• 한국수자원학회논문집
• /
• 제39권8호
• /
• pp.677-690
• /
• 2006

본 연구에서는 LH-OAT (Latin Hypercube Ore factor At a Time) 민감도분석 방법과 SCE-UA (Shuffled Complex Evolution at University of Arizona) 최적화 기법을 적용하여 보청천 유역에서 SWAT모형에 대한 자동보정 방법을 제시하였다. LH-OAT 방법은 전역 민감도분석과 부분 민감도 분석의 장점을 조합하여 가용매개변수 공간에 대하여 효율적으로 매개변수의 민감도 분석이 가능하게 하였다. LH-OAT민감도 분석으로부터 결정된 매개변수의 민감도 등급은 SWAT 모형의 자동보정 과정에서 요구되는 보정대상 매개변수의 선택에 유용하게 적용될 수 있다. SCE-UA 방법을 적용한 SWAT모형의 자동보정 해석결과는 보정자료, 보정매개변수, 통계적 오차의 선택에 따라서 모형의 성능이 좌우되었다. 보정기간과 보정매개변수가 증가함에 따라 검증기간에 대한 RMSE (Root Mean Square Error), NSEF (Nash-Sutcliffe Model Efficiency), RMAE (Relative Mean Absolute Error), NMSE (Normalized Mean Square Error) 등의 모형오차는 감소하였지만, NAE (Normalized Average Error) 및 SDR(Standard Deviation Ratio)은 개선되지 않았다. SWAT모형의 보정에 적용되는 보정자료, 보정매개변수 및 모형평가를 위한 통계적 오차 선택이 해석결과에 미치는 복잡한 영향을 이해하기 위하여 다양한 대표유역을 대상으로 추가적인 연구가 필요하다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.120-126
• /
• 2019

최근 에너지 인터넷에서 지능형 원격검침 인프라를 이용하여 확보된 대량의 전력사용데이터를 기반으로 효과적인 전력수요 예측을 위해 다양한 기계학습기법에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 전력량 데이터와 같은 시계열 데이터에 대해 효율적으로 패턴인식을 수행하는 인공지능 네트워크인 Gated Recurrent Unit(GRU)을 기반으로 딥 러닝 모델을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 제안한 학습 모델의 예측 성능과 기존의 Long Short Term Memory (LSTM) 인공지능 네트워크 기반의 전력량 예측 성능을 비교하며, 성능평가 지표로써 Mean Squared Error (MSE), Mean Absolute Error (MAE), Forecast Skill Score, Normalized Root Mean Squared Error (RMSE), Normalized Mean Bias Error (NMBE)를 이용한다. 실험 결과에서 GRU기반의 제안한 시계열 데이터 예측 모델의 전력량 수요 예측 성능이 개선되는 것을 확인한다.

• 환경영향평가
• /
• 제29권4호
• /
• pp.272-285
• /
• 2020

본 연구에서는 3차원 기상 및 대기질 모델의 입출력 자료를 평가하는 데 필요한 통계 검증지표를 선별하고, 선정된 검증지표의 기준치를 조사하여 그 결과를 요약하였다. 여러 국내외 문헌과 최근 논문 검토를 통해 최종 선정된 통계 검증지표는 MB (Mean Bias), ME (Mean Error), MNB (Mean Normalized Bias Error), MNE (Mean Absolute Gross Error), RMSE (Root Mean Square Error), IOA (Index of Agreement), R (Correlation Coefficient), FE (Fractional Error), FB (Fractional Bias)로 총 9가지이며, 국내외 문헌을 통해 그 기준치를 확인하였다. 그 결과, 기상모델의 경우 대부분 MB와 ME가 주요 지표로 사용되어 왔고, 대기질 모델 결과는 NMB와 NME 지표가 주로 사용되었으며, 그 기준치의 차이를 분석하였다. 아울러 이들 통계 검증지표값을 이용하여 모델 예측 결과를 효과적으로 비교하기 위한 표출 도식으로 축구 도식, 테일러 도식, Q-Q (Quantile-Quantile) 도식의 장단점을 분석하였다. 나아가 본 연구 결과를 기반으로 우리나라의 산악지역의 특수성 등이 잘 고려된 통계 검증지표의 기준치 설정 등의 추가연구가 효과적으로 진행될 수 있기를 기대한다.

