• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.271-273
• /
• 2021

본 논문은 이동노드의 클러스터링내에서 보다 효율적인클러스터링을 제공하고 유지하기위한 딥러닝의 선형회귀적 적응적 보정가중치에 따른 군집적 알고리즘을 제안한다. 대부분의 클러스터링 군집데이터를 처리함에 있어 상호관계에 따른 분류체계가 제공된다. 이러한 경우 이웃한 이동노드중 목적노드와는 연결가능성이 가장높은 이동노드를 클러스터내에서 중계노드로 선택해야 한다. 본 연구에서는 이러한 상황정보를 이해하고 동적이동노드간 속도와 방향속성정보간의 상관관계의 친밀도를 고려한 자율학습기반의 회귀적 모델에서 적응적 가중치에 따른 분류를 제시한다. 본 논문에서는 이러한 상황정보를 이해하고 클러스터링을 유지할 수 있는 자율학습기반의 적응적 가중치에 따른 딥러닝 모델을 제시 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.449-449
• /
• 2022

제주도는 용수의 대부분을 지하수에 의존하므로 지하수위의 예측 및 관리는 매우 중요한 사항이다. 제주도의 지층은 화산활동에 의한 현무암이 겹겹이 쌓여있는 형태를 나타내며 육지의 지층구조와 매우 다른 복잡한 형태를 나타낸다. 이에 따라 제주도 지하수위의 예측은 매우 난해하며, 최근에는 딥러닝 인공지능 모델을 활용하여 지하수위를 예측하는 연구사례가 증가하고 있다. 기존의 연구들은 인공지능 모델들이 지하수위를 적절히 예측한다고 보고하고 있으나 예측의 적절성에 대한 판단기준을 제시하지 못하였으므로 이에 대한 명확한 제시가 필요하다. 본 연구의 목표는 인공지능을 활용한 지하수위 예측오차가 허용 가능한지 판단할 수 있는 기준을 제시함에 있다. 이를 위해 전 세계의 과거 20년 동안 관련 연구결과들을 수집 및 분석하였으며, 분석 결과 인공지능 모델의 지하수위 예측오차는 지하수위 변동성이 큰 지역일수록 증가하는 것을 확인하였다. 이것은 지하수위의 변동형태가 크고 복잡할수록 인공지능 모델의 지하수위 예측성능은 낮아진다는 것을 의미한다. 이 관계를 명확하게 나타내기 위해 지하수위 최대변동폭과 평균제곱근오차 및 최대오차와의 관계를 선형회귀식으로 도출하여 허용가능한 예측오차 기준을 제시하였다. 그리고 기존 연구들에서 제시한 Nash-Sutcliffe 효율성지수와 결정계수를 분석하여 선형회귀식에 의한 기준을 보완할 수 있는 추가적인 기준을 제시하였다. 본 연구에서 제시한 인공지능 모델에 의한 지하수위 예측결과의 적절성 판단기준은 향후 지속적으로 증가하는 인공지능 예측연구에 유용하게 사용될 수 있다.

• 환경위생공학
• /
• 제22권2호
• /
• pp.61-73
• /
• 2007

PCBs의 대기 중 농도는 고용량 PUF sampler를 이용하여 2000년부터 2002년까지 주 1회 수도권 인근지역인 경기도 안성에서 측정하였다. 본 논문은 비선형 회귀모델을 이용하여 대기 중 가스상 PCBs의 연간, 월간 사이클을 평가 하고자 한다. Clausius-Clepeyron 식을 이용한 가스상 PCBs의 기울기는 고분자로 갈수록 증가하는 경향이었다. 이는 고분자 PCBs는 저분자 PCBs에 비해 온도 의존성이 크다는 것을 의미한다. 다시 말해, 고분자 PCBs는 다른 지역에서 장거리 이송되어 오는 오염물질의 영향 보다는 지역적인 오염원(예, 토양, 수계 등)에 의해 영향을 크게 받고 있다는 것을 시사한다. Lorentzian 모델을 이용한 총 PCBs의 일별, 월별 회귀식의 결정계수($R^2$)는 각각 0.62(p<0.0001), 0.88(p<0.0001)로 나타나 유의한 결과를 보였다. 또한, 비선형 회귀식 모델을 활용하여 구한 가스상 PCBs의 일별, 월별 싸이클을 모사한 방정식도 매우 유의한 결과(p<0.0001)를 나타내었다.

