• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.824-826
• /
• 2017

수요예측은 적정 재고를 유지하기 위해 선행되어야 할 중요한 부분이라 할 수 있다. 수요예측의 정확도 향상이 적정한 재고를 유지하기 위한 토대가 된다. 하지만 수요예측을 어렵게 만드는 주요 원인 중 하나인 간헐적인 수요는 기존 시계열 기법으로 예측하는데 있어 어려움이 크다. 본 연구에서는 인공지능의 한 기법인 인공신경망을 적용하여 간헐적 품목에 대한 수요예측을 실시하였다. 6개의 기법을 통해 실험을 실시한 결과 인공신경망이 가장 오차가 적은 우수한 결과를 나타냈다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• 한국수자원학회논문집
• /
• 제53권3호
• /
• pp.225-236
• /
• 2020

유역 상류의 소규모 산지 유역 또는 도시 배수분구 정도의 도시 유역은 지체시간이 수 십 여분에 불과하기 때문에 우량계만으로는 대응에 필요한 충분한 예측 선행시간을 확보하기 어렵다. 도시 및 소규모 산지 유역에서와 같이 지체시간이 짧은 유역에서 발생하는 돌발홍수는 더 이상 우량계만으로 예보가 불가능하다. 도달시간이 짧은 도시 및 산지에서는 지체시간 외에 강수 예측을 통한 홍수예보 선행시간을 확보하는 것이 매우 중요하다. 한강홍수통제소에서는 강우레이더 강우강도를 초단기 예측 모델인 Mcgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘의 입력 자료로 활용하여 초단기 예측 강수 자료를 생산하고 있다. 한국건설기술연구원의 돌발홍수연구센터는 한강홍수통제소에서 생산하고 있는 초단기 예측 강수 자료를 입력 자료로 하여 돌발홍수 예측 시스템을 구축하였고 2019년부터 동네규모의 1시간 전 돌발홍수정보를 제공하고 있다. 본 연구에서는 돌발홍수연구센터에서 구축한 돌발홍수 예측 시스템을 설명하고 2019년도에 발생한 수재해 사례를 분석하여 전국 도시·산지·소하천 돌발홍수 예측 시스템의 예측 정확도를 검증하였다. 돌발홍수 예측 시스템의 정확도 검증에는 총 31개의 수재해 사례를 적용하였고 예측 정확도는 Probability of Detection (POD) 기준으로 90.3%로 매우 높게 나타났다.

• 한국수자원학회논문집
• /
• 제53권6호
• /
• pp.395-408
• /
• 2020

본 연구논문은 북부아프리카의 알제리에 위치한 하천유역에서 다중선행일 유출량의 예측을 위하여 진화적 최적화기법과 k-fold 교차검증을 결합한 세 개의 서로 다른 기계학습 접근법 (인공신경망, 적응 뉴로퍼지 시스템, 그리고 웨이블릿 기반 신경망)을 개발하고 적용하는 것이다. 인공신경망과 적응 뉴로퍼지 시스템은 root mean squared error (RMSE), Nash-Sutcliffe efficiency (NSE), correlation coefficient (R), 그리고 peak flow criteria (PFC) 의 네 개의 통계지표를 기반으로 하여 모형의 훈련 및 테스팅 결과 유사한 모형수행결과를 나타내었다. 웨이블릿 기반 신경망모형은 하루선행일 테스팅의 결과 RMSE = 8.590 ㎥/sec 과 PFC = 0.252로 분석되어서 인공신경망의 RMSE = 19.120 ㎥/sec, PFC = 0.446 과 적응 뉴로퍼지 시스템의 RMSE = 18.520 ㎥/sec, PFC = 0.444 보다 양호한 결과를 나타내었고, NSE와 R의 값도 웨이블릿 기반 신경망모형이 우수한 것으로 나타났다. 그러므로 웨이블릿 기반 신경망은 알제리 세이보스 하천에서 다중선행일의 예측을 위하여 효율적인 도구로 사용할 수 있다.

