• 산업기술연구
• /
• 제20권A호
• /
• pp.159-167
• /
• 2000

In the study rainfall frequency analysis attemped the many specific property data record duration it is differance from occur to error-term and probability ditribution of concern manifest. error-term analysis of method are fact sample data using method in other hand it is not appear to be fault that sample data of number to be small random variates. Therefore, day-rainfall data: to randomicity consider of this study sample data to the Monte Carlo method by randomize after data recode duration of form was choice method which compared an assumed maternal distribution from splitting frequency analysis consequence. In the conclusion, frequency analysis of chuncheon region rainfall appeared samll RMSE to the Gamma II distribution. In the rainfall frequency analysis estimate RMSE using random variates great transform, RMSE is appear that return period increasing little by little RMSE incresed and data number incresing to RMSE decreseing.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.309-316
• /
• 2017

야구에서 승률 추정은 매우 중요한 문제이며 현재 이 분야에 대한 연구가 활발하게 진행되고 있다. 쌍별 승률추정은 팀대 팀의 경기결과를 이용하여 전체 승률을 추정하는 방법으로써 각 팀들의 추정된 승률의 합이 상수가 된다는 타당성을 가진다. 본 연구에서는 한국프로야구에서 피타고라스 승률과 선형 승률에 쌍별 추정을 적용하고 효율성을 RMSE와 MAD를 이용하여 살펴보았다. 사용된 데이터는 2013년부터 2016년 사이의 모든 한국프로야구 팀대 팀 기록이며, 그 결과 쌍별 피타고라스 추정이 기존의 방법들보다 RMSE와 MAD 측면에서 바람직하다고 간주되었다. 또한 쌍별 피타고라스 추정에 사용되는 바람직한 지수 값의 결정에 대하여 설명하였으며 추정에 사용된 지수 값의 변화에 따른 RMSE와 MAD의 차이는 크지 않음을 알 수 있었다.

• 대한공간정보학회지
• /
• 제16권1호
• /
• pp.57-65
• /
• 2008

본 연구에서는 시 군 구 경계지역의 지적도면 전산화 데이터와 현황을 참조할 수 있는 데이터를 이용하여 대상 지역에서의 지적불부합지 실태를 분석하여 봄으로써 향후 행정경계 지역에서의 지적불부합지 정리를 위한 기초자료를 제공하고자 하였다. 조사지역의 지적불부합 실태를 조사한 결과, 행정경계 주변지역의 지적불부합 정도는 X좌표의 RMSE가 ${\pm}3.15m$, Y좌표의 RMSE가 ${\pm}2.85m$로 산출되었고, 행정경계 비주변 지역은 X좌표의 RMSE가 ${\pm}1.33m$, Y좌표의 RMSE가 ${\pm}0.75m$로 산출되어 행정구역 경계지역에서 지적불부합지가 많이 발생되고 있음을 확인 할 수 있었다.

• 한국운동역학회지
• /
• 제13권1호
• /
• pp.1-12
• /
• 2003

The purpose of this study was to design the method of 3D space calibration to reduce RMSE by statistical analysis when using the DLT algorithm and control frame. Control frame for 3D space calibration was consist of $1{\times}3{\times}2m$ and 162 contort points adhere to it. For calculate of 3D coordination used two methods about 2D coordination on image frame, 2D coordinate on each image frame and mean coordination. The methods of statistical analysis used one-way ANOVA and T-test. Significant level was ${\alpha}=.05$. The compose of methods for reduce RMSE were as follow. 1. Use the control frame composed of 24-44 control points arranged equally. 2. When photographing, locate control frame to center of image plane(image frame) o. use the lens of a few distortion. 3. When calculate of 3D coordination, use mean of 2D coordinate obtainable from all image frames.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2004년도 학술발표회
• /
• pp.527-531
• /
• 2004

