• The Korean Journal of Applied Statistics
• /
• v.29 no.7
• /
• pp.1445-1458
• /
• 2016

This paper derives a correlation coefficient using detrended cross-correlation analysis (DCCA) method for 59 regional temperature series for 40 years from 1976 to 2015. The average temperature, maximum temperature, and minimum temperature series for 4 year units are analyzed; consequently, we estimated that a temperature correlation exists between the two regions during the unit period where the correlation coefficient is greater than or equal to 0.9; subsequently, we construct a network linking the two regions. Based on network theory, average path length, clustering coefficient, assortativity, and modularity were derived. As a result, it was found that the temperature network satisfies a small-worldness property and is a network having assortativity and modularity.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.19 no.12
• /
• pp.7-13
• /
• 2018

The strength of concrete is affected significantly not only by the internal influence factors of cement, water, sand, aggregate, and admixture, but also by the external influence factors of concrete placement delay and curing temperature. The objective of this research was to predict the concrete strength considering both the internal and external influence factors when concrete is placed at the construction site. In this study, a concrete strength test was conducted on the 24 combinations of internal and external influence factors, and a neural network model was constructed using the test data. This neural network model can predict the concrete strength considering the external influence factors of the concrete placement delay and curing temperature when concrete is placed at the construction site. Contractors can use the concrete strength prediction neural network model to make concrete more robust to external influence factors during concrete placement at a construction site.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1135-1139
• /
• 2007

청계천 복원의 효과가 하천의 형상, 종 조성, 종 다양성 변화의 유연성 및 환경 개선 효과 측면에서 검토되었다. 복원된 청계천은 하천의 종단 및 횡단 형상에서 모두 낮은 자연성을 나타내었다. 종 조성은 부분적으로 자연하천과 유사한 조성을 보였으나 전반적으로 낮은 자연성을 보였다. 종 다양성은 비교적 낮았지만 복원의 역사를 고려할 때 양호한 것으로 평가되었다. 하류와 수변에서는 홍수 후 많은 변화를 가져와 자연으로 회귀할 가능성도 보였지만 상류와 홍수터 이상에서는 변화의 유연성이 낮아 자연으로 회귀하는데 많은 시간이 소요될 것으로 평가되었다. 인공위성 영상 분석 결과, 복원된 청계천은 기온 완화 효과를 나타내었다. 그 밖에 복원된 청계천은 그 주변의 분산된 녹지를 연결하여 그린네트워크를 구축하고자 할 때 핵심적 역할을 할 것으로 기대되어 경관생태적 측면에서의 환경개선효과도 기대되었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.319-319
• /
• 2020

최근 데이터 과학의 획기적인 발전 덕분에 딥러닝 (Deep Learning) 알고리즘이 개발되어 다양한 분야에 널리 적용되고 있다. 본 연구에서는 인공신경망 중 하나인 LSTM(Long-Short Term Memory) 네트워크를 사용하여 댐 유입량을 예측하였다. 구체적인 내용으로, (1) LSTM에 필요한 입력 데이터를 효율적으로 사전 처리하는 방법, (2) LSTM의 하이퍼 매개변수를 결정하는 방법 및 (3) 다양한 손실 함수(Loss function)를 선택하고 그 영향을 평가하는 방법 등을 다루었다. 제안된 LSTM 모델은 강우량(R), 댐유입량(Q) 기온(T), 기저유량(BF) 등을 포함한 다양한 입력 변수들의 함수로 가정하였으며, CCF(Cross Correlations), ACF(Autocorrelations) 및 PACF(Partial Autocorrelations) 등의 기법을 사용하여 입력 변수를 결정하였다. 다양한 sequence length를 갖는 (즉 t, t-1, … t-n의 시간 지연을 갖는) 입력 변수를 적용하여 데이터 학습에 최적의 시퀀스 길이를 결정하였다. LSTM 네트워크 모델을 적용하여 2014년부터 2020년까지 한강 유역 9개의 댐 유입량을 추정하였다. 본 연구로부터 댐 유입량을 예측하는 것은 홍수 및 가뭄 통제를 위한 필수 요건들 중 하나이며 수자원 계획 및 관리에 도움이 될 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.198-198
• /
• 2023

