• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2000.11a
• /
• pp.7-12
• /
• 2000

본 연구는 형용사를 이용한 향의 이미지 구조 연구에서 자극을 사용한 경우와 향을 제시하지 알은 두 경우를 비교하였다. 자극을 제시한 실험에서는 피험자에게 5가지의 향 자극을 주고 각 향에 대한 이미지를 25개의 형용사에 대하여 7점 척도로 표시하도록 하였다. 자극을 제시하지 않은 실험은 쌍 비교법을 사용하여 형용사를 두개 씩 쌍을 지워 제시하고 두 형용사가 유사한 정도를 7점 척도로 나타내게 하였다. 두 자료를 다차원 척도 (MDS), 군집분석, 상관관계를 이용하여 분석을 실시하여 비교하였다. 결론적으로 향의 이미지 구조는 자극 제시여부에 따라 구조적이며 근본적인 차이가 없음이 밝혀졌다. 그러나 자료 분포의 밀집정도에 따른 지엽적인 차이는 있었으며 이러한 차이는 두 경우에 적용되는 기억이, 단기기억과 장기기억으로, 다르다는 점에서 기인되는 것이 라고 판단되었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.617-618
• /
• 2020

우리나라의 지리적인 여건상 대륙과 연결되지 않기 때문에 해상운송에 절대적으로 의존하고 있다. 해상운송에 있어 항만시설의 확보가 필요하며 대외무역의존도가 높은 우리나라의 경우 더욱 중요한 역할을 한다. 항만시설은 장기적인 항만수요예측을 통해 대규모 인프라투자를 결정하며 단기적인 예측은 항만운영의 효율성을 개선하고 항만의 경쟁력을 제고하는데 기여하므로 예측의 정확성을 높이기 위해 많은 노력이 필요하다. 본 논문에서는 딥러닝 모델 중에 하나인 LSTM(Long Short Term Memory)을 적용하여 우리나라 주요항만의 컨테이너 물동량 단기예측을 수행하여 선행연구들에서 주류를 이뤘던 ARIMA류의 시계열모델과 비교하여 예측성능을 평가할 것이다. 본 논문은 학문적으로 항만수요예측에 관한 새로운 예측모델을 제시하였다는 측면에서 의미가 있으며 실무적으로 항만수요예측에 대한 정확성을 개선하여 항만투자의사결정에 과학적인 근거로서 활용이 가능할 것으로 기대된다.

• Journal of Energy Engineering
• /
• v.25 no.2
• /
• pp.37-44
• /
• 2016

The demand for electricity has a considerable impact on various energy sectors since electricity is generated from various energy sources. This paper attempts to estimate the electricity demand function and obtain some quantitative information on price and income elasticities of the demand. To this end, we apply a lagged dependent variable model to derive long-run as well as short-run elasticities using the time-series data over the period 1991-2014. Our dependent variable is annual electricity demand. The independent variables include constant term, real price of electricity, and real gross domestic product. The results show that the short-run price and income elasticities of the electricity demand are estimated to be -0.142 and 0.866, respectively. They are statistically significant at the 5% level. That is, the electricity demand is in-elastic with respect to price and income changes in the short-run. The long-run price and income elasticities of the electricity demand are calculated to be -0.210 and 1.287, respectively, which are also statistically meaningful at the 5% level. The electricity demand is still in-elastic with regard to price change in the long-run. However, the electricity demand is elastic regarding income change in the long-run. Therefore, this indicates that the effect of demand-side management policy through price-control is restrictive in both the short- and long-run. The growth in electricity demand following income growth is expected to be more remarkable in the long-run than in the short-run.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.450-450
• /
• 2018

