• 응용통계연구
• /
• 제29권7호
• /
• pp.1445-1458
• /
• 2016

본 논문에서는 1976년부터 2015년까지 40년 간, 59개 지역 기온 시계열을 대상으로 degrended cross-correlation analysis(DCCA) 방법을 이용한 상관 계수를 도출하였다. 4년 단위의 평균기온, 최고기온, 최저기온 시계열을 분석하여 상관계수 값이 0.9 이상이면 단위 기간 동안 두 지역의 온도 상관성이 존재하는 것으로 판단하고, 두 지역 간의 연결선을 만드는 방식으로 네트워크를 구축하였다. 이후 네트워크 이론을 바탕으로 평균 경로 길이, 결집 계수, 유사성, 모듈성 등의 값들을 도출하였다. 그 결과, 기온 네트워크는 좁은 세상 성질을 만족하고, 유사성과 모듈성이 높은 네트워크임을 알 수 있었다.

• 한국산학기술학회논문지
• /
• 제19권12호
• /
• pp.7-13
• /
• 2018

콘크리트 강도는 시멘트, 물, 자갈, 모래 그리고 혼화재 등 내부영향요인뿐만 아니라 실제 현장에서 발생하는 현장기온과 타설지연시간 등 외부영향요인의 영향을 받게 된다. 본 연구의 목적은 콘크리트 배합설계 시 내부영향요인과 외부영향요인을 고려하여 현장 콘크리트 타설시 최적의 콘크리트 강도를 확보하는 것이다. 본 연구에서는 내부영향요인과 외부영향요인에 대한 수준을 정의하고, 모두 24개의 조합에 대한 콘크리트 강도 테스트를 한 후 콘크리트 강도예측 뉴럴 네트워크 모델을 개발했다. 본 콘크리트 강도예측 뉴럴 네트워크 모델은 현장 콘크리트 타설 시 현장기온과 타설지연시간을 고려하여 콘크리트 강도를 예측하는 기능을 제공한다. 본 콘크리트 강도예측 뉴럴 네트워크 모델은 내부영향요인과 외부영향요인을 분석하고 실제 현장에서 콘크리트를 타설할 때 양생온도와 타설지연시간을 뉴럴 네트워크 입력변수로 처리하여 콘크리트 강도를 예측하는 기능을 제공한다. 시공사는 콘크리트 강도예측 결과를 활용하여 콘크리트 배합을 조정함으로써 현장타설 콘크리트 강도를 관리할 수 있을 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• 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.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• 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.

• 한국컴퓨터정보학회논문지
• /
• 제16권8호
• /
• pp.137-146
• /
• 2011

에너지 소모에 대한 증가되는 소비자의 관심을 지원하기 위하여 가전기기의 에너지 모니터링과 예측 방식을 제안한다. 제안한 시스템은 0.5초마다 전류 센서를 지나가는 전류량을 측정하는 스마트 플러그라는 일반 전기 콘센트로 설계하고, 신경회로망의 훈련과 시험 데이터를 얻기 위해 평균기온, 최저기온, 초고기온, 습도, 일조시간의 날씨 정보를 입력 데이터로 사용하고, 스마트 플러그를 통한 전기 사용량을 목표값으로 사용하였다. 훈련을 위한 실험데이터를 사용하여 역전파 알고리즘을 기반으로 한 신경회로망을 구성하였다. 입력과 출력 데이터의 비선형 매핑을 위해 다층신경회로망을 사용하였다. 제안한 신경회로망 모델은 상관관계 계수가 0.9965로 우수하게 전기 사용량을 예측할 수 있는 것을 확인하였으며, 예측의 평균 제곱 오차는 0.02033이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• 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.

• 융합신호처리학회논문지
• /
• 제14권2호
• /
• pp.99-104
• /
• 2013

산이나 숲과 같은 광범위한 영역을 모니터링하기 위해 설치된 센서 노드들은 배터리 교체할 때 시간과 비용이 많이드는 단점이 있다. 이에 무선 센서 네트워크 주위에 존재하는 신재생 에너지를 이용하여 사용 기간을 최대로 늘릴 필요가 있는데, 태양 에너지는 365일 항상 수집할 수 있는 무한한 에너지원이 된다. 이러한 센서 네트워크를 최적으로 설계하기 위해서는 센서 네트워크가 실제 구축되는 환경에서 수집되는 태양 에너지의 양을 예측하고 분석해주는 에너지 모델이 필요하다. 이는 설치 환경에서 필요로 하는 태양광 패널의 크기나 성능 등의 요구 사항을 미리 파악할 수 있도록 필요한 데이터를 제공해줄 수 있기 때문이다. 그러나 이를 분석하는 기존의 태양 에너지 하베스팅 모델들은 수집되는 에너지 양에 영향을 주는 여러 요소 중 일부만 고려하여 에너지를 예측하였다. 이에 본 논문에서는 기존 모델에서 고려하지 않는 태양전지 패널의 발열 손실, 월별 각도 손실, 월별 배터리 발열/냉각까지 모두 고려하여 기존 모델을 개선한 모델을 제안하였다. 그리고 이 모델에 대해 패널 각도, 기온, 패널 표면 온도에 따른 에너지 수집양을 실험을 통하여 분석한 결과, 이러한 요소들이 태양 에너지 수집 양에 영향을 준다는 것을 확인할 수 있다.

• 정보관리학회지
• /
• 제36권1호
• /
• pp.117-135
• /
• 2019

데이터 학술지와 데이터 논문이 오픈과학 패러다임에서 데이터 공유와 재이용이라는 학술활동이 등장하여 지속적으로 성장하고 있다. 본 논문은 영향력있는 다학제적 분야의 데이터 학술지인 Scientific Data에 게제된 총 713건의 논문을 대상으로 저자, 인용, 주제분야 측면을 분석하였다. 그 결과 저자의 주된 주제 영역은 생명공학, 물리학 등으로 나타났으며, 공저자 수는 평균 12명이다. 공저 형태를 네트워크로 살펴보면, 특정 연구자 그룹이 패쇄적으로 공저활동을 수행하는 것으로 나타났다. 인용의 주제영역을 살펴보면, 데이터 논문 저자의 주제영역과 크게 다르지 않게 나타났으나, 방법론을 주로 다루는 학술지의 인용 비중이 높은 것은 데이터 논문의 특징으로 볼 수 있다. 데이터 논문 저자의 키워드를 사용하여 동시출현단어분석 네트워크로 살펴본 데이터 논문의 주제영역은 생물학이 중심이며, 구체적으로 해양생태, 암, 게놈, 데이터베이스, 기온 등의 세부 주제 영역을 확인할 수 있다. 이러한 결과는 다학제학문 분야를 다루는 데이터 학술지이지만, 데이터 학술지 출간에 관한 논의를 일찍부터 시작해온 생명공학 분야에 집중된 현상을 보여준다.