http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
PM10 예측 성능 향상을 위한 이진 분류 모델 비교 분석
정용진,이종성,오창헌,Jung, Yong-Jin,Lee, Jong-Sung,Oh, Chang-Heon 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.1
미세먼지 예보에 대한 높은 정확도가 요구됨에 따라 기계 학습의 알고리즘을 적용하여 예측 정확도를 높이려는 다양한 시도들이 이루어지고 있다. 그러나 미세먼지의 특성과 불균형적인 농도별 발생 비율에 대한 문제로 예측 모델의 학습 및 예측이 잘 이루어지지 않는다. 이러한 문제를 해결하기 위해 특정 농도를 기준으로 미세먼지를 저농도와 고농도로 구분하여 예측을 수행하는 등 다양한 연구가 진행되고 있다. 본 논문에서는 미세먼지 농도의 불균형 특성으로 인한 예측 성능 향상의 문제를 해결하기 위한 미세먼지 농도의 이진 분류 모델을 제안하였다. 분류 알고리즘 중 logistic regression, decision tree, SVM 및 MLP를 이용하여 PM10에 대한 이진분류 모델들을 설계하였다. 오차 행렬을 통해 성능을 비교한 결과, 4가지 모델 중 MLP 모델이 89.98%의 정확도로 가장 높은 이진 분류 성능을 보였다. High forecast accuracy is required as social issues on particulate matter increase. Therefore, many attempts are being made using machine learning to increase the accuracy of particulate matter prediction. However, due to problems with the distribution of imbalance in the concentration and various characteristics of particulate matter, the learning of prediction models is not well done. In this paper, to solve these problems, a binary classification model was proposed to predict the concentration of particulate matter needed for prediction by dividing it into two classes based on the value of 80㎍/㎥. Four classification algorithms were utilized for the binary classification of PM10. Classification algorithms used logistic regression, decision tree, SVM, and MLP. As a result of performance evaluation through confusion matrix, the MLP model showed the highest binary classification performance with 89.98% accuracy among the four models.
75 ㎾급 비도로용 디젤엔진의 질소산화물 저감장치 평가
정용진(Yongjin Jung),신영진(Youngjin Shin),조종표(Chongpyo Cho),고아현(Ahyun Ko),장진영(Jinyoung Jang),우영민(Youngmin Woo),표영덕(Youngdug Pyo) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
건설기계등과 같은 비도로용 디젤엔진에서 배출되는 일산화탄소, 탄화수소 등을 제거하기 위해 디젤산화촉매 (Diesel oxidation catalyst; DOC)를 장착하거나, 입자상 물질을 제거하기 위해 필터(Diesel particulate filter; DPF), 질소산화물(Nitrogen oxides; NOx)을 제거하기 위한 De-NOx 촉매를 이용하여 배기정화 장치가 구성된다. De-NOx 장치 중에 우레아(urea)를 사용한 선택적촉매환원(Selective Catalytic Reduction; SCR) 장치는 백금 등의 귀금속(noble metal) 등을 사용하여 질소산화물을 저감하는데, 이과정에서 NO<sub>x</sub>가N<sub>2</sub>O로 전환되는 반응이 진행되어 부가적으로 N<sub>2</sub>O가 발생할 수 있다. 온실가스의 이동형 발생원은 수송용과 비수송용으로 나눌 수 있으며, 비수송용 이동원으로는 농기계, 건설기계 등이 있다. 2011년 기준으로 미국의 경우 수송용과 비수송용 이동원에서 발생되는 온실가스 (Greenhouse gases; GHG)의 양은 각각 전체 온실가스 발생량의 약 27%와 3% 정도에 해당된다. 상대적으로 비수송용은 적은 수가 운행되고 있는 것을 감안하면, 비수송용 이동원에서 발생되는 온실가스의 양은 무시할 양은 아니다. 온실가스 중에 CO<sub>2</sub>는 연료의 사용량을 토대로 산출할 수 있는 반면에 N<sub>2</sub>O와 같은 Non-CO<sub>2</sub> 배출량은 엔진의 운전조건 및 후처리장치의 종류에 따라 달라질 수 있다. 본 연구에서는 75 kW급 비도로용 디젤엔진을 대상으로 엔진동력계 상에서 운전조건에 따른 질소산화물 저감장치의 저감성능을 평가하였다.
항공 통신 기술 : 실내 환경에서 RSSI 차이를 이용한 AOA 기반 위치 추정 알고리즘
정용진 ( Young-jin Jung ),전민호 ( Min-ho Jeon ),안정길 ( Jeong-kil Ahn ),이정훈 ( Jung-hoon Lee ),오창헌 ( Chang-heon Oh ) 한국항행학회 2015 韓國航行學會論文誌 Vol.19 No.6
최근 실내 위치측위 기술을 이용하여 다양한 서비스가 이루어지고 있다. 실내 위치측위 방식에는 대표적으로 fingerprinting 방식과 삼변측량 방식이 있으나 활용의 제한성 및 위치추정 오차 등의 문제점이 있다. 이러한 문제점을 해결하기 위해 기존의 측위방식인 AOA, TOA, TDOA 등의 측위 기술을 응용한 연구가 진행되고 있다. 본 논문에서는 실내 환경에서 RSSI 차이를 이용한 AOA 기반 위치 추정 알고리즘에 대해 연구한다. 4개의 안테나를 가지는 하나의 AP를 가정하여 연구를 진행하며, RSSI를 기반으로 도래각을 추정 후 AOA 알고리즘에 적용한다. RSSI의 보정을 위해 재귀식 평균 필터를 이용하며, 도래각 추정을 위해 보정된RSSI와 피타고라스 정리를 이용한다. 실험 결과 좁은 간격으로 배치된 4개의 무지향성 안테나의 방사 패턴으로 인하여 18%의 오차율을 보였으며, 지향성 안테나를 이용할 경우 실내 환경에서 AOA 알고리즘을 활용할 수 있을 것으로 판단된다. There have recently been various services that use indoor location estimation technologies. Representative methods of location estimation include fingerprinting and triangulation, but they lack accuracy. Various kinds of research which apply existing location estimation methods like AOA, TOA, and TDOA are being done to solve this problem. In this paper, we study the location estimation algorithm based on AOA using a RSSI difference in indoor environments. We assume that there is a single AP with four antennas, and estimate the angle of arrival based on the RSSI value to apply the AOA algorithm. To compensate for RSSI, we use a recursive averaging filter, and use the corrected RSSI and the Pythagorean theorem to estimate the angle of arrival. The results of the experiment, show an error of 18% because of the radiation pattern of the four non-directional antennas arranged at narrow intervals.