• 대한토목학회논문집
• /
• 제29권4D호
• /
• pp.459-465
• /
• 2009

u-Transportation (u-T) 환경은 차세대의 ITS로 간주되는 미래형 교통서비스로서 어디에서나 적절한 교통서비스를 제공하는 신 교통공간을 의미한다. 그러한 환경의 기초연구로서 본 연구는 기존 ITS에서 교통량 산출 방법을 검토하고, u-T 자료 수집환경(u-TSN)의 자료수집형태를 시뮬레이션으로 구현하여 ITS의 교통량 산정 결과와의 차이점을 연구하였다. 그 결과, u-T에서 단속류의 교통류율이 ITS보다 3.58% 높게 나타났으며, 평가지표 MARE와 MAE 값이 각각 31.4%, 31.1% 낮게 나타나고, 평가지표 균등계수는 1.9% 높게 나타나 상대적으로 u-TSN의 교통자료 집계가 더 우수함을 알 수 있었다. 이는 상류부 링크의 특정지점 교통량을 고려하지 못한 기존 방법론에 비해, u-T에서의 링크 특성이 잘 반영된 링크의 대표치라는데 의의 또한 있는바, 설계시간계수 등의 설계분야, 운영 분야 등에 보다 적절한 교통류율의 제공이 가능할 것으로 판단된다.

• Geomechanics and Engineering
• /
• 제36권3호
• /
• pp.259-276
• /
• 2024

The undrained shear strength is widely acknowledged as a fundamental mechanical property of soil and is considered a critical engineering parameter. In recent years, researchers have employed various methodologies to evaluate the shear strength of soil under undrained conditions. These methods encompass both numerical analyses and empirical techniques, such as the cone penetration test (CPT), to gain insights into the properties and behavior of soil. However, several of these methods rely on correlation assumptions, which can lead to inconsistent accuracy and precision. The study involved the development of innovative methods using extreme gradient boosting (XGB) to predict the pile set-up component "A" based on two distinct data sets. The first data set includes average modified cone point bearing capacity (q_t), average wall friction (f_s), and effective vertical stress (σ_vo), while the second data set comprises plasticity index (PI), soil undrained shear cohesion (S_u), and the over consolidation ratio (OCR). These data sets were utilized to develop XGBoost-based methods for predicting the pile set-up component "A". To optimize the internal hyperparameters of the XGBoost model, four optimization algorithms were employed: Particle Swarm Optimization (PSO), Social Spider Optimization (SSO), Arithmetic Optimization Algorithm (AOA), and Sine Cosine Optimization Algorithm (SCOA). The results from the first data set indicate that the XGBoost model optimized using the Arithmetic Optimization Algorithm (XGB - AOA) achieved the highest accuracy, with R2 values of 0.9962 for the training part and 0.9807 for the testing part. The performance of the developed models was further evaluated using the RMSE, MAE, and VAF indices. The results revealed that the XGBoost model optimized using XGBoost - AOA outperformed other models in terms of accuracy, with RMSE, MAE, and VAF values of 0.0078, 0.0015, and 99.6189 for the training part and 0.0141, 0.0112, and 98.0394 for the testing part, respectively. These findings suggest that XGBoost - AOA is the most accurate model for predicting the pile set-up component.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.

• KIEAE Journal
• /
• 제11권5호
• /
• pp.13-18
• /
• 2011

The overall aim of this study is to mitigate urban environmental problems. In particular, to reduce the effects of urban heat island phenomenon which is one of the urban planning perspective. This study focused on the analysis of the relationship between the urban heat island effect and the thermal and wind properties. To do this analysis, water space was virtually made at Yeol_Mae village Apt. Because it is very difficult to set up water space for the existing apartment complexes due to realistic constraints. This study, therefore has a strong sort of guidelines to create water space for newly formed city. It was based on the concept of virtual city through an in-depth analysis on reduction of urban heat island effects for the existing apartment along with creation of water space. To analysis site, Envi-Met Model developed by Michael Bruse was used. The results are as follows. The temperature went from 298.9K to 297.82K and The wind speed went from 1.42m/s to 1.43m/s. The results are slight in this study because creation of water space is planned to a small area of an apartment complex. But if the water space would be applied to a whole city, the mitigation effect of urban heat island would be bigger.

• 한국항공운항학회지
• /
• 제28권2호
• /
• pp.53-62
• /
• 2020

This study is to evaluate the accuracy of the meteorological information provided for the aircraft operating at low altitude. At first, it is necessary to identify crucial elements of weather information closely related to flight safety during low altitude flights. The study conducted a survey of pilots of low altitude aircraft, divided into pre-flight and in-flight phases, and reached an opinion that wind direction, wind speed, cloud coverage and ceiling and visibility are important items. Related to these items, we compared and calculated the accuracy of TAFs and METARs from Taean Airfield, Seosan Airport and Gunsan Airport because of their high number of domestic low-altitude flights. Accuracy analysis evaluated the accuracy of two numerical variables, Mean Absolute Error(MAE) and Root Mean Square Error(RMSE), and the cloud coverage which is categorical variable was calculated and compared by accuracy. For numeric variables, one-way ANOVA, which is a parameter-test, was approached to identify differences between actual forecast values and observations based on absolute errors for each item derived from the results of MAE and RMSE accuracy analyses. To determine the satisfaction of both normality assumptions and equivalence variability assumptions, the Shapiro-Wilk test was performed to verify that they do not have a normality distribution for numerical variables, and for the non-parametric test, Kruscal-Wallis test was conducted to determine whether or not they are satisfied.