• 한국수자원학회논문집
• /
• 제54권12호
• /
• pp.1285-1294
• /
• 2021

최근 전 세계적으로 기후변화의 영향으로 강우량이 집중되고 강우강도가 커지면서 홍수피해의 규모를 증가시키고 있다. 기존에는 관측되지 않았던 규모의 강우가 내리는가 하면 기록적으로 장기간동안 장마가 지속되기도 한다. 특히, 이러한 피해들은 아세안 국가들에 집중되고 있으며, 최근 해수면 상승, 태풍 및 집중호우로 인해 침수가 빈번히 빌생하는 등 아세안 국가 국민들 중 최소 2,000만 명이 영향을 받고 있다. 우리나라도 각종 ODA사업을 통해 국내의 홍수예경보시스템을 아세안 국가에 지원하고 있지만 통신시설이 불안정하여 중앙제어방식만으로는 한계가 있다. 따라서 본 연구에서는 한 개의 관측소에서 수위, 강우의 관측과, 홍수예측, 경보까지 한번에 가능한 관측소를 개발하기 위한 인공지능기반의 홍수예측모형을 개발하였다. 설마천의 전적비교 관측소의 2009년부터 2020년 까지 10분단위 강우와 수위관측자료를 활용하여 선행예보시간 0.5, 1, 2, 3, 6시간에 대해서 학습, 검증, 시험을 수행하였으며 인공지능알고리즘으로는 LSTM을 적용하였다. 연구결과 모든 선행예보시간에 대해 모형적합도 및 오차에서 우수한 결과를 나타냈다. 설마천과 같이 유역규모가 작고 유역경사가 커서 도달시간이 짧은 경우에는 선행예보시간 1시간은 매우 우수한 예측 결과를 나타낼 것으로 판단되며 유역의 규모나 경사에 따라 더 긴 선행예보시간도 가능할 것으로 예상된다.

• 한국지반공학회논문집
• /
• 제24권10호
• /
• pp.83-91
• /
• 2008

현장계측 자료를 이용하여 연약지반의 향후 침하거동을 예측하는 기존의 방법들은 모두 즉시재하 조건을 가정하고 개발된 방법으로써 실제로는 연약지반의 안정성 등을 고려하여 점증재하가 이루어지는 현장에 적용하기에는 많은 제약이 있다. 본 연구에서는 연약층의 두께, 성토하중 크기, 선행압밀하중, 배수거리, 성토속도 등의 다양한 영향인자를 고려하였으며 점증재하가 완료된 이후의 지반개량 기간에도 지속적으로 예측 정확도를 높일 수 있는 계측기반 침하거동 예측기법을 개발하였다. 점증재하 과정에서의 예측방법과 성토완료 이후의 예측방법이 개발되었으며, 성토 완료 이후의 예측방법은 기하학적 보정을 이용한 정확도 향상기법과 확률론적 보정을 이용한 정확도 향상기법 두 가지를 제안하였다. 대형압밀시험 결과를 이용한 예측기법의 적용성 검증 결과, 기존의 예측기법을 적용할 수 없는 점증재하 초기에도 비교적 적은 데이터를 이용하여 상당히 높은 정확도를 가지고 침하거동을 예측할 수 있었다. 또한, 성토완료이후에도 기존 예측기법과 제안된 방법의 비교, 분석 결과 최종침하량과 RMSE에서 모두 제안된 방법이 기존의 예측기법에 비하여 우수한 예측결과를 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.62-62
• /
• 2019

본 연구에서는 기상청에서 제공하는 인공위성 관측자료와 레이더 자료를 합성하여 예측된 선행시간 2시간의 강수량 예측자료를 이용하여 도시유역의 침수 발생 여부를 확인할 수 있는 시스템을 개발하였다. 대상유역은 부산광역시에 위치하고 있는 유역면적 $54km^2$의 온천천유역으로, $10m{\times}10m$의 해상도로 지표면의 침수예측을 수행한다. 침수예측에 이용되는 모델은 지표면과 하수관망 사이의 상호작용을 효과적으로 고려할 수 있도록 지표면 2차원, 하수관망 1차원 모델을 연계하였으며, 침수예측에 소요되는 시간을 최소화하기 위하여 OpenMP기반의 병렬해석 기법을 적용하였다. 또한 초기조건에 의한 오차를 줄이기 위하여 하천수위 관측소에 관측된 수위자료를 예측모델의 초기조건으로 입력할 수 있도록 시스템을 구성하였으며 유역 하류단에서 경계조건으로 활용되는 예측수위자료는 시계열자료의 예측에 뛰어난 성능을 보여주는 것으로 알려진 LongShort-term Memory(LSTM) 기법을 적용하여 이용하였다. 본 연구에서 개발된 실시간 도시침수 예측 시스템은 집중호우 발생시 침수 발생 위치를 사전에 빠르게 예측하여 도시유역의 인적 물적 자원의 피해를 저감하는데 적극적으로 활용될 수 있을 것으로 기대된다.

