• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.36 no.8
• /
• pp.807-815
• /
• 2008

In this paper, design, development and evaluation of DIP(Database Interface Program) are presented. The main purpose of this study is to improve the simulation quality to get more realistic response of target system. The designed and developed major function is composed of flexible memory structure, efficient arithmetic database language and high speed interpolation/extrapolation algorithm. To evaluate the operation speed and accuracy of returned data, trim simulation is performed based on in-house software and, DIP is applied to existing real-time simulator such as engineering HQS(Handling Quality Simulator) to evaluate reliability and performance. The result of evlaution reveals that calculation speed and data accuracy are satisfied, and flight performance is satisfied in the real-time simulator environments.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.18 no.5
• /
• pp.120-124
• /
• 2017

The temporal super resolution is a method for increasing the frame rate. Electro-optical sensors are used in various surveillance and reconnaissance weapons systems, and the spatial resolution and temporal resolution of the required electro-optical sensors vary according to the performance requirement of each weapon system. Because most image sensors capture images at 30~60 frames/second, it is necessary to increase the frame rate when the target moves and changes rapidly. This paper proposes a method to increase the frame rate using color channel extrapolation. Using a DMD, one frame of a general camera was adjusted to have different consecutive exposure times for each channel, and the captured image was converted to a single channel image with an increased frame rate. Using the optical flow method, a virtual channel image was generated for each channel, and a single channel image with an increased frame rate was converted to a color channel image. The performance of the proposed temporal super resolution method was confirmed by the simulation.

• Geophysics and Geophysical Exploration
• /
• v.3 no.2
• /
• pp.70-75
• /
• 2000

In the seismic migration, Kirchhoff and reverse time migration are used in general. In the reverse time migration using wave equation, two-way and one-way wave equation are applied. The approach of one-way wave equation uses approximately computed downward continuation extrapolator, it need tess amounts of calculations and core memory in compared to that of two-way wave equation. In this paper, we applied one-way wave equation to pre-stack reverse time migration. In the frequency-space domain, forward propagation of source wavefield and back propagration of measured wavefield were executed by using monochromatic one-way wave equation, and zero-lag cross correlation of two wavefield resulted in the image of subsurface. We had implemented prestack migration on a massively parallel processors (MPP) CRAYT3E, and knew the algorithm studied here is efficiently applied to the prestck migration due to its suitability for parallelization.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.172-172
• /
• 2015

하천에서 발생하는 소류력은 하상 변동을 발생시키기 때문에 주변 구조물이나 하천의 흐름특성 등을 변화시키게 되며, 유사이송, 침식 및 퇴적, 유동해석 등에 매우 중요한 하천 계수이다. 하천에서 소류력의 직접 측정은 매우 어려워 직접 측정 대신 하천경사 및 동수반경을 기반한 단면 평균소류력 산정 공식을 일반적으로 이용한다. 그러나, 이러한 방식은 상세한 유사이송, 세굴 등의 해석에는 한계가 있기 때문에 국부적인 소류력이 필요하다. 실내 실험에서는 프레스톤게이지를 활용한 직접 측정이나, 난류측정을 통한 레이놀즈 분포를 외삽하여 단면에서 국부적인 소류력을 측정하는 방식이 사용되어 왔다. 반면, 실제 하천에서는 국부 소류력 직접측정 및 난류 산정이 거의 불가능하거나 비효율적이므로 대안으로 하천의 연직유속분포에 대수분포를 적용하여 소류력을 추정하는 간접적인 방법이 제시되어 왔다. 일부 실내실험에서 대수법칙을 통한 소류력 산정 방식은 직접 측정을 통해 검증한 바가 있으나 실제 하천은 난류의 공간 시간적 스케일이 실내 규모와 상이하여 국부 소류력에 영향을 미칠 수 있어 이러한 검증결과를 현장 적용하기에는 한계가 있다. 본 연구에서는 실제 규모 하천에서 대수법칙을 활용한 국부 소류력 산정 결과와 레이놀즈 응력의 연직분포 측정을 통해 산정한 값과 비교하여 대수법칙 활용 소류력 산정 방식의 적용성을 검토하였다. 실험은 중소규모의 하천을 재현한 한국건설기술연구원 안동하천실험센터 직선(A1) 및 사행(A2) 하천의 유속측정을 수행하였으며, 유속 측정에는 정밀도가 높으나 실내에서 주로 사용된 초음파지점유속계(Micro ADV)를 현장에 설치하여 사용하였다. ADV의 관측 시간은 90초이며, 직선수로에서는 횡방향으로 25 cm 간격, 수심방향으로는 5 ~ 10 cm 간격으로 측정하였고, 사행수로는 횡방향으로 50 cm 간격, 수심방향 5 ~ 10 cm 간격으로 측정을 수행하였다. 실험결과 대수법칙과 레이놀즈 분포로부터 산정된 국부 소류력은 사행과 직선 모두 상당한 이격을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.99-99
• /
• 2018

