• Journal of the Korean Data and Information Science Society
• /
• 제20권2호
• /
• pp.273-281
• /
• 2009

갭모형은 구매전 기대와 구매후 성과 사이의 차이가 고객만족도와 같은 종속변수에 대한 영향을 이해하려는 기대불일치 패러다임에 근거한 것이다. 이러한 패러다임과는 달리 Bhote는 갭모형 대신에 곱모형을 제안하였다. 곱모형은 구매전 중요도와 구매후 성과를 곱하여 구하는 고객만족도지수에 근거한 것이다. 본 연구는 Bhote의 곱모형을 외식업에 적용한 것이다. 본 연구의 목적은 곱모형에 의한 외식업의 서비스품질의 5차원이 고객만족도, 재방문의도, 및 고객애호도를 설명하는 모형의 독립변수로 적합한지의 여부를 검정하는 것이다. 모형검정을 위해 회귀분석의 F-값이 활용되었다. 분석결과 곱모형은 적합한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.246-246
• /
• 2021

본 연구는 강우 발생시 유량을 추정하는 것에 목적이 있다. 이를 위해 본 연구는 선행연구의 모형 개발방법론에서 벗어나 딥러닝 알고리즘 중 하나인 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 유량을 추정하였다. 합성곱 신경망은 일반적으로 분류 문제 (classification)을 해결하기 위한 목적으로 개발되었기 때문에 불특정 연속변수인 유량을 모의하기에는 적합하지 않다. 이를 위해 본 연구에서는 합성곱 신경망의 완전 연결층 (Fully connected layer)를 개선하여 연속변수를 모의할 수 있도록 개선하였다. 대부분 합성곱 신경망은 RGB (red, green, blue) 사진 (photograph)을 이용하여 해당 사진이 나타내는 것을 예측하는 목적으로 사용하지만, 본 연구의 경우 일반 RGB 사진을 이용하여 유출량을 예측하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이를 위해 본 연구에서는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는 수문학적 이미지는 입력자료로 활용했다. 합성곱 신경망의 구조는 Convolution Layer와 Pulling Layer가 5회 반복하는 구조로 설정하고, 이후 Flatten Layer, 2개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 다시 1개의 Dense Layer가 이어지는 구조로 설계하였다. 마지막 Dense Layer의 활성화 함수는 분류모형에 이용되는 softmax 또는 sigmoid 함수를 대신하여 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 이와 함께 각 층의 활성화 함수는 정규화 선형함수 (ReLu)를 이용하였으며, 모형의 학습 평가 및 검정을 판단하기 위해 MSE 및 MAE를 사용했다. 또한, 모형평가는 NSE와 RMSE를 이용하였다. 그 결과, 모형의 학습 평가에 대한 MSE는 11.629.8 m3/s에서 118.6 m3/s로, MAE는 25.4 m3/s에서 4.7 m3/s로 감소하였으며, 모형의 검정에 대한 MSE는 1,997.9 m3/s에서 527.9 m3/s로, MAE는 21.5 m3/s에서 9.4 m3/s로 감소한 것으로 나타났다. 또한, 모형평가를 위한 NSE는 0.7, RMSE는 27.0 m3/s로 나타나, 본 연구의 모형은 양호(moderate)한 것으로 판단하였다. 이에, 본 연구를 통해 제시된 방법론에 기반을 두어 CNN 모형 구조의 확장과 수문학적 이미지의 개선 또는 새로운 이미지 개발 등을 추진할 경우 모형의 예측 성능이 향상될 수 있는 여지가 있으며, 원격탐사 분야나, 위성 영상을 이용한 전 지구적 또는 광역 단위의 실시간 유량 모의 분야 등으로의 응용이 가능할 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.444-444
• /
• 2021

