• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.10-10
• /
• 2018

기후변화로 인한 집중호우의 빈도 및 강도가 증가하여 치수 구조물의 설계 홍수 빈도를 초과하는 피해가 발생하고 있다. 본 연구에서는 이러한 침수 피해를 저감하기 위해 수치예보자료를 활용한 홍수 예 경보시스템의 적용성을 비교 평가하였다. 수치예보자료는 국내 기상청에서 제공하는 국지예보모델(LDAPS)과 일본 기상청의 중규모모델(Meso-scale Model ; MSM)을 이용하였으며, 남강댐 유역 내의 산청 유역에 대해 태풍 및 정체 전선 등 3 개의 강우사상을 선정하였다. 강우유출 해석에는 분포형 수문 모형인 KWMSS(Kinematic Wave Method for Subsurface and Surface)를 이용하였다. 그 결과, LDAPS와 MSM 모두 강우발생 유무를 잘 재현하였다. 특히, 광역적 강우인 태풍사상에 대해 강우 예측에서 비교적 높은 정확도를 나타내었다. 강우 예측의 정확도 향상을 위해 강우장의 공간 변위를 고려하여 앙상블 강우 분포를 적용한 결과, 강우 예측의 정확도가 향상되는 것으로 나타났다. 홍수 예측의 경우 두 수치예보자료 모두 유출 패턴을 잘 재현하였다. 앙상블 홍수 예측 결과, 단일 강우 자료를 통한 홍수 예측에서의 예측 불확실성을 개선하는 것으로 나타났다. 3개의 강우 사상에 대해 MSM의 예측 결과가 LDAPS의 예측 결과보다 비교적 높은 상관관계를 나타내었다. 본 연구를 통해 강우 및 홍수 예측에 수치예보자료의 적용 가능성이 있다고 판단되며, 홍수 예 경보의 기초자료로 활용성이 있다고 판단된다.

• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.149-152
• /
• 2008

본 연구는 협업 추천 시스템에 적용되는 상품에 대한 고객의 선호도 예측 알고리즘 중 메모리기반 협업필터링 알고리즘의 선호도 예측 특성에 대하여 연구하였다. 메모리기반의 협업필터링 알고리즘은 선호도 예측 대상 고객과 유사한 성향을 가질 것으로 예상되는 고객들의 선호도 평가를 기반으로 특정 상품에 대한 선호도 예측이 이루어진다. 일반적으로 시스템을 이용하는 고객들과 선호성향이 다른 고객들은 선호도 예측 성과가 낮은 것으로 알려져 있으며 이들이 추천시스템의 선호도 예측 정확도를 떨어뜨리는 원인으로 알려져 있다. 본 연구에서는 고객이 상품들에 평가한 선호도 평가의 패턴이 선호도 예측 정확도와 관련성이 높음을 보여 선호도 예측 알고리즘의 개선에 기초 자료를 제공하고자 한다. 고객의 선호도 평가 패턴은 과거 고객이 평가한 자료로부터 얻을 수 있는 사전정보로써 선호도 예측 알고리즘을 적용하기 이전에 이용할 수 있는 정보이다. 본 연구에서는 사전정보를 이용하여 고객의 선호도 예측 오차의 특성을 연구함으로써 이들의 선호도 예측 정확도를 개선시킬 수 있는 알고리즘의 보정방법에 대하여 연구한다. 알고리즘의 보정방법을 선호도 예측 이전에 고객의 선호도 평가 특성으로 판단하여 적용함으로써 사전정보를 이용한 선호도 예측 정확도를 향상시키기 위한 접근법은 기존의 이웃 구성의 접근법과 다른 방법을 취함으로써 알고리즘 개선의 새로운 방향을 제시할 것으로 기대된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.222-223
• /
• 2014

본 논문에서는 HEVC의 화면내 모드에서 예측을 수행할 블록의 주변적 특성을 이용한 고속 모드 결정 알고리즘을 제안한다. 기존의 화면내 예측 방법으로는 33가지 방향성 예측방법과 두 가지의 무 방향성 방법을 이용하게 된다. 이때 최적의 예측 모드를 선택하기 위하여 RD cost 계산을 하게 된다. 본 논문에서는 모드 선택의 복잡성을 줄이고 고속 모드를 결정하기 위하여 예측 할 블록의 주변 중 가장 자리와 가중치 특성을 고려하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.256-258
• /
• 2002

이동 컴퓨팅 환경에서는 무선 단말기 사용자의 이동에 따른 접속 단절 현상이 발생할 수 있다. 이러한 이동 컴퓨팅 환경에서 끊김없는 핸드오프와 효율적인 호 수락 제어를 지원하기 위해서 사용자의 이동성 예측이 중요하다. 따라서, 본 논문에서는 사용자의 이동성을 규칙적인 패턴과 임의적인 패턴으로 분류하고, 규칙적인 이동패턴을 예측하기 위하여 사용자의 과거 이동 경로를 분석하며 임의적인 이동패턴은 GPS의 정보를 이용하여 이동성을 예측한다. 이러한 예측 기법은 무선 단말기 사용자의 속도가 매우 빠르거나, 셀룰러망의 셀의 크기가 작은 경우에 보다 효율적으로 이동성을 예측할 수 있다는 장점이 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.365-365
• /
• 2020

