• 한국산업정보학회논문지
• /
• 제26권1호
• /
• pp.21-29
• /
• 2021

최근 다양한 애플리케이션 도메인을 위한 IoT 솔루션이 개발되고 있으며, 농업분야에서도 IoT 기술을 적용하여 농작물 생산량은 늘리는 반면에 손실은 줄임으로써 농업 생산성을 향상시키기 위한 데이터기반 정밀농업 연구가 진행되고 있다. 이에 본 논문은 미기상 데이터를 수집하여 서리 및 병해충 등 농업예측서비스를 제공하기 위한 스마트팜 플랫폼을 제안하고자 한다. 제안된 플랫폼에서는 실시간으로 수집한 미기상 데이터를 기반으로 서리 및 병해충을 예측하여, 농민들에게 서리 가능성과 병해충 예보 서비스를 제공한다. 실험을 통해 확인한 결과, 미기상기반 예측 플랫폼은 지역기상기반 데이터를 이용한 서리예측보다 더 높은 정밀도(Precision)값을 보임을 알 수 있었다. 정확한 실험을 위하여 시스템 설치 현장에서 실제 관측한 병해충 예찰 데이터를 수집 중에 있다. 본 플랫폼을 활용하여 서리와 병해충 발생 예측정보를 사전에 효과적으로 제공함으로써, 농민들이 작물 피해 및 불필요한 농약 사용을 줄일 수 있도록 하는 정밀농업 서비스를 제공할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.358-358
• /
• 2023

본 연구에서는 그동안 수자원분야 강우유출 해석분야에 활용되었던 대표적인 머신러닝&딥러닝(ML&DL) 모델을 활용하여 모델의 하이퍼파라미터 튜닝뿐만 아니라 모델의 특성을 고려한 기상 및 수문데이터의 조합과 전처리(lag-time, 이동평균 등)를 통하여 데이터 특성과 ML&DL모델의 조합시나리오에 따른 일 유입량 예측성능을 비교 검토하는 연구를 수행하였다. 이를 위해 소양강댐 유역을 대상으로 1974년에서 2021년까지 축적된 기상 및 수문데이터를 활용하여 1) 강우, 2) 유입량, 3) 기상자료를 주요 영향변수(독립변수)로 고려하고, 이에 a) 지체시간(lag-time), b) 이동평균, c) 유입량의 성분분리조건을 적용하여 총 36가지 시나리오 조합을 ML&DL의 입력자료로 활용하였다. ML&DL 모델은 1) Linear Regression(LR), 2) Lasso, 3) Ridge, 4) SVR(Support Vector Regression), 5) Random Forest(RF), 6) LGBM(Light Gradient Boosting Model), 7) XGBoost의 7가지 ML방법과 8) LSTM(Long Short-Term Memory models), 9) TCN(Temporal Convolutional Network), 10) LSTM-TCN의 3가지 DL 방법, 총 10가지 ML&DL모델을 비교 검토하여 일유입량 예측을 위한 가장 적합한 데이터 조합 특성과 ML&DL모델을 성능평가와 함께 제시하였다. 학습된 모형의 유입량 예측 결과를 비교·분석한 결과, 소양강댐 유역에서는 딥러닝 중에서는 TCN모형이 가장 우수한 성능을 보였고(TCN>TCN-LSTM>LSTM), 트리기반 머신러닝중에서는 Random Forest와 LGBM이 우수한 성능을 보였으며(RF, LGBM>XGB), SVR도 LGBM수준의 우수한 성능을 나타내었다. LR, Lasso, Ridge 세가지 Regression모형은 상대적으로 낮은 성능을 보였다. 또한 소양강댐 댐유입량 예측에 대하여 강우, 유입량, 기상계열을 36가지로 조합한 결과, 입력자료에 lag-time이 적용된 강우계열의 조합 분석에서 세가지 Regression모델을 제외한 모든 모형에서 NSE(Nash-Sutcliffe Efficiency) 0.8이상(최대 0.867)의 성능을 보였으며, lag-time이 적용된 강우와 유입량계열을 조합했을 경우 NSE 0.85이상(최대 0.901)의 더 우수한 성능을 보였다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.39-49
• /
• 2021

