• 한국수자원학회논문집
• /
• 제56권7호
• /
• pp.439-449
• /
• 2023

최근 계측 기술의 발전으로 압력계와 유량계 등 다양한 센서를 설치하여 상수도관망의 상태를 효과적으로 파악할 수 있게 되었으나, 도시가 광범위하게 개발됨에 따라 계측 신뢰도에 영향을 미치는 변수는 다양해지고 있다. 특히 상수도관망 분석에 중요한 영향력을 가지는 수요 데이터의 경우 직접 계측의 난이도가 높고 결측이 발생하기 쉬운 것으로 알려져 데이터 생성의 중요도가 증가하고 있다. 본 논문에서는 상수도관망에서 누락된 데이터를 정확하게 생성하기 위해 생성적 딥러닝 모델에 기반한 적대적 학습 기반 오토인코더(ATAE) 모델을 제안한다. 제안된 모델은 판별 신경망과 생성 신경망의 두 가지 신경망의 적대적 학습을 사용하여 압력 데이터로부터 수요 데이터를 생성한다. 학습이 완료된 ATAE 모델의 생성 신경망은 관망의 계측되는 압력 데이터가 존재하는 경우, 그로부터 추정된 관망 수요 데이터를 제공할 수 있다. ATAE 모델은 미국 텍사스주 오스틴의 실제 상수도망에 적용되어 성능이 검증되었다. 수요 및 압력 시계열 데이터의 불확실성 정도에 따른 ATAE 예측 결과의 정확도를 비교하여 데이터 불확실성의 영향을 분석하였으며, 또한 수요 수준에 따른 데이터 수집 기간별 생성 결과를 비교하여 이에 따른 데이터 생성 성능을 검토하였다.

• 한국지리정보학회지
• /
• 제23권2호
• /
• pp.53-69
• /
• 2020

산업화와 도시개발로 인한 불투수층 면적의 증가는 수문순환 체계를 왜곡시켜 심각한 건천화를 야기한다. 이를 관리하기 위해 건천화의 정량적인 평가 및 예측이 가능한 하천건천화 영향평가 기술이 필요하다. 본 연구에서는 분포형 수문모형(Drying Stream Assessment Tool and Water Flow Tracking, DrySAT-WFT)과 시계열 GIS자료를 활용하여 전국 5대강 유역의 댐·보 유역을 대상으로 하천유입량 감소원인 평가를 실시하였다. 이를 위해 5개 하천건천화 영향요소(토양침식, 산림성장, 도로-하천 단절, 지하수이용, 도시개발)를 선정하여 1976년부터 2015년까지 GIS 기반의 시계열 공간자료를 연대별로 구축하였다. DrySAT-WFT는 2005~2015년까지 8개의 다목적댐(충주댐, 소양강댐, 안동댐, 임하댐, 합천댐, 섬진강댐, 주암댐, 용담댐) 및 4개의 유량 관측지점(오수천, 미호천, 마륵, 초강)에 대해 하천유량 검보정을 실시하였고, 검보정 결과 결정계수(R²)는 평균 0.76(0.66~0.84), Nash-Sutcliffe 모형효율은 평균 0.62(0.52~0.72)의 값을 보였다. 이를 토대로 2010년대(2006~2015)의 기상조건을 기준으로 연대별(1980년대: 1976~1985, 1990년대: 1986~1995, 2000년대: 1996~2005, 2010년대: 2006~2015) GIS자료를 이용하여 댐·보 유역의 하천유입량 변화를 계산하므로서 각 영향요소별 하천유입량 감소 기여비율을 산정하였다. 모의결과, 1980년대를 기준으로 5대강 유역평균 2010년대 풍수량(Q95)은 4.1~6.3%의 감소율을 보였고, 평수량(Q185)은 6.7~9.1%의 감소율을 보였으며, 갈수량(Q355)은 8.4~10.4%의 감소율을 보였다. 하천건천화 영향요소 중에서 지하수 이용량의 증가로 인한 기저유량 감소(하천건천화 기여율: 40.5%)가 가장 큰 영향을 주었으며, 다음으로는 산림성장에 의한 증발산량 증가(하천건천화 기여율: 29.0%)로 나타났다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제51권6호
• /
• pp.503-514
• /
• 2018

