• Proceedings of KOSOMES biannual meeting
• /
• 2006.05a
• /
• pp.93-102
• /
• 2006

효율적인 방제전략 수립 지원시스템 개발의 일환으로 환경민감정보 기반 실시간 유출유 확산예측 시스템과 피해위험도 예측시스템을 연계한 해양오염 방제지원시스템을 개발하였다. 실시간 유출유 확산예측시스템에서는 실시간 바람과 실시간 해수유동을 기반으로 유출유의 이동을 계산하고, 유출유 특성에 따라 해상 유출유의 풍화작용을 모델링하여 유출유의 잔류량 및 확산분포를 계산한다. 유출유 확산 예측의 실시간 바람은 국립환경연구원의 실시간 기상모델 결과를 FTP를 이용하여 실시간으로 연계하여 활용하며, 실시간 해수유동으로서 조류는 수치모델결과와 검조소 관측결과의 결합을 통해 실시간 조석을 예측하는 CHARRY (Current by Harmonic Response to the Reference Yardstick) 모델을 이용하여 예측하고, 실시간 취송류는 바람과 취송류간의 상관관계와 반응함수를 이용하여 예측한다. 실시간 해수유동을 따라 이동하면서 풍화되는 유출유의 풍화작용은 유출유 특성에 따라 결정된 감소율을 적용하여 모델링한다. 본 시스템은 이와 같은 정보를 ESI(Environmental Sensitivity Index) 및 방제자원 정보와 통합하여 종합적으로 제공함으로써 방제전략 수립을 지원한다.

• The KIPS Transactions:PartA
• /
• v.11A no.4
• /
• pp.243-250
• /
• 2004

Monitoring is used to see if a real-time system provides a service on time. Generally, monitoring for real-time focuses on investigating the current status of a real-time system. To support a stable performance of a real-time system, it should have not only a function to see the current status of real-time process but also a function to predict executions of real-time processes, however. The legacy prediction model has some limitation to apply it to a real-time monitoring. First, it performs a static prediction after a real-time process finished. Second, it needs a statistical pre-analysis before a prediction. Third, transition probability and data about clustering is not based on the current data. We propose the execution prediction model based on learning algorithm to solve these problems and apply it to real-time monitoring. This model gets rid of unnecessary pre-processing and supports a precise prediction based on current data. In addition, this supports multi-level prediction by a trend analysis of past execution data. Most of all, We designed the model to support dynamic prediction which is performed within a real-time process' execution. The results from some experiments show that the judgment accuracy is greater than 80% if the size of a training set is set to over 10, and, in the case of the multi-level prediction, that the prediction difference of the multi-level prediction is minimized if the number of execution is bigger than the size of a training set. The execution prediction model proposed in this model has some limitation that the model used the most simplest learning algorithm and that it didn't consider the multi-regional space model managing CPU, memory and I/O data. The execution prediction model based on a learning algorithm proposed in this paper is used in some areas related to real-time monitoring and control.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2001.05a
• /
• pp.107-112
• /
• 2001

