| 1 |
1
(a) 부유사 농도 입력 모듈(210)에 미리 결정된 다수의 지점에서의 부유사 농도 데이터가 입력되는 단계; (b) 초분광 영상 입력 모듈(220)에 상기 미리 결정된 다수의 지점에서의 미리 결정된 파장 영역대에서의 초분광 촬영 데이터가 입력되는 단계로서, 상기 초분광 촬영 데이터는 상기 미리 결정된 파장 영역대에 포함된 복수의 파장 밴드 각각에서의 촬영값을 포함하는, 단계;(c) 시공간 매칭 모듈(230)이 상기 부유사 농도 데이터와 상기 초분광 촬영 데이터를 시공간적으로 매칭시킴으로써 매칭 데이터를 생성하는 단계;(d) 상기 매칭 데이터가 가우시안 분포의 혼합 형태를 가짐을 가정하고, 군집화 모듈(240)이 분광적 특성이 유사한 매칭 데이터의 군집을 형성하기 위해 확률론적 군집화 방법인 가우시안 혼합 모형을 기반으로 상기 매칭 데이터들이 소정 개수의 군집 중 어느 하나의 군집에 포함되도록 군집화함으로써 군집 데이터들을 생성하는 단계;(e) 최적화 모듈(250)이 상기 군집 데이터들에 재귀적 특징 제거법을 적용하여 각 군집별로 최적 파장 밴드를 선정하는 단계;(f) 모형 구축 모듈(260)이 상기 초분광 촬영 데이터의 입력에 따른 부유사 농도 데이터를 출력하도록 군집별 선정된 최적 파장 밴드에서의 군집 데이터를 학습함으로써 예측 모델을 생성하는 단계; 및(g) 공간분포 산정 모듈(280)이, 상기 초분광 촬영 데이터가 입력됨에 따라 상기 예측 모델에서 출력되는 부유사 농도 데이터를 이용하여 부유사 농도의 공간분포를 산정하는 단계; 를 포함하는,하천 부유사 농도의 공간분포 산정 방법
|
| 2 |
2
삭제
|
| 3 |
3
제 1 항에 있어서,상기 (f) 단계에 있어서,상기 예측 모델은 랜덤포레스트 회귀모형을 이용하여 생성된 것인,하천 부유사 농도의 공간분포 산정 방법
|
| 4 |
4
제 3 항에 있어서,상기 (e) 단계는,(e1) 상기 최적화 모듈(250)이 상기 군집 데이터들을 이용하여 하기 수학식을 이용해 평균 절대 편차(Mean Absolute Error, MAE)의 감소율을 기반으로 중요도 낮은 파장 밴드를 순차적으로 제거하여 군집별로 최적 파장 밴드를 선정하는 단계;를 포함하는, 여기서, n은 데이터의 개수, SSCmeasured는 부유사 농도 데이터값, SSCestimated는 초분광 촬영 데이터로부터 산출된 부유사 농도 데이터값인,하천 부유사 농도의 공간분포 산정 방법
|
| 5 |
5
제 3 항에 있어서, 상기 (f) 단계는,(f1) 모형 구축 모듈(260)이 학습에 사용되는 상기 군집의 소정 개수를 증가시켜가면서 생성된 예측 모델의 TES(Total Error Score) 값을 연산하고, 최소 TES 값을 갖는 소정 개수의 군집을 이용하여 산출된 예측 모델을 상기 예측 모델로 생성하는 단계;를 더 포함하는,하천 부유사 농도의 공간분포 산정 방법
|
| 6 |
6
제 5 항에 있어서,상기 (f1)단계는,(f11) 하기 수학식을 이용해 결정계수인 R2를 연산하는 단계; (f12) 하기 수학식을 이용해 RMSEP(Root Mean Square Error Percentage)를 연산하는 단계; (f13) 하기 수학식을 이용해 MAPE(Mean Absolute Percentage Error)를 연산하는 단계; 및 (f14) 하기 수학식을 이용해 TES를 연산하는 단계;를 포함하는, 여기서, n은 데이터의 개수, 는 부유사 농도 데이터 값, 는 초분광 촬영 데이터로부터 산출된 부유사 농도, 는 부유사 농도 데이터 값의 전체 평균값인,하천 부유사 농도의 공간분포 산정 방법
|
| 7 |
7
제 3 항에 있어서,상기 (d) 단계는,(d1) 상기 군집화 모듈(240)이 상기 매칭 데이터를 하기 수학식을 이용해 책임값(r(snj))을 계산하고, 소정 개수의 군집 각각에 대한 책임값들 중 가장 높은 책임값을 갖는 군집으로 분류하여 군집화함으로써 군집 데이터를 생성하는 단계;를 더 포함하는,여기서, 분모는 n번째 초분광 촬영 데이터(sn)가 가우시안 혼합 분포에 대해 가지는 전체 확률이며, 분자는 j번째 군집의 가우시안 단일 분포에 대한 n번째 초분광 촬영 데이터(sn)의 확률인,하천 부유사 농도의 공간분포 산정 방법
|
| 8 |
8
제 1 항에 있어서,상기 (b) 단계에서,상기 미리 결정된 파장 영역대는 400nm 내지 1000nm 이고,상기 복수의 파장 밴드는 상기 400nm 내지 1000nm를 4nm 단위로 분할되는,하천 부유사 농도의 공간분포 산정 방법
|
| 9 |
9
제 1 항, 및 제 3 항 내지 제 8 항 중 어느 한 항에 따른 방법을 수행하기 위한 시스템으로서, 미리 결정된 다수의 지점에서의 부유사 농도 데이터가 입력된 부유사 농도 입력 모듈(210);미리 결정된 다수의 지점에서의 미리 결정된 파장 영역대에서의 초분광 촬영 데이터가 입력되는 초분광 영상 입력 모듈(220);상기 부유사 농도 데이터와 상기 초분광 촬영 데이터를 시공간적으로 매칭시킴으로써 매칭 데이터를 생성하는 시공간 매칭 모듈(230);상기 매칭 데이터가 가우시안 분포의 혼합 형태를 가짐을 가정하고, 분광적 특성이 유사한 매칭 데이터의 군집을 형성하기 위해 확률론적 군집화 방법인 가우시안 혼합 모형을 기반으로 상기 매칭 데이터들이 소정 개수의 군집 중 어느 하나의 군집에 포함되도록 군집화함으로써 군집 데이터들을 생성하는 군집화 모듈(240);상기 군집 데이터들에 재귀적 특징 제거법을 적용하여 각 군집별로 최적 파장 밴드를 선정하는 최적화 모듈(250);상기 초분광 촬영 데이터의 입력에 따른 부유사 농도 데이터를 출력하도록 군집별 선정된 최적 파장 밴드에서의 군집 데이터를 학습함으로써 예측 모델을 생성하는 모형 구축 모듈(260); 및상기 초분광 촬영 데이터가 입력됨에 따라 상기 예측 모델에서 출력되는 부유사 농도 데이터를 이용하여 부유사 농도의 공간분포를 산정하는 공간분포 산정 모듈(280); 을 포함하고, 상기 초분광 촬영 데이터는 상기 미리 결정된 파장 영역대에 포함된 복수의 파장 밴드 각각에서의 촬영값을 포함하는, 하천 부유사 농도의 공간분포 산정 시스템
|
| 10 |
10
컴퓨터 판독 가능한 기록 매체에 저장되어제 1 항, 및 제 3 항 내지 제 8 항 중 어느 한 항에 따른 방법을 실행시키는 컴퓨터 프로그램
|