하천의 오염부하량 관리 계획은 지속적인 모니터링을 통한 자료 구축과 모형을 이용한 예측결과를 기반으로 수립된다. 하천의 모니터링과 예측 분석은 많은 예산과 인력 등이 필요하나, 정부의 담당 공무원 수는 극히 부족한 상황이 일반적이다. 이에 정부는 전문가에게 관련 용역을 의뢰하지만, 한국과 같이 지형이 복잡한 지역에서의 오염부하량 배출 특성은 각각 다르게 나타나기 때문에 많은 예산 소모가 발생 된다. 이를 개선하고자, 본 연구는 합성곱 신경망 (convolution neural network)과 수문학적 이미지 (hydrological image)를 이용하여 강우 발생시 BOD 및 총인의 부하량 예측 모형을 개발하였다. 합성곱 신경망의 입력자료는 일반적으로 RGB (red, green, bule) 사진을 이용하는데, 이를 그래도 오염부하량 예측에 활용하는 것은 경험적 모형의 전제(독립변수와 종속변수의 관계)를 무너뜨리는 결과를 초래할 수 있다. 이에, 본 연구에서는 오염부하량이 수문학적 조건과 토지이용 등의 변수에 의해 결정된다는 인과관계를 만족시키고자 수문학적 속성이 내재된 수문학적 이미지를 합성곱 신경망의 훈련자료로 사용하였다. 수문학적 이미지는 임의의 유역에 대해 2차원 공간에서 무차원의 수문학적 속성을 갖는 grid의 집합으로 정의되는데, 여기서 각 grid의 수문학적 속성은 SCS 토양보존국(soil conservation service, SCS)에서 발표한 수문학적 토양피복형수 (curve number, CN)를 이용하여 산출한다. 합성곱 신경망의 구조는 2개의 Convolution Layer와 1개의 Pulling Layer가 5회 반복하는 구조로 설정하고, 1개의 Flatten Layer, 3개의 Dense Layer, 1개의 Batch Normalization Layer를 배열하고, 마지막으로 1개의 Dense Layer가 연결되는 구조로 설계하였다. 이와 함께, 각 층의 활성화 함수는 정규화 선형함수 (ReLu)로, 마지막 Dense Layer의 활성화 함수는 연속변수가 도출될 수 있도록 회귀모형에서 자주 사용되는 Linear 함수로 설정하였다. 연구의 대상지역은 경기도 가평군 조종천 유역으로 선정하였고, 연구기간은 2010년 1월 1일부터 2019년 12월 31일까지로, 2010년부터 2016년까지의 자료는 모형의 학습에, 2017년부터 2019년까지의 자료는 모형의 성능평가에 활용하였다. 모형의 예측 성능은 모형효율계수 (NSE), 평균제곱근오차(RMSE) 및 평균절대백분율오차(MAPE)를 이용하여 평가하였다. 그 결과, BOD 부하량에 대한 NSE는 0.9, RMSE는 1031.1 kg/day, MAPE는 11.5%로 나타났으며, 총인 부하량에 대한 NSE는 0.9, RMSE는 53.6 kg/day, MAPE는 17.9%로 나타나 본 연구의 모형은 우수(good)한 것으로 판단하였다. 이에, 본 연구의 모형은 일반 ANN 모형을 이용한 선행연구와는 달리 2차원 공간정보를 반영하여 오염부하량 모의가 가능했으며, 제한적인 입력자료를 이용하여 간편한 모델링이 가능하다는 장점을 나타냈다. 이를 통해 정부의 물관리 정책을 위한 의사결정 및 부족한 물관리 분야의 행정력에 도움이 될 것으로 생각된다.

• Journal of the Korean Data and Information Science Society
• /
• 제25권1호
• /
• pp.19-26
• /
• 2014

다항 로지스틱 회귀모형의 설명변수가 연속형과 범주형을 모두 포함할 때 범주형 설명변수는 직합을 적용하고 연속형 설명변수는 텐서곱을 적용하는 모형을 제안한다. 변수선택의 기준으로 BIC를 사용하고, 제안된 모형의 알고리즘을 구현하였다. 구현된 알고리즘을 실제 자료에 적용하여 기존의 방법과 비교하여 제안된 모형이 더 좋은 분류율을 보임을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.200-200
• /
• 2021