• 한국통신학회논문지
• /
• 제24권6B호
• /
• pp.1203-1210
• /
• 1999

적응필터에서는 기준 입력신호와 상관없는 원신호의 목표신호 성분에 의해서 적응필터의 계수가 오조정된다. 본 논문에서는 목표신호가 있는 경우에 대해서 NSA(normalized sign algorithm)의 정상상태 성능과 수렴특성을 NLMS 알고리즘과 비교 분석했다. NLMS 알고리즘의 평균자승오차는 목표신호의 전력에 비례하지만, NSA는 목표신호 전력의 제곱근에 비례한다. 수렴특성은 목표신호가 큰 경우 NSA는 NLMS 알고리즘에 비해서 느리게 적응한다. 본 논문에서는 이론적으로 분석된 정상상태 성능과 수렴특성을 컴퓨터 시뮬레이션을 통해서 검증한다.

• Structural Engineering and Mechanics
• /
• 제81권5호
• /
• pp.565-574
• /
• 2022

The infrastructures such as offshore, bridges, power plant, oil and gas piping and aircraft operate in a harsh environment during their service life. Structural integrity of engineering components used in these industries is paramount for the reliability and economics of operation. Two regression models based on the concept of Gaussian process regression (GPR) and Minimax probability machine regression (MPMR) were developed to predict stress intensity factor range (𝚫K). Both GPR and MPMR are in the frame work of probability distribution. Models were developed by using the fatigue crack growth data in MATLAB by appropriately modifying the tools. Fatigue crack growth experiments were carried out on Eccentrically-loaded Single Edge notch Tension (ESE(T)) specimens made of API 5L X65 Grade steel in inert and corrosive environments (2.0% and 3.5% NaCl). The experiments were carried out under constant amplitude cyclic loading with a stress ratio of 0.1 and 5.0 Hz frequency (inert environment), 0.5 Hz frequency (corrosive environment). Crack growth rate (da/dN) and stress intensity factor range (𝚫K) values were evaluated at incremental values of loading cycle and crack length. About 70 to 75% of the data has been used for training and the remaining for validation of the models. It is observed that the predicted SIF range is in good agreement with the corresponding experimental observations. Further, the performance of the models was assessed with several statistical parameters, namely, Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Coefficient of Efficiency (E), Root Mean Square Error to Observation's Standard Deviation Ratio (RSR), Normalized Mean Bias Error (NMBE), Performance Index (ρ) and Variance Account Factor (VAF).

• Bulletin of the Korean Chemical Society
• /
• 제28권9호
• /
• pp.1472-1476
• /
• 2007

Artificial neural networks (ANNs) are successfully developed for the modeling and prediction of normalized polarity parameter (ETN) of 216 various solvents with diverse chemical structures using a quantitative-structure property relationship. ANN with architecture 5-9-1 is generated using five molecular descriptors appearing in the multi-parameter linear regression (MLR) model. The most positive charge of a hydrogen atom (q+), total charge in molecule (qt), molecular volume of solvent (Vm), dipole moment (μ) and polarizability term (πI) are input descriptors and its output is ETN. It is found that properly selected and trained neural network with 192 solvents could fairly represent the dependence of normalized polarity parameter on molecular descriptors. For evaluation of the predictive power of the generated ANN, an optimized network is applied for prediction of the ETN values of 24 solvents in the prediction set, which are not used in the optimization procedure. Correlation coefficient (R) and root mean square error (RMSE) of 0.903 and 0.0887 for prediction set by MLR model should be compared with the values of 0.985 and 0.0375 by ANN model. These improvements are due to the fact that the ETN of solvents shows non-linear correlations with the molecular descriptors.

