• 제목/요약/키워드: outlier removal

검색결과 57건 처리시간 0.024초

한반도 연안 퇴적물의 중금속 배경농도 및 오염도 평가 (Background Concentration and Contamination Assessment of Heavy Metals in Korean Coastal Sediments)

  • 우준식;이효진;박종규;박경규;조동진;장동준;박소정;최만식;유정규
    • 한국해양학회지:바다
    • /
    • 제24권1호
    • /
    • pp.64-78
    • /
    • 2019
  • 2016~2017년 '국가해양생태계 종합조사(연안생태계)'에서 얻어진 495개의 퇴적물 중금속 자료를 이용하여 한반도 연안 퇴적물의 중금속 배경농도를 산정하고 오염도를 평가하였다. 퇴적물 입도를 나타내는 지시자로 Al, Cs, Li이 적절하였으며, 이 들과 중금속 농도 사이의 관계에서 이상치 제거 및 잔차 분석을 통하여 가장 낮은 기울기의 자료를 선택하여 중금속과 지시자 사이의 회귀 직선으로 배경농도를 표시하였다. 기존 연구에서의 배경농도와 본 연구의 결과는 비교적 잘 일치하였으며, 본 연구에서는 As 및 Cd에 대해 처음으로 제시하였고, 지시자로 Li을 사용한 배경농도 식을 처음으로 제시하였다.

Design and Implementation of System for Estimating Diameter at Breast Height and Tree Height using LiDAR point cloud data

  • Jong-Su, Yim;Dong-Hyeon, Kim;Chi-Ung, Ko;Dong-Geun, Kim;Hyung-Ju, Cho
    • 한국컴퓨터정보학회논문지
    • /
    • 제28권2호
    • /
    • pp.99-110
    • /
    • 2023
  • 논문은 LiDAR 점군 데이터를 사용하여 흉고 직경과 수고를 예측하는 ForestLi 시스템을 제안한다. ForestLi 시스템이 LiDAR 점군 데이터를 처리하는 과정은 다음과 같이 여러 단계로 진행된다. 다운샘플링, 이상점 제거, 지표면 분할, 지표면 정규화, 수간 추출, 개체목 분할, 흉고 직경 측정, 수고 측정. LiDAR 점군 데이터를 처리하는 상용 시스템 LiDAR360은 하측 식생과 개체목 분할 오류를 사용자가 직접 수정해야 한다. ForestLi 시스템은 하측 식생에 해당하는 LiDAR 점군 데이터를 자동으로 제거한다. 결과적으로 ForestLi 시스템이 LiDAR360보다 전체 수행시간을 줄이고, 흉고 직경과 수고 예측의 정확성을 높였다. 실험을 통해서 제안된 ForestLi가 LiDAR360 시스템보다 흉고 직경과 수고 측정의 정확성과 전체 실행시간 측면에서 우수하다는 것을 보여주었다.

영상 기반 항만시설물 손상 위치 추정 및 외관조사망도 작성 (Estimation of Image-based Damage Location and Generation of Exterior Damage Map for Port Structures)

  • 김방현;소상윤;조수진
    • 한국구조물진단유지관리공학회 논문집
    • /
    • 제27권5호
    • /
    • pp.49-56
    • /
    • 2023
  • 본 연구에서는 영상 기반 자동화된 항만시설물 점검을 위한 손상 위치 정보 추정 기법을 제안하였다. 3D 모델링 과정을 거치지 않고 특징 탐지 기술 및 이상치 제거 기술을 활용하여 호모그래피 행렬을 계산하고 손상 정보만 저장함으로써 메모리 효율을 높였다. 항만시설물에 특화된 손상 위치 정보 추정 알고리즘 개발을 위해 항만시설물 이미지를 이용하여 제작한 참값 좌표쌍을 통해 알고리즘을 최적화하였다. 이를 샘플 및 실제 콘크리트 벽체에 적용하여 구한 위치 오차는 각각 (X: 6.5cm, Y: 1.3cm), (X: 12.7cm, Y: 6.4cm)로 나타났다. 또한, 실제 콘크리트벽체를 대상으로 알고리즘을 적용하여 외관조사망도 형태로 표출함으로써 제안 기법의 현장 활용 가능성을 보였다.

