• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.336-336
• /
• 2020

기후변화와 기상이변으로 전 세계적으로 태풍 및 국지성 집중호우가 급증하고 있으며, 그로 인한 홍수피해와 2차 피해 발생이 증가하고 있어 이에 대한 정량적인 분석이 필요하다. 또한 서울 우면산, 춘천 마적산, 삼척 신남마을 등 토석류로 인한 피해가 증가하여 많은 인명피해와 재산피해가 발생하고 있다. 본 연구에서는 특정지역에서 강우량이 유출량에 미치는 영향을 분석하여 강우로 인해 발생하는 2차 피해인 토석류로 인한 피해를 분석하고자 하였다. 2019년 10월 토석류 피해가 있었던 삼척시 신남마을을 분석지역으로 설정하였으며, 분석에 이용된 강우사상은 실제로 피해를 일으켰던 태풍 '미탁' 사상과 기상청이 제공하는 정량적 예측강우(QPF)를 머신러닝의 XGBoost 기법을 적용하여 개발한 정량적 수문 예측 강우(HQPF)를 이용하였다. 강우-유출모형(S-RAT)으로 강우사상에 따른 유출량과 첨두유출량을 산정하였고, 모델 커플링 기법으로 2차원 토석류 수치모형(RAMMS)을 통해 토석류의 피해규모를 비교 분석하였다.

• 한국빅데이터학회지
• /
• 제7권1호
• /
• pp.113-124
• /
• 2022

데이터센터의 장애 예방을 위해 머신러닝과 빅데이터를 활용한 다양한 방법들이 적용되어 왔다. 그러나 개별 장비 기반의 성능지표를 참조하거나, 인프라 운영환경을 고려하지 않은 접근방법으로 실제 활용되는 데에는 많은 한계가 있었다. 이에 본 연구에서는 개별 인프라 장비들의 성능지표를 통합 모니터링하며, 다양한 장비들의 성능지표를 구간화, 등급화 하여 단일수치화를 진행한다. 인프라 운영에 대한 경험치 기반으로 데이터 전처리를 수행하며, RRCF(Robust Random Cut Forest)분석과 Prophet 분석 모델을 앙상블하여 이상징후 검출에 신뢰도 있는 분석결과를 도출하였다. 데이터센터 내 운영담당자들의 접근을 용이하게 하기 위해 장애분석시스템을 구현하여 데이터센터 장애의 선제 대응과 적정한 튜닝시점을 제시할 수 있다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1207-1216
• /
• 2018

본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1407-1422
• /
• 2022

본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SE-Inception을 활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는 Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종 분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그중약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F₁은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한 수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을 수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.

• 문화기술의 융합
• /
• 제10권3호
• /
• pp.461-466
• /
• 2024

한국의 주민참여예산제도는 자치단체별로 자율적으로 운영되도록 하고 있어서, 본 연구는 이들을 몇 개의 유사한 유형들로 구분하여서 각각의 특징들을 살펴보고자 한다. 본 연구는 다양한 머신 러닝 기법들을 활용하여 2022년도 기초 시(市)를 중심으로 운영유형을 분류하였다. 그 결과, 여러 머신 러닝 기법(Neural Network, Rule Induction(CN2), KNN, Decision Tree, Random Forest, Gradient Boosting, SVM, Naïve Bayes) 중에서 SVM 기법이 성능이 가장 좋은 것으로 확인되었다. SVM 기법이 밝혀낸 운영유형은 모두 3개인데, 하나는 위원회 활동은 적게 하지만, 참여예산은 많이 확보하는 클러스터(C1)이고, 다른 하나는 주민참여예산제에 매우 소극적인 도시들의 클러스터(C3)이다. 마지막 클러스터(C2)는 참여예산에 전반적으로 적극적인데, 대다수 지역이 여기에 해당한다. 결론적으로 한국의 대다수 자치단체는 주민참여예산제를 긍정적으로 운영하고 있으며, 오직 소수의 자치단체만 소극적이다. 후속 연구로 지난 10여 년간의 시계열 자료를 분석한다면, 우리는 주민참여예산에 관한 지방자치단체 유형 분류의 신뢰도를 더욱 높일 수 있을 것으로 기대한다.

