• Journal of the Korean Society for Marine Environment & Energy
• /
• v.14 no.2
• /
• pp.107-113
• /
• 2011

To evaluate the performance of the hydrodynamic model, we introduced 10 skill assessments that are assorted by two groups: quantitative skill assessments (Absolute Average Error or AAE, Root Mean Squared Error or RMSE, Relative Absolute Average Error or RAAE, Percentage Model Error or PME) and qualitative skill assessments (Correlation Coefficient or CC, Reliability Index or RI, Index of Agreement or IA, Modeling Efficiency or MEF, Cost Function or CF, Coefficient of Residual Mass or CRM). These skill assessments were applied and calculated to evaluate the hydrodynamic modeling at one of Florida estuaries for water level, current, and salinity as comparing measured and simulated values. We found that AAE, RMSE, RAAE, CC, IA, MEF, CF, and CRM are suitable for the error assessment of water level and current, and AAE, RMSE, RAAE, PME, CC, RI, IA, CF, and CRM are good at the salinity error assessment. Quantitative and qualitative skill assessments showed the similar trend in terms of the classification for good and bad performance of model. Furthermore, this paper suggested the criteria of the "good" model performance for water level, current, and salinity. The criteria are RAAE < 10%, CC > 0.95, IA > 0.98, MEF > 0.93, CF < 0.21 for water level, RAAE < 20%, CC > 0.7, IA > 0.8, MEF > 0.5, CF < 0.5 for current, and RAAE < 10%, PME < 10%, CC > 0.9, RI < 1.15, CF < 0.1 for salinity.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2002.05a
• /
• pp.660-665
• /
• 2002

일반적으로 유한요소 모델로부터 구한 해석결과는 대상 구조물의 모드 실험결과와 오차를 보인다. 이러한 오차로 인해서 유한요소 모델의 효용성에 한계가 발생하게 되면, 모델의 신뢰성을 높일 수 있도록 모델을 보정하는 절차가 필요하다. 유한요소 모델 개선은 이러한 오차를 줄이기 위해서 유한요소 모델을 변경하는 체계적인 접근법이다. 유한요소 모델에서 변경할 수 있는 매개변수의 개수는 실험결과의 개수보다 훨씬 많으므로 실험결과와 일치되는 개선된 모델의 수는 무한하다고 할 수 있다. 그러나, 개선된 유한요소 모델이 물리적 타당성을 갖도록 매개변수의 선택과 변경에 제한을 주면 초기 유한요소 모델에 비해서 실험결과와의 오차가 개선된 근사해만 존재하게 된다. 따라서, 모델 개선 과정을 통해서 구한 개선된 모델은 오차의 평가기준 또는 목적함수에 따라서 정해진 다양한 근사해 중 하나이다. 기존의 모델 개선 방법에서는 실험결과와의 오차를 나타내는 단 하나의 평가기준 또는 목적함수를 사용하고 이를 최소화하는 모델을 구한다. 최적화 결과를 얻기 전에는 사용된 평가기준이 타당한지 검토할 수 없으므로 대부분의 경우, 시행착오 방법으로 목적함수를 설정하게 된다. 본 논문에서는 이러한 문제점을 해결하기 위해서 다목적 최적화 개념을 이용한 평가기준을 소개하고 특히, 대화식 다목적 최적화 기법을 이용하여 유한요소 모델을 개선한다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2001.05a
• /
• pp.565-570
• /
• 2001

대상 기계구조물의 유한요소 모델로부터 구한 해석결과가 실험결과와 오차를 나타낼 때, 이러한 오차를 줄일 수 있도록 유한요소 모델의 변경이 요구된다. 유한요소 모델개선은 이러한 역문제(Inverse Problem)를 다루는 체계적인 접근법이다. 일반적으로 유한요소 모델에서 변경할 수 있는 매개변수의 개수는 실험결과의 개수보다 많으므로 실험결과와 일치되는 개선된 유한요소 모델은 무한하다고 할 수 있다. 그러나, 개선된 유한요소 모델이 물리적 타당성을 갖도록 매개변수의 변경량에 제한을 주면 일반적으로 초기 유한요소 모델에 비해 실험결과와의 오차가 개선된 근사해만 존재하게 된다. 따라서, 모델개선 과정을 통해 구한 개선된 모델은 오차의 평가기준 또는 목적함수에 따라 정해진 다양한 근사해 중 하나이다. 기존의 모델개선 방법에서는 단 하나의 오차 평가기준 또는 목적함수를 사용하고 이를 최소화 하는 모델을 구한다. 개선된 모델을 구하기 이전에는 사용된 평가기준이 타당한지 검토할 수 없으므로 대부분의 경우, 시행착오법으로 목적함수를 설정하게 된다. 본 논문에서는 다목적 최적화 기법을 이용한 오차 평가기준을 소개하고 이를 하드디스크커버 유한요소 모델개선에 응용한다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.362-365
• /
• 2011