• 한국지반신소재학회논문집
• /
• 제19권1호
• /
• pp.11-23
• /
• 2020

본 본문에서는 도심지 지하굴착 및 터널현장의 예비설계 및 지반침하를 예측이 가능한 인공신경망 개발에 대한 내용을 다루었다. 인공신경망의 개발을 위해 먼저 다양한 도심지 터널 및 지하굴착 현장 계측자료를 수집하여 데이터베이스를 구축하고 이를 인공신경망 학습에 필용한 학습데이터를 구축하는데 활용하였다. 개발된 인공신경망은 학습에 활용되지 않은 검증 데이터 세트를 및 현장계측자료를 활용하여 결정계수(R²), 평균제곱근오차(Root Mean Square Error; RMSE), 절대평균오차(Mean Absolute Error; MAE) 등 통계적 파라메타를 근거로 하여 신뢰도를 검증하였다. 개발된 인공신경망은 도심지 굴착현장의 예비 설계 및 이에 따른 주변침하를 예측하는데 효율적으로 활용될 수 있는 것으로 평가되었다.

• 한국컴퓨터정보학회논문지
• /
• 제25권6호
• /
• pp.81-89
• /
• 2020

우리가 SNS상에서 흔하게 접하는 온라인 리뷰에는, 소비자들의 선호도에 영향을 미치는 다양한 평가정보가 복합적으로 포함되어 있지만 이를 매우 간단한 형태의 수치(또는 평점)로 제공하는 것이 일반적이다. 이러한 리뷰에서, 소비자가 원하는 구체적인 정보를 얻고, 이를 구매를 위한 판단에 활용하기란 쉽지 않다. 따라서 본 연구에서는 한국어로 작성된 음식점 리뷰를 대상으로, 감성분석을 수행하여 평가항목별로 세분화된 평점을 제공 가능한 예측 방법론을 제안한다. 이를 위해, 음식점의 주요 평가항목으로 '음식', '가격', '서비스', '분위기'를 선정하고, 평가항목별 맞춤형 감성사전을 새롭게 구축한다. 또한 평가항목별 리뷰 문장을 분류하고 감성분석을 통해 세분화된 평점을 예측하여 소비자가 의사결정에 활용 가능한 추가적인 정보를 제공한다. 마지막으로, MAE와 RMSE를 평가지표로 사용하여 기존의 연구보다 제안기법의 평점 예측 정확도가 향상되었음을 보이며, 제안 방법론의 활용 사례도 제시한다.

• 한국태양에너지학회 논문집
• /
• 제39권3호
• /
• pp.59-66
• /
• 2019

New and renewable energy forecasts are key technology to reduce the annual operating cost of new and renewable facilities, and accuracy of forecasts is paramount. In this study, we intend to build a model for the prediction of short-term solar power generation for 1 hour to 3 hours. To this end, this study applied two time series technique, ARIMA model without considering seasonality and SARIMA model with considering seasonality, comparing which technique has better predictive accuracy. Comparing predicted errors by MAE measures of solar power generation for 1 hour to 3 hours at four locations, the solar power forecast model using ARIMA was better in terms of predictive accuracy than the solar power forecast model using SARIMA. On the other hand, a comparison of predicted error by RMSE measures resulted in a solar power forecast model using SARIMA being better in terms of predictive accuracy than a solar power forecast model using ARIMA.

• 한국ITS학회 논문지
• /
• 제20권4호
• /
• pp.46-56
• /
• 2021

돌발상황으로 인한 비반복정체로 발생하는 높은 교통비용과 혼잡을 효과적으로 해소하기 위해서 돌발상황 처리시간을 예측하는 것은 중요하다. 본 연구에서는 인공신경망을 활용한 예측모델 개발을 위해 국내 도로상황에 적합한 돌발상황 처리시간 영향요인을 분석하고, 이를 학습데이터로 생성하였다. 기존 연구에서 장시간 소요되는 돌발상황 처리시간에 대한 과소 예측 문제가 발생하여 이에 대한 해결방안으로 본 연구에서는 SMOGN기법을 적용한 오버샘플링 학습데이터를 생성하여 이를 모델에 적용하였다. 그 결과 SMOGN기법을 적용한 DNN모델이 MAE 18.3분으로 연구 과정에서 구축된 모델 중 가장 높은 정확도로 돌발상황 처리시간을 예측하여, 기존에 개발된 예측모델의 한계점을 보완할 수 있을 것으로 기대한다.

• 한국재료학회지
• /
• 제32권8호
• /
• pp.345-353
• /
• 2022

In this study, using deep learning, super-resolution images of transmission electron microscope (TEM) images were generated for nanomaterial analysis. 1169 paired images with 256 × 256 pixels (high resolution: HR) from TEM measurements and 32 × 32 pixels (low resolution: LR) produced using the python module openCV were trained with deep learning models. The TEM images were related to DyVO₄ nanomaterials synthesized by hydrothermal methods. Mean-absolute-error (MAE), peak-signal-to-noise-ratio (PSNR), and structural similarity (SSIM) were used as metrics to evaluate the performance of the models. First, a super-resolution image (SR) was obtained using the traditional interpolation method used in computer vision. In the SR image at low magnification, the shape of the nanomaterial improved. However, the SR images at medium and high magnification failed to show the characteristics of the lattice of the nanomaterials. Second, to obtain a SR image, the deep learning model includes a residual network which reduces the loss of spatial information in the convolutional process of obtaining a feature map. In the process of optimizing the deep learning model, it was confirmed that the performance of the model improved as the number of data increased. In addition, by optimizing the deep learning model using the loss function, including MAE and SSIM at the same time, improved results of the nanomaterial lattice in SR images were achieved at medium and high magnifications. The final proposed deep learning model used four residual blocks to obtain the characteristic map of the low-resolution image, and the super-resolution image was completed using Upsampling2D and the residual block three times.