• 대한원격탐사학회지
• /
• 제36권3호
• /
• pp.425-439
• /
• 2020

최근 성능이 크게 개선된 정지궤도 기상위성 Himawari-8, GK2A등이 운용됨에 따라 시공간적으로 보다 고해상도 AOD(Aerosol Optical Depth) 자료의 사용이 가능해졌다. 본 연구에서는 최근 4년간 한반도내 AERONET(Aerosol Robotic Network) 참여 5개 지점(서울대학교, 연세대학교, 한국외국어대학교, 광주과학기술원(GIST), 안면도 기후변화감시센터)의 에어로졸 관측 자료를 이용하여 Himawari-8/AHI(Advanced Himawari Imager) 에어로졸 산출물의 특징과 두 AOD 자료 간에 차이가 발생하는 원인에 대해 분석하였다. 분석결과 위성과 지상관측 AOD는 하늘이 맑을 경우(운량 < 3)에는 지리적 위치에 관계없이 매우 유사하게 나타났다. 하지만 운량이 증가할 경우 위성 관측과 지상관측 AOD의 차이는 지리적 위치에 관계없이 현저하게 증가하였다(편의: 0.05(맑음) → 0.21(전체), 상관계수: 0.74 → 0.64, RMSE: 0.21 → 0.51). 5개 지점 모두에서 운량이 많거나 상대습도가 높을 때 위성이 지상관측에 비해 AOD를 크게 과대 추정하는 것으로 보아 두 AOD 자료 간의 차이는 주로 운량과 상대습도와 관련이 깊은 것으로 판단된다. 하지만 풍속, 가강수량, 구름 하부 높이, 그리고 옹스트롬 지수(Angstrom Exponent)는 두 AOD 자료 간의 차이에 영향을 미치지 않는 것으로 보인다. 본 연구의 결과는 운량이 많을 경우 위성 관측 AOD 자료 사용시 주의가 필요함을 제시한다.

• 한국지역지리학회지
• /
• 제19권2호
• /
• pp.352-361
• /
• 2013

기상 현상을 예측하는 수치예보모델의 주요한 기초 입력 데이터로 토지이용, 지형, 식생, 지표 온도 등이 있다. 이 중 지표 온도의 일부인 내륙 수면 온도에 대한 지상 관측 데이터는 강이나 호수의 일부 지역에만 존재한다. 따라서 본 연구는 수치예보모델의 입력 데이터인 내륙 수면 온도로 활용할 수 있는 MODIS 위성영상의 지표 온도 데이터의 오차정도를 확인하기 위해 국내 내륙 수온 지상 관측 데이터와 비교 분석하였다. 이를 위해 2011년 7월부터 2012년 6월까지 약 1년의 MODIS Land Surface Temperature(LST) 데이터와 수질자동측정망의 수온 데이터를 비교하였다. MODIS 데이터는 주간 및 야간 데이터로 구성되는 데, 각각의 월 평균 오차는 $2^{\circ}{\sim}8^{\circ}C$, $3^{\circ}{\sim}12^{\circ}C$로 주간 데이터의 오차가 작았다. 특히, 주간 데이터의 오차는 가을에 $2^{\circ}C$로 다른 계절에 비해 작았고, 야간 데이터는 여름에 $3^{\circ}C$로 다른 계절에 비해 작았다. 또한 지역적으로는 한강, 낙동강, 금강, 영산강의 4대강을 비교한 결과 가장 남쪽에 있는 영산강 유역에서 가장 오차가 작았다. 본 연구를 통해 수치예보모델의 입력 데이터로 활용함에 있어 MODIS 지표 온도 데이터의 오차 정도를 확인할 수 있었다. 연구 결과는 아시아 지역에 대해 수치예보모델을 운용할 때 북한 및 해외 지역에 대해 MODIS 지표 온도 데이터를 활용함에 있어 그 오차 정도의 기준이 될 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제21권8호
• /
• pp.572-578
• /
• 2020

