• 한국농공학회논문집
• /
• 제51권1호
• /
• pp.1-9
• /
• 2009

The objective of this paper was to evaluate the auto-calibration with multi-objective optimization method to calibrate the parameters of the Soil and Water Assessment Tool (SWAT) model. The model was calibrated and validated by using nine years (1996-2004) of measured data for the 384-ha Baran reservoir subwatershed located in central Korea. Multi-objective optimization was performed for sixteen parameters related to runoff. The parameters were modified by the replacement or addition of an absolute change. The root mean square error (RMSE), relative mean absolute error (RMAE), Nash-Sutcliffe efficiency index (EI), determination coefficient ($R^2$) were used to evaluate the results of calibration and validation. The statistics of RMSE, RMAE, EI, and $R^2$ were 4.66 mm/day, 0.53 mm/day 0.86, and 0.89 for the calibration period and 3.98 mm/day, 0.51 mm/day, 0.83, and 0.84 for the validation period respectively. The statistical parameters indicated that the model provided a reasonable estimation of the runoff at the study watershed. This result was illustrated with a multi-objective optimization for the flow at an observation site within the Baran reservoir watershed.

• Journal of Forest and Environmental Science
• /
• 제39권4호
• /
• pp.195-202
• /
• 2023

In this study, we sought to compare and evaluate the accuracy and predictive performance of machine learning algorithms for estimating the growth of individual Larix kaempferi trees in Gangwon Province, Korea. We employed linear regression, random forest, XGBoost, and LightGBM algorithms to predict tree growth using monitoring data organized based on different thinning intensities. Furthermore, we compared and evaluated the goodness-of-fit of these models using metrics such as the coefficient of determination (R²), mean absolute error (MAE), and root mean square error (RMSE). The results revealed that XGBoost provided the highest goodness-of-fit, with an R² value of 0.62 across all thinning intensities, while also yielding the lowest values for MAE and RMSE, thereby indicating the best model fit. When predicting the growth volume of individual trees after 3 years using the XGBoost model, the agreement was exceptionally high, reaching approximately 97% for all stand sites in accordance with the different thinning intensities. Notably, in non-thinned plots, the predicted volumes were approximately 2.1 m³ lower than the actual volumes; however, the agreement remained highly accurate at approximately 99.5%. These findings will contribute to the development of growth prediction models for individual trees using machine learning algorithms.

• Computers and Concrete
• /
• 제34권4호
• /
• pp.477-487
• /
• 2024

The in-situ stresses of concrete are an essential index for assessing the safety performance of concrete structures. Conventional methods for pore pressure release often face challenges in selecting drilling ring parameters, uncontrollable stress release, and unstable detection accuracy. In this paper, the parameters affecting the results of the concrete ring hole stress release method are cross-combined, and finite elements are used to simulate the combined parameters and extract the stress release values to establish a training set. The GridSearchCV function is utilized to determine the optimal hyperparameters. The mean absolute error (MAE), root mean square error (RMSE), and coefficient of determination (R²) are used as evaluation indexes to train the gradient boosting decision tree (GBDT) algorithm, and the other three common algorithms are compared. The RMSE of the GBDT algorithm for the test set is 4.499, and the R² of the GBDT algorithm for the test set is 0.962, which is 9.66% higher than the R² of the best-performing comparison algorithm. The model generated by the GBDT algorithm can accurately calculate the concrete in-situ stresses based on the drilling ring parameters and the corresponding stress release values and has a high accuracy and generalization ability.

• 한국측량학회지
• /
• 제33권3호
• /
• pp.145-153
• /
• 2015

This study aims to accurately estimate population distribution more specifically than administrative unites using a RK (Regression-Kriging) model. The RK model is the areal interpolation technique that involves linear regression and the Kriging model. In order to estimate a population’s distribution using a sample region, four different models were used, namely; a regression model, RK model, OK (Ordinary Kriging) model and CK (Co-Kriging) model. The results were then compared with each other. Evaluation of the accuracy and validity of evaluation analysis results were the basis RMSE (Root Mean Square Error), MAE (Mean Absolute Error), G statistic and correlation coefficient (ρ). In the sample regions, every statistic value of the RK model showed better results than other models. The results of this comparative study will be useful to estimate a population distribution of the metropolitan areas with high population density

