• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.5
• /
• pp.713-719
• /
• 2009

In this paper, we develope a water demand forecasting algorithm using AR(Auto-regressive) and MLP(Multi-layer perceptron). To show effectiveness of the proposed method, we analyzed characteristics of time-series data collected in "A" purification plant at Jeon-Buk province during 2007-2008, and then performed the proposed method with various input factors selected through various analyses. As noted in experimental results, the performance of three types model such as multi-regressive, AR(Auto-regressive), and AR+MLP(Auto-regressive + Multi-layer perceptron) show 5.1%, 3.8%, and 3.6% with respect to MAPE(Mean Absolute Percentage Error), respectively. Thus, it is noted that the proposed method can be used to predict short-term water demand for the efficient operation of a water purification plant.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.4
• /
• pp.13-20
• /
• 2023

In this paper, the actual data of VOC reduction facilities was analyzed through a model that detects and predicts data anomalies. Using the USAD model, which shows stable performance in the field of anomaly detection, anomalies in real-time data are detected and sensors that cause anomalies are searched. In addition, we propose a method of predicting and warning, when abnormalities that time will occur by predicting future outliers with an auto-regressive model. The experiment was conducted with the actual data of the VOC reduction facility, and the anomaly detection test results showed high detection rates with precision, recall, and F1-score of 98.54%, 89.08%, and 93.57%, respectively. As a result, averaging of the precision, recall, and F1-score for 8 sensors of detection rates were 99.64%, 99.37%, and 99.63%. In addition, the Hamming loss obtained to confirm the validity of the detection experiment for each sensor was 0.0058, showing stable performance. And the abnormal prediction test result showed stable performance with an average absolute error of 0.0902.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.19 no.10
• /
• pp.176-182
• /
• 2018

In order to understand and track the trends of construction safety accident, this study shows the topic trends in the construction safety accident with LDA(Latent Dirichlet Allocation)-based topic modeling method for data analytics. Especially, it performs to figure out the main issue of construction safety accident with unstructured data analysis based on the topic modeling rather than a variety of structured data analysis for preventing to safety accident in construction industry. To apply this methodology, I randomly collected to 540 news article data about construction accident from January 2017 to February 2018. Based on the unstructured data with the LDA-based topic modeling, I found the 10 topics and identified key issues through 10 keyword in each 10 topics. I forecasted the topic issue related to construction safety accident based on analysis of time-series trends about the news data from January 2017 to February 2018. With this method, this research gives a hint about ways of using unstructured news article data to anticipate safety policy and research field and to respond to construction accident safety issues in the future.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.351-351
• /
• 2011

최근 지구온난화와 더불어 이상기후가 대두됨에 따라 기상 예측이 더욱더 중요시되고 있다. 또한 이전부터 가뭄 및 홍수와 같은 기상현상으로 인한 피해 사례가 빈번하였으며, 이로 인하여 물 관리의 어려움을 겪고 있다. 한 예로 이상기후가 유난히 잦았던 2010년 여름철 경우 평년보다 발달한 북태평양고기압의 영향으로 여름철 92일 가운데 81일의 전국 평균기온이 평년보다 높게 나타났다. 또한 강우 일수가 평년에 비해 7.4일 많은 44.2일을 기록하였으며, 국지성 집중호우 사례가 빈번하였다. 또한 8월 9일 발생한 태풍 `뎬무'를 포함해서 한 달 동안 3개의 태풍이 한반도에 영향을 끼치는 이례적인 사례가 발생하였다. 따라서 본 연구는 이러한 기상재해에 따른 물 관리를 장기적으로 대비하고자 고해상도 전지구 모델 GME를 이용하여 2010년 여름철 강수 예측을 실시하였다. 강수 예측에 사용된 전지구 모델 GME는 기존의 카테시안 격자체계를 가진 모델과 달리 전구를 삼각형으로 구성된 20면체로 격자화 한 Icosahedral-hexagonal grid 격자체계로 구성되어 있어, 해상도 증가에 용이할 뿐만 아니라, HPC(High Performance Computing)환경에서 효율성이 높은 장점을 가지고 있다. 본 계절 예측을 수행함에 있어 발생하는 잡음을 최소화하고자, Time-lag 기법을 이용하여 5개의 앙상블 멤버로 구성되어있으며, 이를 비교 분석하기위해 Climatology를 이용하여 총 10개의 앙상블 멤버로 규준실험을 수행하였다. 선행 연구에 따르면 1개월 이상의 장기 적분의 경우 초기조건보다 외부 강제력이 더 중요한 역할을 한다고 연구된 바 있다. (Yang et al., 1998) 특히 계절 변동성의 경우 대기-해양간의 상호작용에 의해 지배되며, 이를 고려하여 본 연구는 해수면 온도를 경계 자료로 사용하여 계절 예측을 수행하였다. 앞서 말한 실험 계획을 바탕으로 하여 나온 결과를 통해 동아시아지역 및 한반도 도별 강수 및 온도 변수에 대해 순별 및 월별 카테고리맵 분석을 실시하여 한눈에 보기 쉽게 나타냈다. 또한 주요 도시별 강수량 및 온도의 시계열 분석을 실시하여 시간이 지남에 따라 나타나는 변동성을 확인하였다. 계절 예측 결과에서 온도의 경우 평년보다 높게 나타났으며, 이는 실제 온도 예측과도 유사한 패턴을 가졌다, 강수의 경우 7월부터 8월 중순까지 평년보다 다소 적게 모의되었으며, 8월 하순경 회복하는 것으로 예측하였다. 따라서 본 계절 강수 예측은 다소 역학 모델이 가지는 한계를 가지고 있으나, 실제와 비교하여 어느 정도의 경향성이나 패턴에 있어 유사성을 보임을 확인하였으며, 이를 장기적 차원의 물관리를 함에 있어 참고 및 활용 가능할 것으로 예상한다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.5 no.10
• /
• pp.293-302
• /
• 2016

