the first study of SSS modeling in Southeast Asia using earth observation satellite images. Three analysis techniques such as multiple regression, linear regression, and principal component analysis (PCA) were performed on the MODIS data and the 'in-situ' measurement datasets of the SS and SSS. Correlation coefficients by each analysis method shows that the best correlation results are multiple regression from the 500m spatial resolution MODIS images, $R^2$= 0.82 for SS and $R^2$ = 0.81 for SSS. The Root Mean Square Error (RMSE) between satellite and 'in-situ' data are 0.92mg/L for SS and 1.63psu for SSS, respectively. These suggest that 500m spatial resolution MODIS data are suitable for water quality modeling in the study area. Furthermore, the application of these models to MODIS images of the Hong Kong and Pearl River Delta (PRO) Region are able to accurately reproduce the spatial distribution map of the high turbidity with realistic SS concentrations.

• 부동산연구
• /
• 제24권1호
• /
• pp.7-14
• /
• 2014

본 연구는 2006년 1월부터 2013년 6월까지의 서울시 아파트 개별 실거래가격에 대한 시공간 자료로 시공간자기상관의 문제를 헤도닉가격결정모형에 의한 통상최소자승법(OLS), 시간효과를 고려한 시간자기회귀모형(TAR), 공간효과를 고려한 공간자기회귀모형(SAR)과 시공간자기회귀모형(STAR)을 이용해 아파트 가격 추정결과를 비교분석하였다. 실증분석결과, STAR모형이 기존의 OLS에 비해 수정결정계수가 약 10% 증가하였으며, 추정오차는 약 18% 감소한 것으로 나타나 시공간효과를 고려했을 때 아파트 가격 추정이 기존모형에 비해 정확함을 알 수가 있었다. STAR모형 분석결과, 아파트 매매가격에 전용면적(-), 아파트연수(-), 저층더미(-), 개별난방(-), 도시가스(-), 재건축더미(+), 계단식(+), 단지규모(+)등이 영향을 주는 것으로 나타났으며 다른 분석방법론과도 대부분 같은 부호를 나타냈다. 시공간자기회귀모형을 이용해 부동산 가격을 추정시 정부 당국자는 부동산시장의 동향을 정확히 파악해 정책을 수립 집행해 정책효율을 높을 수 있고 투자자의 입장에서는 객관적인 정보를 바탕으로 합리적 투자를 할 수 있다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.123-132
• /
• 2019

This study is to estimate the spatial soil moisture using Terra MODIS (Moderate Resolution Imaging Spectroradiometer) satellite data and machine learning technique. Using the 3 years (2015~2017) data of MODIS 16 days composite NDVI (Normalized Difference Vegetation Index) and daily Land Surface Temperature (LST), ground measured precipitation and sunshine hour of KMA (Korea Meteorological Administration), the RDA (Rural Development Administration) 10 cm~30 cm average TDR (Time Domain Reflectometry) measured soil moisture at 78 locations was tested. For daily analysis, the missing values of MODIS LST by clouds were interpolated by conditional merging method using KMA surface temperature observation data, and the 16 days NDVI was linearly interpolated to 1 day interval. By applying the RNN-LSTM (Recurrent Neural Network-Long Short Term Memory) artificial neural network model, 70% of the total period was trained and the rest 30% period was verified. The results showed that the coefficient of determination ($R^2$), Root Mean Square Error (RMSE), and Nash-Sutcliffe Efficiency were 0.78, 2.76%, and 0.75 respectively. In average, the clay soil moisture was estimated well comparing with the other soil types of silt, loam, and sand. This is because the clay has the intrinsic physical property for having narrow range of soil moisture variation between field capacity and wilting point.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.98-98
• /
• 2015