기상이변으로 인해 국지성 호우의 발생 증가와 그로 인한 수재해 피해가 증가하고 있다. 따라서 수재해를 사전에 예측하고 저감하기 위해 비구조물적 대책인 실시간 홍수예보시스템 개발 및 운영에 관한 연구들이 수행되고 있다. 일반적으로 홍수예보시스템은 대피선행시간 확보를 위해서 초단시간 혹은 단기 수치예보모델을 수문해석모형이나 예보기법의 입력으로 활용하고 있다. 초단시간 예측은 기상레이더를 기반으로 외삽, 이류, 셀 추적 등의 기법을 활용하여 0~3시간 이내의 강수예측을 수행한다. 그러나 역학이나 물리적 과정이 동반되지 못하여 0~ 2시간 이내에서의 예측성은 높은 반면, 예측시간이 길어질수록 예측력이 낮아진다. 단기수치예보모델은 종관관측에 의존하면서 역학이나 물리과정을 동반하므로 0~6시간 혹은 12시간 이상의 예측을 수행하지만, 수치모델의 고유특성인 스핀업 등의 예측 불확실성이 내재되어 있어 예측 초기시간에서의 예측력이 낮은 한계가 있다. 따라서 강수예측의 정확도 향상을 위해 레이더와 수치예보모델의 병합기법이 필요하다. 본 연구에서는 통계분석을 통해 경험적으로 산출된 시간적 가중치를 이용한 기존 병합기법의 한계를 극복하면서 호우에 따른 가변성을 반영하는 실시간 병합기법을 개발하고, 수문학적인 활용성을 평가하고자 하였다. 사용된 예측강우 자료는 레이더 기반인 MAPLE, KONOS, 공간규모분할 예측강우와 수치예보모델 기반인 UM와 ASAPS의 예측강우이며, 제시한 가중치 산정기법은 직전 예측강우의 오차가 현 시점의 예측강우의 오차와 유사하다는 가정하에 오차항을 포함한 과거 1시간 예측강우들간의 가중치 조합이 과거 지상관측강우와의 평균제곱근오차가 최소가 되도록 화음 탐색법을 이용하여 찾는 것이다. 가중치 조합은 예측강우의 생산 시간 간격을 고려하여 매 10분마다 산정하며, 미래 3시간 예측까지 산정된 가중치를 적용한다. 수도권 영역을 대상으로 병합된 예측강우와 레이더 관측강우를 비교한 결과, 정량적 정확도가 향상됨을 확인할 수 있었다. 또한, 예측강우의 수문학적 활용성은 도시유출해석모의를 통해 평가하였다. 그 결과, 병합된 예측강우로 모의된 수심이 관측수심과 유사하여 수문학적 활용성 확인할 수 있었다.

