• Computers and Concrete
• /
• 제5권5호
• /
• pp.461-473
• /
• 2008

The paper explores the potential of Support Vector Machines (SVM) approach in predicting 28-day compressive strength and slump flow of self-compacting concrete. Total of 80 data collected from the exiting literature were used in present work. To compare the performance of the technique, prediction was also done using a back propagation neural network model. For this data-set, RBF kernel worked well in comparison to polynomial kernel based support vector machines and provide a root mean square error of 4.688 (MPa) (correlation coefficient=0.942) for 28-day compressive strength prediction and a root mean square error of 7.825 cm (correlation coefficient=0.931) for slump flow. Results obtained for RMSE and correlation coefficient suggested a comparable performance by Support Vector Machine approach to neural network approach for both 28-day compressive strength and slump flow prediction.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.142-146
• /
• 2007

본 연구에서는 강우강도식의 매개변수를 보다 효율적으로 산정하기 위해서 유전자알고리즘을 적용한 매개변수 산정법을 제시하였으며, 지속기간의 장, 단기간에 따른 매개변수의 변화를 고려하기 위하여 다목적 유전자알고리즘을 적용하여 매개변수를 추정한 후 기존의 강우강도식에 의한 결과와 비교해 보았다. 매개변수는 지점빈도해석을 통해 산정된 확률강우량을 사용하여 추정하였고, 유전자 알고리즘의 목적함수로는 Nash & Sutcliffe Index, Root Mean Square Error(RMSE), Relative Root Mean Square Error(RRMSE), 결정계수, 평균들을 사용하여 가장 효율적인 형태의 목적함수를 구성하였다. 그 결과 기존의 매개변수 추정 방법들에 비해 유전자알고리즘을 이용한 경우에 더 정확한 강우량값을 산정할 수 있었고, 특히 다목적 유전자 알고리즘을 사용할 경우 장기간과 단기간에 걸쳐서 동시에 정확도를 향상시킬 수 있는 매개변수를 추정할 수 있는 것으로 나타났다.

• Journal of Positioning, Navigation, and Timing
• /
• 제3권4호
• /
• pp.149-154
• /
• 2014

The BeiDou is a satellite-based positioning and navigation system, which is under construction by the China Satellite Navigation Office. Until the June of 2014, the constellation of BeiDou navigation satellite system consists of 14 satellites including five geostationary earth orbit (GEO), five inclined geosynchronous earth orbit (IGSO) and four medium earth orbit (MEO). In this paper, we present the positioning results using BeiDou B1 code measurements obtained from three GNSS reference stations (BHAO, SKMA, MKPO). Combined Beidou/GPS positioning results are also compared to BeiDou and GPS only. BeiDou-only positioning errors for the east-west and north-south direction had less than 2 meter with root mean square (RMS) value. However, the positioning error for the up-down direction had larger than 10 meter at a 95% confidence level. Our results also suggest that the position precision is improved by combined BeiDou/GPS compared to BeiDou-only.

• 터널과지하공간
• /
• 제31권6호
• /
• pp.508-519
• /
• 2021

본 연구에서는 발파 시 사람과 주변 환경에 영향을 끼치는 발파진동(peak particle velocity, PPV)을 예측하는 모델을 개발하였다. PPV를 예측하기 위해 kNN(k-nearest neighbors), CART(classification and regression tree), SVR(support vector regression), PSO(particle swarm optimization)-SVR 알고리즘을 이용한 4가지 머신러닝 모델을 개발하고 상호 비교하였다. 머신러닝 모델을 훈련하기 위해 경상남도 창원시에 있는 욕망산을 연구지역으로 선정하고 1048개의 발파 데이터를 획득하였다. 발파 데이터는 천공장, 저항선, 공간격, 최대지발장약량, 비장약량, 총공수, 에멀전비율, 이격거리, PPV로 구성되었다. 훈련된 모델들의 성능을 평가하기 위한 지표 값으로 MAE(mean absolute error), MSE(mean squared error), RMSE(root mean squared error)를 사용하였다. 평가결과 PSO-SVR 모델이 MAE, MSE, RMSE가 각각 0.0348, 0.0021, 0.0458으로 가장 우수한 예측 성능을 나타냈다. 마지막으로 개발된 머신러닝 모델을 이용하여 주변 환경에 영향을 끼치는 정도를 예측하는 방법을 제시하였다.