최근 기후변화 및 유역개발로 인하여 메콩강 유역의 수문환경이 급격히 변화하고 있으며, 메콩강을 공유하는 국가의 수재해 예방 및 지속가능한 수자원개발을 위해서는 메콩강 주요지점에서의 유량 정보의 분석 및 예측이 요구된다. 본 연구에서는 물리적 기반의 수문모형인 SWAT과 데이터기반 딥러닝 알고리즘인 LSTM을 이용하여 메콩강 하류 Kratie 지점의 유출모의를 수행하고, 유출모의 정확도 및 두 가지 방법론의 장 단점을 비교 분석한다. SWAT 모형의 구축을 위해 범용 입력자료(지형: HydroSHED, 토지이용: GLCF-MODIS, 토양: FAO-Soil map, 강우: APHRODITE 등)을 이용하였으며 warming-up 및 매개변수 보정 후 2003~2007년 일유량 모의를 수행하였다. LSTM을 이용한 유출모의의 경우, 딥러닝 오픈소스 라이브러리인 TensorFlow를 활용하여 Kratie 지점기준 메콩강 상류 10개 수위관측소의 두 기간(2000~2002, 2008~2014) 일수위 정보만을 이용하여 심층신경망을 학습하고, SWAT 모형과 마찬가지로 2003~2007년을 대상으로 Kratie 지점에 대한 일수위 모의 후 수위-유량관계곡선식을 이용하여 유출량으로 환산하였다. 두 모형의 모의성능 비교 검토를 위하여 모의기간에 대해 NSE (Nash-Sutcliffe Efficiency)을 산정한 결과, SWAT은 0.9, LSTM은 보다 높은 0.99의 정확도를 나타내는 것으로 분석되었다. 메콩강과 같은 대유역의 특정 지점에 대한 수문시계열 자료의 모의를 위해서는 다양한 입력자료를 요구하는 물리적 수문모형 대신 선행 시계열자료의 변동성을 기억 학습하여 이를 예측에 반영하는 LSTM 기법 등 데이터기반의 심층신경망 모형의 적용이 가능할 것으로 판단된다.

• 지능정보연구
• /
• 제22권4호
• /
• pp.19-43
• /
• 2016

이 연구에서 Asia 금융 위기의 원인을 고찰하여 보고, European Monetary Systems의 금융 위기와 비교하여 본다. Asian 신흥 국가들은 1997년도에 금융 위기를 경험하였고, European Monetary Systems의 국가들도 1992년도에 동일한 경험을 하였다. 또한, 중남미의 신흥 경제국가인 Mexico 역시 1994년에 금융위기를 겪었다. 이 연구의 목적은 이들 금융위기의 내면을 고찰하고 그 결과로부터 일반화된 법칙을 추출하는 것이다. 이 연구에서는 금융위기를 경험한 한국과 영국과 멕시코를 각각 세가지 다른 모형으로 연구하고 비교하였다. 이 접근 방법은 체계적인 조사를 통하여 세 국가의 차이점을 보여주고 또한 공통적인 내재 요인을 관찰한다. 이전의 많은 연구 방법들은 대부분 선형 회귀식을 통한 causal model에 초점을 맞추고 있지만, 이러한 선형 회귀 모형의 약점을 보완하여서 현실에 산재하며 존재하는 비 선형의 문제를 해결하기 위하여 또 다른 방법을 제안하여 본다. 이 연구에서 사용한 구조 방정식(Structural Equation Model) 모형은 현실로부터 원인을 추출하고 분석하는 연구에 적합하며, 신경망(Artificial Neural Network) 모형은 선형모형의 단점을 보완하여서 비 선형 요인을 설명해 준다. 구조방정식 모형에 적용하기 위하여서 LISREL(LInear Structural RELationship)을 사용하였다. LISREL은 확인적 요인분석과 계량경제학에서 개발된 연립방정식모델에 토대를 둔 다중회귀분석 및 경로분석 등이 결합된 성격을 갖는 방법론으로 다양한 연구에 적용된다. 또한 인공지능(Artificial Intelligence) 기법 중의 하나인 신경망 모형은 선형회귀 분석과 다른 형태의 결과를 도출한다. 세가지 방법론의 우수성을 비교하기 위하여 Hit ratio를 각 국가/ 각 방법론 별로 구분하여서 비교한 결과 다른 방법론 보다 신경망이 더 좋은 성과를 나타내고 있는 것을 확인할 수 있었다. 세가지 방법론에 각각 일반적인 환율 예측에 사용되는 변수를 사용하였다. 소비자 물가지수(Consumer Price Index), 국내총생산(Gross Domestic Product), 이자율(Interest rate), 주가지수(Stock Index), 경상수지(Current Account), 외환보유고(Foreign Reserves)의 6가지 변수를 이용하여서 환율을 예측하여서 급격한 환율 변화로 초래되는 경제위기를 예측하려고 하였다. 각각의 국가의 데이터는 대한민국은 1991년부터 1999년까지, 영국은 1986년부터 1995년까지, 멕시코는 1988년부터 1998년까지의 기간을 정하여서 시계열자료를 분기별로 사용하였다. 각각의 데이터는 Data Stream과 한국은행(Bank of Korea)의 데이터를 이용하여서 분석하였다. 선형회귀방정식을 이용한 분석과 구조방정식인 LISREL을 이용한 분석은 각각 Hit ratio가 국가별로 순위가 변동되기도 하였으나, 인공지능 방법론인 인공신경망의 경우는 모든 국가에서 가장 좋은 예측 결과를 나타내고 있었다. 이 논문은 환율의 변동에 대한 다양한 예측 모형을 비교하고 평가하여서 연구에서 제시하는 개념을 검토하였다는 점에서 의의를 갖는다.