• 정보처리학회논문지D
• /
• 제8D권5호
• /
• pp.581-586
• /
• 2001

소프트웨어 개발에서 점점 더 중요시되는 사항은 개발 생명주기의 초기에 개발과 관련된 노력과 비용을 추정하는 능력이다. 소프트웨어 개발노력과 비용추정을 위한 대부분의 모델이 선형회귀분석 절차를 사용하였다. 그러나 소프트웨어의 복잡성, 개발환경의 다양성으로 인해 소프트웨어 개발노력과 비용 추정은 점점 더 부정확해지고 있다. 이 목적을 달성하기 위해서는 비선형 방법을 사용해야 한다. 따라서 본 논문은 소프트웨어 개발 노력을 추정하는데 비선형 관계를 표현 가능한 RBF망 모델을 제안한다. 24개 소프트웨어 사례연구를 통해 적합한 RBF 망 모델을 제시하였다. 또한, 회귀분석 모델과 RBF망 모델을 비교하여 RBF 망 모델의 정확성이 가장 좋음을 보였다.

• 문화기술의 융합
• /
• 제7권4호
• /
• pp.779-783
• /
• 2021

파프리카 생산성에는 광량이 매우 중요한 요인으로 작용하나 광량을 독립변인으로 한 파프리카 생산성 추정을 위한 표준 모델 개발에 있어 어려움을 겪고 있다. 본 연구는 이러한 표준 모델을 개발할 시 독립변인으로서 외부 광량의 활용 적합성을 높이기 위한 방법을 알아보기 위해서 수행되었다. 선형회귀 분석 시 독립변인(누적 외부광량)과 종속변인(누적 생산성)을 전체 농가 생산성의 평균값, 그리고 그 평균값을 기준으로 이상과 미만(MHFP, MLFP)으로 분류하여 각각 평균값을 활용하였다. 도출된 선형회귀모형의 RMSE 값은 MHFP의 모델에서 0.9418kg·m^-2로 MTFP 모델의 1.5468kg·m^-2, MLFP 모델의 1.3812kg·m^-2보다 크게 낮았다. 그리고 시간(월)이 경과함에 따른 RMSE 값도 MHFP에서는 모든 월에 1.0 kg·m^-2 이하로 가장 낮았다. 따라서 외부 광량을 활용한 파프리카 생산성 추정을 위한 회귀모형 개발 시 농가들의 생산성 차이를 적합한 방법으로 분류하여 분석하는 것이 추정 모델의 적합성을 향상시킬 것으로 판단된다.

• 한국터널지하공간학회 논문집
• /
• 제26권1호
• /
• pp.39-58
• /
• 2024

TBM (Tunnel boring machine)은 터널 굴착 과정에서 여러 디스크 커터를 이용하여 암석을 절삭한다. 디스크 커터는 암석과의 지속적인 접촉과 마찰로 인해 마모된다. 디스크 커터의 표면이 마모되면 절삭 능력이 감소하고 굴착 효율이 떨어진다. 암석의 마모성은 디스크 커터 마모에 큰 영향을 미친다. 높은 마모도를 가진 암석은 커터에 더 큰 마모를 일으키며, 이는 디스크 커터의 수명을 단축시킨다. 세르샤 마모지수(Cerchar abrasivity index, CAI)는 암석의 마모성을 평가하는데 널리 사용되는 지표로 CAI는 암석의 마모특성을 나타내며, 디스크 커터의 수명과 성능 예측에 필수적인 요소로 인식되고 있다. 본 연구의 목적은 암석의 강도, 암석학적 특성과 선형회귀, 머신러닝 기법을 이용하여 CAI를 효과적으로 추정하는 새로운 방법을 개발하는 것이다. 문헌 조사를 통해 CAI, 일축압축강도, 압열인장강도, 등가석영함량이 포함된 데이터베이스를 구축하고 파생변수를 추가하였다. 통계적 유의성과 다중공선성을 고려하여 다중선형회귀분석을 위한 입력변수를 선정하였고, 머신러닝 모델의 입력변수는 변수중요도 분석을 통해 선정하였다. 머신러닝 예측모델 중 Gradient Boosting 모델의 예측 성능이 가장 높게 나타나 최적의 CAI 예측 모델로 선정되었다. 마지막으로 본 연구에서 도출한 다중선형회귀분석과 Gradient Boosting 모델의 예측 성능을 선행연구들의 CAI 예측모델과 비교하여 연구 결과의 타당성을 확인하였다.