최근 국가 관측망, 기업 공기 측정기 등을 통해 많고 다양한 기상 데이터가 수집되고 있다. 기계학습 기법을 통해 기상 예측하려는 노력이 곳곳에서 이루어지고 있으며, 국내 미세먼지는 농도가 증가해오고 사람들의 관심이 높아 가장 관심있는 예측 대상 중 하나이다. 본 연구에서는 서울시 전역에 설치된 840여 개실외공기측정기 데이터를 사용하여 PM10·PM2.5 예측 모형을 비교하고자 한다. 5분 뒤 미세먼지 농도 예측을 통해 실시간으로 정보를 제공할 수 있으며, 이는 10분·30분·1시간 뒤 예측 모형 개발에 기반이 될 수 있다. 잡음 제거, 결측치 대체 등의 데이터 전처리를 진행하였고, 시·공간 변수를 고려할 수 있는 파생 변수를 생성하였다. 모형의 매개변수는 반응 표면 방법을 통해 선택하였다. XGBoost, 랜덤포레스트, 딥러닝(Multilayer Perceptron)을 예측 모형으로 사용하여, 미세먼지 농도와 예측값의 차이를 확인하고, 모형 간 성능을 비교하고자 한다.

• 한국재난정보학회 논문집
• /
• 제16권4호
• /
• pp.682-690
• /
• 2020

연구목적: 본 연구는 재난 발생 데이터와 실시간 기상·대기 관련 데이터를 수집하고 정제과정을 통하여 데이터베이스를 구축하고, API로 제공되는 공공 데이터와 연계하여 빅 데이터 기반의 도시안전지수의 서비스 모델을 제안하고자 한다. 연구방법: 재난 발생과 관련한 다양한 정보를 공공 데이터와 SNS를 활용하여 수집하고, 기계학습 알고리즘으로 분석한 결과를 중심으로 이용자 관심지역의 재난상황을 실시간 대시보드로 확인하고 대처하는 방법을 제공하고자 한다. 연구결과: 분야별 지역안전지수와 기상·대기의 상관관계가 높은 속성을 추출하여 예측모델과 비교하면 교통사고 분야의 지역안전지수는 기상·대기 데이터와 상당한 상관관계가 있음을 확인하였다. 결론: 기계학습 알고리즘 기반의 안전지수 예측모델을 생성하여 이용자 관심 지역에 분야별 안전지수를 지도에 표시하는 시스템을 제안하였다.

• 융합보안논문지
• /
• 제12권6호
• /
• pp.107-113
• /
• 2012

본 연구는 강력 5대범죄(살인, 강도, 강간, 절도, 폭력)와 기상변화의 요소(날씨, 기온, 강수량, 풍속, 습도)의 상관관계에 대해 검토하였다. 본 연구에서 사용된 데이터들은 포털사이트를 통해 2010년 1월 1일부터 2012년 10월 19일까지 발생건수와 기상청에서 기록한 해당일의 기상변화의 요소들을 자료로 사용하였다. 이 데이터를 토대로 범죄와 기상변화 요소들과의 상관관계를 분석하기 위해 SPSS 12.0을 활용하였고, 분석을 통해 범죄에 대해 상관관계의 여부를 알 수 있었다. 이 분석결과를 바탕으로 이 분야의 연구에 중요한 선행연구가 될 것이라 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.135-135
• /
• 2020

우리나라의 기후 자료는 일반적으로 기상청에서 발표하는 종관기상관측(ASOS)과 방재기상관측(AWS), 그리고 북한이 세계기상기구(WMO, World Meteorogical Organization)의 기상통신망(GTS)을 통해 보낸 북한기상관측(NKO)을 사용 할 수 있다. 그러나 이 중 40년 이상의 완전한 관측 자료를 얻을 수 있는 건 ASOS가 유일하지만 공간적인 표현에 한계를 갖고 있다. AWS는 관측소가 많다는 장점이 있지만 관측 기간이 길지 않고 이용 가능한 기간에도 관측이 연속적이지 못한 경우가 많다. NKO는 비록 27개의 관측소가 있지만 많은 데이터가 누락되어 일별 기후자료의 사용에 한계를 갖고 있다. 이러한 미관측 기간이나 관측 자료의 누락은 연속적인 시계열 자료분석을 기반으로 하는 수자원 모델링에 있어서 문제를 야기한다. 본 연구는 1973년부터 2019년까지 47년의 신뢰도 높은 한반도 일일 기후 자료를 구축하기 위해 다양한 방법론을 비교하였다. 추정에 사용한 방법은 총 7개로 EM algorithm for probabilistic principal components (PPCA-EM), Inverse distance weight method (IDWM), Nearest neighbor method (NNM), Multivariate normal copulas (Copula), Elastic net model (Elastic), Ordinary kriging (OK), Regularized principal components with EM algorithm (RPCA-EM)를 살펴보았다. 다양한 형태의 결측치를 가정하여 그 결과값을 비교하였고 이는 Root mean squared error(RMSE), Kling-Gupta efficiency(KGE), Nash-Sutcliffe efficiency(NSE)를 통해 평가하였다. 최종 선택된 방법론을 통하여 한반도 전역을 그리드 기반의 강수 및 최저온도/최고온도의 일별자료로 생성하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.27-30
• /
• 2021