• 한국정보과학회논문지:정보통신
• /
• 제36권3호
• /
• pp.173-183
• /
• 2009

본 논문에서는 엔트로피에 기반한 이상징후 탐지 시스템을 제안한다. 엔트로피는 시스템의 무질서정도를 측정하는 지표로써, 이상징후 출현 시 네트워크의 엔트로피는 급증한다. 네트워크를 IP와 포트번호를 기준으로 분류하여, 패킷별로 역학을 관찰하고 엔트로피를 각각 측정한다. 분산서비스거부공격이나 웜, 스캐닝 등의 네트워크 공격 출현 시 패킷 교환과정이 정상적일 때와는 다르므로 엔트로피를 통하여 기존기법 보다 높은 탐지율로 이상징후를 탐지할 수 있다. 본 논문에서는 다수의 원과 서비스거부공격을 포함한 데이터 셋을 수집하여 제안기법을 검증하였다. 또한 지수평활법, Holt-winters 등의 시계열예측 기법과 주성분분석을 이용한 이상징후 탐지 기법과 정확도 측면에서 비교한다. 본 논문에서 제안한 기법으로 웜, 서비스거부공격 등의 이상징후 탐지에 있어 오탐지율을 낮출 수 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.271-271
• /
• 2023

수문학적 기준지점(HRS, Reference Hydrological Station)은 유량의 변동성의 장기적인 추세를 파악하기 위해 고품질의 자료를 생산하는 관측소를 의미한다. 선진외국의 경우 운영목적과 수문학적 기준지점의 정의는 조금씩 다르지만 유사한 개념의 관측소를 운영하고 있다. 호주의 경우 기후변화에 따른 장기간의 수자원 부존량의 변화를 예측하기 위한 모니터링 지점으로 정의하며, 미국의 경우 시간에 따른 수문학적 특성의 자연적인 변화 및 인간의 활동에 따른 수문환경의 변화에 대한 연구를 위한 기준값을 제공하기 위해 참조지점(HBN, Hydrological Benchmark Network)의 자료를 제공하기 위해 운영한다. 영국은 기후변화에 따른 유역의 수문학적 응답을 조사할 목적으로 참조지점(RHN, Reference Hydrological Network)을 운영하고 있으며, 주로 자연유역에 설치하여 운영하고 있다. WMO는 2006년 '기후연구를 위한 적절한 유량관측소'를 선정해 줄 것을 회원국에 요청하고, 관련 자료의 데이터베이스를 독일의 GRDC(Global Runoff Data Centre)에 수집하고 있다. 국외의 경우 '자연에 가까운 유역특성을 갖는 하천 유량관측망 중 양질의 자료를 보유하고 있는 관측소'를 고려하여 수문학적 기준지점을 선정한다. 하지만 우리나라의 경우 장기간의 유량자료를 보유하고 있는 관측소가 상대적으로 부족하고, 장기간의 유량자료를 보유한 지점 또한 홍수예보, 댐 운영 등 물관리 업무에 직접 활용하기 위해 대하천의 본류 중심으로 자료를 생산하고 있다. 따라서 현재를 기준으로 국제적으로 통용되는 기준에 부합하는 기준관측소를 선정하는 것은 곤란한 상황으로 미래에 수문학적 기준지점이 될 수 있는 관측소를 선정하여 장기간 모니터링을 통해 기준관측소를 확대해 나갈 필요가 있다. 본 연구에서는 국외의 수문학적 기준관측소 선정기준을 비교 검토하여 우리나라 실정에 맞는 기준관측소 선정기준을 개발하였다. 선정 기준은 ① 유역의 개발정도, ② 댐·저수지 등 인위적인 조절 정도, ③ 취수량 또는 방류량 등 유역간의 물 이동, ④ 유량자료의 보유기간 및 정확도 등을 고려하여 기준을 설정하였다. 또한 기준지점의 선정을 위한 절차를 ① 수위관측소 사전목록의 작성, ② 관측소 정보 분석(유역특성, 시계열자료 등), ③ 수문학적 기준관측소 후보 선정, ④ 유관기관 및 전문가 검토를 통한 우선순위 선정 등 4단계로 구분하여 제시하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제18권5호
• /
• pp.557-564
• /
• 2017