강우-유출 모형을 이용하여 직접유출량을 산정할 경우, 유역의 유효우량을 산정하기 위해 NRCS-CN(Natural Resources Conservation Service - curve number) 방법을 주로 사용한다. 그러나 NRCS-CN 방법은 초기손실량을 잠재보유수량의 20%로 가정하고 유효우량을 산정한다. 이는 초기손실량을 과대 추정하여 유효우량의 과소산정을 초래한다. 따라서 본 연구에서는 관측된 강우-유출사상을 바탕으로 초기손실량을 추정하는 방법을 보완하였다. 우리나라 홍수기 동안 강우-유출 자료를 확보한 15개의 유역에 대해 658개의 강우-유출사상에 대하여 NRCS-CN 방법을 기반으로, 초기손실량과 유효우량을 산정하고 이를 관측 직접유출량과 비교 분석하였다. 유효우량을 산정하는 방법으로는 NRCS-CN 방법(M1), NRCS-CN 방법에서 초기손실량계수를 감소시킨 방법(M2), 관측 강우-유출 관계를 바탕으로 본 연구에서 제안하는 방법(M3)을 적용하였다. 또한 USDA에서 제시하는 CN값(CNT)과 유역의 경사도를 고려하여 조정한 CN값(CNC)을 각 방법들에 적용하였다. 모형의 성과는 Root Mean Square Error (RMSE), Nash-Sutcliffe Efficiency (NSE), 그리고 Percent Bias (PBIAS) 등을 이용하여 평가되었다. 그 결과 CNT를 M1, M2, M3에 적용한 경우 각 유역에서 평균적으로 [RMSE(0.24, 18.12, and 16.04), NSE(0.54, 0.73, and 0.79), PBIAS(36.54, 20.25, and 12.00)]로 나타났으며. 이와 비슷하게 CNC를 M1, M2, M3에 적용하였을 경우의 각 유역에서 평균적으로 [RMSE(17.17, 15.88, and 13.82), NSE(0.76, 0.80, and 0.85), PBIAS(3.06, 4.47, and 0.11)]로 나타났다. 본 연구에서 제안된 M3방법을 사용하여 추정한 유효우량이 관측된 직접유출량과 통계학적으로 가장 가까운 값으로 나타났다.

• 지적과 국토정보
• /
• 제51권2호
• /
• pp.185-198
• /
• 2021

소규모 지역의 3차원 공간정보를 신속하게 구축하는 분야에 UAV를 이용하는 연구가 활발히 이루어지고 있다. 본 연구에서는 지상기준점을 사용하지 않고 스테레오 카메라를 UAV에 탑재하여 영상을 수집하고 영상 매칭과 번들조정, 그리고 축척계수의 결정을 통해서 3차원 위치를 신속하게 구축하고자 하였다. 실험을 통해서 스테레오 제약조건을 이용하여 번들조정을 수행한 경우 평균제곱근오차는 1.475m로 나타났으며 축척을 고려하여 절대표정을 수행한 경우 0.029m로 나타났다. 이를 통해, 본 연구에서 제안한 스테레오 카메라를 장착한 UAV의 자료처리 방법을 이용할 경우 지상기준점을 사용하지 않고도 높은 정확도의 3차원 공간정보를 구축할 수 있는 것을 알 수 있었다.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.852-857
• /
• 2019

분산자원 집합 거래시장에 참여를 원하는 소비자나 사업자를 위한 가상발전소의 전력거래 플랫폼에서 사업참여자의 수요 자원을 관리하고, 이에 적절한 전략을 제공하기 위해 익일 개별 참여자의 수요와 전체 계통의 전력수요를 예측하는 것이 대단히 중요하다. 이러한 전력거래 플랫폼에서 활용하는 것을 목표로 본 논문은 우선 익일의 24시간 전력계통 전력수요예측 모델을 개발하였다. 본 논문에서는 전력수요예측 데이터의 시계열 특성을 고려하여 딥러닝 기법 중 LSTM 알고리즘을 사용하였고, 전력수요량 등의 입출력 값에 원-핫 인코딩 기법을 적용하는 새로운 시도를 하였다. 성능평가에서 일반 DNN과 본 논문에서 구현된 LSTM 예측모델은 각각 평균 제곱근 오차 4.50, 1.89를 나타내어 LSTM 모델이 예측정확도가 높게 나타났다.

• 한국환경과학회지
• /
• 제30권12호
• /
• pp.1053-1065
• /
• 2021

In this study, the prediction technology of Hydrological Quantitative Precipitation Forecast (HQPF) was improved by optimizing the weather predictors used as input data for machine learning. Results comparison was conducted using bias and Root Mean Square Error (RMSE), which are predictive accuracy verification indicators, based on the heavy rain case on August 21, 2021. By comparing the rainfall simulated using the improved HQPF and the observed accumulated rainfall, it was revealed that all HQPFs (conventional HQPF and improved HQPF 1 and HQPF 2) showed a decrease in rainfall as the lead time increased for the entire grid region. Hence, the difference from the observed rainfall increased. In the accumulated rainfall evaluation due to the reduction of input factors, compared to the existing HQPF, improved HQPF 1 and 2 predicted a larger accumulated rainfall. Furthermore, HQPF 2 used the lowest number of input factors and simulated more accumulated rainfall than that projected by conventional HQPF and HQPF 1. By improving the performance of conventional machine learning despite using lesser variables, the preprocessing period and model execution time can be reduced, thereby contributing to model optimization. As an additional advanced method of HQPF 1 and 2 mentioned above, a simulated analysis of the Local ENsemble prediction System (LENS) ensemble member and low pressure, one of the observed meteorological factors, was analyzed. Based on the results of this study, if we select for the positively performing ensemble members based on the heavy rain characteristics of Korea or apply additional weights differently for each ensemble member, the prediction accuracy is expected to increase.