• 응용통계연구
• /
• 제19권2호
• /
• pp.217-230
• /
• 2006

본 연구에서는 낮은 이항비율에 관한 구간추정을 위해서 어떤 신뢰구간이 바람직한지를 살펴보았다. 실제 적으로 희귀질병, 특정 산업재해율, 그리 고 기생충에 관한 실태조사를 위해서 대규모 표본조사가 실시된다. 표본 규모가 크고, 0 < p ${\leq}$ 0.1인 상황에서 모비율 p의 추정에 바람직한 신뢰구간을 살펴보았다. 위의 조건에서 6가지의 신뢰구간들에 대해 평균포함확률과 평균제곱오차의 제곱근, 그리고 평균기대폭을 사용한 결과 Mid-p 신뢰 구간이 가장 바람직하고 다음으로 AC, score와 Jeffrey 신뢰 구간들이 적절한 것으로 밝혀졌다.

• 한국수자원학회논문집
• /
• 제39권8호
• /
• pp.677-690
• /
• 2006

본 연구에서는 LH-OAT (Latin Hypercube Ore factor At a Time) 민감도분석 방법과 SCE-UA (Shuffled Complex Evolution at University of Arizona) 최적화 기법을 적용하여 보청천 유역에서 SWAT모형에 대한 자동보정 방법을 제시하였다. LH-OAT 방법은 전역 민감도분석과 부분 민감도 분석의 장점을 조합하여 가용매개변수 공간에 대하여 효율적으로 매개변수의 민감도 분석이 가능하게 하였다. LH-OAT민감도 분석으로부터 결정된 매개변수의 민감도 등급은 SWAT 모형의 자동보정 과정에서 요구되는 보정대상 매개변수의 선택에 유용하게 적용될 수 있다. SCE-UA 방법을 적용한 SWAT모형의 자동보정 해석결과는 보정자료, 보정매개변수, 통계적 오차의 선택에 따라서 모형의 성능이 좌우되었다. 보정기간과 보정매개변수가 증가함에 따라 검증기간에 대한 RMSE (Root Mean Square Error), NSEF (Nash-Sutcliffe Model Efficiency), RMAE (Relative Mean Absolute Error), NMSE (Normalized Mean Square Error) 등의 모형오차는 감소하였지만, NAE (Normalized Average Error) 및 SDR(Standard Deviation Ratio)은 개선되지 않았다. SWAT모형의 보정에 적용되는 보정자료, 보정매개변수 및 모형평가를 위한 통계적 오차 선택이 해석결과에 미치는 복잡한 영향을 이해하기 위하여 다양한 대표유역을 대상으로 추가적인 연구가 필요하다.

• 한국통신학회논문지
• /
• 제41권11호
• /
• pp.1406-1409
• /
• 2016

본 논문에서는 송수신단 간 변조기법 및 채널 상태 값이 약속되지 않은 완벽한 블라인드 통신 상황에서 송신측의 변조방식을 알아내기 위해 성좌도 회전 및 확률밀도함수(probability density function : pdf)를 이용한 새로운 자율 변조 구분(Automatic modulation classification : AMC)기법과 경험적 신호 그룹화 알고리즘을 통해 채널 상태 값을 추정하는 방법을 제안한다. 평균제곱근 편차(Root mean square error : RMSE) 및 심볼 오류율(Symbol error rate : SER) 등의 모의실험을 통해 제안된 기법과 기존의 다른 기법간의 채널 상태와 변조 추정 능력을 비교 평가한다.