• 한국전산구조공학회논문집
• /
• 제32권2호
• /
• pp.93-101
• /
• 2019

이 연구의 목적은 인공신경망 기법을 이용하여 사면의 내진 성능을 비교적 정확하면서도 효율적으로 예측하는 모델을 도출하는데 있다. 사면의 내진 성능은 지진입력 및 사면모델의 무작위성 및 불확실성으로 인하여 정량화하기 쉽지 않다. 이러한 배경 아래 사면에 대한 확률론적 지진 취약도 분석이 몇몇 연구자에 의해 수행되었고, 이를 기반으로 다중 선형회귀분석을 통하여 사면 내진성능에 대한 닫힌식이 제안된 바 있다. 그러나 전통적인 통계학적 선형회귀분석은 다양한 조건의 사면과 이에 따른 내진 성능 사이의 비선형적 관계를 정확하게 표현하지 못하는 한계를 보였다. 이에 따라 본 연구에서는 이러한 문제점을 극복하고자 인공신경망 기법을 사면 내진성능 예측 모델을 생성하는데 적용하였다. 도출된 모델의 유효성은 기존의 다중 선형 및 다중 비선형 회귀분석을 통한 모델과 비교하여 검증하였다. 결과적으로 이전 연구의 전통적인 통계학적 회귀 분석을 통한 모델과 비교 결과, 기본적으로 인공신경망 기법을 통하여 도출된 모델이 사면의 내진성능을 예측하는데 있어 우수한 성능을 보여주었다. 이러한 정확도 높은 모델은 향후 확률에 기반한 사면의 지진취약도 지도를 개발하고, 주요 구조물의 인근 사면으로 인한 리스크를 효과적으로 평가하는데 활용될 수 있을 것이라 기대된다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.159-164
• /
• 2024

국내 석유 시장은 국제 석유 가격의 변동에 매우 민감하기 때문에 그 변동성에 대한 파악과 대처가 중요하다. 특히, 높은 소비량을 보이는 휘발유의 가격이 어떠한 요인에 인해 변화하는지 명확하게 파악하는 것이 필요하다. 국제 휘발유 가격은 휘발유 수급, 지정학적 사건, 미국 달러화 가치 변동 등 글로벌 요인에 영향을 받는다. 그러나 기존의 연구들은 휘발유의 수급에만 초점에 맞추어 진행하였다는 한계가 존재한다. 본 연구에서는 다양한 머신러닝 기반의 회귀 모델을 활용하여 거시적 경제지표와 국제 휘발유 가격 간의 인과관계를 탐색한다. 첫째, 다양한 세계 경제지표 데이터를 수집한다. 둘째, 데이터 전처리를 진행한다. 셋째, 다중선형회귀, Ridge 회귀, Lasso(Least Absolute Shrinkage and Selection Operator) 회귀 모델을 활용하여 모델링한다. 실험 결과, 테스트 데이터 셋에서 다중선형회귀 모델이 가장 높은 정확도(97.3%)를 보였다. 우리는 국제 휘발유 가격의 예측은 국내 경제 안정성과 에너지 정책 결정에 도움이 될 수 있을 것으로 기대한다.

