• 한국ITS학회 논문지
• /
• 제20권6호
• /
• pp.26-36
• /
• 2021

본 연구는 영상검지기에서 수집되는 정보를 활용하여 딥러닝 기반으로 대기행렬길이를 예측하는 모형을 개발하였다. 그리고 통계적 기법인 다중회귀 모형을 추정하여 평균절대오차와 평균제곱근오차의 두 지표를 이용하여 비교·평가하였다. 다중회귀분석 결과, 시간, 요일, 점유율, 버스 교통량이 유효한 변수로 도출되었고, 이 중에서 독립변수들의 종속변수에 대한 영향력은 점유율이 가장 큰 것으로 나타났다. 딥러닝 최적 모형은 은닉층이 4겹, Look Back이 6으로 결정되었고, 평균절대오차와 평균제곱근오차가 6.34와 8.99로 나타났다. 그리고 두 모형을 평가한 결과, 다중회귀 모형과 딥러닝 모형의 평균절대오차는 각각 13.65와 6.44, 평균제곱근오차는 각각 19.10과 9.11로 계산되었다. 이는 딥러닝 모형이 다중회귀 모형과 비교하여 평균절대오차가 52.8%, 평균제곱근오차는 52.3% 감소된 결과이다.

• 한국해양환경ㆍ에너지학회지
• /
• 제14권2호
• /
• pp.107-113
• /
• 2011

해수유동모델의 검증 및 평가를 위해 적용되는 또는 적용가능한 10종류의 모델 오차평가방법 - 네가지의 정량적 평가방법(절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 백분율모델오차)과 여섯가지의 정성적 평가방법(상관계수, 신뢰지수, 일치지수, 모델효율성, 비용함수, 잔여량계수) - 을 소개하고, 실제 조위, 유속, 염분관측치와 3차원 곡선형 모델(CH3D)에서 구해진 플로리다 하구에서의 수치해에 이들 모델 오차평가방법들을 적용하였다. 조위 및 유속평가시 절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 상관계수, 일치지수, 모델효율성, 비용함수, 잔여량계수 등이 적합하였다. 그리고 염분평가시 절대평균오차, 평균제곱근 오차, 상대적 절대평균오차, 백분율모델오차, 상관계수, 신뢰지수, 비용함수, 잔여량계수 등의 사용이 타당하였다. 정량/정성적 평가방법들이 서로 유사한 평가경향을 보여 줌으로써, 상호간의 신뢰성도 보여 주었다. 다양한 모델 오차평가방법을 통하여 계산된 평가값을 토대로, 본 연구에서는 조위, 유속, 염분이 잘 재현된 해수유동모델의 평가범위를 제시하였다. 조위의 경우 상대적 절대평균 오차는 10%이내, 상관계수는 0.95이상, 일치지수는 0.98이상, 모델효율성은 0.93이상, 비용함수는 0.21이내이며, 유속의 경우 상대적 절대평균오차는 20%이내, 상관계수는 0.7이상, 일치지수는 0.8이상, 모델효율성은 0.5이상, 비용 함수는 0.5이내이며, 염분의 경우 상대적 절대평균오차와 백분율모델오차는 10%이내, 상관계수는 0.9이상, 신뢰지수는 1.15이내, 비용함수는 0.1이내 이다.

• 한국측량학회지
• /
• 제26권2호
• /
• pp.139-147
• /
• 2008

GPS를 이용한 RTK(Real Time Kinematic) 측량의 경우 기준국으로부터 거리가 멀어짐에 따라 측위오차가 증가하는 문제점이 발생하게 된다. 이러한 문제점을 해결하기 위해 국토지리정보원은 네트워크 RTK의 일종인 VRS(Virtual Reference System) RTK 시스템을 구축하였다. 이 연구에서는 국토지리정보원에서 구축한 VRS RTK 시스템을 이용한 측량 정확도를 평가하였다. VRS 기준망 내부에 위치한 3등 기준점 50개소를 대상으로 VRS RTK 측량을 실시하고 그 결과를 3등 기준점 고시성과와 비교하는 방식으로 측위 정확도를 검증하였다. 또한 VRS RTK 측량과 동시에 단일 기준국을 이용한 일반 RTK 측량을 실시한 뒤 두 RTK 측량 방식의 측위오차를 비교하였다. 그 결과, VRS RTK 측량의 수평방향 평균제곱근오차는 평균 3.1cm, 일반 RTK 측량의 수평방향 평균제곱근오차는 평균 2.0cm로 1cm 정도의 편차만을 나타내는 것을 확인할 수 있었다. VRS RTK 측량의 수직방향 평균제곱근오차는 평균 6.8cm로 수평방향보다 크게 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.444-444
• /
• 2022