최근 기후변화로 인한 강우, 온도, 유량과 같은 수문학적 요소의 불확실성 증가와 더불어 산업화, 도시화로 인한 물 수요가 커짐에 따라 물부족 발생 위험이 증가하고 있다. 이에 따라, 안정적인 물 공급을 위한 하천유량과 취수량의 균형을 목적으로 하는 취수량의 예측 및 모의에 대한 중요성이 강조되고 있다. 본 연구에서는 과거 하천 취수량 자료로부터 미래 취수량을 예측하기 위해 딥러링 기법 중 하나인 순환신경망(LSTM) 모형과 시계열분해법을 결합하여 취수량 예측 모형을 개발하였다. 시계열분해법을 통해 자료의 경향성과 계절적 변동성 등 다양한 스케일의 시계열을 분해하여 전처리를 수행하였으며 불확실성을 의미하는 잔차(residual)에 LSTM을 적용하여 예측하였다. 결과적으로 LSTM 취수량 예측 모형은 높은 정확도를 보였으며, 월단위 전망 시 관측값에 대하여 신뢰성이 있는 결과를 나타내었다. 본 연구에서 개발한 모형에 따른 결과는 수자원 관리를 위해 활용이 가능할 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.984-984
• /
• 2012

지구온난화와 기후변화의 영향으로 전 지구적으로 이상홍수, 이상가뭄, 한파와 같은 이상기상 현상이 빈번하게 발생하고 있다. 국내에서는 2010년 추석 광화문 침수사태와 2011년 우면산 산사태와 같은 국지성 집중호우로 인한 인적 물적 피해가 속출하고 있다. 전통적으로 시기나 양적인 측면에서 대부분 장마기간에 국한되었던 강우집중현상이 과거와 달리 특정기간에 상관없이 발생하고 단기성, 국지성을 지닌 호우의 발생빈도가 높아지는 등 국내 강우의 특성이 변하고 있다. 이러한 변화에 대응하기 위해서 강우예측과 유출량예측의 정확도를 높이기 위한 시도가 다양하게 이루어지고 있다. 강우예측의 정확성을 높이기 위해 기상청에서는 단기예보를 목적으로 전지구 통합모델과 지역 통합모델을 연계한 동네예보를 수행하고 있으며, 초단기 예보를 위한 목적으로 VSRF, SCAN, VDRAS, MAPLE 등의 예보를 수행하고 있다. 홍수량 예측에서는 일반적으로 사용하고 있는 물리적 기반의 모형에 레이더강우와 같은 격자형 강우자료를 사용하여 정확성을 높이거나, 기존의 집중형 모형을 분포형 모형으로 대체하기 위한 연구 등이 이루어지고 있으며, 모형 구축이 간편하고 예측 정확도가 우수하다는 장점으로 인해 신경회로망이나 퍼지추론기법 등을 사용한 연구도 지속적으로 이루어지고 있다. 본 연구에서는 수자원분야에 산재한 불확실성을 적극적으로 인정하고 수학적으로 해석하기 위한 이론인 퍼지이론에 신경망 이론을 도입한 neuro-fuzzy 기법을 사용하여 홍수량을 예측하였다. 모형의 입력자료로는 관측된 강우자료와 유출량자료 및 기상청에서 제공하는 MAPLE(McGill Algorithm for Precipitation Nowcasting by Lagrangian Extrapolation) 강우예측자료를 사용하여 적용성을 평가해보았다. 모형의 적용성을 평가하기 위해 시험유역을 충주댐 상류 유역으로 선정하였으며, 2010년 2011년 홍수기의 충주댐 유입량을 예측하였다. 모형의 입력자료를 변경하여 입력자료의 변화에 따른 결과를 비교하였고, clustering 반경의 변화에 따른 정확도를 비교하였다. 모형의 정확도는 평균제곱근오차와 첨두수위오차를 통해 비교하였으며, 비교결과 전반적으로 lead time이 길어질수록 MAPLE 사용 시 예측 정확도가 우수하였고, clustering 반경은 0.5일 때 가장 우수한 결과를 보였다.