• 한국태양에너지학회 논문집
• /
• 제30권2호
• /
• pp.16-21
• /
• 2010

Computer simulation of buildings and solar energy systems are being used increasingly in energy assessments and design. This paper discusses the possibility of using sunshine duration data instead of global hourly solar irradiation (GHSI) data for localities with abundant data on sunshine duration. For six locations in South Korea where global radiation is currently measured, the global radiation was calculated using Sunshine Duration Radiation Model (SDRM), compared and analyzed. Results of SDRM has been compared with the measured data on the coefficients of determination (R2), root-mean-square error (RMSE) and mean bias error (MBE). This study recommends the use of sunshine duration based irradiation models if measured solar radiation data is not available.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.68-68
• /
• 2022

코로나바이러스는(COVID-19)는 2019년 12일 중국 후베이성 우한시에서 시작된 코로나바이러스감염증으로 2020년 1월부터 전 세계로 퍼져, 일부 국가 및 지역을 제외한 대부분의 나라와 모든 대륙으로 확산되었다. 이에 WHO는 범 유행전염병(Pandemic)을 선언하였다. 2022년 3월 18일 현재 국내 누적 확진환자 8,657,609명과 11,782명의 사망자를 일으켰고 전 세계적으로도 많은 사상자를 내고 있는 실정이고 사회 및 경제적인 피해로도 계속 확대되고 있다. 많은 감염자와 사망자의수에 대한 예측은 코로나바이러스의 전염병을 예방하고 즉각적 조치를 취할 수 있는데 도움이 될 수 있다. 본 연구에서는 문화적 인자를 제외한 국내에서 연구 사례가 많지 않은 기상 요인을 인자로 포함하여 머신러닝 모델을 통해 확진자를 예측하였다. 그리고 여러 가지 모델을 성능 평가 기법인 Root Mean Square Error(RMSE) 및 Mean Absolute Percentage Error(MAPE)를 통해 성능을 평가하고 비교하여 정확도 높은 모델을 제시하였다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제16권3호
• /
• pp.236-241
• /
• 2024

Due to the recent emphasis on carbon neutrality and environmental regulations, the global electric vehicle (EV) market is experiencing rapid growth. This surge has raised concerns about the recycling and disposal methods for EV batteries. Unlike traditional internal combustion engine vehicles, EVs require unique and safe methods for the recovery and disposal of their batteries. In this process, predicting the lifespan of the battery is essential. Impedance and State of Charge (SOC) analysis are commonly used methods for this purpose. However, predicting the lifespan of batteries with complex chemical characteristics through electrical measurements presents significant challenges. To enhance the accuracy and precision of existing measurement methods, this paper proposes using a Long Short-Term Memory (LSTM) model, a type of deep learning-based recurrent neural network, to diagnose battery performance. The goal is to achieve safe classification through this model. The designed structure was evaluated, yielding results with a Mean Absolute Error (MAE) of 0.8451, a Root Mean Square Error (RMSE) of 1.3448, and an accuracy of 0.984, demonstrating excellent performance.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.525-533
• /
• 2019

무인항공사진측량을 이용한 지도제작의 지형·지물 묘사 방법에는 벡터화와 수치도화 방법이 있다. 벡터화 방법은 정사영상에서 평면위치를 추출하고, 수치표면모델(DSM: Digital Surface Model) 혹은 수치표고모델(DEM: Digital Elevation Model)에서 높이 값을 취득하고 있다. 그러나 지금까지 벡터화 성과의 정확도는 대부분 검사점만을 이용하여 분석하고 있어 지상시설물과 건물 등 3차원 지물의 위치정확도 판단이 어렵다. 이에 본 연구에서는 검사점 뿐만 아니라 지형·지물의 Layer별 모서리에 대한 정확도를 분석하여 벡터화를 이용한 3차원 공간정보취득 및 수치지도제작 가능성을 판단하고자 하였다. 촬영은 DJI사 Phantom 4 pro로 비행고도 90m에서 GSD (Ground Sample Distance) 3.6cm의 영상을 취득하였다. 연구 결과, 벡터화에 의한 묘사의 정확도는 현장측량 성과와 비교하여 검사점의 잔차를 분석한 결과 평면 RMSE (Root Mean Square Error)가 0.045m로 나타나 정사영상을 이용한 1/1,000 축척의 수치지형(평면)현황도 제작이 가능할 것으로 판단된다. 반면 전주, 옹벽 및 건물 등 Layer별 모서리 좌표를 기준자료와 비교하여 3차원 정확도를 분석한 결과 RMSE가 평면 0.068~0.162m, 표고 0.090~1.840m로 나타났다. 따라서 벡터화로 취득한 3차원 성과의 표고위치에서 오차가 크게 발생하여 벡터화를 이용한 3차원 공간정보 취득 및 1/1,000 수치지도제작이 어려운 것으로 판단된다.

