• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2001.10d
• /
• pp.221-225
• /
• 2001

본 논문에서는 대량의 말뭉치를 바탕으로 한국어에 대해 단어 기반의 n-gram 언어 모델과 클래스 기반의 언어 모델을 구축하고, 이를 실험적으로 검증한다. 단어 기반의 n-gram 모델링의 경우 Katz의 백오프와 Kneser-ney의 스무딩(smoothing) 알고리즘에 대해 실험을 수행한다. 클래스 기반의 언어 모델의 경우에는 품사 태그를 단어의 클래스로 사용한 경우와 말뭉치로부터 자동으로 구축된 클래스를 사용한 경우로 나누어 실험한다. 마지막으로 단어 기반 모델과 클래스 기반 모델을 결합하여 각각의 모델과 그 성능을 비교한다. 실험 결과 단어 기반의 언어 모델의 경우 Katz의 백오프에 비해 Knerser-ney의 스무딩이 보다 조은 성능을 나타내었다. 클래스 기반의 모델의 경우 품사 기반의 방범보다 자동 구축된 단어 클래스를 이용하는 방법의 성능이 더 좋았다. 또한, 단어 모델과 클래스 모델을 결합한 모델이 가장 좋은 성능을 나타냈다. 논문의 모든 알고리즘은 직접 구현되었으며 KLM Toolkit이란 이름으로 제공된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.150-150
• /
• 2023

기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.184-186
• /
• 2011

부하 모델링을 위해서는 구성요소기반 부하모델링과 측정기반 부하모델링 두 가지 방법이 사용된다. 구성요소기반 부하모델링은 모선에 부하의 구성비에 기반으로 하는 부하모델 기법이고, 측정기반 부하모델링은 부하가 설치된 모선의 전압과 소비전력의 측정값으로부터 관계를 수학적으로 모델링하는 기법이다. 본 논문에서는 부하모델을 위해 복합부하모델이 적용되었다. 복합부하모델은 정적부하모델과 동적부하모델을 모두 포함하고 있으며, 정적부하모델로서는 ZIP 모델이 사용되고, 동적 부하모델로는 유도전동기 모델이 사용되었다. 측정기반 부하모델의 파라미터 추정을 위해 TSAT(trensient security assessment tool) 프로그램으로부터 얻은 측정데이터를 이용해 파라미터 추정을 한다. 또한 사용자 편의를 위한 GUI(graphical user interface)의 적용을 통한 부하모델 파라미터 추정 프로그램을 개발하였다.

• Proceedings of the Korea Database Society Conference
• /
• 2000.11a
• /
• pp.309-322
• /
• 2000

컴포넌트 개발에 보편화 추세에 있어서 이에 따른 노력도 산정 모델의 개발이 시급하지만 아직까지 간편하게 사용할 수 있는 모델이 없는 것이 현실이다. 따라서 본 연구는 그에 대한 기반을 마련하기 위하여 컴포넌트 기반에 관련된 개발 노력도 산정 모델을 살펴보고자 한다 기존의 개발의 노력도 산정 모델로 주로 사용하고 있는 모델로는 COCOMO중심의 모델, 기능점수 중심의 모델, 그리고 상용 컴포넌트(COTS) 중심의 모델로 나누어 볼 수 있으며, 각각의 중심 모델을 비교하여 컴포넌트기반(CBD)에서 활용 가능한 모델들을 살펴보기로 한다.

• Proceedings of the KSRS Conference
• /
• 2008.03a
• /
• pp.207-212
• /
• 2008

연구에서는 SPOT-3 인공위성 영상으로부터 얻어진 영상 스테레오 스트립과 GCP(Ground Control Point)자료를 이용하여 다양한 GCP배치에 따른 궤도기반 센서모델의 정확성에 대해 분석하였다. 실험에 사용된 기준점자료는 춘천지역에서부터 나주지역에 이르기 까지 약 420km 길이의 지역에 대해 GPS측량을 통해 획득하였다. 궤도기반 센서모델에 적용된 미지수는 위성의 위치와 속도, 자세를 표현하는 방정식의 계수를 미지수로 선택하여 일곱 가지 방식으로 조합하였다. 실험은 우선 모델점의 위치를 일곱 가지 경우로 결정하고 각 경우에 대해 일정한 개수의 모델점을 선택하였다. 그리고 각 경우의 모델점의 위치에 대해 궤도기반 센서모델의 미지수 조합 모델을 각 각 다르게 적용해 본 후 그 결과를 시각적, 수치적으로 분석해 보았다. 실험 결과 모델점의 위치에 관계 없이 궤도기반 모델에 적용할 수 있는 높은 정확도를 나타내는 미지수 조합모델을 찾아낼 수가 있었고, 여러 가지 모델점의 위치를 궤도기반 센서모델에 적용해 본 결과 지리적, 시간적, 경제적 효율성을 갖는 최적의 미지수 조합을 찾을 수가 있었다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.25-29
• /
• 2019

