• 한국정보통신학회논문지
• /
• 제18권3호
• /
• pp.687-696
• /
• 2014

본 논문은 사용자의 입력, 색상 및 깊이 정보를 이용한 의미론적 물체 분할 방법을 제안한다. 의미있는 영역을 깊이영상에서 유사한 깊이 정보와 사용자 스트로크 입력의 중심에 위치한다고 가정한다. 제안된 방법은 스트로크 입력을 이용하여 관심 영역을 설정하고, 색상과 깊이 정보를 이용하여 의미있는 영역을 검출한다. 구체적으로 제안방법은 관심영역에 대해 색상과 깊이 정보를 이용한 과분할 과정과 과분할 영역에 대해 깊이 정보를 이용한 의미론적 물체 추출과정으로 구성되어 있다. 과분할 과정에서 적응적 임계값 적용 및 형태학적 기울기에 대한 적응적인 가중치 적용을 통한 마커 추출 방법을 제안하였다. 의미론적 물체 추출과정에서는 관심영역의 가장자리 영역에서 내부 영역으로의 순서대로 전체 깊이의 평균과 차이를 이용하여 추출하고자 하는 물체 영역인지 아닌지를 결정하도록 하였다. 실험 결과에서 제안한 방법이 효과적으로 의미있는 물체 추출 결과를 얻을 수 있음을 보인다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.291-291
• /
• 2020

제주도는 강수의 지표침투성이 좋은 화산섬의 지질특성상 지표수의 개발이용여건이 취약한 관계로 용수의 대부분을 지하수에 의존하고 있다. 따라서 제주도는 정책 및 연구적으로 오랜 기간동안 지하수의 보전관리에 많은 노력을 기울여 오고 있다. 하지만 최근 기후변화로 인한 강수의 변동성 증가로 인해 지하수위의 변동성 또한 증가할 가능성이 있으며 따라서 지하수위의 급격한 하강에 대비하여 지하수위의 예측 및 지하수 취수량 관리의 필요성이 요구되고 있다. 지하수에 절대적으로 의존하고 있는 제주도의 수자원 이용 여건을 고려할 때, 지하수의 취수량 관리를 위한 지하수위의 실시간 예측이 필요한 실정이다. 하지만 기존의 예측방법에 의한 제주도 지하수위 예측기간은 충분히 길지 않으며 예측기간이 길어지면 예측성능이 낮아지는 문제점이 있었다. 본 연구에서는 이러한 단점을 보완하기 위해 딥러닝 알고리즘인 Long Short Term Memory(LSTM)를 활용하여 제주도 남동쪽 표선유역 중산간지역의 1개 지하수위 관측정에 대해 지하수위를 예측하고 분석하였다. R 기반의 Keras 패키지에 있는 LSTM 알고리즘을 사용하였고, 입력자료는 인근의 성판악 및 교래 강우관측소의 일단위 강수량자료와 인근 취수정의 지하수 취수량자료 및 연구대상 관측정의 지하수위 자료를 사용하였으며, 사용된 자료의 기간은 2001년 2월 11일부터 2019년 10월 31일까지 이다. 2001년부터 13년의 보정 및 3년의 검증용 시계열자료를 사용하여 매개변수의 보정 및 과적합을 방지하였고, 3년의 예측용 시계열자료를 사용하여 LSTM 알고리즘의 예측성능을 평가하였다. 목표 예측일수는 1일, 10일, 20일, 30일로 설정하였으며 보정, 검증 및 예측기간에 대한 모의결과의 평가지수로는 Nash-Sutcliffe Efficiency(NSE)를 활용하였다. 모의결과, 보정, 검증 및 예측기간에 대한 1일 예측의 NSE는 각각 0.997, 0.997, 0.993 이었고, 10일 예측의 NSE는 각각 0.993, 0.912, 0.930 이었다. 20일 예측의 경우 NSE는 각각 0.809, 0.781, 0.809 이었으며 30일 예측의 경우 각각 0.677, 0.622, 0.633 이었다. 이것은 LSTM 알고리즘에 의한 10일 예측까지는 관측 지하수위 시계열자료를 매우 적절히 모의할 수 있다는 것을 의미하며, 20일 예측 또한 적절히 모의할 수 있다는 것을 의미한다. 따라서 LSTM 알고리즘을 활용하면 본 연구대상지점에 대한 2주일 또는 3주일의 안정적인 지하수위 예보가 가능하다고 판단된다. 또한 LSTM 알고리즘을 통한 실시간 지하수위 예측은 지하수 취수량 관리에 활용할 수 있을 것이다.