• Journal of the Society of Naval Architects of Korea
• /
• v.31 no.3
• /
• pp.80-86
• /
• 1994

A numerical method for simulations of inviscid incompressible flow fields around a ship advancing on the free surface is developed. A body fitted coordinate system, generated by numerically solving elliptic type partial differential equations is used to conform the ship and free surface configurations. Three dimensional Euler equations transformed to the non-staggered body fitted coordinate system are discretised by finite difference method. Time and spatial derivatives are discretised by forward and centered differencings, respectively, and artificial dissipations are added to discretised convection terms for improvements of numerical stability. At each time steps, free surface elevations are recomputed to satisfy nonlinear free surface conditions. Poisson equations for pressure field are solved iteratively and the velocity field for next time step is extrapolated. To verify the developed numerical method, flow fields around a Wigley model are simulated(Fn=0.250-0.408) and compared with experimental data to show good agreements.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.319-319
• /
• 2021

유량측정은 측정방법에 따라 측정위치가 변동된다. 도섭법은 관측자가 직접 하천을 횡단하며 측정하는 방법이며 수심이 얕은 경우 가능하다. 보트법의 경우 상대적으로 공간적 제약을 덜 받으며 교량법의 경우 이용 가능한 교량이 있어야 한다. 따라서 교량법은 현장여건에 따라 관측소와 멀리 떨어져 있는 경우가 있으며 이 경우 측정된 유량을 이용하여 수위-유량관계곡선식을 개발한다면 그 정확도가 떨어질 수 있다. 미국지질조사국(USGS)에서는 관측소와 측정위치가 멀리 떨어진 경우 측정된 유량을 보정하도록 규정하고 있다. 우리나라의 경우 유량 보정을 실시하지 않는 것으로 파악되었다. 하지만 이는 수위-유량관계곡선식, 특히 외삽부분에서 큰 오류를 유발할 수도 있어 신중할 필요가 있다. 본 연구에서는 수위관측소와 측정위치가 현저하게 먼 경우 유량 보정방법을 살펴보고 실측유량과 보정유량의 차이를 확인하였다. 대상지점인 낙동강 유역의 안동시(운산리) 지점은 홍수측정위치와 수위관측소 위치가 약 1.7km 이격되어 있으며, 2020년 측정성과(부자)를 이용하여 이를 보정하고 그 차이를 확인하였다. 보정결과 실측유량과 보정유량이 최고 5.0%, 평균 3.7% 차이를 보이는 것으로 확인되었다. 안동시(운산리)지점은 2020년 측정 최고수위가 3.35m이며, 이는 평수위에서 약 2.00m 가량 상승한 것으로 최고 홍수위로 보기는 어렵다. 즉 이보다 더 큰 홍수 사상이 발생하여 수위가 더 상승한다면 실측유량과 보정유량의 차이는 더 커질 것으로 예상된다. 또한 수위관측소와 측정위치가 이격된 경우 측정된 성과가 루프(Loop) 형태를 보일 수 있어 보정이 필요한 것으로 판단된다.

• Korean Journal of Remote Sensing
• /
• v.39 no.6_3
• /
• pp.1779-1790
• /
• 2023

Satellite-based fog detection algorithms are being developed to detect fog in real-time over a wide area, with a focus on the Korean Peninsula (KorPen). The GEO-KOMPSAT-2A/Advanced Meteorological Imager (GK2A/AMI, GK2A) satellite offers an excellent temporal resolution (10 min) and a spatial resolution (500 m), while GEO-KOMPSAT-2B/Geostationary Ocean Color Imager-II (GK2B/GOCI-II, GK2B) provides an excellent spatial resolution (250 m) but poor temporal resolution (1 h) with only visible channels. To enhance the fog detection level (10 min, 250 m), we developed a fused GK2AB fog detection algorithm (FDA) of GK2A and GK2B. The GK2AB FDA comprises three main steps. First, the Korea Meteorological Satellite Center's GK2A daytime fog detection algorithm is utilized to detect fog, considering various optical and physical characteristics. In the second step, GK2B data is extrapolated to 10-min intervals by matching GK2A pixels based on the closest time and location when GK2B observes the KorPen. For reflectance, GK2B normalized visible (NVIS) is corrected using GK2A NVIS of the same time, considering the difference in wavelength range and observation geometry. GK2B NVIS is extrapolated at 10-min intervals using the 10-min changes in GK2A NVIS. In the final step, the extrapolated GK2B NVIS, solar zenith angle, and outputs of GK2A FDA are utilized as input data for machine learning (decision tree) to develop the GK2AB FDA, which detects fog at a resolution of 250 m and a 10-min interval based on geographical locations. Six and four cases were used for the training and validation of GK2AB FDA, respectively. Quantitative verification of GK2AB FDA utilized ground observation data on visibility, wind speed, and relative humidity. Compared to GK2A FDA, GK2AB FDA exhibited a fourfold increase in spatial resolution, resulting in more detailed discrimination between fog and non-fog pixels. In general, irrespective of the validation method, the probability of detection (POD) and the Hanssen-Kuiper Skill score (KSS) are high or similar, indicating that it better detects previously undetected fog pixels. However, GK2AB FDA, compared to GK2A FDA, tends to over-detect fog with a higher false alarm ratio and bias.