본 논문에서는 통계적인 방법을 이용하여 점탄성 제진재인 합성고무의 물성에 대한 변동성을 평가하는 방법을 제안하고 측정데이터를 이용하여 합성고무에 대한 평가를 수행하였다. 고무 물성의 불확실성 인자로는 외기 온도의 변화와 실험 데이터의 오차 및 점탄성 제진모델의 오차를 고려하였다. 고무는 분수차 미분 모델로 표현되었고 온도의 영향은 비선형 이동계수모델을 도입하여 복소계수로 나타내어 동강성과 감쇠를 표현하였다. 이러한 물성모델을 바탕으로 고무에 대한 물성 실험데이터와 물성계수의 확률밀도함수 사이에 정의된 우도함수를 최대화하는 통계적 보정방법을 이용하여 물성모델의 물질계수들에 대한 변동성을 추정하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.293-303
• /
• 2000

데이터 마이닝의 수행 예측 오차를 줄이기 위한 방법으로 하나의 문제를 여러 기법들을 결합하여 해결하고 있다. 본 연구에서는 새로운 결합 모델을 제시하고 이를 통해 예측 오차를 감소시킬 수 있는 가능성을 제시한다. 제시된 결합모델의 성능을 검증하기 위해서 국내 자동차보험 회사의 고객데이터를 바탕으로 고객이탈 예측문제를 다루었다. 결합모델의 예측결과를 의사결정나무, 사례기반추론 그리고 인공신경망 중 하나의 기법만을 사용하여 예측한 결과와 비교 평가하였다. 평가 결과, 결합 모델의 예측 적중률이 개별 기법의 예측 적중률보다 우수했다.

• The KIPS Transactions:PartB
• /
• v.11B no.2
• /
• pp.141-148
• /
• 2004

The ground positions and elevations information called DEMs(Digital Elevation Models) which are extracted from the stereo aerial photographs and/or satellite images using image matching method have the natural errors caused by variant environments. This study suggests the method to evaluate DEMs using correlation values between the reference and the target DEMs. This would be strongly helpful for experts to correct these errors. To evaluate the whole area of DEMs in the horizontal and vertical errors, the target cell is matched for each reference cell using the correlation values of these two cells. When the target cell is matched for each reference cell, horizontal and vertical error was calculated so as to help experts to recognize a certain area of DEMs which should be corrected and edited. If the correlation value is low and tile difference in height is high, the target cell will be candidated as changed or corrupted cell. When the area is clustered with those candidated cells, that area will be regarded as changed or corrupted area to be corrected and edited. Using this method, the evaluation for all DEM cells is practicable, the horizontal errors as well as vertical errors is calculable and the changed or corrupted area can be detected more efficiently.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.158-158
• /
• 2016

본 연구에서는 극치 분포의 오른쪽 꼬리 부분 예측 시 안정적인 확률수문량 산정하는 확률분포형과 매개변수 추정 방법을 평가하기 위해 Monte Carlo 모의를 수행하였다. 수문자료의 빈도해석에 적합한 것으로 알려진 generalized extreme value (GEV), Gumbel (GUM), generalized logistic (GLO), gamma3 (GAM3), normal (NOR), log-normal3 (LN3) 총 6개의 확률분포형을 바탕으로 오른쪽 꼬리 부분의 확률수문량 추정 성능을 모의 실험을 통해 평가하고자 한다. 30년 이상 자료를 보유한 기상청 지점의 지속기간별 연최대값 자료를 분석한 결과를 바탕으로 모분포를 GEV분포로 선정하였으며 평균이 1.0, 표준편차 0.5, 왜곡도 계수는 0.5, 1.0, 2.0, 3.0, 4.0이 되도록 가정하였다. 또한 자료 길이에 따른 성능 평가를 위해 표본 크기 20, 50, 100, 150, 200개에 대해 분석을 수행하였다. 위와 같은 가정으로 총 25종류(왜곡도계수 5개 ${\times}$ 표본 크기 5개)의 발생된 모분포에 6가지의 확률분포형과 3가지의 매개변수 추정방법(모멘트법, 최우도법, 확률가중모멘트법)을 조합한 18가지의 모델을 비교 분석해보았다. 평가방법으로는 평균 제곱근 오차(Root Mean Square Error, RMSE), 편의(bias), 평균 상대오차(Mean Relative Difference, MRD), 평균 절대 상대오차(Mean Absolute Relative Difference, MARD)를 사용하여 적용 모델의 성능을 비교 분석하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.989-992
• /
• 2004

