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.
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.
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.
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.
Murthy, A. Ramachandra;Vishnuvardhan, S.;Saravanan, M.;Gandhi, P.
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).
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.