유역 내 수자원 계획을 효율적으로 수립하기 위해서는 장기간에 걸친 수문 모델링 뿐만 아니라 미래 기후 시나리오에 따른 수문학적 기후변화 영향 분석도 중요하다. 이를 위해서는 관측 값에 기반한 고품질 및 고해상도 격자형 기상자료 생산이 필수적이다. 하지만, 우리나라는 종관기상관측시스템(ASOS)과 방재기상관측시스템(AWS)으로 이루어진 고밀도 관측 네트워크가 2000년 이후부터 이용 가능했기에 장기간 격자형 기상자료가 부족하다. 이를 보완하고자 본 연구는 가정적인 상황에 기반하여 만약 2000년 이전에도 현재와 동일한 고밀도 관측 네트워크가 존재했다면 산출 가능했을 장기간 일 단위 고해상도 격자형 기상자료를 생산하는 것을 목표로 한다. 구체적으로, 2000년을 기준으로 최근과 과거 기간의 격자형 기상자료를 딥러닝 알고리즘으로 모델링하여 과거 기간을 대상으로 기상자료(일 단위 기온, 강수량)의 공간적 변동성 및 특성을 재구성한다. 격자형 기상자료의 생산을 위해 우리나라의 고도에 기반하여 기상 인자들의 영향을 정량화 하는 보간법인 K-PRISM을 적용하여 고밀도 및 저밀도 관측 네트워크로 두 가지 격자형 기상자료를 생산한다. 생산한 격자형 기상자료 중 저밀도 관측 네트워크의 자료를 입력 자료로, 고밀도 관측 네트워크의 자료를 출력 자료로 선정하여 각 격자점에 대해 Long-Short Term Memory(LSTM) 알고리즘을 개발한다. 이 때, 멀티 그래픽 처리장치(GPU)에 기반한 병렬 처리를 통해 비용 효율적인 계산이 가능하도록 한다. 최종적으로 1973년부터 1999년까지의 저밀도 관측 네트워크의 격자형 기상자료를 입력 자료로 하여 해당 기간에 대한 고밀도 관측 네트워크의 격자형 기상자료를 생산한다. 개발된 대부분의 예측 모델 결과가 0.9 이상의 NSE 값을 나타낸다. 따라서, 본 연구에서 개발된 모델은 고품질의 장기간 기상자료를 효율적으로 정확도 높게 산출하며, 이는 향후 장기간 기후 추세 및 변동 분석에 중요 자료로 활용 가능하다.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.8
• /
• pp.137-146
• /
• 2011

In order to support increased consumer awareness regarding energy consumption, we present new ways of monitoring and predicting with energy in electric appliances. The proposed system is a design of a common electrical power outlet called smart plug that measures the amount of current passing through current sensor at 0.5 second. To acquire data for training and testing the proposed neural network, weather parameters used include average temperature of day, min and max temperature, humidity, and sunshine hour as input data, and power consumption as target data from smart plug. Using the experimental data for training, the neural network model based on Back-Propagation algorithm was developed. Multi layer perception network was used for nonlinear mapping between the input and the output data. It was observed that the proposed neural network model can predict the power consumption quite well with correlation coefficient was 0.9965, and prediction mean square error was 0.02033.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.366-366
• /
• 2022

