• Journal of the Institute of Convergence Signal Processing
• /
• v.20 no.4
• /
• pp.245-251
• /
• 2019

Sonar bearing accuracy is the correspondence between the target orientation predicted by sonar and actual target orientation, and is obtained from measurements. However, when measuring sonar bearing accuracy, many errors are included in the results because they are made at sea, where complex and diverse environmental factors are applied. In particular, parallax error caused by the difference between the position of the GPS receiver and the sonar sensor, and the time delay error generated between the speed of underwater sound waves and the speed of electromagnetic waves in the air have a great influence on the accuracy. Correcting these parallax errors and time delay errors without an automated tool is a laborious task. Therefore, in this study, we propose a sonar bearing accuracy measurement equipment with parallax error and time delay error correction. The tests were carried out through simulation data and real data. As a result of the test it was confirmed that the parallax error and time delay error were systematically corrected so that 51.7% for simulation data and more than 18.5% for real data. The proposed method is expected to improve the efficiency and accuracy of sonar system detection performance verification in the future.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.29 no.6
• /
• pp.651-657
• /
• 2011

There exists a high correlation between the ionospheric delays and the integer ambiguity in GPS observation equation, so that the sufficient time span is required to revolve the integer ambiguity. This means that the ambiguity resolution plays a key role especially in rapid-static positioning mode. To analyze the effect of ionospheric disturbances on the positioning accuracy, 02/19/2011 day of dataset was selected processed in rapid-static positioning mode. The total of 141 30-minute sessions were processed, i.e., the estimation procedure started every 10 minutes, and the time-to-fix information of each data interval is obtained. In this study, the analysis is performed by comparing the time-to-fix with the magnitudes of ionospheric delays. The computed correlation coefficient between the time-to-fix and the magnitudes of ionospheric delays is 0.31, which indicates the ionospheric disturbances affect the positioning accuracy in rapid-static positioning mode. Therefore, it is required to collect and process sufficient data when the GPS surveying is performed in unfavorable ionospheric conditions.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.20 no.5
• /
• pp.51-56
• /
• 2020

Measurement accuracy and required time is important to make ATE(Automatic test equipment) system in Ka band, and SCPI commands of power meter which is a representative RF test equipment are studied in this paper. Comparison data between FETCH and MEASURE which are SCPI commands are measured in 30 G ~ 31 GHz and -70 ~ +20 dBm using two power sensor. The data show that FETCH which is the fastest SCPI is able to get reliable data in linear interval above noise level. MEASURE which is the best accurate command takes longer time than FETCH, and the longest time is 13.2 seconds. These results offer that measurement accuracy and required time of the two SCPI for power meter and would be used as a guideline for efficient ATE system in Ka band.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.4
• /
• pp.536-545
• /
• 2020

When general statistical regression methods are applied to predict the battery remaining time of a mobile smart device, they yielded the poor accuracy of estimating battery remaining time as the deviations of battery usage time per battery level became larger. In order to improve the estimation accuracy of general statistical regression methods, a preprocessing task is required to refine the measured raw data with large deviations of battery usage time per battery level. In this paper, we propose a data preprocessing framework that preprocesses raw measured battery consumption data and converts them into refined battery consumption data. The numerical results obtained by experimenting the proposed data preprocessing framework confirmed that it yielded good performance in terms of accuracy of estimating battery remaining time under general statistical regression methods for given refined battery consumption data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.483-483
• /
• 2022