주식 시장은 기업 실적 및 경기 상황뿐만 아니라 정치, 사회, 자연재해 등 예기치 못한 요소들에 영향을 받는다. 이런 요소들을 고려한 정확한 예측을 위해서 다양한 기법들이 사용된다. 최근 인공지능 기술이 화두가 되면서 이를 활용한 주가 예측 시도 또한 이루어지고 있다. 본 논문은 단순히 주식 관련 데이터뿐만 아닌, 거시 경제적 지표 등을 활용한 여러 종류의 데이터를 이용하여 주가에 영향을 미치는 요소에 관한 연구를 제안한다. KOSDAQ을 대상으로 1년 치 종가, 외국인 비율, 금리, 환율 데이터를 다양하게 조합한 후에 딥러닝의 Nonlinear AutoRegressive with eXternal input (NARX) 모델을 활용한다. 이 모델을 통해 1달 치 데이터를 생성하고 각 데이터 조합을 통해 만들어진 예측값을 RMSE를 통해 실제값과 비교, 분석한다. 또한, 은닉층에서 뉴런의 수, 지연 시간을 다양하게 설정하여 RMSE를 비교한다. 분석 결과 뉴런은 10개, 지연 시간은 2로 설정하고, 데이터는 미국, 중국, 유럽, 일본 환율의 조합을 사용할 때 RMSE 0.08을 보이며 가장 낮은 오차를 기록하였다. 본 연구는 환율이 주식에 가장 영향을 많이 미친다는 점과 종가 데이터만 사용했을 때의 RMSE 값인 0.589에서 오차를 낮췄다는 점에 의의가 있다.

• 한국산학기술학회논문지
• /
• 제17권12호
• /
• pp.339-344
• /
• 2016

고용량의 데이터의 전송이 빈번해지기 때문에 사용자들은 더 많은 대역폭을 필요로 하고, 더 큰 대역폭을 갖는 통신망의 필요성이 증대되고 있다. 이러한 필요성을 만족하는 통신망으로는 광통신망이 있다. 따라서 광통신시스템의 전송 용량을 증대하는 연구가 선행되고 있다. 그러나 일반적인 광통신시스템에서 전송매체인 광섬유를 통해 전송된 신호는 수신시스템에서 직접 검출방식을 통해 신호를 검출한다. 이런 방법은 광신호가 갖는 대역폭의 전체를 이용할 수 없다는 단점을 갖는다. 또한 광신호의 전송할 때, 이웃한 채널로부터의 영향을 받아 신호 대 잡음비가 나빠진다는 문제점도 갖는다. 이러한 상황을 극복하기 위해 외부의 간섭과 잡음의 영향을 최소화하기 위한 다양한 연구가 진행되고 있다. 본 논문에서는 앞에서 언급한 상황을 극복하기 위해, 스펙트럼 분할된 신호를 디지털 전송방식인 FSK를 이용하여 전송하였다. 그리고 광통신 시스템의 수신기에서 검출된 신호의 특성을 해석하였다. 스펙트럼 분할된 신호의 PDF로는 가우시안 분포를 사용하였고, 광통신시스템의 수신단에서의 신호는 k-자승 분포를 갖는 것으로 가정하였다. 해석한 결과 레이저 소스를 전송하는 것보다 스펙트럼 분할된 신호를 전송하는 것이 보다 우수함을 확인할 수 있었다.

• 한국수자원학회논문집
• /
• 제53권2호
• /
• pp.97-105
• /
• 2020

최근 데이터 예측 방법으로 인공신경망(Artificial Neural Network, ANN)분야에 대한 관심이 높아졌으며, 그 중 시계열 데이터 예측에 특화된 LSTM(Long Short-Term Memory)모형은 수문 시계열자료의 예측방법으로도 활용되고 있다. 본 연구에서는 구글에서 제공하는 딥러닝 오픈소스 라이브러리인 텐서플로우(TensorFlow)를 활용하여 LSTM모형을 구축하고 금강 상류에 위치한 용담다목적댐의 유입량을 예측하였다. 분석 자료로는 WAMIS에서 제공하는 용담댐의 2006년부터 2018년까지의 시간당 유입량 자료를 사용하였으며, 예측된 유입량과 관측 유입량의 비교를 통하여 평균제곱오차(RMSE), 평균절대오차(MAE), 용적오차(VE)를 계산하고 모형의 학습변수에 따른 정확도를 평가하였다. 분석결과, 모든 모형이 고유량에서의 정확도가 낮은 것으로 나타났으며, 이와 같은 문제를 해결하기 위하여 용담댐 유역의 시간당 강수량 자료를 추가 학습 자료로 활용하여 분석한 결과, 고유량에 대한 예측의 정확도가 높아지는 것을 알 수 있었다.