CNN-LSTM 딥러닝 기반 캠퍼스 전력 예측 모델 최적화 단계 제시 (Proposal of a Step-by-Step Optimized Campus Power Forecast Model using CNN-LSTM Deep Learning)

  • 김예인;이세은;권용성
    • 한국산학기술학회논문지
    • /
    • 제21권10호
    • /
    • pp.8-15
    • /
    • 2020
  • 딥러닝을 사용한 예측 방법은 동일한 예측 모델과 파라미터를 사용한다 하더라도 데이터셋의 특성에 따라 결과가 일정하지 않다. 예를 들면, 데이터셋 A에 최적화된 예측 모델 X를 다른 특성을 가진 데이터셋 B에 적용하면 데이터셋 A와 같이 좋은 예측 결과를 기대하기 어렵다. 따라서 높은 정확도를 갖는 예측 모델을 구현하기 위해서는 데이터셋의 성격을 고려하여 예측 모델을 최적화하는 것이 필요하다. 본 논문에서는 하루 대학 캠퍼스 전력사용량을 1시간 단위로 예측하기 위해 데이터셋의 특성이 고려된 예측 모델이 도출되는 일련의 방법을 단계적으로 제시한다. 데이터 전처리 과정을 시작으로, 이상치 제거와 데이터셋 분류 과정 그리고 합성곱 신경망과 장기-단기 기억 신경망이 결합된 알고리즘(CNN-LSTM: Convolutional Neural Networks-Long Short-Term Memory Networks) 기반 하이퍼파라미터 튜닝 과정을 소개한다. 본 논문에서 제안하는 예측 모델은, 각 시간별 24개 포인트에서 2%의 평균 절대비율 오차(MAPE: Mean Absolute Percentage Error)를 보인다. 단순히 예측 알고리즘만을 적용한 모델과는 달리, 단계적 방법을 통해 최적화된 예측 모델을 사용하여 단일 전력 입력 변수만을 사용해서 높은 예측 정확도를 도출한다. 이 예측 모델은 모바일 에너지관리시스템(Energy Management System: EMS) 어플리케이션에 적용되어 관리자나 소비자에게 최적의 전력사용 방안을 제시할 수 있으며 전력 사용 효율 개선에 크게 기여할 것으로 기대된다.

주요 강하구 연약지반의 압밀 특성 평가 (Estimation of Consolidation Characteristics of Soft Ground in Major River Mouth)

  • 이준대;권영철;배우석
    • 한국지반환경공학회 논문집
    • /
    • 제20권2호
    • /
    • pp.69-79
    • /
    • 2019
  • 해안지역은 강의 지형과 지질, 해류 및 강하구 등 환경조건에 따라 다양한 퇴적층을 구성하므로 해안지역에 충적된 해성점토 특성을 파악하는 것이 연약지반의 형성을 규명하는데 중요한 역할을 수행하게 된다. 일반적으로 충적지반은 지형과 자연환경변화와 같은 다양한 구성요소로 형성되므로 퇴적된 지역이나 퇴적상황에 따라 매우 다른 성질을 가지게 된다. 더구나 해안지역을 따라 다양한 대형사업이 강하구에 집중됨으로써 해류의 흐름이나 퇴적특성이 바뀌어 퇴적상태가 변하여 불확실성이 더욱 심해지고 있는 상황이다. 따라서 본 연구에서는 지반의 불확실성을 고려한 설계 상수를 제시할 목적으로 서해안과 남해안을 5개 영역으로 구분하고 대상연안에 해당되는 상대적으로 높은 신뢰성을 가진 실내 및 현장조사 자료를 수집하여 통계적인 분석을 수행하였으며, 선형 및 비선형 회귀 분석을 사용하여 설계 매개 변수 간의 상관관계를 분석하였다. 또한 정상 검증, 이상치제거와 같은 통계 분석을 통해 각 지역의 불확실성을 고려한 설계 매개 변수의 분포 특성을 제안했다.