• 대한토목학회논문집
• /
• 제26권1B호
• /
• pp.39-50
• /
• 2006

홍수를 예측하기 위해서 국내 5대강 유역의 홍수통제소는 저류함수모형을 사용하고 있으며 현재까지 홍수예측에 대한 많은 연구가 이루어지고 있다. 이에 본 논문에서는 현재 홍수통제소에서 사용되고 있는 저류함수모형과 과거의 강우-수위 관계를 이용한 회귀분석(regression analysis), 그리고 인공신경망(artificial neural network)을 이용하여 홍수를 예측하고 이를 비교, 분석하고자 하였다. 저류함수모형의 경우는 홍수통제소의 대표매개변수와 보정된 최적(평균)매개변수를 적용하였다. 그리고 회귀분석과 인공신경망은 1995~2001년까지의 홍수사상 중 4개의 홍수사상을 선택하여 회귀계수를 구하고 역전파(backpropagation) 알고리즘을 사용하여 학습을 시켰다. 그 결과 저류함수모형의 경우 최적 매개변수를 이용하였을 때 기존의 홍수통제소에서 사용하고 있는 대표매개변수보다 예측이 개선되었으며, 회귀분석의 방법인 다중회귀분석, Robust 회귀분석, Stepwise 회귀분석을 이용한 홍수예측은 비교적 정확한 결과를 얻을 수 있었다. 역전파 알고리즘을 사용한 인공신경망의 경우도 회귀분석을 이용한 홍수예측보다는 다소 못하였지만 정확한 결과를 얻을 수 있었다.

• 농업생명과학연구
• /
• 제50권3호
• /
• pp.1-11
• /
• 2016

3차원 지형정보를 얻기 위하여 항공 LiDAR(Light Detection and Ranging)자료 기반 수치표고모델(Digital Elevation Model, DEM) 생성에 대한 연구들에 대한 관심이 지속적으로 높아져 왔다. 항공 LiDAR 원자료로부터 정확도가 높은 DEM을 생성하기 위해서는 3차원 점군에서 비지면점을 제외시키고 지면점만을 포함시키는 필터링(filtering)과정이 중요하다. 특히, 필터링을 구성하는 알고리즘의 패러미터 값 변화에 따라 산출되는 결과물들에 차이가 발생하고 정확도에 영향을 준다. 따라서 본 연구는 화천, 양주, 경산 및 장흥 유역 대상지의 항공 LiDAR 자료로부터 Fusion 소프트웨어를 이용하여 LiDAR DEM을 생성하는 GroundFilter알고리즘의 Mean패러미터(GFmn) 수준 변화가 LiDAR DEM 결과물의 정확도에 어떤 영향을 주는지 분석하였다. GFmn 수준 변화에 따른 정확도에 대한 영향 여부를 분석하기 위해 일원배치분산분석을 실시하였고, 그 결과 GFmn의 수준 변화에 따라 정확도에 대한 영향이 유의미하게 나타났다(F-value: 4.915, p<0.01). 이 후 각각의 GFmn 수준들을 다른 수준들과 차이가 있는지 여부로 묶기 위하여 사후검정을 실시하였다. 사후분석을 통해 잔차의 평균 차이에 따라 '7, 5, 9, 3'과 '1' 두 집단으로 나뉘었다. 아울러 보다 정확한 해발고도를 표현하는 LiDAR DEM 생성하는데 적정 GFmn은 '7' 조건일 때로 나타났다. 이 연구를 통해 보다 정확한 해발고도를 표현하는 LiDAR DEM을 생성할 수 있는 패러미터 값을 제안하였다.