• 한국지리정보학회지
• /
• 제16권3호
• /
• pp.103-114
• /
• 2013

본 연구에서는 아리랑위성 2호 영상자료를 이용하여 한반도 전역에 대한 정사모자이크영상을 생성하고 정확도 평가를 실시하였다. Rational Polynomial Coefficient(RPC) 모델링 결과 지상기준점(Ground Control Point : GCP) 선점이 힘든 산악지역 등을 제외하고는 대부분 2화소 이내로 나타났다. 정사영상 제작에는 축척 1:5,000 수치지형도를 이용하여 제작한 수치고도모델(Digital Elevation Model : DEM)이 사용되었는데, 수치지형도가 존재하지 않는 접근불능지역의 경우 Shuttle Radar Topography Mission(SRTM) DEM이 사용되었다. 한편 한반도 정사모자이크영상은 정사영상 집성과 색상보정을 통해 생성되었으며, 모자이크영상에 대한 정확도 분석은 1m 칼라 합성영상에 대해 실시하였다. 위치정확도 검증을 위하여 남한지역에서 현지측량을 통해 확보한 813 검사점(Check Point)이 사용되었으며 Root Mean Square Error(RMSE) 계산을 통하여 최대 5m 이내의 오차가 확인되었다. 한편 접근불능지역 경우 참조영상(Reference Image) 에서 추출한 검사점을 이용하여 정확도 분석을 실시하였는데 3m(RMSE) 이내의 위치정확도를 가지는 영상이 약 69% 정도 되는 것으로 확인되었다. 또한 인접영상과의 접합정확도 육안평가에서는 일부 산악지역에서의 약 1~2 화소 이격을 제외하고는 잘 일치하고 있는 것으로 확인되었다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.475-491
• /
• 2021

최근 사용 가능한 고해상도 위성 SAR 영상이 다양해지면서, 변화 탐지를 포함한 다양한 분야에서 SAR 영상에 대한 정밀 정합 요구가 높아지고 있다. 다중 관측각 환경에서의 고해상도 SAR 영상간 정합은 SAR 영상의 특성상 발생하는 스펙클 노이즈, 기하 왜곡 등에 의해 어려움이 있다. 본 연구에서는 독일 TerraSAR-X의 staring spotlight 모드로 촬영된 고해상도 SAR 영상을 활용하여, 개략정합 단계와 정밀정합 단계의 2단계에 걸친 영상정합 알고리즘을 제안하였다. 개략정합 단계에서는 적응형 샘플링 기법과 SAR-SIFT(Scale Invariant Feature Transform)를 결합하여 정합을 수행하였고, 정밀정합 단계에서는 3가지의 강성 정합 기법인 NCC(Normalized Cross Correlation), PC (Phase Congruency)-NCC, MI (Mutual Information) 기법과 비강성 정합 기법인 Gefolki (Geoscience extended Flow Optical Flow Lucas-Kanade Iterative)를 적용하여 정합 성능을 비교 분석하였다. 정합 결과는 RMSE (Root Mean Square Error)와 FSIM (Feature Similarity) 지수를 사용하여 정량적인 비교를 수행하였다. 사용한 모든 영상 조합에서 강성정합 기법은 Gefolki 알고리즘에 비해 저조한 정합 성능을 보였다. 강성정합 모델들은 지형기복이 큰 지역에서 정합오차가 크게 발생함을 확인할 수 있었다. Gefolki 알고리즘 적용 결과, RMSE 1~3화소를 보이며 가장 우수한 결과를 확인하였으며, FSIM 지수 또한 다른 기법에 비해 0.02~0.03 이상 높은 값을 취득했다. 다중 관측각 영상에서의 고해상도 SAR 영상 간 정합 성능을 비교하였으며, 강성정합 기법에 비해 Gefolki 알고리즘을 통해 지형효과를 충분히 줄일 수 있음을 확인했다. 이는 추후 변화탐지를 포함한 다양한 분야의 전 처리 과정에 효과적으로 사용될 수 있을 것으로 기대된다.