스마트 글래스를 활용한 동공 데이터 수집과 사회 감성 추정 기술 (Pupil Data Measurement and Social Emotion Inference Technology by using Smart Glasses)

  • 이동원;문성철;박상인;김환진;황민철
    • 방송공학회논문지
    • /
    • 제25권6호
    • /
    • pp.973-979
    • /
    • 2020
  • 본 연구에서는 동공 반응 데이터를 수집하여 공감의 사회 감성을 객관적이고 정량적으로 추정하는 데 목적이 있다. 52명(남 26명, 여 26명)의 피험자가 실험에 참여하였다. 실험은 30초의 참조 데이터 측정 후, 공감 유무에 따라 얼굴 표정 모방 과제와 자발적 표현과제로 구분되어 두 사람은 상호작용하였고 동공을 촬영하였다. 이진화 및 원형 윤곽선 검출법의 영상처리를 활용하여 동공 데이터를 수집하였고, 이상 데이터 제거 기법을 활용해 눈 깜빡임 노이즈를 제거하였다. 공감 유무에 따른 동공 크기 데이터는 정규성 검증 및 독립표본 t 검정을 통해 통계적 유의성을 확인하였다. 분석 결과, 공감하는 경우(M ± SD = 0.050 ± 1.817)와 공감하지 않은 경우(M ± SD = 1.659 ± 1.514) 동공 크기가 통계적으로 유의미한 차이를 보였다(t(92) = -4.629, p = 0.000). 판별분석을 통해 동공 크기에 따른 공감 유무를 추정하는 규칙을 정의하였고, 새로운 실험참가자 12명(남 6명, 여 6명, M ± SD = 22.84 ± 1.57세)을 대상으로 규칙을 검증(추정 정확도 75%)하였다. 본 연구에서 제안한 동공 크기 데이터를 이용한 공감의 사회 감성 추정 기술은 비접촉식 카메라 기반의 기술로 스마트 글래스와 접목되어 다양한 가상 현실 분야에 활용도가 높을 것으로 기대된다.

GK2A 일단위 NDVI의 과소추정 노이즈 실시간 보정 (A Real-time Correction of the Underestimation Noise for GK2A Daily NDVI)

  • 이수진;윤유정;손은하;김미자;이양원
    • 대한원격탐사학회지
    • /
    • 제38권6_1호
    • /
    • pp.1301-1314
    • /
    • 2022
  • Normalized Difference Vegetation Index (NDVI)는 간단한 수식으로 식생 활력도를 파악할 수 있기 때문에, 토지피복, 곡물수확, 농업가뭄, 토양수분, 산림재해 등의 분야에서 지표면의 식생 상태를 나타내는 지시자로 활용되고 있다. 그러나 가시광선과 적외선을 감지하는 광학위성센서는 구름을 투과하여 센싱(sensing)할 수 없으므로, 구름 화소에 대해서는 지표면의 NDVI가 계산될 수 없다. 본 연구에서는 천리안위성 2A호(GEO-KOMPSAT-2A, GK2A) 일단위 NDVI의 과소추정 노이즈를 개선하기 위한 실시간 보정기법을 개발하였으며, Moderate Resolution Imaging Spectroradiometer (MODIS) NDVI와의 정량적 비교 및 시계열 변화에 대한 정성적 해석을 통해 제안된 기법의 유용성을 확인하였다. 식생의 생장 주기를 반영한 시계열 보정, 장기간 기후치를 이용한 이상치 제거, 엄밀한 통계기반의 결측화소 복원 등의 과정을 거친 보정 NDVI에서는 구름에 의한 과소추정이 효과적으로 개선되었다. MODIS NDVI와의 상관성이 원값보다 높고, 그 차이가 감소한 경향을 보여주었으며, 특히 여름철에는 32.7%의 향상률을 보였다. 본 연구에서 제안한 방법은 일부 수정을 거쳐 타 위성산출물에도 적용될 수 있는 확장성을 가지고 있다.