• Journal of Korea Water Resources Association
• /
• v.54 no.5
• /
• pp.301-309
• /
• 2021

In this study, we tried to improve the performance of the existing U-net-based deep learning rainfall prediction model, which can weaken the meaning of time series order. For this, ConvLSTM2D U-Net structure model considering temporal consistency of data was applied, and we evaluated accuracy of the ConvLSTM2D U-Net model using a RainNet model and an extrapolation-based advection model. In addition, we tried to improve the uncertainty in the model training process by performing learning not only with a single model but also with 10 ensemble models. The trained neural network rainfall prediction model was optimized to generate 10-minute advance prediction data using four consecutive data of the past 30 minutes from the present. The results of deep learning rainfall prediction models are difficult to identify schematically distinct differences, but with ConvLSTM2D U-Net, the magnitude of the prediction error is the smallest and the location of rainfall is relatively accurate. In particular, the ensemble ConvLSTM2D U-Net showed high CSI, low MAE, and a narrow error range, and predicted rainfall more accurately and stable prediction performance than other models. However, the prediction performance for a specific point was very low compared to the prediction performance for the entire area, and the deep learning rainfall prediction model also had limitations. Through this study, it was confirmed that the ConvLSTM2D U-Net neural network structure to account for the change of time could increase the prediction accuracy, but there is still a limitation of the convolution deep neural network model due to spatial smoothing in the strong rainfall region or detailed rainfall prediction.

• Journal of Korea Water Resources Association
• /
• v.53 no.12
• /
• pp.1159-1172
• /
• 2020

This study applied deep convolution neural network based on U-Net and SegNet using long period weather radar data to very short-term rainfall prediction. And the results were compared and evaluated with the translation model. For training and validation of deep neural network, Mt. Gwanak and Mt. Gwangdeoksan radar data were collected from 2010 to 2016 and converted to a gray-scale image file in an HDF5 format with a 1km spatial resolution. The deep neural network model was trained to predict precipitation after 10 minutes by using the four consecutive radar image data, and the recursive method of repeating forecasts was applied to carry out lead time 60 minutes with the pretrained deep neural network model. To evaluate the performance of deep neural network prediction model, 24 rain cases in 2017 were forecast for rainfall up to 60 minutes in advance. As a result of evaluating the predicted performance by calculating the mean absolute error (MAE) and critical success index (CSI) at the threshold of 0.1, 1, and 5 mm/hr, the deep neural network model showed better performance in the case of rainfall threshold of 0.1, 1 mm/hr in terms of MAE, and showed better performance than the translation model for lead time 50 minutes in terms of CSI. In particular, although the deep neural network prediction model performed generally better than the translation model for weak rainfall of 5 mm/hr or less, the deep neural network prediction model had limitations in predicting distinct precipitation characteristics of high intensity as a result of the evaluation of threshold of 5 mm/hr. The longer lead time, the spatial smoothness increase with lead time thereby reducing the accuracy of rainfall prediction The translation model turned out to be superior in predicting the exceedance of higher intensity thresholds (> 5 mm/hr) because it preserves distinct precipitation characteristics, but the rainfall position tends to shift incorrectly. This study are expected to be helpful for the improvement of radar rainfall prediction model using deep neural networks in the future. In addition, the massive weather radar data established in this study will be provided through open repositories for future use in subsequent studies.