최근 기후변화와 수온상승으로 인한 녹조발생이 빈번하게 나타나며, 녹조발생에 관한 관심은 꾸준히 증가하고 있는 추세이다. 본 연구는 효율적인 녹조관리를 위하여 모델트리를 활용하여 클로로필-a 단기조류예측 기법을 개발하였다. 대상지역으로 영산강수계의 죽산보를 선정하였으며, 2013년 1월부터 2016년 12월까지 나주 수질자동측정망의 일 단위자료와 동일기간 광주 기상청의 일별 기상자료를 이용하였다. 상관 분석을 통해 T-N, T-P, N/Pratio와 클로로필-a, 수온, 일사량, 강수량을 독립변수로, 단기(t+1일, t+3일, t+5일, t+7일) 클로로필-a를 종속변수로 선정하여 단기조류예측기법을 개발하였다. 수집한 자료의 데이터세트는 격일 간격으로 Training, Testing 기간으로 구분하여 적용한 결과, 상관계수는 1일 예측 시, Training 기간에 0.89, Testing 기간에 0.91, 3일 예측 시, Training 기간에 0.74, Testing 기간에 0.68, 5일 예측 시, Training 기간에 0.70, Testing 기간에 0.66, 7일 예측 시, Training 기간에 0.63, Testing 기간에 0.62로 나타났다. RMSE(Root Mean Square Error)는 1일 예측 시, Training 기간에 13.96, Testing 기간에 12.22, 3일 예측 시, Training 기간에 20.03, Testing 기간에 22.14, 5일 예측 시, Training 기간에 21.32, Testing 기간에 22.57, 7일 예측 시, Training 기간에 23.52, Testing 기간에 23.45로 나타났다. 예측주기에 따라 모델트리와 회귀식에서 활용한 독립변수는 1일 예측 시, 모델트리는 N/Pratio, 클로로필-a, 회귀식은 클로로필-a로 다르게 나타났다. 반면, 3일, 5일, 7일 예측 시, 모델트리와 회귀식에 활용된 변수는 같게 나타났다. 클로로필-a, 수온, 일사량은 5일 예측 시 활용된 변수로, 3일 예측 시에는 기상항목인 강수량이, 7일 예측 시에는 수질항목인 T-N, N/Pratio가 추가되었다. 특히 1일 예측 시 일 때, 높은 예측정도와 활용된 변수의 수가 적게 나타나는 것을 확인하였으며, 예측기간이 길어질수록 예측의 정확성이 낮아지고, 활용된 변수의 수가 많아지는 것을 확인하였다. 향후 적정한 예측기간을 판단하고 예측가능성을 높이기 위해서는 지속적인 자료취득 및 개선이 필요하며, 이를 바탕으로 적절한 단기조류예측이 가능할 것으로 판단된다.

• Journal of Intelligence and Information Systems
• /
• v.29 no.1
• /
• pp.377-396
• /
• 2023

As the cryptocurrency market continues to grow, it has developed into a new financial market. The need for investment strategy research on the cryptocurrency market is also emerging. This study aims to conduct an empirical analysis on an investment methodology of cryptocurrency that combines short-term trading strategy and deep learning. Daily price data of the Ethereum was collected through the API of Upbit, the Korean cryptocurrency exchange. The investment performance of the experimental model was analyzed by finding the optimal parameters based on past data. The experimental model is a volatility breakout strategy(VBS), a Long Short Term Memory(LSTM) model, moving average cross strategy and a combined model. VBS is a short-term trading strategy that buys when volatility rises significantly on a daily basis and sells at the closing price of the day. LSTM is suitable for time series data among deep learning models, and the predicted closing price obtained through the prediction model was applied to the simple trading rule. The moving average cross strategy determines whether to buy or sell when the moving average crosses. The combined model is a trading rule made by using derived variables of the VBS and LSTM model using AND/OR for the buy conditions. The result shows that combined model is better investment performance than the single model. This study has academic significance in that it goes beyond simple deep learning-based cryptocurrency price prediction and improves investment performance by combining deep learning and short-term trading strategies, and has practical significance in that it shows the applicability in actual investment.

• Journal of Korean Society of Transportation
• /
• v.25 no.1 s.94
• /
• pp.121-132
• /
• 2007

Up to now Permanent traffic volumes have been counted by Automatic Vehicle Classification (AVC) on National Highways. When counted data have missing items or errors, the data must be revised to stay statistically reliable This study was carried out to estimate correct data based on outoregression and seasonal AutoRegressive Integrated Moving Average (ARIMA). As a result of verification through seasonal ARIMA, the longer the missed period is, the greater the error. Autoregression results in better verification results than seasonal ARIMA. Traffic data is affected by the present state mote than past patterns. However. autoregression can be applied only to the cases where data include similar neighborhood patterns and even in this case. the data cannot be corrected when data are missing due to low qualify or errors Therefore, these data shoo)d be corrected using past patterns and seasonal ARIMA when the missing data occurs in short periods.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.281-285
• /
• 2007