본 연구는 FTMS와 TCS를 실시간으로 통신하여 톨게이트 운영에 관련된 다양한 교통정보를 제공하는 교통상황 모니터링과 미래의 교통상황을 예측하고 이를 바탕으로 톨게이트 교통상황을 예측하는 톨게이트 시뮬레이션 시스템(TGSS)을 개발하는 것이다. 교통상황 모니터링은 실시간 교통자료를 통계처리하고 분석하여 사용자에게 그래픽하게 교통정보를 제공하고 교통류의 예측은 톨게이트에 도착하는 교통류를 60분 후까지 예측하여 톨게이트 운영자에게 제공한다. 또한 톨게이트 예측시스템은 서울톨게이트에 도착하는 교통류 패턴을 이용하여 미래 톨게이트 교통상황을 시뮬레이션하고 이에 대한 톨게이트 운영 대안을 제시하는 기능을 수행한다. FTMS 및 TCS와 실시간으로 통신하기 위하여 별도의 통신프로그램을 작성하였고 통신에 의해 수집된 실시간 교통자료들은 모니터링 시스템과 연계하여 서울 톨게이트 주변구간의 교통상황과 톨게이트 운영 현황을 제공한다. 교통류 예측 시스템에 사용되는 모형은 거시적 교통류 모형인 Simple Continuum 모형과 시계열 모형을 이용하였고 이를 통해 서울 톨게이트에 도착하는 미래 교통류를 예측 할 수 있다. 톨게이트의 교통상황을 구현하기 위하여 미시적 모형인 차량추종모형과 차로변경모형을 톨게이트 예측 시스템에 반영하였고 현재의 톨부스 운영안과 사용자가 입력하는 톨부스 운영대안에 따라 시뮬레이션 함으로써 미래 톨 플라자내 교통상황을 톨게이트 운영자에게 애니메이션으로 보여줄 수 있다. 톨게이트 시뮬레이션 시스템을 이용하여 현재의 톨게이트 운영안과 최적화된 운영안을 상호 비교함으로써 톨게이트 운영자는 좀더 과학적인 톨게이트 운영을 모색할 수 있을 것으로 생각된다. 실용적 측면에서 볼 때, 톨게이트 시뮬레이션 시스템(TGSS)은 실시간 통신을 통한 모니터링과 교통류 예측으로 톨게이트 상황을 시뮬레이션하고 톨게이트 운영 대안을 제시·평가함으로써 서울톨게이트 운영을 효율화하고 이로 인한 고속도로 소통 증대를 도모할 수 있을 것으로 기대된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.769-771
• /
• 2005

실시간 시스템은 논리적 정확성뿐만 아니라 시간적 정할성을 요구한다. 시간적 정확성을 만족시키기 위해 실시간 시스템의 설계자는 작업들의 스케줄 가능성에 대한 연구를 선행해야만 한다. 그리고 스케줄 가능성 분석을 위해 프로그램들에 대한 실행 시간 예측이 필요하다. 작업들의 실행 시간 예측을 위한 방법으로 측정과 정적 분석이 연구되었다. 측정 및 정적 분석은 비용 핀 확장성에 문제점을 지니고 있고 실시간 시스템의 발전을 따라가지 못하여 분석 결과의 정확성 밀 신뢰성이 만족스럽지 못하다. 본 논문에서는 정적 분석을 단일 실시간 시스템이 아닌 분산 실시간 시스템에 적용할 수 있는 확장된 정적 분석 도구의 개발에 초점을 둔다. 먼저 확장된 정적 분석 도구의 개발을 위해 통신 영향 요소의 분석 과정을 설계한다. 특히, 통신 부하의 영향 요소 중 통신 준비에 필요한 과정을 선행 예측 테이블로 작성하여 원시 프로그램 분석에 이용하고자 한다. 실행 시간에 영향을 미치는 요소들의 분석을 통해 원시 프로그램에서 자동적으로 예측된 실행 시간의 정확도와 신뢰도를 높인다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.06a
• /
• pp.135-140
• /
• 2007