Since the electricity is produced and consumed simultaneously, predicting the electric load and securing affordable electric power are necessary for reliable electric power supply. In particular, a university campus is one of the highest power consuming institutions and tends to have a wide variation of electric load depending on time and environment. For these reasons, an accurate electric load forecasting method that can predict power consumption in real-time is required for efficient power supply and management. Even though various influencing factors of power consumption have been discovered for the educational institutions by analyzing power consumption patterns and usage cases, further studies are required for the quantitative prediction of electric load. In this paper, we build an electric load forecasting model by implementing and evaluating various machine learning algorithms. To do that, we consider three building clusters in a campus and collect their power consumption every 15 minutes for more than one year. In the preprocessing, features are represented by considering periodic characteristic of the data and principal component analysis is performed for the features. In order to train the electric load forecasting model, we employ both artificial neural network and support vector machine. We evaluate the prediction performance of each forecasting model by 5-fold cross-validation and compare the prediction result to real electric load.

• Journal of Environmental Impact Assessment
• /
• v.31 no.2
• /
• pp.83-94
• /
• 2022

In this study, DNN-based models were learned using air quality determination data for 2017, 2019, and 2020 provided by the National Measurement Network (Air Korea), and this models evaluated using data from 2016 and 2018. Based on Pearson correlation coefficient 0.2, four items (SO₂, CO, NO₂, PM₁₀) were initially modeled as independent variables. In order to improve the accuracy of prediction, monthly independent modeling was carried out. The error was calculated by RMSE (Root Mean Square Error) method, and the initial model of RMSE was 5.78, which was about 46% betterthan the national moving average modelresult (10.77). In addition, the performance improvement of the independent monthly model was observed in months other than November compared to the initial model. Therefore, this study confirms that DNN modeling was effective in predicting PM_2.5 concentrations based on air pollutants concentrations, and that the learning performance of the model could be improved by selecting additional independent variables.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.9 no.1
• /
• pp.91-97
• /
• 2009

Hazardous material (HazMat) is the material or substance that poses an unreasonable risk to human safety and health, and to property when transported in gases, solids, and liquids of all sizes. When HazMats are improperly released, they have potential to harm humans, property, or the environment to be considered hazardous, resulting in human-caused disasters. As the Korean economy has advanced, the use of HazMats has increased. And, the total number and the impacts of HazMat incidents have grown up. It increases the risk of HazMat incidents. When many goods of HazMats are transported from supply points to demand places, it is important to know what the types and characteristics of HazMat incidents are in terms of disaster management. The objectives of this research are: (1) to investigate types and characteristics of HazMats that generate HazMat incidents in Korea, and (2) to analyze time-series trends of HazMat incidents in terms of facilities and/or transportation. Statistical analysis methods including frequency analysis or analysis of category data are applied to examine the significance of difference in HazMat incidents.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1097-1101
• /
• 2008