대한민국 군의 K 계열 전차에 장착되어 있는 열영상장비의 목적은 시계가 제한된 환경에서 외부의 적외선 영역의 정보를 인간이 인지할 수 있는 시각 정보로 변환하는 것이다. 열영상장비의 시계, 배율, 분해능, 변조전달함수, 잡음등가온도차, 최소분해가능온도차 등의 지표 중에서 최소 분해 가능 온도차(MRTD)는 공간주파수와 온도분해능을 복합적으로 표현할 수 있기 때문에, 열영상장비의 성능 표현에 있어 가장 중요한 파라메터이다. 그러나 NATO의 MRTD 표준 측정 방법은 많은 주관적인 요소를 포함하고 있다. 즉, 측정자의 정신 상태, 시력 등의 차이와 측정환경에 따라 측정 결과의 오차가 발생하므로 MRTD의 측정결과는 안정적이지 못하다. 따라서 본 논문에서는 정성적인 MRTD 측정 방법을 gary scale을 바탕으로 이미지 연산을 통한 정량적인 지표로 변환하였다. 흑상과 백상의 Gray scale 차이의 평균을 최소분해가능온도로 변환하여, 국방규격서에서 요구하는 성능요구조건의 충족여부를 판단할 수 있다. 또한 gray scale은 MRTD의 탐지/인지/식별의 판별기준으로 활용할 수 있다. 전차에 열영상장비가 탑재되어 작전을 수행할 때의 탐지 가능 거리를 안개, 폭우, 맑은 날씨 등의 다양한 환경조건에 따라 분석하였다.

• 한국건설관리학회논문집
• /
• 제19권2호
• /
• pp.107-116
• /
• 2018

2010년 이후 한국 해외건설 수주가 극적 변동을 보임에 따라, 이에 대한 원인과 대응방안을 모색하고자 한다. 한국 해외건설은 2010년 716억불을 정점으로 2011년에서 2014년까지 연평균 638억불을 기록하였다. 하지만, 2014년 하반기부터 시작된 국제유가 하락으로 2015년 461억불을, 2016년 282억불, 2017년 290억불의 수주에 그쳤다. 국제 유가 하락과 더불어, 세계 경제 저성장 지속과 우리 기업의 EPC 수주 역량 한계점 봉착 등으로 불확실성이 과거 어느 때보다 증가하고 있다. 이와 같은 불확실한 해외건설시장 상황 속에서 적절한 대응방안을 모색하고, 많은 가능성과 글로벌 경쟁력을 갖추고 있는 해외건설산업을 국가수 출전략산업으로 육성 발전시키기 위하여, 세계건설시장과 해외건설시장의 발주 및 수주 구조와 그 변화추세를 분석하고, 향후 해외건설 수주 규모를 예측함으로써 해외건설산업의 건전한 육성 및 발전을 위한 정책 방향을 제시하고자 한다.