• 전자공학회논문지 IE
• /
• 제47권1호
• /
• pp.56-60
• /
• 2010

IT의 폭넓은 개발, Web 2.0 애플리케이션의 의 발전, 인터넷이 가능한 개인용 단말장치의 증가, 무선 네트워크의 유용성 등은 클라우드 컴퓨팅 모델을 만드는데 매우 중요한 역할을 수행하였다. 클라우드 컴퓨팅은 하나의 비즈니스 모델이며, 웹 애플리케이션의 새로운 트렌드다. 또한 형식은 그리드 컴퓨팅이나 유틸리티 컴퓨팅과 같은 형태를 사용한다. 클라우드 컴퓨팅 환경에서는 서버의 같은 하드웨어 자원을 사용할 수 있으며 정보를 공유하기 쉽다. 본 연구에서는 클라우드 컴퓨팅 환경에서 이러닝 분야를 적용하기 위한 방안을 제시한다. 이를 위하여 클라우드 컴퓨팅환경에서 LMS와 LCMS 기반의 이러닝을 제시하고자 한다. 이는 클라우드 컴퓨팅의 데이터센터에 LCMS를 포함한 LMS를 접속하도록 하였다.

• 한국전자통신학회논문지
• /
• 제16권1호
• /
• pp.175-182
• /
• 2021

본 논문에서는 오리와 같은 유해조류에 의한 양식장의 피해를 방지하기 위해서 머신러닝 기반 해상용 드론 개발을 목적으로 한다. 기존 드론은 공중에서 새와 충돌하거나 바다에 떨어지는 경우 유실되는 문제점을 해결하기 위해서 해상드론으로 개발하였다. 자율주행으로 작동하는 해상드론이 해상에 나타난 유해조류를 판단하기 위해 CNN기반 머신러닝 학습 알고리즘을 설계하였다. 유해조류의 위치 인식 및 추적을 위해 카메라에 라즈베리파이를 연결하여 관제 PC로 영상을 전송하도록 설계하였다. 모바일 기반 관제 센터에서 미리 GPS 좌표와 연동된 맵을 미리 제작한 후, 유해조류의 위치에 대한 GPS 위치값을 전달받아 설정된 위치로 해상용 드론이 출동하여 유해조류를 퇴치하는 자율주행 기반의 해상용 조류 퇴치 드론 시스템을 설계 및 구현하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.118-118
• /
• 2021

최근 지구 온난화 현상으로 인한 기후변화로 이상기후 현상이 발생하고 있으며 이로 인해 장기적으로 폭염의 빈도 및 강도 상승에 따른 가뭄 피해 우려가 증가하고 있다. 농업 가뭄은 강수량 부족, 토양 수분 부족, 저수량 부족 등 농업분야에 영향을 주는 인자들과 관련되어 있어 농작물 생육 및 수확량 감소를 야기한다. 우리나라는 논농사가 주를 이루고 있어 국내 농업 가뭄은 주수원공인 농업용 저수지의 가용저수용량으로 판단 가능하다. 따라서 안정적인 농업용수 공급을 위해 수리시설물의 모니터링, 공급량 등의 분석이 이루어져야 하며, 농업 가뭄에 대비하기 위해 농업용 저수지의 가용저수용량 파악이 필요하다. 수자원 분야에서 지점자료의 시·공간적 한계점을 보완하기 위해 인공위성 자료를 활용한 연구가 활발히 이루어지고 있으며, 본 연구에서는 위성영상 자료 및 딥러닝 기반 알고리즘을 적용하여 농업용 저수지 수표면 탐지 및 시계열 분석을 목적으로 한다. 위성영상 자료는 5일 주기 및 10 m 공간해상도를 가진 Sentinel-2 위성영상 자료를 활용하고자 하였으며, 딥러닝에 적용하기 위하여 100장 이상의 영상 이미지를 구축하였다. 딥러닝 기반 알고리즘으로는 Convolutional Neural Network (CNN)을 활용하였으며, CNN은 주로 이미지 분류나 객체 검출 문제를 해결하기 위해 제안된 모델로 최근 픽셀 단위로 분류가 가능한 알고리즘이 개발되어 높은 정확도의 수표면 탐지가 가능할 것으로 판단된다. 따라서 본 연구에서는 CNN 기반 수표면 탐지 알고리즘을 개발하여 Sentinel-2 영상 기준 경기도 안성시를 대상으로 소규모 농업용 저수지의 수표면적에 대한 시계열 데이터를 분석하고자 한다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권4호
• /
• pp.349-357
• /
• 2021