경제 성장과 함께 자동차의 수요가 늘어남에 따라 교통사고 발생 빈도는 꾸준히 증가하고 있다. 이에, 본 연구에서는 교통사고를 야기하는 도로 및 기상환경과 같은 조건을 활용하여 기계학습 모델을 통해 서울시 교통사고 사상자 수를 예측하는 모형을 찾고자 한다. 활용한 데이터는 도로교통 공단에서 제공하는 교통사고 사상자 수 정보를 포함하는 데이터로 2015년부터 2018년도까지 데이터를 학습에 사용하였고 2019년도 데이터를 테스트 평가에 사용하였다. 실증연구를 통해 트리 기반의 모델 별 성능을 비교하였으며 본 연구에 대한 결과는 사고 발생 시 우선순위에 의한 구조활동이 가능하게 함과 도로상황 및 기상을 고려한 안전운전 가이드 지식으로 활용될 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제61차 동계학술대회논문집 28권1호
• /
• pp.113-116
• /
• 2020

본 연구의 목적은 최근 비중이 급증하고 있는 국내 전자상거래 시장에서 농산물 판매 현황이 지역 날씨와 생육 환경 등 농산물 생산과 연관성이 높은 데이터와 어떤 관계가 있는지를 분석하는 것이다. 이를 위해 전라남도 농산물의 온라인 판매 현황을 분석하고, 전남 지역 날씨와 생육 환경에 관한 표준화된 데이터를 안정적으로 확보할 수 있도록 빅데이터 시스템을 구축하고자 한다. 본 연구의 결과는 지역 농업인의 농산물 생산과 유통 의사결정에 시사점을 제공하고 궁극적으로는 생산성과 수익성 향성에 기여할 것으로 기대된다.

• 한국지능시스템학회논문지
• /
• 제25권3호
• /
• pp.242-247
• /
• 2015

본 논문은 방사형 기저함수 신경회로망(Radial Basis Function Neural Network) 패턴분류기를 기반으로 강수 에코와 비(非)강수 에코를 분류하는 방법을 제시한다. 강수 에코와 비(非)강수 에코를 분류하기 위하여 기상레이더 자료의 특성을 분석하였다. 이를 기반으로 UF 데이터의 전처리를 실시하여 입력변수(DZ, SDZ, VGZ, SPN, DZ_FR, VR)를 선정 하였고 학습데이터 및 테스트데이터로 구성하였다. 마지막으로, 기상청에서 사용되고 있는 QC 데이터는 제안된 알고리즘의 성능을 비교하기 위해 사용하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.323-326
• /
• 2020

태양광 발전은 이산화탄소 배출로 인한 기후 변화에 대응하는 주요 수단으로 인식되어 수요와 필요성이 급격하게 증가하고 있다. 최적의 태양광 발전 시스템의 운영을 위해서는 정교한 전력수요 및 태양광 발전량 예측 모델이 요구되며, 온도 및 일사량은 태양광 발전량 예측 모델의 필수적인 입력 변수이다. 하지만, 한국 기상청의 동네예보는 일사량에 관한 예측값을 제공하지 않아 정교한 태양광 발전량 예측 모델을 구축하는 것은 어렵다. 이를 위해 일사량 예측 기법에 관한 많은 연구사례가 보고되고 있지만, 다수의 연구들은 충분한 데이터 셋을 이용하여 일사량 예측 모델을 개발하였다. 초기 태양광 발전 시스템 운영을 위해서는 불충분한 데이터 셋을 이용한 예측 모델 개발이 필요하나 이에 대한 사례는 불충분하다. 본 논문은 실제 태양광 발전 시스템에서 수집된 불충분한 데이터 셋을 이용한 단기 일사량 예측 기법을 제안한다. 먼저, 기상청 동네예보의 다양한 기상 요인들을 이용하여 일사량 예측 모델을 위한 입력 변수를 구성한다. 다음으로, 조건부 랜덤 포레스트를 이용하여 일사량 예측 모델을 구성하며, 설명 가능한 일사량 예측뿐만 아니라 더욱더 많은 데이터 셋을 학습하기 위해 시계열 교차검증을 수행한다. 실험 결과, 제안한 기법은 다른 예측 기법들보다 높은 예측 정확도를 보일 뿐만 아니라 설명 가능한 예측 결과를 제시할 수 있음을 보여준다.