댐과 저수지의 운영 최적화를 위한 수문학적 예보는 현재 수동적인 댐 운영이 주를 이루면서 활용도가 높지 않다. 불확실한 기후변화나 기후재난 상황에서 우리 사회에 악영향을 최소화하기 위해 선제적으로 대응/대비할 수 있는 댐 운영 방안이 불가피하다. 강우량 예측 기술은 기후변화로 인해 제한적인 상황이다. 실례로, 2020년 8월에 섬진강의 댐이 극심한 집중 강우로 인해 무너지는 사태가 발생하였고 이로 인해 지역사회에 막대한 경제적 피해가 발생하였다. 선제적 댐 방류량 운영 기술은 또한 환경적인 변화로 인한 영향을 완화하기 위해 필요한 것이다. 제한적인 기상 예보 기술을 극복하고자 심화학습이나 강화학습 같은 인공지능 모델들의 활용성에 대한 연구가 시도되고 있다. 따라서 본 연구는 섬진강 댐의 시간당 수문 데이터를 이용하여 댐 운영을 위한 심화학습 모델을 개발하고 그 활용도를 평가하였다. 댐 운영을 위한 심화학습 모델로서 시계열 데이터 예측에 적합한 Long Sort Term Memory(LSTM)과 Gated Recurrent Unit(GRU) 알고리즘을 구축하고 댐 수위를 예측하였다. 분석 자료는 WAMIS에서 제공하는 2000년부터 2021년까지의 시간당 데이터를 사용하였다. 입력 데이터로서 시간당 유입량, 강우량과 방류량을, 출력 데이터로서 시간당 수위 자료를 각각 사용하였으며. 결정계수(R2 Score)를 통해 모델의 예측 성능을 평가하였다. 댐 수위 예측값 개선을 위해 하이퍼파라미터의 '최적값'이 존재하는 범위를 줄여나가는 하이퍼파라미터 최적화를 두 가지 방법으로 진행하였다. 첫 번째 방법은 수동적 탐색(Manual Search) 방법으로 Sequence Length를 24, 48, 72시간, Hidden Layer를 1, 3, 5개로 설정하여 하이퍼파라미터의 조합에 따른 LSTM와 GRU의 민감도를 평가하였다. 두 번째 방법은 Grid Search로 최적의 하이퍼파라미터를 찾았다. 이 두가지 방법에서는 같은 하이퍼파라미터 안에서 GRU가 LSTM에 비해 더 높은 예측 정확도를 보였고 Sequence Length가 높을수록 정확도가 높아지는 경향을 보였다. Manual Search 방법의 경우 R2가 최대 0.72의 정확도를 보였고 Grid Search 방법의 경우 R2가 0.79의 정확도를 보였다. 본 연구 결과는 가뭄과 홍수와 같은 물 재해에 사전 대응하고 기후변화에 적응할 수 있는 댐 운영 개선에 도움을 줄 수 있을 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.53 no.3
• /
• pp.225-236
• /
• 2020

It is not easy to provide sufficient lead time for flood forecast in urban and small mountain basins using on-ground rain gauges, because the time concentration in those basins is too short. In urban and small mountain basins with a short lag-time between precipitation and following flood events, it is more important to secure forecast lead times by predicting rainfall amounts. The Han River Flood Control Office (HRFCO) in South Korea produces short-term rainfall forecasts using the Mcgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation (MAPLE) algorithm that converts radar reflectance of rainfall events. The Flash Flood Research Center (FFRC) in the Korea Institute of Civil Engineering and Building Technology (KICT) installed a flash flood forecasting system using the short-term rainfall forecast data produced by the HRFCO and has provided flash flood information in a local lvel with 1-hour lead time since 2019. In this study, we addressed the flash flood forecasting system based on the radar rainfall and the assessed the accuracy of the forecasting system for the recorded flood events occurred in 2019. A total of 31 flood disaster cases were used to evaluate the accuracy and the forecast accuracy was 90.3% based on the probability of detection.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.363-363
• /
• 2019