• 대한토목학회논문집
• /
• 제31권5B호
• /
• pp.405-414
• /
• 2011

본 연구에서는 유역에서 관측되는 강우량과 유출량의 시계열 자료를 바탕으로 최근 시계열 예측 및 시스템 제어 분야에서 성공적으로 적용되고 있는 적응형 네트워크 기반 퍼지추론 시스템(ANFIS)을 갑천 유역에 적용하여 시유출량을 모델링하였다. 입력구조, 소속함수 종류와 개수 등을 다양하게 변화시켜 ANFIS 모형을 학습하고, 평균제곱근오차(RMSE), 평균첨두유량오차(PE) 및 평균첨두시간오차(TE)를 이용하여 ANFIS의 유출해석에 대한 적용성을 평가하였다. 현재시간의 시유출량 Q(t)에 대한 ANFIS의 적용성은 우수한 것으로 평가되었으며, ANFIS 모형은 관측유출량을 적절히 모의하였다. 입력구조가 다른 입력모형을 구성하여 최대 8시간까지 ANFIS의 유출예측 적용성을 평가하였다. 예측시간 증가에 따라서 ANFIS의 유출예측 정확도는 감소하여 예측시간 4시간 이상의 시유출량에 대한 ANFIS의 유출예측 적용성은 제한적이었다. ANFIS는 입력과 출력 자료들만 이용하므로 물리기반 모형에 비교하여 모형구축이 비교적 손쉽기 때문에 홍수 유출모델링에 ANFIS을 유용하게 적용할 수 있을 것으로 판단된다.

• 대한공간정보학회지
• /
• 제19권4호
• /
• pp.119-126
• /
• 2011

초고층 건물이나 고가 구조물 상부의 정위치 측설에 주로 사용되어 왔던 광학식 TS장비는 시준선 확보의 어려움, 장거리 관측에 따른 오차의 증가 및 동적관측의 어려움 등으로 인하여 사용성이 많이 떨어지므로 최근에는 GPS를 이용한 측량방법이 제시되고 있다. 그러나 기존의 GPS측량방법들은 대부분 후처리 방법으로서 측설, 검측, 위치조정 및 확인측량 등 일련의 과정에서 시간이 과다 소요되는 문제점이 있다. 따라서 본 논문에서는 RTK측위 기법을 적용하여 실시간으로 구조물의 위치를 검측하고 조정함으로써 측량으로 인한 공사의 중단을 최소화 하고, 준스태틱 RTK기법에 의한 고정밀의 측정값을 기반으로 망조정을 통해 수 mm 이내의 높은 정확도로 시공좌표를 결정함으로써 공정관리와 품질관리를 모두 충족시킬 수 있는 방법에 대해 실험 하였다. 실험결과 130m 이상 높이의 고가 구조물 상층부에서 사변망을 이루는 4점의 준스태틱 RTK 관측점을 최소제곱법으로 망조정 하면 약 2mm 내외의 정확도로 구조물 측설이 가능하므로 향후 초고층 건물이나 고가 교량등의 시공측량에 널리 적용될 수 있을 것으로 사료된다.