최근 급속히 보편화되고 확대되는 드론의 비행 데이터가 엔터테인먼트 기술 분석 자료로 활용이 가능한지의 검증이 매우 필요하다. 특히, 자율화, 지능화의 방법으로 발전하는 엔터테인먼트 드론의 비행과 운용과정을 데이터 분석과 기계학습을 통해서 분석 및 활용할 수 있는지를 확인해야 한다. 본 논문에서는 엔터테인먼트용 드론의 평가에 FC의 데이터를 이용하여 머신러닝 기법으로 활용할 수 있는지를 확인하였다. 그 결과 매빅2나 아나피와 같은 DJI나 Parrot의 FC 데이터는 엔터테인먼트를 위한 머신러닝 분석이 불가능하였다. 이는 데이터가 0.1초 이상의 간격으로 수집됨으로써 GCS와의 다른 데이터들과의 상관성을 찾기 불가능하기 때문이다. 이에 반하여 ARM 프로세서를 채용하여 Nuttx 운영체제로 작동하는 픽스호크의 경우에는 머신러닝 기법의 적용이 가능함을 알 수 있었다. 앞으로 고정익과 회전익 비행 정보들을 구분하여 엔터테인먼트의 특성 분석이 가능한 기술들을 발전시켜야 한다. 이를 위해서는 모델을 개발하고 체계적인 데이터 수집과 연구가 진행되어야 할 것이다.

• 대한토목학회논문집
• /
• 제42권5호
• /
• pp.639-650
• /
• 2022

대규모 표사이동으로 인해 침·퇴적이 발생되는 해안에서는 시간이력에 따라 그 현상이 가속화되는 경향이 있기 때문에 적절하고도 시급한 대책을 강구하는 것이 중요하다. 해안침식의 대책방안 중 환경친화적 대책으로 알려진 양빈공법의 경우 입경의 크기에 따라 침식양상이 변화되므로 적정 입경의 크기, 범위 등에 대해 결정하기 위해서는 면밀한 검토가 필요하다. 본 연구에서는 양빈사의 입경변화와 부분양빈의 적용, 파랑과 바람이 공존하는 조건 등을 변수로 설정하였을 때 발생되는 지형변화의 특성을 검토하고자 하였다. 이러한 요인들은 수치모형실험에서 해석하기 어려운 부분이 존재하기 때문에 수리모형실험을 통해 정성적인 해석을 수행하거나 양빈수행 이후에 현장모니터링 등을 통해 그 효과를 검토하게 된다. 하지만 실험과 모니터링 등은 제반사항이 발생되기 때문에 다양한 조건에 대한 예측 연구에는 어려움이 존재한다. 본 논문에서는 빅데이터의 활용을 통한 머신러닝 기법을 이용하여 침·퇴적 경향을 재현함으로써 발생 가능한 현상에 대해 예측함과 동시에 머신러닝 기법의 적용성을 검토하고자 하였다. 학습데이터는 수리모형실험결과를 이용하였으며 연구결과 머신러닝을 이용한 지형변화는 단기예측의 경우 기존연구와 유사한 경향을 보이는 것으로 나타났으나 세굴 및 모래톱의 형성 등에서는 다소 차이가 존재하는 것을 확인할 수 있었다.