하천은 용수공급, 관개, 친수활동, 산업활동 등 인간의 활동에 중요한 역할을 한다. 이에 따라 수질관리는 필수적이며 유기물, 중금속, 화학물질 등의 용존물질들은 수질문제에 직접적으로 영향을 미친다. 따라서 하천에서의 용존물질의 혼합 거동을 파악하기 위한 연구가 지난 수십년간 이루어지고 있다. 하천 흐름에 따른 오염물질의 이동 및 확산 거동을 예측하기 위하여 1차원 추적모형이 활용되는데, 그 중 하천저장대 모형(Transient Storage Model, TSM)은 자연하천의 복잡하고 불규칙한 수리·지형적인 특성을 단순하게 반영할 수 있다는 장점때문에 가장 많이 사용된다. 하지만 TSM은 매개변수에 대한 의존성과 불확도가 크며, TSM의 저장대에서의 농도분포에 대한 지수함수형태의 모델링이 하상간극수역(Hyporheic zone)에서의 저장대 특성을 반영하기에 구조적으로 부정확하다는 단점이 제기되고 있다. 최근 이러한 TSM의 단점을 보완하고 하천에서의 저장대 메커니즘을 보다 정확하게 구현하고자 체류시간분포(residence time distribution)를 이용한 확률론적 저장대 모델링 프레임워크가 등장하고 있다. 본 연구에서는 본류대와 저장대에서의 오염물질의 체류시간분포를 분리하여 해석하고 이를 전달함수(transfer function)를 이용한 합성곱으로 결합한 형태의 프레임워크를 적용하여 모델링하였다. 상기의 모형을 검증하기 위하여 2019년 감천의 4.85km 구간에서 추적자 실험을 실시하였다. 실험 당시 유량은 12.9 m³/s로 풍수기에 해당되며 평균 유속은 약 0.6 m/s로 측정되었다. 모형의 매개변수는 추적자 실험으로부터 최적화 기법을 통해 역모델링기법으로 결정하였다. 제안된 모형에 의한 모의 결과를 추적자 실험에서의 농도측정자료와 비교한 결과, 평균 0.988의 결정계수를 보여 매우 높은 정확도를 보이고 있음을 알 수 있었다. 저장대특성을 나타내는 농도곡선의 꼬리부에 대하여 같은 조건에서 1차원 이송-분산(ADE) 모형, TSM의 모의결과와도 비교한 결과 본 모형은 추적자 실험 농도측정 결과와 평균 0.195의 오차율을 보이며, 이는 ADE 모형과 TSM의 오차율인 14.03과 1.866에 비해 매우 정확한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.120-120
• /
• 2023

본 연구에서는 CCTV 영상 내 빗줄기의 특성을 바탕으로 강우강도를 산정하기 위한 합성곱 신경망(CNNs, Convolutional Neural Networks) 기반 강우강도 산정 모형을 제안하였다. 중앙대학교 및 한국건설생활환경시험연구원 내 대형기후환경시험실에서 얻은 CCTV 영상들을 대상으로 연구를 수행하고, 우적계 등과 같은 지상 관측자료와 강우강도 산정 결과를 비교·검증하였다. 먼저, CCTV 영상 내 빗줄기의 미세한 변동 특성을 반영하기 위해 데이터 전처리 작업을 진행하였다. 이는 원본 영상으로부터 빗줄기 층을 분리해내는 과정, 빗줄기 층에서 빗물 입자를 분리해내는 과정, 그리고 빗물 입자를 인식하는 과정 등 총 세 단계로 구분된다. 합성곱 신경망 기반 강우강도 산정 모형 구축을 위해 영상 전처리가 완료된 데이터들을 입력값으로 설정하고, 촬영 시점에 대응되는 지상관측 자료를 출력값으로 고려하여 강우강도 산정모형을 훈련시켰다. CCTV 원자료 내 특정 영역에 편향되어 강우강도를 산정하는 과적합 현상의 발생을 방지하기 위해 원자료 내 5개의 관심 영역(ROI, Region of Interest)을 설정하였다. 추가로, CCTV의 해상도를 총 4개(2560×1440, 1920×1080, 1280×720, 720×480)로 구분함으로써 해상도 변화에 따른 학습 결과의 차이를 분석·평가하였다. 이는 기존 사례들과 비교했을 때, CCTV 영상을 기반으로 빗줄기의 거동 특성과 같은 물리적인 현상을 직간접적으로 고려하여 강우강도를 산정했다는 점과 더불어 머신러닝을 적용하여 강우 이미지가 갖는 본질적인 특징들을 파악했다는 측면에서, 추후 본 연구에서 제안한 모형의 활용 가치가 극대화될 수 있을 것으로 판단된다.