• 대한토목학회논문집
• /
• 제38권2호
• /
• pp.215-226
• /
• 2018

본 연구에서는 도시지역 관망 내 수위 관측자료를 이용하여 도시지역 유출해석 및 관망해석의 정확도를 높이고자 한다. 이를 위해 도시유출해석의 주요 매개변수별 민감도 분석을 수행하고, 매개변수의 보정을 수행하였다. 매개변수의 민감도는 관의 조도계수, 불투수지역의 조도계수, 유역폭, 투수지역의 조도계수 순으로 나타났다. 민감도가 높은 4개의 매개변수를 이용하여 매개변수 고려 개수와 종류에 따라 6가지 시나리오를 구성하였으며, 자동보정기법인 PEST를 도시유출 모형인 SWMM과 연계 해석하여 분석하였다. 각 조건을 2013년 7월 21일 집중호우로 인하여 침수피해가 발생한 서초3, 4, 5, 역삼, 논현 배수분구에 적용하였다. 민감도 결과를 이용하여 시나리오별 분석을 실시하였을 때 SWMM 모형만을 이용하였을 때 보다 불확실성이 줄어든 결과를 보였다. 모의결과 RMSE는 최대 2.41cm가 감소하였으며, 상대첨두오차는 13.7%가 감소하였다. 민감도가 낮은 투수지역의 지표면 조도계수를 고려한 시나리오의 경우가 고려하지 않은 시나리오의 경우보다 정확도가 소폭 낮아졌으며 계산시간도 많이 소요되었다. 본 연구 결과 대상 유역에 대한 민감도 분석 후 민감도가 높은 매개변수만을 고려하여 시나리오를 구성하였을 때 보다 효율적인 모의가 될 수 있다는 것을 알 수 있었으며 향후 추가적인 강우사상과 침수해석을 연계할 시에는 도시지역의 침수예경보 연구에 기여할 수 있을 것으로 판단된다.

• Nuclear Engineering and Technology
• /
• 제52권11호
• /
• pp.2452-2459
• /
• 2020

Neutron spectrum is essential to the safe operation of reactors. Traditional online neutron spectrum measurement methods still have room to improve accuracy for the application cases of wide energy range. From the application of artificial neural network (ANN) algorithm in spectrum unfolding, its accuracy is difficult to be improved for lacking of enough effective training data. In this paper, an adaptive deviation-resistant neutron spectrum unfolding method based on transfer learning was developed. The model of ANN was trained with thousands of neutron spectra generated with Monte Carlo transport calculation to construct a coarse-grained unfolded spectrum. In order to improve the accuracy of the unfolded spectrum, results of the previous ANN model combined with some specific eigenvalues of the current system were put into the dataset for training the deeper ANN model, and fine-grained unfolded spectrum could be achieved through the deeper ANN model. The method could realize accurate spectrum unfolding while maintaining universality, combined with detectors covering wide energy range, it could improve the accuracy of spectrum measurement methods for wide energy range. This method was verified with a fast neutron reactor BN-600. The mean square error (MSE), average relative deviation (ARD) and spectrum quality (Qs) were selected to evaluate the final results and they all demonstrated that the developed method was much more precise than traditional spectrum unfolding methods.

• Smart Structures and Systems
• /
• 제20권5호
• /
• pp.549-562
• /
• 2017

The US railroad network carries 40% of the nation's total freight. Railroad bridges are the most critical part of the network infrastructure and, therefore, must be properly maintained for the operational safety. Railroad managers inspect bridges by measuring displacements under train crossing events to assess their structural condition and prioritize bridge management and safety decisions accordingly. The displacement of a railroad bridge under train crossings is one parameter of interest to railroad bridge owners, as it quantifies a bridge's ability to perform safely and addresses its serviceability. Railroad bridges with poor track conditions will have amplified displacements under heavy loads due to impacts between the wheels and rail joints. Under these circumstances, vehicle-track-bridge interactions could cause excessive bridge displacements, and hence, unsafe train crossings. If displacements during train crossings could be measured objectively, owners could repair or replace less safe bridges first. However, data on bridge displacements is difficult to collect in the field as a fixed point of reference is required for measurement. Accelerations can be used to estimate dynamic displacements, but to date, the pseudo-static displacements cannot be measured using reference-free sensors. This study proposes a method to estimate total transverse displacements of a railroad bridge under live train loads using acceleration and tilt data at the top of the exterior pile bent of a standard timber trestle, where train derailment due to excessive lateral movement is the main concern. Researchers used real bridge transverse displacement data under train traffic from varying bridge serviceability levels. This study explores the design of a new bridge deck-pier experimental model that simulates the vibrations of railroad bridges under traffic using a shake table for the input of train crossing data collected from the field into a laboratory model of a standard timber railroad pile bent. Reference-free sensors measured both the inclination angle and accelerations of the pile cap. Various readings are used to estimate the total displacements of the bridge using data filtering. The estimated displacements are then compared to the true responses of the model measured with displacement sensors. An average peak error of 10% and a root mean square error average of 5% resulted, concluding that this method can cost-effectively measure the total displacement of railroad bridges without a fixed reference.