이탈 고객 예측은 데이터 마이닝에서 다루는 주요한 문제 중에 하나이다. 이탈 고객 예측은 일종의 분류(classification) 문제로 의사결정나무추론, 로지스틱 회귀분석, 인공신경망 등의 기법이 많이 활용되어왔다. 일반적으로 이탈 고객 예측을 위한 모델은 고객의 인구통계학적 정보와 계약이나 거래 정보를 입력변수로 하여 이탈 여부를 목표변수로 보는 형태로 분류 모델을 생성하게 된다. 본 연구에서는 고객과의 지속적인 접촉으로 발생되는 추가적인 사건 정보를 활용하여 연관성 규칙을 생성하고 이 결과를 기존의 방식으로 생성된 분류 모델과 결합하는 이탈 고객 예측 방법을 제시한다. 제시한 방법의 유용성을 확인하기 위해서 특정 국내 신용카드사의 실제 데이터를 활용하여 실험을 수행하였다. 실험 결과 제시된 방법이 기존의 전통적인 분류 모델에 비해서 향상된 성능을 보이는 것을 확인할 수 있었다. 제시된 예측 방법의 장점은 기존의 이탈 예측을 위한 입력 변수들 이외에 고객과 회사간의 접촉을 통해서 생성된 동적 정보들을 통합적으로 활용하여 예측 정확도를 높이고 실시간으로 이탈 확률을 갱신할 수 있다는 점이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.286-286
• /
• 2023

물의 전체 순환 구조에서 토양수분이 차지하는 정량적 비중은 상대적으로 작지만, 강우-유출 과정의 비선형에 영향을 미치는 지배적 요인 중 하나이고, 토양 침식과 산사태, 농업생산량, 기후 변화 대응 등 광범위한 주제와 연관되어 있어, 토양수분의 물리과정에 대한 이해 증진과 예측 기술의 지속적인 개선이 필요하다. 본 연구에서는 금오공과대학교 유역 내에서 토양수분과 기상 요소를 실시간 관측하고, 기계학습 기법을 이용하여 토양수분을 단기 예측하는 기술을 개발하고 평가한다. 구체적으로는, 토양 관측 장비인 TEROS를 사용하여 표층 지점의 10cm, 심층 지점의 40cm에서의 토양수분, 토양장력과 토양온도를, 기상 관측 장비인 ATMOS를 사용하여 태양복사, 강수량, 기온, 풍속, 대기압 등 다양한 기상 요소를, 실시간 클라우드 방식으로 1여 년간 수집한 데이터를 활용한다. 또한, 과거 및 실시간 데이터를 기반으로 LSTM(Long-Short Term Memory) 기법을 사용하여 토양수분 예측 모형을 구축하고, 선행 예측 시간에 따른 모의 정확도를 평가한다. 기상 요소의 누적 등 자료 분석 방법이 표층 및 심층 토양수분 예측에 미치는 영향, 그리고 예측 모형 개선 방향에 대해 토의한다. 실시간 현장 관측 자료 및 인공지능 기반 단기 토양수분 예측 모의 기술은 소규모 유역의 수문순환 분석 및 물리기반 모형의 개선 등 다양한 분야에서 활용할 수 있을 것으로 기대된다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.12 no.2
• /
• pp.53-60
• /
• 2023

Recently, the demand and traffic volume for various multimedia contents are rapidly increasing through real-time streaming platforms. In this paper, we predict real-time streaming traffic to improve the quality of service (QoS). Statistical models have been used to predict network traffic. However, since real-time streaming traffic changes dynamically, we used recurrent neural network-based deep learning models rather than a statistical model. Therefore, after the collection and preprocessing for real-time streaming data, we exploit vanilla RNN, LSTM, GRU, Bi-LSTM, and Bi-GRU models to predict real-time streaming traffic. In evaluation, the training time and accuracy of each model are measured and compared.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.576-578
• /
• 2007

본 논문에서는 Ingo Molnar 의 realtime-preempt 패치가 적용된 리눅스를 활용한 실시간 시스템에서 다른 프로세스와 동시에 수행하지 않고도 다른 프로세스에 의한 실시간 프로세스의 최악 응답시간의 변화를 예측할 수 있도록 최악 응답 시간에 영향을 주는 커널 모드에서 선점 금지 시간을 프로세스 별로 분석을 하기 위한 도구를 커널 모듈로 구현하여 실시간 프로세스의 최악 응답 시간을 예측할 수 있음을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.350-350
• /
• 2021

