• Journal of applied mathematics & informatics
• /
• 제42권4호
• /
• pp.879-897
• /
• 2024

The emergence of generalized square metrics in Finsler geometry can be attributed to various classification concerning (𝛼, 𝛽)-metrics. They have excellent geometric properties in Finsler geometry. Within the scope of this research paper, we have conducted an investigation into the generalized square metric denoted as $F(x,y)=\frac{[{\alpha}(x,y)+{\beta}(x,y)]^{n+1}}{[{\alpha}(x,y)]^n}$, focusing specifically on its application to the Finslerian hypersurface. Furthermore, the classification and existence of first, second, and third kind of hyperplanes of the Finsler manifold has been established.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권2호
• /
• pp.907-923
• /
• 2020

For the severe haze situation in the Beijing-Tianjin-Hebei region, conventional fine particulate matter (PM2.5) concentration prediction methods based on pollutant data face problems such as incomplete data, which may lead to poor prediction performance. Therefore, this paper proposes a method of predicting the PM2.5 concentration based on image analysis technology that combines image data, which can reflect the original weather conditions, with currently popular machine learning methods. First, based on local parameter estimation, autoregressive (AR) model analysis and local estimation of the increase in image blur, we extract features from the weather images using an approach inspired by free energy and a no-reference robust metric model. Next, we compare the coefficient energy and contrast difference of each pixel in the AR model and then use the percentages to calculate the image sharpness to derive the overall mass fraction. Furthermore, the results are compared. The relationship between residual value and PM2.5 concentration is fitted by generalized Gauss distribution (GGD) model. Finally, nonlinear mapping is performed via the wavelet neural network (WNN) method to obtain the PM2.5 concentration. Experimental results obtained on real data show that the proposed method offers an improved prediction accuracy and lower root mean square error (RMSE).

• 한국구조물진단유지관리공학회 논문집
• /
• 제14권6호
• /
• pp.171-178
• /
• 2010

가스관, 송유관 등의 배관구조물은 주요자원의 수송을 책임지는 핵심 지하시설물 중 하나이다. 이들은 사고 및 자연적인 노후화로 인해 국부적인 손상이 발생할 위험에 노출 되어있다. 하지만 대부분의 배관구조물은 지하의 좁은 공간에 복잡하게 연결되어있기 때문에 구조물의 건전성을 지속적으로 모니터링 하는데 어려움이 있었다. 이러한 지금까지 관리방식의 한계점을 극복하기 위해 최근 유비쿼터스 센서 네트워크 기반의 온라인 방식의 상시적 구조물 건전성 평가방법에 대한 연구가 활발히 이뤄지고 있다. 본 논문에서는 전기-역학적 임피던스 기반의 실시간 배관 구조물 건전성 평가방법에 대하여 연구하였다. 배관 구조물에 발생하기 쉬운 볼트 풀림과 균열의 두 가지 국부손상을 가정하였고 압전효과를 가진 PZT와 MFC 센서를 이용하여 구조물의 상태에 따른 임피던스를 계측하여 손상탐색 실험을 수행하였다. 하나의 센서로 가진과 센싱을 동시에 수행할 수 있는 저비용 셀프센싱 기법을 사용하였고 배관 상태에 대한 객관적인 판단을 위해 손상지수인 RMSD 값을 사용하여 계측된 신호를 이용하여 손상의 정도를 정량화 시켰다. 손상여부의 판단을 위해 일반 극치 분포를 이용하여 최적화된 통계적인 정상상태의 임계값을 설정하였다. 위와 같은 실험적 연구과정을 통해 제안된 실시간 배관 구조물 건전성 평가 방법의 타당성과 효율성을 확인해 보았다.