• 한국산림과학회지
• /
• 제109권4호
• /
• pp.484-491
• /
• 2020

본 연구는 고가의 나이테 분석 장비에서 탈피하고 손쉽게 나이테 분석작업을 수행하기 위해 스마트폰 촬영 이미지를 활용할 수 있는 컴퓨터 프로그램인 TRIO(Tree Ring Information)를 개발하였다. TRIO는 반 자동형 컴퓨터 프로그램이며, 스마트폰 촬영 이미지를 활용해 1년 단위별 나이테 반경을 측정하고, 결과를 엑셀로 저장한다. 카메라 성능에 따른 결과를 비교하기 위해 삼성 갤럭시 S10과 삼성 갤럭시 탭 S2로 기종을 달리하여 30개의 리기다소나무 원판의 4방위 이미지를 취득하고 WinDENDROTM와 1년 단위별 나이테 반경을 측정한 결과를 비교하였다. 연구 결과, 삼성 갤럭시 S10과 S2 모두 WinDENDROTM와 유의한 결과를 나타내었고, S10의 R2 값이 0.976으로 높은 상관관계를 가졌으며, RMSE는 0.4199로 분석되어 매우 유사한 결과를 출력하였다. S2의 R2 값은 0.975, RMSE은 0.4232로 S10과 큰 차이가 나타나지 않았다. 이에 따라 본 연구에서 개발한 TRIO는 WinDENDROTM와 매우 유사한 1년 단위별 반경 값을 분석하였다.

• 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.

• 한국수자원학회논문집
• /
• 제56권2호
• /
• pp.91-101
• /
• 2023

본 연구에서는 담수를 대상으로 녹조의 발생을 모니터링하기 위해 내륙에 위치한 백제보와 남양호의 초분광영상을 이용하여 클로로필-a (Chl-a)의 농도를 추정하였다. 각 유역의 초분광이미지는 2016년부터 2017년까지 백재보에서 항공기로, 2020년부터 2021년까지 남양호에서 드론으로 촬영하였다. 이후, 순열 특성 중요도를 이용하여 Chl-a 농도와 관련성이 높은 30개의 반사 대역을 선택하였으며, 백제보는 400-530, 620-680, 710-730, 760-790 nm, 남양호는 400-430, 655-680, 740-800 nm 구간의 반사도가 선택되었다. 선택된 반사율을 입력자료로 하는 인공 신경망 기반의 Chl-a 산정 모델을 개발하였으며 모형의 성능은 결정계수(R²), 평균제곱근오차(RMSE), 평균절대오차(MAE)로 평가하였다. 유역별 산정모델의 성능은 각각 R²: 0.63, 0.82, RMSE: 9.67, 6.99, MAE: 11.25, 8.48로 나타났다. 본 연구에서 개발된 Chl-a 모델은 향후 담수호 녹조의 최적 관리를 위한 기초 도구로 활용될 수 있을 것으로 기대된다.

• 문화기술의 융합
• /
• 제9권2호
• /
• pp.533-543
• /
• 2023

본 연구에서는 한국 미술품 데이터를 통해 COVID-19의 미술 시장 파급 효과를 분석하고, 전통적인 통계 방법인 헤도닉 모형과 인공신경망의 성능을 R²와 RMSE로 비교 분석하며 미술품 가격을 형성하고 있는 요인의 중요도에 대해 명시적으로 분석해 본다. 헤도닉 모형과 인공신경망의 실증 분석에 사용된 데이터는 2015-2021년의 거래된 한국 미술품 가격 데이터로 총 14,639개를 수집하였다. 각 모형에 적용된 변수는 기존 선행 연구에서 사용되었던 가격형성요인을 참고하여 두 모형 동일하게 적용하였다. 그 결과 COVID-19가 처음 발생하였던 연도인 2020년에는 미술품 가격이 하락하였으나 2021년에는 미술품 가격이 상승한 것으로 나타났다. 헤도닉 모형과 인공신경망의 성능을비교하였을 때 인공신경망의 R²는 0.764, RMSE는 0.076, 헤도닉 모형의 R²는 0.677, RMSE는 1.071로 인공신경망의 성능이 우수한 것으로 나타났다. 또한 중요도를 명시적으로 확인하였을 때 작품적 요인이 크게 작용하였다는 점에 주목할 만하다. 예측하지 못한 상황적 변수로 미술시장이 급변하는 시점에서 본 연구의 결과는 효율적인 미술품 가격 모형을 제시해 줄 것이라 생각한다.

