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.
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.
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.
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.
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.
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.
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.
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.
Ho, Jong Gab;Kim, Dae Gyeom;Kim, Young;Jang, Seung-wan;Min, Se Dong
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(CoPx) was 1.036 cm and the RMSE of the y coordinate of Center of Pressure(CoPy) 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.
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.
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.