딥러닝을 이용한 한국어 의존 파싱은 전이 기반 방식과 그래프 기반 방식으로 나뉘어 연구되어 왔다. 전이 기반 방식은 입력 버퍼와 스택으로부터 자질을 추출하여 모델을 통해 액션을 결정하고 액션에 따라 파스트리를 생성해 나가는 상향식(Botton-Up)의 지역적 모델이고 그래프 기반 방식은 문장 내의 모든 단어에 대해 지배소, 의존소가 될 수 있는 점수를 딥러닝 모델을 통해 점수화하여 트리를 생성하는 전역적 모델이다. 본 논문에서는 Dual Decomposition을 이용하여 하이브리드 방식으로 전이 기반 파서와 그래프 기반 파서를 결합하는 방법을 제안하고 BERT 언어 모델을 반영하여 세종 데이터 셋에서 UAS 94.47%, LAS 92.58% 그리고 SPMRL '14 데이터 셋에서 UAS 94.74%, UAS 94.20%의 성능을 보여 기존 그래프 기반 파서의 성능을 더욱 개선하였다.

• Journal of KIISE
• /
• v.43 no.9
• /
• pp.953-962
• /
• 2016

Model-based testing is a technique for performing the test by using a model that represents the behavior of the system as a system specification. Industrial domains such as automotive, military/aerospace, medical, railway and nuclear power generation require model-based testing and code coverage-based testing to improve the quality of software. Despite the fact that both model-based testing and code coverage-based testing are required, difficulty in achieving a high coverage using model-based testing caused by the abstraction level difference between the test model and the source code, results in the need for performing model-based testing separately. In this study, to overcome the limitations of the existing model-based testing, we proposed the state machine transformation method to effectively improve the code coverage using the protocol state machine, one of the typical modeling methods is used as the test model in model-based testing, as the test model. In addition, we performed a case study of both systems and analyzed the effectiveness of the proposed method.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10c
• /
• pp.607-609
• /
• 2004

기존 웹 서비스 모델에서는 Client-Server 모델을 기반으로 서비스 영역의 설정과 서비스 지원 방안에 대한 연구들을 수행했다. 그러나 기존 웹 서비스 모델들은 주로 정보의 수집을 통한 검색기반 서비스 모델을 제시하고 있으며, 이렇게 수집된 정보들을 가공하거나 분석하는 등의 처리방안을 지원하지 못하고 있다. 기존 웹 서비스 모델의 한계를 극복하기 위해 서비스 환경의 다양성 및 확장성을 수용하고, 효율적인 웹 서비스를 제공할 수 있는 기반 구조가 필요하다. 지식기반 웹 서비스는 광역 환경에 산재한 웹 서비스들을 관리하고 최적의 서비스 성능을 확보하기 위한 기술들을 포함한다. 온톨로지를 기반으로하는 지식 기반의 웹 서비스를 이용한다면 웹을 통해 정보를 찾는 방법과 정보를 입수하는 방법을 고려하여 최적의 웹 서비스를 받을 수 있다. 본 논문에서는 광범위한 비즈니스 시장을 갖는 웹 서비스 환경의 기본 서비스 모델을 확장하여 최적의 서비스 제공자를 동적으로 선정하고, 목적 서비스의 효율성을 향상 시 킬 수 있는 지식기반 웹 서비스 모델을 연구하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06b
• /
• pp.513-518
• /
• 2007

시뮬레이션 방법론에 있어서 모델기반 시뮬레이션과 프로세스기반 시뮬레이션으로 나눌 수 있는데, 재사용성, 확장성, 시뮬레이터 기술 용이성 등의 장점으로 모델기반 시뮬레이션이 많이 사용되고 있다. 이러한 이유로 근래에는 컴퓨터 시스템, 항공, 자동차 등에서 모델 기반 시뮬레이션 방법이 사용되고 있다. 모델기반 시뮬레이션 방법으로 수학적 이론을 기반으로 모델을 정의하는 DEVS(Discrete Event System Specification) 형식론은 계층적이고 모듈화 된 형태로 이산사건 시스템을 기술한다. 대규모의 복잡한 시뮬레이션 모델을 검증 할 목적으로 분산 시뮬레이션 방법론이 있는데, 이들은 크게 동기적인 방법과 비동기적인 방법이 있다. 동기적 방식보다 빠른 수행을 위해 비동기적 방법은 전체 Time-order 순이 아닌 로컬 Time-order를 가진다. 그러나 비동기적 방식에는 분산된 시뮬레이터들 간의 전체 Time-order를 유지하기 위해 전 처리된 시뮬레이터 결과들을 저장하는데, Time-order 상으로 현재의 시뮬레이션 시간보다 과거의 사건이 왔을 때 그 이벤트를 처리해주어야 되기 때문이다. 이러한 비동기적 분산 시뮬레이션 방법론에서는 전체 Time-order를 유지하기 위해 과거의 Time-order를 가지는 이벤트가 왔을 때 rollback operation을 수행한다. 그러나 rollback operation은 분산 시뮬레이션 방법론에서 성능 장애요소 중 하나이다. 본 논문에서는 rollback operation을 최소할 할 수 있는 DEVS 모델 분배 방법을 제안한다.