수학적 모델을 컴퓨터 상에 실현시키는데 있어 보다 효율적인 알고리즘을 구현하고 개발하는 것이 수치해석 연구의 궁극적인 목표이다. 일반적으로 수치해석을 사용할 때 컴퓨터 상에서 구한 계산 결과, 즉 근사 값과 수학적으로 구한 값인 참값은 정확하게 같지 않다. 따라서 근사 값이 얼마나 참값에 가까운가에 따라 알고리즘의 효율성을 평가하는 오차평가는 수치해석의 가장 중요한 과제라 할 수 있다. 대부분의 경우 오차평가에 있어 오차의 한계를 이용하지만 주어진 문제의 참값을 모르기 때문에 정확한 오차평가를 할 수 없다. 본 논문에서는 수치등각사상을 구하기 위한 해법중 하나인 Wegmann해법에 있어 몇 가지 수학적 이론에 근거하여 참값을 모르더라도 오차평가를 할 수 있는 방법을 제안하고 수치실험을 통해 그 유효성을 입증한다.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.20 no.3
• /
• pp.262-276
• /
• 2018

Models to predict Leaf Wetness Duration (LWD) were evaluated using the observed meteorological and dew data at the 11 citrus orchards in Jeju, South Korea from 2016 to 2017. The sensitivity and the prediction accuracy were evaluated with four models (i.e., Number of Hours of Relative Humidity (NHRH), Classification And Regression Tree/Stepwise Linear Discriminant (CART/SLD), Penman-Monteith (PM), Deep-learning Neural Network (DNN)). The sensitivity of models was evaluated with rainfall and seasonal changes. When the data in rainy days were excluded from the whole data set, the LWD models had smaller average error (Root Mean Square Error (RMSE) about 1.5hours). The seasonal error of the DNN model had the similar magnitude (RMSE about 3 hours) among all seasons excluding winter. The other models had the greatest error in summer (RMSE about 9.6 hours) and the lowest error in winter (RMSE about 3.3 hours). These models were also evaluated by the statistical error analysis method and the regression analysis method of mean squared deviation. The DNN model had the best performance by statistical error whereas the CART/SLD model had the worst prediction accuracy. The Mean Square Deviation (MSD) is a method of analyzing the linearity of a model with three components: squared bias (SB), nonunity slope (NU), and lack of correlation (LC). Better model performance was determined by lower SB and LC and higher NU. The results of MSD analysis indicated that the DNN model would provide the best performance and followed by the PM, the NHRH and the CART/SLD in order. This result suggested that the machine learning model would be useful to improve the accuracy of agricultural information using meteorological data.

• Journal of the Korean Geotechnical Society
• /
• v.17 no.2
• /
• pp.51-57
• /
• 2001

지하수위의 상승에 따른 간극수압의 증가는 사면의 불안정을 야기할 수 있다. 그러나 모델링 오차, 계측오차, 모델변수의 불확실성 등과 같은 오차로 인하여 사면에서의 지하수위 변동을 예측하는 것은 매우 어렵다. 이러한 불확실성을 극복하고 지하수위 변동을 평가하기 위한 최적의 모델변수를 구하기 위하여 역해석 기법이 사용되고 있다. 본 논문에서는 사면에서의 지하수위 변동을 예측하기 위하여 포화대에서의 지하수 흐름과 불포화대에서의 지하수 흐름을 동시에 고려할 수 있는 수치해석 모델과 변수예측기법을 적용하였다. 따라서, 본 논문에서는 포화투수계수($K_{s}$ ), 포화흡인력($\psi$$_{e}$) 및 불포화 투수계수의 함수에 사용되는 경험적인 상수(b)를 주요 매개변수로 선정하여 역해석을 실시하였다. 그리고, 역해석 기법 가운데 Maximum Likelihood(MK), Maximum-A-Posterior(MAP) 및 Extended Bayesian Method(EBM)에 대하여 비교연구를 실시하였다. 위의 세가지 방법 가운데 EBM은 가상의 변수(Hyperparameter) $\beta$를 도입함으로써 현장계측치와 사전정보를 가장 잘 조화시키는 방법으로 다른 ML, MAP 보다 탁월한 방법인 것을 알 수 있었다.