• 대한원격탐사학회지
• /
• 제32권6호
• /
• pp.741-746
• /
• 2016

알베도는 태양에너지의 흡수량을 결정하는 주요 기후 변수 중 하나로서, 이러한 알베도를 산출하는 것은 기후 변화 연구에 있어 중요한 과정이다. 이 때, 산출된 알베도 자료를 효율적으로 사용하기 위해서는 높은 공간해상도와 장기간의 일관성 있는 산출이 중요하게 고려된다. 따라서 본 연구에서는 Landsat 8을 기반으로 Landsat 7과의 일관성을 유지한 고해상도 지표면 광대역 알베도를 산출하였다. 먼저, Landsat 7과 Landsat 8의 채널 별 일관성을 분석한 결과, 상관계수(R)가 평균 0.96으로 높은 상관성을 보였다. 이러한 결과를 바탕으로 Landsat 7 알베도와 Landsat 8 반사도 채널 자료를 다중회귀분석에 적용하여 Landsat 8 광대역 알베도 전환 식을 도출하였다. 도출된 식을 통해 Landsat 8 지표면 광대역 알베도를 산출하고, Landsat 7 알베도 자료와 비교하여 검증하였다. 그 결과 R-square($R^2$)가 0.89, Root Mean Square Error (RMSE)가 0.003의 높은 정확도를 보였다.

• 공업화학
• /
• 제31권5호
• /
• pp.520-525
• /
• 2020

본 연구에서는 증류공정의 제품 생산단 온도 예측을 위한 머신러닝 기반 모델을 개발하였다. 증류공정의 제어는 제품 생산단의 온도를 통해 이루어지고 있어 제어를 위해 정확한 온도 예측이 필요하다. 증류공정에서 온도는 다양한 변수들과 복잡한 비선형의 관계를 형성하고 있으며 시계열 데이터의 특성이 있어 이를 예측하기 위해 순환신경망 기반 알고리즘을 이용하였다. 모델 개발 과정에서 적절한 예측 알고리즘을 선정하기 위해 세 가지 순환신경망 기반 알고리즘과 배치 사이즈 조절하여 제품 생산단 온도를 예측하기 위한 가장 적저한 모델을 선정하였다. LSTM₁₂₈ 모델이 제품 생산단 온도를 예측하기 위한 가장 적절한 모델로 선정되었다. 선정된 모델을 활용하여 실제 공정 운전데이터에 적용한 결과 RMSE 0.0791, R² 0.924의 성능을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.103-103
• /
• 2019

본 연구에서는 Terra MODIS 위성영상과 Mapping Evapotranspiration at high Resolution with Internalized Calibration (METRIC) 모형을 이용하여 2012년부터 2017년까지 한반도 전국의 증발산량을 산정하고 플럭스 타워 실측 증발산량과 비교하였다. METRIC은 전 세계에 널리 적용된 바 있는 에너지 수지 기반의 Surface Energy Balance Algorithm for Land (SEBAL) 모형의 개념과 기술을 기반으로 현열(Sensible Heat Flux) 추정 모듈을 개선한 모형이다. 본 연구에서 METRIC 모형은 기존 C#으로 개발되어 있던 SEBAL 코드에서 현열 추정 모듈을 수정하였고 연산 속도 개선을 위해 Python으로 재작성하였다. METRIC 모형의 위성 자료로 Terra MODIS 위성의 MOD13A2(16day, 1km) NDVI, MOD11A1(Daily, 1km) Land Surface Temperature (LST) 및 MCD43A3(Daily, 500m) Albedo를 구축하였으며 500m 공간해상도의 Albedo는 1000m 해상도로 resample하여 활용하였다. 기상자료는 기상청 기상관측소의 풍속, 풍속측정높이, 습도, 10분 간격 이슬점 온도, 일사량 자료를 위성 자료와 같은 공간해상도로 내삽(Interpolation)하여 구축하였다. 모형결과 검증을 위해 국내 플럭스 타워 (설마천, 청미천, 덕유산) 증발산량 관측 자료와의 결정계수(Coefficient of determination, $R^2$), RMSE(Root mean square error) relative RMSE (RMSE%), Nash-Sutcliffe efficiency (NSE) 및 IOA(Index of Agreement)를 산정하고, 기존 SEBAL 모형 결과와의 비교를 통해 본 모형의 개선점을 보이고자 한다.