한국건설기술연구원의 돌발홍수연구센터는 돌발홍수예측 시스템을 구축하여 2019년부터 전국에서의 돌발홍수정보를 제공하고 있다. 2019년에는 초단기 예측 모델인 Macgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘으로부터 생산된 초단기 예측 강우를 활용하여 동(읍/면) 단위로 1시간 선행 예보를 제공하였다. 2020년에는 추가로 초단기 예측 강우와 수치예보 자료를 병합한 예측 병합 강우 자료를 생산하여 예측 선행시간을 1시간에서 3시간까지 확장하였다. 돌발홍수예측 시스템의 목표는 도시 및 산지소하천에서의 돌발홍수에 대응하기 위한 정보를 실시간으로 사용자에게 제공하여 수재해에 빠르게 대응하는 것이다. 이에 돌발홍수예측 시스템은 2019년부터 실시간으로 운영하여 홍수기에 보다 빠른 돌발홍수정보를 제공해왔다. 본 연구에서는 2020년 우기에 운영된 돌발홍수시스템에 대한 평가를 수행하였다. 이를 위해 부산(07.23), 대전(07.29), 서울(08.01), 경기-충북(08.02)에서 발생한 수재해 사례를 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.262-262
• /
• 2011

최근 들어 지구환경 변화에 따른 이상기후의 영향으로 태풍 및 집중호우로 인한 하천범람 등 홍수재해에 의한 인명과 재산의 피해가 급증하고 있다. 특히 한반도 지역에서는 집중호우와 태풍과 같은 이상강우로 인한 홍수피해의 발생이 매년 나타나고 있으며 홍수피해의 빈도와 강도는 증가하고 있는 실정이다. 이러한 상황에서 극심한 기상이변으로 인하여 발생되는 이상홍수의 예측에 관한 사항은 치수 이수는 물론 친수관점에서 볼 때 하천관리의 측면에서 매우 중요한 관심사로 부각되고 있다. 특히 홍수예측은 주민의 대피 및 통제, 시설물의 보호 등을 위해 충분한 선행시간을 확보할 수 있는 실시간적 관점에서의 홍수예측 및 관리가 중요하다. 기존의 수문학적 강우-유출 모형은 비선형성이 강하고 유역의 지형학적 인자와 기후학적 인자의 영향을 포함하기 때문에 정확한 예측이 어렵고 유출량을 계산하기 위한 유역추적, 저수지추적 및 하도추적의 각 추적과정에서 크고 작은 오차들이 발생하고 그것들이 누적되어 유출 모형의 해석 결과에는 많은 오차들이 포함되어 있다는 문제점이 있다. 또한 주로 유역 면적이 크고 홍수의 도달시간이 긴 대하천의 홍수예측에는 기존의 강우-유출 모형이 적당한 방법임에도 불구하고 유역면적이 작은 중소하천에 적용됨으로써 많은 불확실성을 포함하고 있으며 충분한 선행시간을 확보하지 못하는 문제점을 가지고 있다. 따라서 본 연구에서는 중소하천에서의 기존의 홍수예경보가 가지고 있는 문제점을 해결하기 위해 실시간 수위측정 자료 및 강우자료를 이용한 간단한 입력자료 만으로도 홍수예측이 가능한 뉴로-퍼지(Neuro-Fuzzy) 모형을 구축하여 충분한 선행시간을 확보함으로써 중소하천에서 의 실시간 홍수예측이 가능한 시스템을 구성하여 실시간으로 구동되는 효율적인 홍수예경보 시스템을 개발하고자 하였다. 임진강 유역을 대상으로 기존의 강우-유출 모형이 요구하는 유역의 물리적, 지형 자료 및 매개변수와 같은 광범위한 양의 자료를 배제하고, 유역의 강우 자료와 수위자료만으로 유역의 중요지점에 대한 홍수위 및 홍수량을 예측할 수 있는 뉴로-퍼지 모형을 구축하고 대상 유역에 적용하여 실측치와 비교 검증하였다.