본 연구에서는 보다 신뢰성 있고 정확한 정량적 강우예측자료를 생성하기 위하여 레이더강우 및 강우수치예보자료를 합성하는 기법을 제시하였고, 레이더 전처리 및 예측시스템, GIS와 연계한 물리적기반의 분포형모형인 Vflo모형 등 최신 수자원 IT기술을 활용하여 홍수기 돌발홍수에 대응한 초단기 정량적 강우-유출예측을 목적으로 향후 실시간으로 적용 가능한 분포형유출예측시스템의 기반을 구축하고자 하였다. 대상유역은 국지적인 고해상도 지형효과를 고려한 QPM이 개발되어 있는 금강권역의 용담댐유역이며, 예측 강우에 대한 호우사상은 2005년 이후 발생한 3개 강우사상을 대상으로 하였다. 한편, 기상 레이더 자료로부터 산정된 강수량의 수문학적 적용을 위하여 DEM, 토지피복도, 토양도 등의 기본 GIS자료들을 수집 및 구축하였고 물리적기반의 분포형모형(Vflo)의 입력인자로 사용하기 위한 12개의 공간분포형 수문매개변수들을 대표적인 GIS 소프트웨어인 ArcGIS 및 ArcView를 활용하여 추출하였으며, Vflo모형의 현업 적용가능성을 오프라인 상에서 검증해보았다. 모형 검증결과, GIS를 이용한 지형, 토양, 토지피복과 같은 물리적 특성을 사용한 모형의 초기 설정을 향상시킴에 의해 첨두유량, 유출량, 첨두도달시간차 등에서 만족할만한 결과를 보여주었다고 사료된다. 레이더 및 수치예보자료와 합성한 4가지의 형태(QPE, JQPE, QPM, BQPF)의 분포형 입력강우를 이용하여 적용해 본 결과 Nowcasting기법을 이용한 JQPF는 자료의 특성상 초기 1시간30분동안은 비교적 양호한 결과를 얻었으나 3시간 전후로 가면서 예측강우의 질이 저하되기 시작하였으나 QPM을 합성함으로써 생산한 BQPF는 보다 신뢰성있고 양호한 결과를 얻을 수 있었다. 이러한 결과들은 향후 정량적 분포형강우 예측을 이용한 실시간 홍수유출 예측시 댐운영자는 리드타임(홍수선행시간)을 충분히 확보함으로서 안정적이고 예측 가능한 홍수조절을 하는데 도움을 줄 수 있을 것으로 기대된다. 이와 같이 다양한 단기저수지 유입량의 예측정보 제공으로 다목적댐 저수지 운영모형의 효용성을 제고하여 향후 실제 저수지 유입량 예측에 이용함으로써 저수지 단기운영효율 개선에 기여할 수 있을 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.411-411
• /
• 2015

유량예측의 가장 주된 목적은 가뭄과 홍수와 같은 수해방지를 위해 통합수자원관리를 수행하는데 있다. 이런 유량예측을 위해 다양한 기법들로 예측이 수행되고 있으며, 예측기간과 필요 정확도에 따라 초단기, 단기, 중 장기 예측 등으로 구분할 수 있다. 유량예측에 사용되는 기법들은 기후변화 시나리오와 같이 예측된 강우자료를 이용하여 유출량을 예측하는 방법이 있으며, 통계적인 방법으로 과거자료들을 활용하여 미래의 유량을 예측하는 방법이 있다. 본 연구에서는 ESP 기법을 이용하여 금호강 유역의 월 단위(30일) 유량을 예측하고자 한다. 앙상블 유량예측기법(ESP; Ensemble Streamflow Prediction)이란 현재의 유역상태를 초기조건으로 사용하고 과거의 온도나 강수 등의 시계열 앙상블을 강우-유출모형에 입력하여 유출량을 앙상블로 예측하는 기법이다. ESP는 결국 현재의 유역상태와 유역에서의 과거 강우 관측기록, 미래 강우예측에 대한 정보를 조합하여 그에 따른 유출 앙상블을 생산해내게 된다. 월 유량을 예측하기 위해서 금호강 유역의 1988년에서 2014년까지 27년간 대구, 영천, 포항 관측소의 기상자료를 수집하였으며, 금호강 표준유역에 해당하는 19개 유역으로 분할하여 모의에 이용하였다. 금호강 유역에 티센망을 적용하여 각 표준유역별로 강우량을 조합하여 2013년까지 모의에 적용하였으며, 이는 과거자료로 사용하였다. 유량예측에 사용되는 강우자료를 생성하기 위해서 26년간 일강우를 이용하였다. 예를 들어 2014년 12월을 예측한다면 11월까지 관측된 유역초기 조건을 가지는 수문모형의 12월 기상입력자료로써 현재 유역에서 발생 가능성이 있는 동일 유역의 과거 1988년부터 2013년까지의 12월 기상자료들을 사용하는 방법이다. 1988년부터 2013년까지 26개 12월 기상자료를 사용하므로 유량예측결과 또한 26개가 주워진다. 계산된 26개의 유량앙상블이 적용된 유역에서 12월에 발생 가능한 유출량의 모음이 된다. 시나리오결과를 수자원관리에 활용하기 위해서 초과확률로 분석하였으며, 이런 분석의 결과는 향후 가뭄과 홍수 같은 수해방지를 위해 수공구조물의 운영에도 활용할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.535-535
• /
• 2012