• 한국지반환경공학회 논문집
• /
• 제19권12호
• /
• pp.47-58
• /
• 2018

Duncan & Chang(1970)는 던컨-창 모델을 제안하면서 흙시료의 초기 접선계수와 극한 축차응력을 구하기 위하여 쌍곡선이론을 사용하여 삼축압축시험의 응력-변형률의 비선형관계를 변환된 변형률/축차응력-변형률의 선형관계로 재구성하였다. 그러나 변환된 응력-변형률 관계는 이론적으로 선형관계를 나타내지만, 실제로는 시험이 시작되는 변형률이 작은 구간과 시료가 파괴에 이르는 변형률이 큰 구간에서는 비선형관계를 보인다. 이러한 현상은 삼축압축시험의 응력-변형률 곡선이 완전한 쌍곡선 형태가 아님을 나타낸다. 따라서 변환된 응력-변형률 곡선의 전 구간에 대하여 선형 회귀분석을 실시하여 직선의 식을 구하게 되면, 비선형관계를 나타내는 구간의 범위에 따라 선형관계식의 산정에 편차가 발생하게 된다. 이러한 편차를 줄이기 위하여 본 연구에서는 변환응력-변형률 관계에서 비선형을 나타내는 초반과 종반 구간을 제외한 구간에 대하여 선형회귀분석을 실시함으로써 초기접선계수와 극한 축차응력을 산정하는 수정회귀분석법을 제안하였다. 수정회귀분석법을 검증하기 위하여, 풍화토의 다짐시료에 대하여 압밀-배수 삼축압축시험을 실시하였다. 삼축압축시험의 응력-변형률 곡선으로부터 구한 변환응력-변형률 관계에 대해서 수정회귀분석을 실시하여 Duncan et al.(1980)이 제안한 2점법으로 구한 결과와 비교하였다. 분석결과 수정회기분석법에 비해 Duncan의 2점법으로 산정한 초기 접선계수는 4.0% 크게, 그리고 극한 축차응력은 2.9% 작게 평가되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.172-172
• /
• 2022

분산계수는 하천에서 오염물질의 혼합능을 파악할 수 있는 대표적인 인자이다. 특히 하수처리장 방류수 혼합예측과 같이 횡 방향 혼합에 대한 예측이 중요한 경우, 하천의 지형적, 수리학적 특성을 고려한 2차원 횡 분산계수의 결정이 필요하다. 2차원 횡 분산계수의 결정을 위해 기존 연구에서는 추적자실험결과로부터 경험식을 만들어 횡 분산계수 산정에 사용해왔다. 회귀분석을 통한 경험식 산정을 위해서는 충분한 데이터가 필요하지만, 2차원 추적자 실험 건수가 충분치 않아 신뢰성 높은 경험식 산정이 어려운 상황이다. 따라서 본 연구에서는 SMOTE기법을 이용하여 횡분산계수 실험데이터를 증폭시켜 이로부터 횡 분산계수 경험식을 산정하고자 한다. 또한 다중선형회귀분석을 통해 도출된 경험식의 한계를 보완하기 위해 다양한 머신러닝 기법을 적용하고, 횡 분산계수 산정에 적합한 머신러닝 기법을 제안하고자 한다. 기존 추적자실험 데이터로부터 하폭 대 수심비, 유속 대 마찰유속비, 횡 분산계수 데이터 셋을 수집하였으며, SMOTE 알고리즘의 적용을 통해 회귀분석과 머신러닝 기법 적용에 필요한 데이터그룹을 생성했다. 새롭게 생성된 데이터 셋을 포함하여 다중선형회귀분석을 통해 횡 분산계수 경험식을 결정하였으며, 새로 제안한 경험식과 기존 경험식에 대한 정확도를 비교했다. 또한 다중선형회귀분석을 통해 결정된 경험식은 횡 분산계수 예측범위에 한계를 보였기 때문에 머신러닝기법을 적용하여 다중선형회귀분석에 대한 예측성능을 평가했다. 이를 위해 머신러닝 기법으로서 서포트 벡터 머신 회귀(SVR), K근접이웃 회귀(KNN-R), 랜덤 포레스트 회귀(RFR)를 활용했다. 세 가지 머신러닝 기법을 통해 도출된 횡 분산계수와 경험식으로부터 결정된 횡 분산계수를 비교하여 예측 성능을 비교했다. 이를 통해 제한된 실험데이터 셋으로부터 2차원 횡 분산계수 산정을 위한 데이터 전처리 기법 및 횡 분산계수 산정에 적합한 머신러닝 절차와 최적 학습기법을 도출했다.