하천 수심 계측은 수심을 사람이 직접 계측하거나 초음파 기반 유속계 (ADCP) 등 최신 계측기기를 이용하여 간접적으로 계측을 실시하고 있다. 하지만 사람이 직접 하천에서 수심을 측정하는 것은 위험이 동반되고, 수심자료의 측정오차가 크게 발생한다. 따라서 수심측정에서 직접 측정 방식의 한계를 극복하기 위해, 초분광 영상의 반사도와 수심이 높은 상관관계를 보이는 것을 활용하여, 초분광 영상 기반 수심 산정 기법을 개발하였다. 초분광 영상 기반 수심 산정 기법은 복수의 파장이 존재하는 초분광영상으로부터 두 개의 파장대의 밴드를 추출하여 모든 경우의 수에 대해 밴드비를 산정한 후, 실측수심과 밴드비 간의 회귀분석을 실시하여 상관계수가 가장 높은 회귀식을 찾아내는 방식이 최적 밴드비 분석법에 기반한다. 최적 밴드비 분석법을 통해 획득된 높은 상관성의 밴드비-수심 관계식을 이용하여 수심을 추정할 수 있다. 이러한 방법은 직접 수심 측정 방식에 비해, 높은 해상도와 밀도, 양질의 데이터를 수집할 수 있는 장점이 있다. 과거 연구에 따르면 저수심부에서의 높은 정확도의 수심추정 결과를 보였지만, 고수심부에서는 실측수심과의 오차도 높아지는 등 정확성이 떨어지는 경향을 보인다. 따라서 본 연구에서는 보다 효율적인 수심계측을 할 수 있도록 최적 밴드비 분석법을 활용한 수심추정에서 신뢰성 있는 수심의 범위를 파악할 수 있는 방법을 제시하고자 한다. 본 연구에서는 대상지역으로 낙동강 본류와 황강 지류 합류부로 선정하였고, 초음파 기반 유속계(ADCP)와 드론을 활용하여 실측수심과 초분광 영상을 취득하였다. 민감도 분석을 위한 수심자료를 0.5m 단위로 분할하였으며, 구간별로 최적 밴드비 분석을 실시하였다. 그 결과, 구간별로 산정된 상관계수와 평균제곱근오차 (RMSE)를 통해 정확도가 높은 구간을 구별할 수 있었다. 또한 해당 구간을 초과하는 수심은 초분광 영상을 통해 추정이 어려운 것으로 판단되며, 분석한 구간까지를 최대 추정 가능 수심으로 정의하였다. 마지막으로 검증을 위해 최대추정가능수심으로 판단된 구간까지의 데이터만 활용하여 최적 밴드비 분석법을 적용하여 상관계수나 평균제곱근오차 결과의 개선여부 확인을 통해, 본 연구에서 제시한 방법이 정확한 최대추정가능수심 구간을 산정할 수 있는지 확인하였다.

• 한국정보통신학회논문지
• /
• 제11권1호
• /
• pp.46-55
• /
• 2007

다음은 부동소수점 역수 및 역제곱근 계산에 많이 사용하는 뉴톤-랍손 알고리즘은 일정한 횟수의 곱셈을 반복하여 계산한다. 본 논문에서는 뉴톤-랍손 알고리즘의 반복 과정의 오차를 예측하여 오차가 정해진 값보다 작아지는 시점까지 반복 연산하는 개선된 뉴톤-랍손 알고리즘을 제안한다. 본 논문에서 제안한 알고리즘은 입력 값에 따라서 곱셈 횟수가 다르므로, 평균 곱셈 횟수를 계산하는 방식을 유도하고, 여러 크기의 근사 테이블에서 단정도실수 및 배정도실수의 역수 및 역제곱근 계산에 필요한 평균 곱셈 횟수를 산출한다. 이들 평균 곱셈 횟수를 종래 알고리즘과 비교하여 본 논문에서 제안한 알고리즘의 우수성을 증명한다. 본 논문에서 제안한 알고리즘은 오차가 일정한 값보다 작아질 때까지만 반복 연산을 수행하므로 역수 및 역제곱근 계산기의 성능을 높일 수 있고 최적의 근사 테이블을 구성할 수 있다. 본 논문의 연구 결과는 디지털 신호처리, 컴퓨터 그라픽스, 멀티미디어, 과학 기술 연산 등 부동소수점 계산기가 사용되는 분야에서 폭 넓게 사용될 수 있다.