활성화 함수(activation function)는 기계학습(machine learning)의 학습과정에 비선형성을 도입하여 심층적인 학습을 용이하게 하고 예측의 정확도를 높이는 중요한 요소 중 하나이다(Roy et al., 2019). 일반적으로 기계학습에서 사용되고 있는 활성화 함수의 종류에는 계단 함수(step function), 시그모이드 함수(sigmoid 함수), 쌍곡 탄젠트 함수(hyperbolic tangent function), ReLU 함수(Rectified Linear Unit function) 등이 있으며, 예측의 정확도 향상을 위하여 다양한 형태의 활성화 함수가 제시되고 있다. 본 연구에서는 기계학습을 통하여 수위예측 시 정확도 향상을 위하여 Hybrid 활성화 함수를 제안하였다. 연구대상지는 조수간만의 영향을 받는 한강을 대상으로 선정하였으며, 2009년 ~ 2018년까지 10년간의 수문자료를 활용하였다. 수위예측 알고리즘은 Python 내 Tensorflow의 RNN (Recurrent Neural Networks) 모델을 이용하였으며, 강수량, 수위, 조위, 댐 방류량, 하천 유량의 수문자료를 학습시켜 3시간 및 6시간 후의 수위를 예측하였다. 예측정확도 향상을 위하여 입력 데이터는 정규화(Normalization)를 시켰으며, 민감도 분석을 통하여 신경망모델의 은닉층 개수, 학습률의 최적 값을 도출하였다. Hybrid 활성화 함수는 쌍곡 탄젠트 함수와 ReLU 함수를 혼합한 형태로 각각의 가중치($w_1,w_2,w_1+w_2=1$)를 변경하여 정확도를 평가하였다. 그 결과 가중치의 비($w_1/w_2$)에 따라서 예측 결과의 RMSE(Roote Mean Square Error)가 최소가 되고 NSE (Nash-Sutcliffe model Efficiency coefficient)가 최대가 되는 지점과 Peak 수위의 예측정확도가 최대가 되는 지점을 확인할 수 있었다. 본 연구는 현재 Data modeling을 통한 수위예측의 정확도 향상을 위해 기초가 되는 연구이나, 향후 다양한 형태의 활성화 함수를 제안하여 정확도를 향상시킨다면 예측 결과를 통하여 침수예보에 대한 의사결정이 가능할 것으로 기대된다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.10 no.11
• /
• pp.3104-3109
• /
• 2009

The technology of direction finding is very important to find the direction of emitters for ELINT(electronic intelligence) system. The principle of TDOA(time difference of arrival) is to receive an emitter signal with two antennas, measure the time difference between two antennas, and converse the time difference to direction difference. This technology can be used in broadband frequency system and make the system very simple because a phase-discriminator and a voltage comparator are not needed. For fine DF accuracy, high time resolution receiver and long basis line antennas are needed. The DF accuracy of noise added signals is simulated with different time

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.342-344
• /
• 2000

대부분 웹 검색엔진들의 검색결과로 수십 혹은 수백만건의 문서가 제시되어 사용자가 원하는 문서를 찾는데 어려움이 있다. 이러한 문제를 해결하기 위해 본 논문에서는 검색 결과의 브라우징을 위한 검색 결과 문서에 대한 자동 클러스터링 방법을 제안한다. 문서간 유사도를 계산하기 위해 공통 키워드 빈도를 이용하고, 클러스터링 방법은 계층적 클러스터링을 사용하고, 각 클러스터에 대한 디스트립터를 추출하기 위해 빈도를 이용한다. 실험 결과, 완전 연결 방법이 가장 나은 정확도를 보였지만 계산시간이 많이 소요되어 동적 환경에 부적합하다는 것을 보였다. 아울러 집단 평균 연결이 정확도나 계산 시간 측면에서 우수함을 알수 있었다.

• The Journal of the Korea Contents Association
• /
• v.8 no.10
• /
• pp.76-87
• /
• 2008

Prediction of travel time on road network is one of crucial research issue in dynamic route guidance system. A new approach based on Rule-Based classification is proposed for predicting travel time. This approach departs from many existing prediction models in that it explicitly consider traffic patterns during day time as well as week day. We can predict travel time accurately by considering both traffic condition of time range in a day and traffic patterns of vehicles in a week. We compare the proposed method with the existing prediction models like Link-based, Micro-T* and Switching model. It is also revealed that proposed method can reduce MARE (mean absolute relative error) significantly, compared with the existing predictors.