본 연구에서는 미국 환경청에서 개발하여 유역 오염총량관리를 위한 수질모형으로 이용되고 있는 HSPF 모형을 선정하여 발안 $HP\#6$ 시험유역을 내상으로 모형의 적용성을 분석하였다. HSPF 모형을 이용하여 $HP\#6$ 시험유역에서 모형의 보정기간인 1996년부터 1997년까지 유출량을 모의한 겉과, RMSE는 2.1mm, RMAE는 0.4mm, $R^2$는 0.92로 모의되었으며, 모형의 검정기간인 1999년부터 2000년의 모의 길과 RMSE는 6.03mm, RMAE는 0.49mm, $R^2$는 0.84로 모의되었다. 총질소에 대한 모형의 보정결과 RMSE는 0.086kg/ha/day, RMAE는 0.534kg/ha/day, $R^2$는 0.812로 나타났으며, 모형의 검정결과 RMSE는 0.326kg/ha/day, RMAE는 0.708kg/ha/day, $R^2$는 0.427로 분석되었다. 총인에 대한 모형의 보정결과 RMSE는 0.0117 kg/ha/day, RMAE는 0.622kg/ha/day, $R^2$는 0.70으로 모의되었으며, 모형의 검정결과 RMSE는 0.063kg/ha/day, RMAE는 2.269kg/ha/day, $R^2$는 0.756으로 분석되었다.

• 한국수자원학회논문집
• /
• 제31권6호
• /
• pp.855-862
• /
• 1998

본 연구는 수력발전을 위한 저수지 관리에 있어 예측오차의 영향을 살펴보기 위해 예측오차를 Root Mean Square Error(RMSE)로 측정하였고, 이를 Generalized Maintenance Of Variance Extension (GMOVE)기법을 통하여 변화시켜보았다.변화된 예측오차의 RMSE는 천이확률을 통하여 Bayesian Stochastic Dynamic Programming (BSDP)에 고려되어졌으며, 이 BSDP 모형을 이용하여 월별 방류량을 결정하였고 그 유용성을 평가하였다. 제시된 연구방법은 미국의 Skagit 시스템에 적용되었고, 그 결과로 Skagit 시스템의 운영은 예측오차의 RMSE에 비선형이므로 반응하므로 이 시스템의 운영을 개선하기 위해서는 현재의 수문학적 예측기법을 개선해야함을 제시하였다.

• 한국위성정보통신학회논문지
• /
• 제11권4호
• /
• pp.94-101
• /
• 2016

원격 관측 자료인 위성 자료는 한계점이 있으며, 특히 광학 관측기를 활용하면 구름이나 기타 요인에 의해 손실 자료가 발생한다. 본 연구에서는 MODerate resolution Imaging Spectrometer(MODIS)의 관측 자료 중, 지표면 온도 자료를 대상으로 손실 자료를 복원하기 위한 방법인 평균 편차 방법, 회귀 분석 방법, 지역 변동 방법의 세 가지 복원 방법을 개발하였다. 검증을 위해 2014년과 2015년의 위성 자료에서 관측 비율을 근거로 사례를 선택하였다. 검증 자료에서 확인된 지역 변동 방법의 평균 제곱근 편차(RMSE)는 일부 사례에서 약 2 K 이상으로 다른 복원 방법에 비해 낮은 정확도를 보였으며, 회귀 분석 방법의 RMSE는 평균 약 1.13 K으로 대부분의 사례에서 가장 좋은 결과를 보였다. 평균 편차 방법 사용 시, RMSE는 회귀 분석 방법 시와 유사하게 약 1.32 K으로 나타났다.

• 대한공간정보학회지
• /
• 제7권2호
• /
• pp.23-34
• /
• 1999

RMSE는 그 개념이 상대적으로 이해하기 쉽고 계산이 용이하다는 장점 때문에 DEM의 정확도를 나타내는 대표적 척도로 많은 국가에서 사용되고 있다. 그러나 이러한 장점에도 불구하고 RMSE는 몇 가지 측면에서 문제를 안고 있다. 즉 RMSE는 두 가지 자료집단 사이의 평균적인 편차에 대한 기술을 밝혀낼 수 없기 때문에 DEM이 내포하고 있는 오차에 대한 분포나 패턴에 대한 해석이 불가능하다. 이것은 DEM의 품질을 기술하는데 RMSE 척도가 어느 정도 한계를 갖는다는 것을 의미한다. 본 연구에서는 탐색적 공간자료분석 범주에 속하는 접근 방법을 통해 RMSE가 밝히지 못하는 DEM의 공간적 비공간적 오차 특성을 탐색하여 그 이용가능성을 평가하였다. 이를 통해 대표적 보간기법을 적용하여 개발된 DEM에서 돌출 현상이나 줄무늬 현상 또는 단구화 현상 등과 같은 새로운 정오차를 확인하였다.