본 연구에서는 SLURP 수문모형을 이용하여 미래기후와 예측된 토지이용자료 및 식생의 활력도를 고려한 상태에서 하천유역의 유출 및 증발산량에 미치는 영향을 분석하였다. 경안천 상류유역($260.04\;km^2$)을 대상유역으로 선정하여 4개년(1999-2002) 동안의 일별 유출량 자료를 바탕으로 모형의 보정(1999-2000)과 검증(2001-2002)을 실시하였다. 모형의 보정 및 검정 결과 Nash-Sutcliffe 모형효율은 0.79에서 060의 범위로 나타났다. 미래 기후자료는 IPCC(Intergovernmental Panel on Climate Change)에서 제공하는 A1B 기후변화시나리오의 MIROC3.2 hires, ECHAM5-OM, HadCM3 모델의 결과값을 이용하였다. 먼저 과거 30년 기후자료(1977-2006, baseline)를 바탕으로 각 모델별 20C3M(20th Century Climate Coupled Model)의 모의 결과값을 이용하여 강수와 온도를 보정한 뒤 Change Factor Method로 Downscaling하였다. 미래 기후자료는 2020s(2010-2039), 2050s(2040-2069), 2080s(2070-2099)의 세 기간으로 나누어 분석하였다. 미래 토지이용은 과거 시계열 Landsat 토지이용도를 이용하여 CA-Markov기법으로 예측된 토지이용을 사용하였으며, 미래의 식생정보 예측을 위하여 NOAA/AVHRR 위성영상으로부터 추출된 월별 NDVI(1998-2002)와 월평균기온간의 선형 회귀식을 도출하여 미래의 식생지수 정보를 추정하였다. 모형의 적용결과, 미래기후변화에 따른 연평균 하천유출은 현재보다 최대 2020s는 23.9%, 2050s는 40.7%, 2080s는 39.5% 증가하였다. 봄 강수량 패턴의 변화로 유출량 증가하는 것으로 나타났으며 여름에는 유출량은 감소하고 증발산량은 증가하는 결과를 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.2238-2243
• /
• 2008

홍수 방류량 하류 도달시간 산정은 댐운영 및 홍수예경보의 기초자료로 인식되고 있어 정확한 유하시간 산정이 필요하다. 수자원공사에서는 댐 방류에 따른 하류도달시간을 댐운영실무편람('06)에 있는 자료를 활용하여 댐 운영에 활용하고 있다. 금강 하류부의 경우 '97년 금강홍수예경보 자료를 활용하고 있으나, 수치모형 결과 자료로 실측에 의한 검증이 이루어지지 않았다. 댐 방류수에 대한 하류도달 시간에 대한 실측 기술을 확보하여 실측을 통한 수치모형의 검증 및 보완 필요하며, 보정된 수치모형을 이용한 홍수도달시간 실시간 예측을 통한 댐운영의 효율성 확보 및 대내외 검증된 결과 제시가 요구되고 있다. 현재 댐 방류에 따른 하류도달 시간에 대한 실측이 요구되고 있으나, 관련 기술에 대한 국내외 개발 및 적용 사례가 전무한 실정으로 본 연구에서는 현장계측과 수치모형을 연계한 신뢰성 높은 도달시간을 분석하는 기술을 개발하고자 하였다. 이를 위해 장구간 내에서 홍수의 흐름과 동일하게 하천에 흘러갈 수 있는 부유물을 개발하였으며, 주야간에 상관없어 주요 계측지점에서 도달시간 산정을 위해 자동 인식될 수 있는 센서기술을 개발하였다. 또한, 인식된 센서를 안정적으로 통신망에 연동하여 실시간 계측이 가능하며, GIS 기반의 원격 모니터링이 가능하도록 시스템을 구성하였다. 나아가. 기존 수치모형에 의존하여 예측된 도달시간 산정방법을 개선하기 위하여 수치모형의 매개변수를 검보정을 위한 시계열 및 지속적으로 자료를 취득하였다. 이러한 센서기술, 모니터링기술, 분석기술을 융합하여 향후 매개변수를 보정한 홍수도달시간 수치모형을 이용하여 신뢰성 높은 예측결과를 홍수예경보 및 댐 운영에 있어 활용함으로써 홍수재해로부터 안전성을 확보하고 물관리의 효율화를 달성할 수 있을 것으로 판단된다.

• Journal of Biomedical Engineering Research
• /
• v.24 no.3
• /
• pp.151-158
• /
• 2003

Numerous studies of short-term, beat-to-beat variability in cardiovascular signals have used linear analysis techniques. However, no study has been done about the appropriateness of linear techniques or the comparison between linearities and nonlinearities in short-term, beat-to-beat variability. This paper aims to verify the appropriateness of linear techniques by investigating nonlinearities in short-term, beat-to-beat variability. We compared linear autoregressive moving average(ARMA) with nonlinear neural network(NN) models for predicting current instantaneous heart rate(HR) and mean arterial blood pressure(BP) from past HRs and BPs. To evaluate these models. we used HR and BP time series from the MIMIC database. Experimental results indicate that NN-based nonlinearities do not play a significant role and suggest that 10 technique provides adequate characterization of the system dynamics responsible for generating short-term, beat-to-beat variability.