• Journal of Intelligence and Information Systems
• /
• v.29 no.2
• /
• pp.129-148
• /
• 2023

Bitcoin is a blockchain technology-based digital currency that has been recognized as a representative cryptocurrency and a financial investment asset. Due to its highly volatile nature, Bitcoin has gained a lot of attention from investors and the public. Based on this popularity, numerous studies have been conducted on price and trend prediction using machine learning and deep learning. This study employed LSTM (Long Short Term Memory) and CNN (Convolutional Neural Networks), which have shown potential for predictive performance in the finance domain, to enhance the classification accuracy in Bitcoin price trend prediction. XAI(eXplainable Artificial Intelligence) techniques were applied to the predictive model to enhance its explainability and interpretability by providing a comprehensive explanation of the model. In the empirical experiment, CNN was applied to technical indicators and Google trend data to build a Bitcoin price trend prediction model, and the CNN model using both technical indicators and Google trend data clearly outperformed the other models using neural networks, SVM, and LSTM. Then SHAP(Shapley Additive exPlanations) was applied to the predictive model to obtain explanations about the output values. Important prediction drivers in input variables were extracted through global interpretation, and the interpretation of the predictive model's decision process for each instance was suggested through local interpretation. The results show that our proposed research framework demonstrates both improved classification accuracy and explainability by using CNN, Google trend data, and SHAP.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.157-158
• /
• 2019

발전소 관리의 단기 전력 수요에 대한 정확한 예측은 전력 시스템의 안전하고 효율적인 작동을 보장하는데 필수적이다. 따라서 본 연구는 가우스 커널 함수 네트워크 (GKFNs)의 심층 구조를 이용하여 일일 최대 전력 수요를 예측하는 새로운 방법을 제시한다. 제안 된 GKFN의 깊이 구조는 표준 GKFN에 비해 예측 정확도를 향상시킨다. 한국의 일일 최대 전력 수요를 예측하기위한 시뮬레이션은 제안 된 예측 모델이 GKFN 모델, k-NN 및 SVR과 같은 다른 예측 모델에 비해 예측 성능에 이점이 있음을 보여준다. GKFN의 제안된 심층 구조는 시계열 예측 및 회귀 문제의 다양한 문제에 적용될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.310-310
• /
• 2019

본 연구에서는 기상청 ASOS(종관기상관측장비) 자료와 통계적 기반의 다중회귀분석모형을 이용하여 경안천 유역에 대한 봄철 강수량(3~5월 누적강수량)의 예측성을 평가하였다. 예측대상기간은 2006~2018년이며 예측인자로서 전국 96개 지점의 ASOS 자료 중 35개 기상요소에 대한 월 자료를 활용하였다. 전망기간(1~12개월)에 따라 강수량 기준 최소 1개월에서 최대 24개월까지의 지체시간을 고려하여 1~24개월 선행 ASOS 기상자료와 강수량 사이의 상관성을 분석하였다. 예측대상년도를 기준으로 과거 40년간의 자료를 이용하여 상관성 분석을 수행하였으며, 상관성이 높은 상위 30개 기상인자를 조합하여 다중회귀분석모형의 예측인자(독립변수)로 활용하였다. 예측대상년도와 전망기간에 따라 최적의 예측인자를 조합하고, 교차검증을 통하여 각각 4,000개의 다중회귀모형을 도출하여 예측범위를 산출하였다. 다중회귀모형에 의한 예측범위를 분석한 결과, 2013년 자료까지는 예측범위가 관측값을 잘 포함하고 예측값의 평균이나 중간값이 관측값과 유사하게 나타난 반면, 2014년부터는 전망기간에 따라 관측값과 예측범위의 차이가 크게 나타나는 경우도 있었다. 예측치의 중간값을 기준으로 3분위(평년 이상, 평년 수준, 평년 이하) 적중률을 분석하면, 2006~2013년에 대해서는 58.3%인 반면, 2014~2018년에 대해서는 11.2% 수준으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.267-271
• /
• 2004

2000년도 국내에 소개된 앙상블 유량예측은 한반도 유출특성을 고려한 예측시스템 구축을 위해 꾸준한 수정과 보완을 반복하며 약 5년간의 연구가 진행되었다. 앙상블 유량예측의 연구방향은 크게 예측의 정확성을 향상시키기 위한 이론적 인구와 수자원 계획과 관리에 활용될 수 있도록 GUI를 포함한 유량예측시스템을 구축하는 등의 실무적 연구가 함께 진행되고 있다. 앙상블 유량예측의 정확성을 향상시키기 위해 갈수기에 강우-유출모형의 모의능력을 개선해야 하며, 홍수기에는 기상예보를 효율적으로 이용해야 한다는 기본 전략을 수립하였다. 최근 강우-유출모형의 모의능력을 개선하기 위해 신경망 강우-유출모형을 구축하고, 기존 강우-유출모형의 모의결과를 보정하거나, 두개 이상의 모형을 결합함으로서 유량모의능력을 개선하여 갈수기 앙상블 유량예측 정확성을 향상시킬 수 있음을 증명하는 성과를 거둔 바 있다. 향후 앙상블 유량예측의 연구 방향은 기상예보자료의 적극적인 활용에 초점을 맞추고 있다. 최근 ENSO(El Nino Southern Occillation), PDI(Pacific Decadal Idex) 등 다양한 기후정보의 새로운 발견과 GCM 등 기후모형의 급속한 개선으로 기후 예측의 정확도가 높아지고 있는 추세이므로, 이를 이용하여 홍수기 앙상블 유량예측의 정확도 개선을 목표로 인구가 진행될 전망이다.