• 한국방재안전학회논문집
• /
• 제13권2호
• /
• pp.27-38
• /
• 2020

최근 국내에서는 다양한 이상기후들이 발생하고 있으며 이로 인해 인명피해, 재산피해와 같은 큰 피해들이 발생하고 있다. 그 중에서도 폭염으로 인한 피해는 점점 증가하는 경향을 보인다. 이에 대처하기 위해서는 빠르고 정확한 기온 및 폭염발생여부 예측이 필수적이다. 현재 기상청에서는 폭염에 대한 정보를 단기예보를 통해 제공하는데, 단기예보를 위한 기온예측은 수치예보모델을 통해 수행된다. 과거 15년간(1998~2012년) 인구대비 폭염 사망률이 가장 높았던 ◯◯군에 대하여 2019년도 기온 예보자료와 관측 자료를 비교한 결과, 평균제곱근오차가 1.57℃ 발생하였고, 관측 값이 33℃이상에 해당하는 데이터만 비교한 결과, 평균제곱근오차가 1.96℃ 발생하였다. 예보시간은 4시간이고 예보과정에는 약 3~4시간이 소요된다. 이에 본 연구에서는 소요시간과 예측 정확도를 고려하여, 기계학습방법의 일종인 LSTM을 이용한 기온 및 폭염발생 예측 방법론을 제시한다. 기계학습모델을 이용한 4시간 기온예측결과 1.71℃의 평균제곱근오차가 발생하였고, 관측 값이 33℃ 이상에 해당하는 데이터만 비교한 결과 1.39℃의 평균제곱근오차가 발생하였다. 전 범위의 오차는 수치예보모델이 더 작은 값을 가지지만, 33℃이상의 경우에는 기계학습모델 예측의 정확도가 더 높았다. 또한 수치예보를 이용한 경우 예상 소요시간이 4시간가량인 반면 기계학습을 이용한 기온예측에는 평균 9분26초의 시간이 소요되어 경제적이라 판단하였다. 향후 공간적인 범위를 확대하거나 대상 지역을 변경하는 일반적인 방안에 대해서 연구를 수행하고자 한다.

• 한국융합학회논문지
• /
• 제7권5호
• /
• pp.175-180
• /
• 2016

광기전공학 기술이 융합된 광학계의 발달은 광학계를 구성하는 부품의 표면이 비구면 또는 자유곡면으로 진화하고 있다. 본 논문에서는 광학식 자유곡면의 국부영역으로부터 직교하는 2방향의 곡률을 정의하여 전체 형상을 복원하는 알고리즘을 제안하였다. 8.4 m 자유곡면 형상을 가진 반사거울에 구현된 알고리즘을 적용한 결과 형상 복원 최대오차 0.065 nm, 평균제곱근 오차 0.013 nm로 복원됨을 확인하였다. 프루브의 위치오차 발생에 대한 노이즈 민감도를 해석한 결과, 2 mm 오차에 대해서도 형상복원 최대오차 30 nm, 제곱평균제곱근 오차 8.7 nm로 위치 오차에 매우 둔감한 알고리즘임을 확인하였다.

• 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.

• 응용통계연구
• /
• 제26권6호
• /
• pp.943-952
• /
• 2013

신뢰구간 추정에 널리 사용되고 있는 Wald, Agresti-Coull, 그리고 베이지안 방법인 Jeffrey와 Bayes-Laplace를 예측구간에 적용하였다. 네 가지 방법의 수치적 비교를 위해서 포함확률, 평균포함확률, 평균제곱오차의 제곱근, 그리고 평균기대폭을 사용하였다. 비교결과 Wald 방법은 신뢰구간에서와 마찬가지로 예측구간에서도 바람직하지 않았고 신뢰구간에서 선호되던 Agresti-Coull 방법은 예측구간에서는 너무 보수적이라 적절치 않다. 반면에 Jeffrey와 Bayes-Laplace 방법은 적절하였고, 특히 Jeffrey 방법은 신뢰구간의 경우에서와 마찬가지로 예측구간에서도 바람직하였다.

• 응용통계연구
• /
• 제34권4호
• /
• pp.579-588
• /
• 2021

신뢰구간 추정에 널리 사용되고 있는 Wald, Agresti-Coull, 그리고 베이지안 방법인 Jeffrey와 Bayes-Laplace를 예측구간에 적용하였다. 네 가지 방법의 수치적 비교를 위해서 포함확률, 평균포함확률, 평균제곱오차의 제곱근, 그리고 평균기대폭을 사용하였다. 비교결과 Wald 방법은 신뢰구간에서와 마찬가지로 예측구간에서도 바람직하지 않았고 신뢰구간에서 선호되던 Agresti-Coull 방법은 예측구간에서는 너무 보수적이라 적절치 않다. 반면에 Jeffrey와 Bayes-Laplace 방법은 적절하였고, 특히 Jeffrey 방법은 신뢰구간의 경우에서와 마찬가지로 예측구간에서도 바람직하였다.