• 디지털융복합연구
• /
• 제18권11호
• /
• pp.267-272
• /
• 2020

거시경제는 한 나라 경제 전체의 움직임을 보여주기 때문에 주식을 분석할 때 선행되어 분석되는 지표 중 하나이다. 실업률, 이자율, 물가, 국민소득, 환율, 통화량, 국제수지 등 국가차원의 경제 상황 전반은 주식시장에 직접적인 영향을 미치고, 경제 지표는 개별 주가와의 상관관계가 있기 때문에 주식을 예측하기 위해 많은 증권사 애널리스트들이 관심 있게 지켜보고, 개별 주가에 영향을 고려하여 매수와 매도를 판단하는 주요한 근거자료가 되고 있다. 주가에 영향을 미치는 경제 지표를 선행지표로 분석하고, 주가예측을 딥러닝 기반의 예측을 통하여 예측 후 실제 주가를 비교하여 차이가 발생하면 거시지표에 대한 가중치를 조절하여 지속적인 반복학습을 통하여 주식의 매수와 매도를 판단한다면, 주식은 더 이상 도박과 같은 투기가 아닌 건전한 투자가 될 수 있다. 따라서 본 연구는 거시지표와 인공지능의 딥러닝 알고리즘방식을 이용하여 자동화된 주식매매가 가능하도록 연구를 수행하였다.

• 한국시뮬레이션학회논문지
• /
• 제25권3호
• /
• pp.65-76
• /
• 2016

자가-적응 소프트웨어는 스스로 문제를 인지하여 인지한 문제에 대하여 소프트웨어 사이클이 멈추지 않고 해당 요구사항에 맞게 적응하는 소프트웨어이다. 본 논문에서는 임계점이 존재하는 시스템에서 발생하는 불필요한 적응 수행을 감소시키기 위하여 선행적 방식으로 임계점 이후의 상황을 예측함으로써 문제가 되는 이벤트를 사전에 처리하고자 한다. 실측치는 대부분 선형과 비선형이 모두 나타나기 때문에 하이브리드 모델을 사용하여 임계점 이후를 예측하며, 예측 기법의 사용 여부는 예측의 정확도를 기반으로 하는 적응 시점 판단 지표를 기준으로 한다. 본 논문의 기여점으로는 하이브리드 모델을 MAPE-K에 적용하여 임계점 이후 상황을 예측함으로써 실제 변화에 대한 불확실성을 감소시켰다는 점과 적응 시점 판단 지표를 기반으로 적응 시점을 판단함으로써 불필요한 적응 수행을 줄였다는 데에 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.1905-1909
• /
• 2007

최근 도시발달과 인구증가로 인하여 수자원의 중요성이 더욱 커지고 있으며 이를 효율적으로 이용하고자하는 노력은 계속되고 있다. 또한 전 세계가 가뭄과 홍수 등 물과 관련된 재해를 예방하기 위하여 지속적인 수자원계획관리가 이루어지고 있으며, 특히 댐은 수자원의 효율적인 관리와 안정적인 용수공급을 위하여 건설된 것으로서 유역의 수문특성에 따른 변동성이 고려되어야 한다. 따라서 댐의 최적운영을 위해서는 정확한 강우 예측과 이에 따른 유입량 예측이 선행되어야 하며, 유입량 예측을 위한 강우-유출과정을 모형화 하여야 한다. 그러나 모형화에 따르는 복잡한 과정과 수문자료의 비선형성과 비정규성으로 인하여 많은 오차가 발생할 수 있다. 본 연구에서는 이러한 문제점을 개선하기 위하여 임하댐 유역에 신경망 이론을 강우-유출모형에 수학적으로 모형화 하였으며, 이를 통하여 효율적인 댐 운영을 위한 유입량 예측기법에 관한 기초연구를 수행하였다.