• 전자공학회논문지
• /
• 제51권5호
• /
• pp.177-187
• /
• 2014

본 논문에서는 고속 부공간 추적 기법인 FAPI (Fast Approsimated Power Iteration)에 GVFF RLS (Gradient-based Variable Forgetting Factor Recursive Least Square Error)를 적용한 GVFF FAPI 를 제안한다. 기존의 FAPI는 신호의 공분산 행렬을 추정하기 위해 고정 망각 인자를 사용하기에, 부공간이 지속적으로 변하는 비정재 환경에 적용하기 여려운 단점이 있다. 이러한 문제점을 해결하기 위해, GVFF FAPI는 개선된 MSE (Mean Square Error)의 분석으로부터 유도된 MSE의 기울기 기반의 시변 망각 인자를 사용한다. 또한 GVFF RLS의 망각 인자 업데이트 식을 개선하여 부공간이 지속적으로 변하는 비정재 환경에서 부공간 에러를 줄인다. 개선된 망각 인자 업데이트 식은 MSE의 기울기가 양수이면 망각 인자를 빠르게 감소하게 하고 MSE의 기울기가 음수이면 망각 인자를 천천히 증가시킨다. 모의실험을 통해서 도래각이 지속적으로 변하는 환경에서 GVFF FAPI 알고리즘이 기존의 FAPI 알고리즘보다 작은 부공간 에러를 가지는 것을 보이고, 추적된 부공간을 도래각 추정기법에 적용하였을 때 추적된 도래각의 RMSE (Root Mean Square Error)가 더 작은 것을 확인한다.

• 한국멀티미디어학회논문지
• /
• 제6권5호
• /
• pp.788-796
• /
• 2003

본 논문에서는 순차적 학습 방법에서의 동적 모멘트를 제안한다. 동적 모멘트에서의 가변적인 모멘트를 이용하여 수렴 속도와 학습 성능을 향상시키며 회귀율에서도 이를 확인할 수 있다 제안된 학습 방법은 기존의 정적모멘트와는 달리 수렴 정도에 따라 현재의 학습에 과거의 학습률을 달리 반영하는 방법이다. 기존의 정적 상수로 정의된 모멘트가 전체 학습에 동등하게 영향을 주는 반면 제안된 동적모멘트를 이용한 학습 방법은 학습 수행에 따라 동적으로 모멘트를 변경함으로써 수렴 속도와 학습 성능을 효과적으로 제어할 수 있다. 이전의 분류문제와 회귀문제의 분리확인과는 달리 본 논문에서는 제안된 동적모멘트의 성능과 회귀율을 동시에 확인한다. 본 논문에서 사용한 회귀방법은 RMS 오류율을 사용하였으며 제안된 학습방법인 동적모멘트를 SVM(Support Vector Machine)의 순차 학습방법인 KA(Kernel Adatron)과 KR(Kernel Relaxation)에 적용하여 RMS 오류율을 확인하였다. 공정한 학습 성능 평가를 위해 신경망 분류기표준평가데이터인 SONAR 데이터를 이용하였으며 실험 결과 동적모멘트를 이용한 학습 성능과 수렴 속도 및 RMS 오류율이 정적모멘트를 이용한 학습방법보다 향상되었음을 확인하였다.

• 한국수자원학회논문집
• /
• 제31권6호
• /
• pp.855-862
• /
• 1998

본 연구는 수력발전을 위한 저수지 관리에 있어 예측오차의 영향을 살펴보기 위해 예측오차를 Root Mean Square Error(RMSE)로 측정하였고, 이를 Generalized Maintenance Of Variance Extension (GMOVE)기법을 통하여 변화시켜보았다.변화된 예측오차의 RMSE는 천이확률을 통하여 Bayesian Stochastic Dynamic Programming (BSDP)에 고려되어졌으며, 이 BSDP 모형을 이용하여 월별 방류량을 결정하였고 그 유용성을 평가하였다. 제시된 연구방법은 미국의 Skagit 시스템에 적용되었고, 그 결과로 Skagit 시스템의 운영은 예측오차의 RMSE에 비선형이므로 반응하므로 이 시스템의 운영을 개선하기 위해서는 현재의 수문학적 예측기법을 개선해야함을 제시하였다.