• 소성∙가공
• /
• 제23권7호
• /
• pp.446-452
• /
• 2014

In the current study finite element forming analysis is performed to understand the final geometric accuracy limitations for the stamping of an automotive S-rail from four different steel sheets having tensile strengths of 340MPa, 440MPa, 590MPa and 780MPa. Comparisons between the analysis and the experiments for both springback and formability as measured by the amount of edge draw-in and the thickness distribution were conducted. The springback modes were classified according to a scheme proposed in the current investigation and the error was calculated using the normalized root mean square error method. While the analysis results show fairly good agreement with the experimental data for deformation and formability, the simulation accuracy is lower for predicting wall curl, camber and section twist as the UTS of steel sheet increases.

• 한국정밀공학회지
• /
• 제28권6호
• /
• pp.663-669
• /
• 2011

This paper examines methods to estimate torque and angle in shoulder flexion from surface electromyography(sEMG) signals for intuitive and delicate control of robotic assistance device. Five muscles on the upper arm, three for shoulder flexion and two for shoulder extension, were used to offer favorable sEMG recording conditions in the estimation. The methods tested were the mean absolute value (MAV) with linear regression and the artificial neural network (ANN) method. An optimal condition was sought by varying combination of muscles used and the parameters in each method. The estimation performance was evaluated using the correlation values and normalized root mean square error values. In addition, we discussed their possible use as an estimation of motion intent of a user or as a command input in a physical human-machine interaction system.

• 한국농공학회논문집
• /
• 제53권4호
• /
• pp.67-74
• /
• 2011

The objectives of this study were to assess the rice yields and evaluate fertilizer reduction effect of reclaimed wastewater irrigation in paddy fields using the Decision Support System for Agrotechnology Transfer (DSSAT) v4.5 model. The experimental plots were designed, which was located near the Suwon wastewater treatment plant in Gyeonggi-do, Korea. The rice yield, irrigation amount, irrigation water quality and soil data were monitored and collected between 2006 and 2009. The DSSAT model was calibrated and validated with observed data. The methods that were used to evaluate this model were the root mean square error (RMSE), normalized root mean square error (nRMSE), and index of agreement (d). The values of RMSE, nRMSE, and d ranged from 145 to $789\;kg\;ha^{-1}$, 3.0 to 13.3 %, and 0.90 to 0.95 for the calibration period, respectively and represented from 91 to $538\;kg\;ha^{-1}$, 2.0 to 10.4 %, 0.94 to 0.98 for the validation period, respectively. Overall, this model showed good agreement with observed data of rice yields irrigated with reclaimed wastewater. The fertilizer reduction effect in paddy field of reclaimed wastewater irrigation was assessed about 60 % in 2008 and 40 % in 2009.

• 한국농림기상학회지
• /
• 제26권2호
• /
• pp.115-125
• /
• 2024

바람은 농업환경에 주요한 영향을 주는 기상요소이며, 강풍은 낙과, 시설물 파괴 등의 피해를 일으킨다. 본 연구는 LENS에 물리모델을 적용해서 농경지에 활용될 수 있는 저고도 풍속예측을 진행하였다. 물리모델은 LOG, POW가 사용되었고 지표 변수에 대해서는 환경부지표와 MODIS 지표를 따로 적용하였다. 농촌진흥청에서 운영하는 2022년도 3 m 고도의 바람 및 강풍 자료를 수집하고 검증을 진행하였고 결과를 산점도, 상관계수, RMSE, NRMSE, TS로 나타내었다. 풍속비교 4가지 방법의 결과에서 모델이 관측보다 더 크게 예측하고 있음을 확인할 수 있었다. 강풍 기준 값이 3 m s^-1 일 때, TS 가 약 0.65 정도로 나타났다. 결과는 RMSE와 NRMSE에서는 LOG_L, LOG_M, POW_L, POW_M 순으로 좋게 나타났고 상관계수와 TS에서는 역순으로 좋게 나타났다. 이러한 결과는 정해진 강풍 기준을 추가하여, 농경지 바람 및 강풍확률예측 연구에 도움이 될 것으로 기대된다.