• 대한토목학회논문집
• /
• 제31권1B호
• /
• pp.21-27
• /
• 2011

유출예측량을 모의할 때 과거와 현재의 수문자료를 이용한다는 측면에서 미래 예측결과의 불확실성을 완전히 제거할 수는 없겠지만, 다양한 기법별 분석에 의하여 불확실성을 감소시킬 수 있다. 본 연구에서는 유출예측의 정확성 향상을 위해 다양한 유출예측 기법을 적용 및 평가하였으며 확률론적 예측을 가능하게 하는 예측기법인 ESP와 관측 시계열 자료를 이용한 통계기법으로 공주지점의 유출예측을 수행하였다. 각 기법에 따른 유출예측 결과의 신뢰성 평가는 MAE(Mean Absolute Error), RMSE(Root Mean Squared Error), RRMSE(Relative Root Mean Squared Error), Mean Absolute Percentage Error (MAPE), TIC(Theil Inequality Coefficient)를 이용하였다. ESP 확률을 이용하여 예측한 유출결과와 통계적 시계열 분석에 의해 예측된 유출결과를 MAE, RMSE, RRMSE, MAPE, TIC를 이용하여 비교 분석하였으며 유출예측의 개선효과를 확인해본 결과, ESP 확률을 이용한 예측이 MAE(10.6), RMSE(15.14), RRMSE(0.244), MAPE(22.74%), TIC(0.13)으로 평가되었으며 MAE(23.2), RMSE(37.13), RRMSE(0.596), MAPE(26.69%), TIC(0.30)으로 평가된 ARMA와 MAE(26.4), RMSE(34.44), RRMSE(0.563), MAPE(47.38%), TIC(0.25)으로 평가된 Winters 에 비해 신뢰성이 높게 나타났다.

• 대한원격탐사학회지
• /
• 제30권2호
• /
• pp.315-329
• /
• 2014

서울을 포함한 수도권의 지표면 온도를 분석하기 위하여 Landsat과 MODIS의 지표면 온도, AWS의 기온, 지표면 고도 및 토지이용도를 이용하였다. Landsat과 MODIS 위성의 지표면 온도와 AWS 기온의 분석은 상관계수, 평방근 오차(Root Mean Squared Error, RMSE), 선형회귀분석 등의 통계분석방법을 적용하였다. Landsat과 MODIS 지표면 온도의 상관계수는 0.32이고 RMSE는 4.61 K였다. 그리고 Landsat과 MODIS 지표면 온도와 AWS 기온의 상관성은 각각 0.83과 0.96이며 RMSE는 3.28 K, 2.25 K이었다. Landsat과 MODIS 지표면 온도는 비교적 높은 상관성을 보였으나 각각의 선형회귀의 기울기는 0.45와 1.02이었다. Landsat 5의 경우 전체 관측소에 대하여 0.5이하의 낮은 상관성을 보였고 Landsat 8의 경우는 일치되는 지점이 다른 위성에 비하여 적었으나 0.5이상의 상관성을 나타냈다. Landsat 7은 대부분 0.8이상의 높은 상관성을 보였고 대체적으로 서울중심부에서 높은 상관성이 나타났다. 위성의 지표면 온도와 지표유형에 따른 AWS 기온사이의 상관성은 0.8이상의 높은 상관성을 보였다. Landsat 위성의 지표면 온도의 상관성은 0.84이었고 RMSE는 3.1 K이상이었으며 MODIS 위성의 상관계수는 0.96이상이고 RMSE는 2.6 K이하였다. 결과적으로 두 위성의 지표온도의 차이는 관측시각 차이에 의한 것으로 위성의 해상도에 따라 복사량을 탐지하는 지표면의 면적 차이에 의하여 발생되는 것으로 사료된다.