• 융합신호처리학회논문지
• /
• 제21권3호
• /
• pp.148-153
• /
• 2020

합성곱 신경망 모형에서 높은 정확도를 얻기 위해서는 최적의 하이퍼파라미터를 설정하는 작업이 필요하다. 하지만 높은 성능을 낼 수 있는 하이퍼파라미터 값이 정확히 알려진 바가 없으며, 자료마다 최적의 하이퍼파라미터 값이 달라질 수 있기 때문에 매번 실험을 통해서 찾아야만 한다. 또한, 하이퍼파라미터 값들의 범위가 넓고 조합 수가 많기 때문에 시간과 계산량을 줄이기 위해서는 최적값을 찾기 위한 실험 계획을 먼저 한 후에 탐색을 하는 것이 필요하다. 그러나 아직까지 합성곱 신경망 모형에서 하이퍼파라미터 최적화를 위하여 실험계획법을 이용한 연구 결과가 보고되지 않았다. 본 논문에서는 이미지 분류 문제에서 통계방법 중 하나인 실험계획법의 요인배치법을 이용하여 실험 계획을 하고 합성곱 신경망 분석을 한 후에, 높은 성능을 갖는 값을 중심으로 그리드 탐색을 하여 최적의 하이퍼파라미터를 찾는 방법을 제안한다. 실험 계획을 통하여 각 하이퍼파라미터들의 탐색 범위를 줄인 후에 그리드 탐색을 함으로써 효율적으로 연산량을 줄이고 정확도를 높힐 수 있음을 보였다. 또한 실험 결과에서 모형 성능에 가장 큰 영향을 주는 하이퍼파라미터가 학습률이라는 것을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제19권1호
• /
• pp.1-15
• /
• 2019

직업훈련 교육 현장에서 느끼는 가장 큰 어려움 중 하나는 중도탈락 문제이다. 훈련과정마다 많은 수의 학생들이 중도탈락을 하게 되어 국가 예산 낭비 및 청년 취업률 개선에 장애 요인이 되고 있다. 본 연구에서는 중도탈락의 원인을 주로 분석한 기존 연구들과 달리, 각종 수강생 정보를 활용하여 사전에 중도탈락을 예측할 수 있는 기계학습 기반 모형을 제안하고자 한다. 특히 본 연구의 제안모형은 수강생 관련 정형 데이터 뿐 아니라 비정형 데이터인 강사의 상담일지 정보까지 동시에 고려하여 모형의 예측정확도를 제고하고자 하였다. 이 때 비정형 데이터에 대한 분석은 최근 주목받고 있는 텍스트 분석 기술인 Word2vec과 합성곱 신경망을 이용해 수행하였다. 국내 한 직업훈련기관의 실제 데이터에 제안모형을 적용해 본 결과, 정형데이터만을 사용하여 중도탈락을 예측할 때보다 비정형 데이터를 함께 고려했을 때 예측의 정확도가 최대 20%까지 향상됨을 확인할 수 있었다. 아울러, Support Vector Machine을 기반으로 정형 데이터와 비정형 데이터를 결합해 분석했을 때, 검증용 데이터셋 기준으로 90% 후반대의 높은 예측 정확도를 나타냄을 확인하였다.

• 한국수자원학회논문집
• /
• 제30권4호
• /
• pp.327-334
• /
• 1997

본 연구는 우리나라의 2개 하천지점에서 홍수 수문곡선 유도에 이용된 탱크모형의 매개변수를 검정하여 향후 상기 모형들이 관련 하천의 홍수예·경부에 직접 이용되도록 하는데 있다. 선정된 지점은 금강의 공주와 영산강의 나주지점이며 모형의 검정 결과 영산강의 겨우 영산강 유역개발 2단계 수문조사에서 유도된 모형의 매개변수가 비교적 타당하였으나 금강의 경우 대청 다목적댐 타당성 조사보고서에 수록된 모형의 매개변수에 10-1을 곱함으로서 실측치와 거의 일치하는 홍수 수문곡선을 얻을 수 있었다.

• 디지털융복합연구
• /
• 제10권7호
• /
• pp.11-22
• /
• 2012

지식정보경제에서 무형자산은 부와 성장을 결정하는 중요한 역할을 한다. 특히 기업이 보유한 무형자산 중 대표적인 특허에 대한 평가가 많은 주목을 받고 있다. 중소벤처기업의 활동이 경제의 큰 부분을 차지하면서 이들이 보유한 특허의 가치를 어떻게 평가할 것인가에 대한 문제가 실무 및 학계에서 큰 관심의 대상이 되고 있다. 중소벤처 기업에 대한 인수 합병, 투 융자 등에서 가장 중요하게 고려되는 것이 특허가치에 대한 평가이기 때문이다. 이러한 필요성에 의해 본 연구에서는 특허가치평가를 위해 평가대상기업 재무제표를 이용하여 매출총이익으로부터 영업이익을 계산한 후 법인세, 자본비용을 고려하고 감가상각비는 증감함으로써 초과이익을 계산하고 현가계수를 곱하여 현재가치를 구하게 되며, 여기에 기여도를 곱함으로써 궁극적인 무형자산 가치를 구하게 되는 DCF모형과 사례분석을 제안하였다.