• 한국컴퓨터정보학회논문지
• /
• 제17권1호
• /
• pp.211-218
• /
• 2012

전 세계적으로 화석연료의 많이 사용이 증가되고 있으며 이로 인해 온실가스가 배출되어 지구 온난화와 환경오염이 심각해지고 있는 실정이다. 지구의 환경오염을 줄이기 위해서 무공해 청정에너지인 신재생에너지에 대한 관심이 증가되는 추세인데, 그중에서도 풍력발전은 환경오염 물질을 배출하지 않고, 자원량이 무한대이기 때문에 많은 관심을 받고 있다. 하지만, 풍력발전은 전력 생산량이 불규칙한 단점을 갖고 있어 풍력 터빈의 손상과 전력 생산량이 불규칙적인 문제를 야기하여 이러한 문제점을 보완하기 위해 풍력 발전량을 정확하게 예측하는 것이 중요하다. 풍력 발전량을 정확하게 예측하기 위해서 전력 생산량이 급증 또는 급감하는 것을 의미하는 ramp의 특성을 잘 활용해야 한다. 이 논문에서는 예측의 정확도를 높이기 위하여 다계층 신경망을 이용해 예측모델을 구축하였다. 구축된 예측모델은 흔히 사용되는 풍속, 풍향 속성뿐만 아니라 Power Ramp Rate(PRR) 속성까지 사용하였다. 구축된 풍력 발전량 예측모델은 앞서 말한 세 가지 속성을 모두 사용한 경우, 두 속성을 조합하여 사용한 경우 총 4가지 예측모델을 구축하였다. 구축된 4가지 예측모델을 성능평가 한 결과 PRR, 풍속, 풍향의 속성 모두를 사용한 예측모델의 예측 값이 풍력 터빈에서 관측된 관측 값에 가장 근접하였다. 그로 인해 PRR 속성을 사용하면 풍력 발전량의 예측 정확도를 향상 시킬 수 있었다.

• 지구물리와물리탐사
• /
• 제19권2호
• /
• pp.76-83
• /
• 2016

탄성파 자료의 영상화 과정에서 입력자료인 속도 모델에 불연속면이 있는 경우 반사파에 의해 참반사보정(migration) 결과가 왜곡될 수 있다. 따라서 참반사보정을 위한 속도 모델은 지층 경계면에서 샘 파동장과 수신기 파동장을 구할 때 발생하는 반사파를 제거하기 위해 평활화(smoothing)하여 사용하는 것이 일반적이다. 그러나 속도 모델을 평활화할 경우 지층 경계면에서 속도 정보가 달라져 지하구조 영상이 왜곡될 가능성이 있다. 본 연구에서는 이러한 단점을 최소화하기 위해 속도가 불연속인 층간의 음향 임피던스를 일정하게 만들어 샘 파동장과 수신기 파동장을 구할 때 발생하는 반사파를 줄이고자 하였다. 음향 임피던스를 일정하게 만들기 위해 속도 차이를 보상하는 가상의 밀도(fake density)를 정의하고 참반사보정에 사용하였다. 음향 임피던스가 모든 층에서 일정할 때, 반사면에서 수직 입사파의 반사계수가 영이 되고 반사파가 최소화되어 참반사보정 결과를 향상시킬 수 있다. 이를 검증하기 위해 셀기반 유한차분법을 이용하여 거꿀시간 참반사보정(reverse-time migration) 알고리듬을 구현하였다. 수치예제를 통해 속도 대비가 큰 지층 경계면에서 참반사보정 영상의 품질이 향상되는 것을 확인할 수 있고, 특히 천부 지층에서 성능 개선효과가 큰 것을 관찰할 수 있다.

• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.449-459
• /
• 2015

기존의 국가산림자원조사(National Forest Inventory, NFI)에 의한 산림탄소저장량 추정 방법은 국가 규모의 평균 탄소저장량 추정에는 충분하지만 표본점 개수가 부족한 시 군 단위의 세밀한 추정은 어렵다. 본 연구에서는 시 군별 산림탄소저장량 추정을 위해 공간 자료를 보조 자료로 이용하고 2가지 업스케일링 방법을 적용하여 격자별 산림탄소저장량 정보를 가진 산림탄소지도를 제작하였다. 대상지역은 충청남도로 2가지 방법 모두 제 5차 NFI(2006~2009) 자료를 활용하였다. 방법 1은 임상도를 보조 자료로 선택하고 NFI 기반 산림탄소저장량 회귀모델을 이용하였다. 방법 2는 위성영상을 보조 자료로 선택하고 k-NN을 이용하여 산림탄소저장량을 추정하였다. 불확실성을 고려하기 위해 200회 몬테카를로 시뮬레이션을 수행하여 최종 AGB 탄소지도를 산출하였다. 방법 1에서는 충청남도의 총 산림탄소저장량이 22,948,151 tonC으로 기존의 현지조사표본 기반 추정치(21,136,911 tonC)에 비해 과대추정을, 방법 2에서는 19,750,315 tonC로 과소추정되는 경향을 나타내었다. 독립검증 지점(n=186)의 탄소저장량에 대한 대응표본 T-검정 결과, 방법 2의 평균 추정치와 NFI 표본 기반 평균 추정치는 통계적으로 유의한 차이가 있는 반면(p<0.01), 방법 1의 평균 추정치는 NFI 표본 기반 평균 추정치와 통계적으로 유의한 차이가 없는 것으로 평가되었다(p>0.01). 특히, 방법 2의 경우 k-NN의 스무딩 효과 및 몬테카를로 시뮬레이션을 통해 위성영상과 표본점의 mis-registration 오차가 추정오차에 큰 영향을 미칠 수 있음이 발견되었다. 임상도를 활용한 방법 1이 임분 구조가 복잡한 우리나라 산림의 탄소량 추정에 효과적일 수 있지만, 미조사 지점의 주기적인 갱신 및 대면적 추정에 유리한 위성영상의 활용은 여전히 필수적이다, 따라서 시공간적인 확장과 함께 보다 신뢰할 수 있는 산림탄소저장량 추정을 위해 다양한 위성영상 자료 및 활용 기법에 관한 연구가 필요할 것으로 사료된다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.53-69
• /
• 2011

로봇 자체 또는 로봇에 탑재된 콘텐츠와의 상호작용을 위해 일반적으로 영상 또는 음성 인식 기술이 사용된다. 그러나 영상 음성인식 기술은 아직까지 기술 및 환경 측면에서 해결해야 할 어려움이 존재하며, 실적용을 위해서는 사용자의 협조가 필요한 경우가 많다. 이로 인해 로봇과의 상호작용은 터치스크린 인터페이스를 중심으로 개발되고 있다. 향후 로봇 서비스의 확대 및 다양화를 위해서는 이들 영상 음성 중심의 기존 기술 외에 상호보완적으로 활용이 가능한 인터페이스 기술의 개발이 필요하다. 본 논문에서는 로봇 인터페이스 활용을 위한 가속도 센서 기반의 제스처 인식 기술의 개발에 대해 소개한다. 본 논문에서는 비교적 어려운 문제인 26개의 영문 알파벳 인식을 기준으로 성능을 평가하고 개발된 기술이 로봇에 적용된 사례를 제시하였다. 향후 가속도 센서가 포함된 다양한 장치들이 개발되고 이들이 로봇의 인터페이스로 사용될 때 현재 터치스크린 중심으로 된 로봇의 인터페이스 및 콘텐츠가 다양한 형태로 확장이 가능할 것으로 기대한다.

• 대한핵의학회지
• /
• 제37권2호
• /
• pp.73-82
• /
• 2003

목적: 게이트 심근 SPECT 영상 데이터에서 좌심실을 분할하고 단위영상 각각의 심실부피를 계산하는 소프트웨어를 개발하였다. 개발한 소프트웨어에서 얻은 구혈률을 상용 소프트웨어QGS (Quantitative Gated SPECT)에서 산출한 값과 비교하여 검증하였다. 대상 및 방법: 게이트 심근 SPECT를 시행하여 구혈률 15%-80%, 확장기말 부피는 49 mL-293 mL, 수축기말 부피는 8 mL-250 mL인 40명의 영상데이터를 사용하여 이 연구에서 개발한 CSA (Cardiac SPECT Analyzer)로 구혈률과 부피를 산출하여 QGS로 얻은 결과와 비교하였다. 같은 영상을 CSA로 두 번 분석하여 구혈률과 부피가 같은 값이 나오는지 보고, 26명의 환자에서 같은 자리에서 두 번 이어서 얻은 게이트 SPECT 영상을 CSA로 분석하여 편차를 조사하였다. 결과: CSA측정과 QGS 측정의 상관성은 상관계수가 구혈률, 확장기말 부피, 수축기말 부피 각각 0.97, 0.92, 0.96이었고 Bland Altman 도표에 치우침 없이 2표준편차가 구혈률의 경우 10.1%이었다. 같은 영상에 대한 CSA 2회 측정 결과의 상관은 0.96, 0.99, 0.99 이었고 구혈률의 2표준편차는 3.4%이었다. 두 번 연속 촬영한 영상으로 CSA 분석한 결과 상관계수는 0.89, 0.97, 0.98, 이었고 변이계수는 8.2%, 5.4mL, 8.5mL, Bland Altman 도표 2표준편차는 구혈률의 경우 10.6%이었다. 결론: 게이트 심근 SPECT에서 얻은 영상으로 구혈률을 측정할 수 있는 소프트웨어를 개발하였다. 이 소프트웨어로 얻은 구혈률, 화장기말 부피, 수축기말 부피는 정확하며 정밀하였다. 구혈률의 2표준편차는 10.6%이었다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.