하천 환경의 변화는 자연적으로 일어나기도 하지만, 우리나라 경우 대부분 하천 정비, 골재 채취, 수중보와 하구둑 등 하천시설물의 건설, 그리고 댐 및 교량건설 등 인위적인 요인에 의한 변화가 지배적이다 이렇게 환경이 변화하면 하천의 평형 상태는 파괴되며 하천의 평형 상태를 복원하는 과정에서 하천의 침식 또는 퇴적이 일어나며 이러한 과정의 총체적인 결과로서 하상변동이 일어나게 된다. 하상변동은 단기적인 면에서는 하천에서의 취수, 배수, 주운동 하천관리에 직접적인 영향을 주며, 장기적인 면에서는 하천시설물의 안정, 홍수위 및 지하수위 변화, 홍수터와 같은 하천부지의 변화 등 하천 및 유역 관리에 광범위한 영향을 주고 있다 하천의 유황 및 하상재료의 인위적인 변화에 의한 장기적인 하상변동 효과를 예측하고 분석하는 것은 하천계획 및 관리 면에서 매우 중요하다. 또한 하천 정비사업 등에 의한 영향을 제대로 평가하기 위해서는 비교적 단기간의 홍수 또는 호우 사상에 대한 단기적인 하상변동 효과를 정확하게 예측하는 것은 필수적이다. 외국에서는 하상변동 예측의 필요성을 일찍이 인식하여 다수의 하상변동 예측모형이 개발되어 하천 실무에 사용되고 있으며, 국내에서도 하천 흐름의 등수 역학적 해석을 위해 여러 가지 수치 기법들에 대한 연구가 진행되고 발전되어져 왔다. 현재 국내에서는 측량 자료이용과 모형적용의 용이성을 이유로 1차원 점변 부정류 해석프로그램인 HEC-RAS 모형을 많이 사용하고 있으며 대부분의 하천 정비 기본계획 수립에 있어서도 1차원 해석 모형을 적용하고 있는 실정이다. 국내에 서 수행된 하상변동 예측에 관한 연구들은 대부분 1차원 모형이므로 하천의 사행의 진행이나 유사의 횡방향 분포 등은 고려할 수 없다. 또한 하상변동 계산 시 이동상 부분의 전체가 균일하게 상승 또는 하향하는 것으로 가정하기 때문에 흐름이 급변하는 데 적용하는 것은 적합하지 않다. 따라서 본 연구에서는 4대강살리기 사업이 진행중인 낙동강유역 구미보지점을 대상으로 2차원 흐름 및 하상변동 수치모형인 CCHE2D 모형을 적용하여 50년, 100년, 200년 빈도별로 모의를 실시, 보설치 전 후의 하상변동을 비교 분석 하였다. 모의 결과 보설치 후의 경우 보 상류단은 전반적으로 퇴적의 양상을 보였으며, 보 하류단의 만곡부의 경우 홍수량이 증가함에 따라 유속 및 소류력이 비슷한 패턴으로 증가하여 침식이 관찰되었다. 특히 보 직하류의 경우 수문을 기준으로 다량의 침식이 있음을 보였으며, 침식이 계속 진행된다면 보유실과 같은 심각한 결과를 초래할 수 있기 때문에 침식을 방지 할 수 있는 다양한 장치가 마련되어야 할 것으로 판단된다.

• KIISE Transactions on Computing Practices
• /
• v.23 no.4
• /
• pp.268-273
• /
• 2017

Recently, deep learning encoder-based approach has been actively applied in the field of sentiment classification. However, Long Short-Term Memory network deep learning encoder, the commonly used architecture, lacks the quality of vector representation when the length of the documents is prolonged. In this study, for effective classification of the sentiment documents, we suggest the use of attention method-based deep learning encoder that generates document vector representation by weighted sum of the outputs of Long Short-Term Memory network based on importance. In addition, we propose methods to modify the attention method-based deep learning encoder to suit the sentiment classification field, which consist of a part that is to applied to window attention method and an attention weight adjustment part. In the window attention method part, the weights are obtained in the window units to effectively recognize feeling features that consist of more than one word. In the attention weight adjustment part, the learned weights are smoothened. Experimental results revealed that the performance of the proposed method outperformed Long Short-Term Memory network encoder, showing 89.67% in accuracy criteria.