유역의 하천유량과 같은 수문 시계열을 모의 또는 예측하기 위한 수문 모델링에서 최근 기계 학습 방법을 활용한 연구가 활발하게 적용되고 있는 추세이다. 이러한 데이터 기반 모델링 접근법은 입출력 자료에서 관찰된 패턴을 학습하며, 특히, 장단기기억(Long Short-Term Memory, LSTM) 네트워크는 많은 연구에서 수문 시계열 예측에 대한 적용성이 검증되었으나, 장기간의 고품질 관측자료를 활용할 때 더 나은 예측성능을 보인다. 그러나 우리나라의 경우 장기간 관측된 고품질의 하천유량 자료를 확보하기 어려운 실정이다. 따라서 본 연구에서는 LSTM 네트워크의 학습 시 가용한 모든 유역의 자료를 통합하여 학습시켰을 때 하천유량 예측성능을 개선할 수 있는지 판단해보고자 하였다. 이를 위해, 우리나라 13개 댐 유역을 대상으로 대상 유역의 자료만을 학습한 모델의 예측성능과 모든 유역의 자료를 학습한 모델의 예측성능을 비교해 보았다. 학습은 2001년부터 2010년까지 기상자료(강우, 최저·최고·평균기온, 상대습도, 이슬점, 풍속, 잠재증발산)를 이용하였으며, 2011년부터 2020년에 대해 테스트 되었다. 다지점 통합학습을 통해 테스트 기간에 대해 예측된 각 유역의 일 하천유량의 KGE 중앙값이 0.74로 단일지점 학습을 통해 예측된 KGE(0.72)보다 다소 개선된 결과를 보여주었다. 다지점 통합학습이 하천유량 예측에 큰 개선을 달성하지는 못하였으며, 추가적인 가용 자료 확보와 LSTM 구성의 개선을 통해 추가적인 연구가 필요할 것으로 판단된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.433-436
• /
• 2006

유비쿼터스는 간단히 말해서 많은 센서 들로 이루어진 무선 센서 네트워크이며 해양 환경 감시 서비스는 해양에 센서들을 설치함으로써 유비쿼터스 환경을 구축하고 해양 환경 변화를 감시한다. 센서 노드들로부터 수온, 기온, 염도 등을 센서 데이터들이 측정이 되며 이러한 데이터를 기반으로 유용한 지식을 탐사해낸다. 그러나 기존의 데이터 마이닝 기법은 이력 데이터에 대해서 마이닝 기법을 적용하지만 센서 데이터들은 아주 빠른 속도로 대량으로 유입이 되기 때문에 기존의 데이터 마이닝 기법은 적용이 불가능하게 된다. 그러므로 센서 데이터에 맞는 새로운 센서 데이터 마이닝 기법이 필요하다. 본 논문에서는 센싱된 센서 데이터들을 기반으로 해양 환경 감시 서비스에 제공할 수 있는 센서 마이닝 기법들을 제안한다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.14 no.2
• /
• pp.99-104
• /
• 2013

Replacement of sensor nodes for monitoring a wide range area such as mountains and forests needs a lot of time and cost. Using new and renewable energy around them can maximize the lifetime of wireless sensor networks, in which solar energy is infinite energy source that is available in 365 days. To design these sensor networks, solar energy model is essential and to estimate and analyze the overall photovoltaic energy. Using this, we can figure out important data such as the size and performance of solar panel needed. However, existing researches for solar energy harvesting consider parts of many factors to influence the quantity of solar energy gathered. In this paper, we suggest advanced solar energy harvesting model considering angular loss (solar cell panel), overheat loss (solar cell), rechargeable battery heat and cooling for each monthly properties. From our experimental results according to outdoor temperature, panel angle and the surface temperature of solar panel, we show these impact factors are correctly configured.

• Journal of the Korean Society for information Management
• /
• v.36 no.1
• /
• pp.117-135
• /
• 2019

Data journals and data papers have grown and considered an important scholarly practice in the paradigm of open science in the context of data sharing and data reuse. This study investigates a total of 713 data papers published in Scientific Data in terms of author, citation, and subject areas. The findings of the study show that the subject areas of core authors are found as the areas of Biotechnology and Physics. An average number of co-authors is 12 and the patterns of co-authorship are recognized as several closed sub-networks. In terms of citation status, the subject areas of cited publications are highly similar to the areas of data paper authors. However, the citation analysis indicates that there are considerable citations on the journals specialized on methodology. The network with authors' keywords identifies more detailed areas such as marine ecology, cancer, genome, database, and temperature. This result indicates that biology oriented-subjects are primary areas in the journal although Scientific Data is categorized in multidisciplinary science in Web of Science database.