• 상하수도학회지
• /
• 제35권6호
• /
• pp.507-516
• /
• 2021

In this study, the machine learning which has been widely used in prediction algorithms recently was used. the research point was the CD(chudong) point which was a representative point of Daecheong Lake. Chlorophyll-a(Chl-a) concentration was used as a target variable for algae prediction. to predict the Chl-a concentration, a data set of water quality and quantity factors was consisted. we performed algorithms about random forest and gradient boosting with Python. to perform the algorithms, at first the correlation analysis between Chl-a and water quality and quantity data was studied. we extracted ten factors of high importance for water quality and quantity data. as a result of the algorithm performance index, the gradient boosting showed that RMSE was 2.72 mg/m³ and MSE was 7.40 mg/m³ and R² was 0.66. as a result of the residual analysis, the analysis result of gradient boosting was excellent. as a result of the algorithm execution, the gradient boosting algorithm was excellent. the gradient boosting algorithm was also excellent with 2.44 mg/m³ of RMSE in the machine learning hyperparameter adjustment result.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.3875-3891
• /
• 2021

In this study, a Velostat pressure sensor was manufactured to develop a plantar pressure measurement system and a C#-based application was developed to monitor and collect plantar pressure data in real time. In order to evaluate the characteristics of the proposed plantar pressure measurement system, the accuracy of plantar pressure index and personal classification was verified by comparing with MatScan, a commercial plantar pressure measurement system. As a result, the output characteristics according to the weight of the Velostat pressure sensor were evaluated and a trend line with the reliability of r² = 0.98 was detected. The Root Mean Square Error(RMSE) of the weighted area was 11.315 cm², the RMSE of the x coordinate of Center of Pressure(CoP_x) was 1.036 cm and the RMSE of the y coordinate of Center of Pressure(CoP_y) was 0.936 cm. Finally, inaccuracy of personal classification, the proposed system was 99.47% and MatScan was 96.86%. Based on the advantage of being simple to implement and capable of manufacturing at low cost, it is considered that it can be applied to various fields of measuring vital signs such as sitting posture and breathing in addition to the plantar pressure measurement system.

• 한국대기환경학회지
• /
• 제13권1호
• /
• pp.79-89
• /
• 1997

In order to reduce the outbreaks of short-term high concentrations and its impacts, we developed the models which predicted tomorrow's maximum hourly concentrations of $O_3$, TSP, SO$_2$, NO$_2$ and CO. Statistical methods like multi regressions were used because it must be operated easily under the present conditions. 47 independent variables were used, which included observed concentrations of air pollutants, observed and forcasted meteorological data in 1994 at Seoul and its surrounding areas. We subdivided Seoul into 4 areas coinciding with the present ozone warning areas. 4 kinds of seasonal models were developed due to the seasonal variations of observed concentrations, and 2 kinds of data models for the unavailable case of forecasted meteorological data. By comparing the $R^2$and root mean square error(hearafter 'RMSE') of each model, we confirmed that the models including forecasted data showed higher accuracy than ones using observed only. It was also shown that the higher the seasonal mean concentrations, the larger the RMSE. There was no distinct difference between the results of 4 areal models. In case of test run using 1995's data, the models predicted well the trends of daily variation of concentrations and the days when the possibility of outbreak of high concentarion was high. This study showed that it was reasonable to use those models as operational ones, because the $R^2$ and RMSE of models were smaller than those of operational/research models such as in South Coast Air Basin, CA, USA.