• Journal of Korea Water Resources Association
• /
• v.53 no.4
• /
• pp.273-283
• /
• 2020

Quantitative forecasting of groundwater levels for the assessment of groundwater variation and vulnerability is very important. To achieve this purpose, various time series analysis and machine learning techniques have been used. In this study, we developed a prediction model based on LSTM (Long short term memory), one of the artificial neural network (ANN) algorithms, for predicting the daily groundwater level of 11 groundwater wells in Hankyung-myeon, Jeju Island. In general, the groundwater level in Jeju Island is highly autocorrelated with tides and reflected the effects of precipitation. In order to construct an input and output variables based on the characteristics of addressing data, the precipitation data of the corresponding period was added to the groundwater level data. The LSTM neural network was trained using the initial 365-day data showing the four seasons and the remaining data were used for verification to evaluate the fitness of the predictive model. The model was developed using Keras, a Python-based deep learning framework, and the NVIDIA CUDA architecture was implemented to enhance the learning speed. As a result of learning and verifying the groundwater level variation using the LSTM neural network, the coefficient of determination (R²) was 0.98 on average, indicating that the predictive model developed was very accurate.

• Journal of Digital Convergence
• /
• v.18 no.11
• /
• pp.259-266
• /
• 2020

Many developments have been steadily carried out by researchers with applying knowledge-based expert system or machine learning algorithms to the financial field. In particular, it is now common to perform knowledge based system trading in using stock prices. Recently, deep learning technologies have been applied to real fields of stock trading marketplace as GPU performance and large scaled data have been supported enough. Especially, LSTM has been tried to apply to stock price prediction because of its compatibility for time series data. In this paper, we implement stock price prediction using LSTM. In modeling of LSTM, we propose a fitness combination of model parameters and activation functions for best performance. Specifically, we propose suitable selection methods of initializers of weights and bias, regularizers to avoid over-fitting, activation functions and optimization methods. We also compare model performances according to the different selections of the above important modeling considering factors on the real-world stock price data of global major companies. Finally, our experimental work brings a fitness method of applying LSTM model to stock price prediction.

• Journal of the Korean Society of Marine Environment & Safety
• /
• v.27 no.1
• /
• pp.22-28
• /
• 2021

This is a basic study on the development of deep learning-based algorithms to detect smoke before the smoke detector operates in the event of a ship fire, analyze and utilize the detected data, and support fire suppression and evacuation activities by predicting the spread of smoke before it spreads to remote areas. Proposed algorithms were reviewed in accordance with the following procedures. As a first step, smoke images obtained through fire simulation were applied to the YOLO (You Only Look Once) model, which is a deep learning-based object detection algorithm. The mean average precision (mAP) of the trained YOLO model was measured to be 98.71%, and smoke was detected at a processing speed of 9 frames per second (FPS). The second step was to estimate the spread of smoke using the coordinates of the boundary box, from which was utilized to extract the smoke geometry from YOLO. This smoke geometry was then applied to the time series prediction algorithm, long short-term memory (LSTM). As a result, smoke spread data obtained from the coordinates of the boundary box between the estimated fire occurrence and 30 s were entered into the LSTM learning model to predict smoke spread data from 31 s to 90 s in the smoke image of a fast fire obtained from fire simulation. The average square root error between the estimated spread of smoke and its predicted value was 2.74.

• Journal of Korea Water Resources Association
• /
• v.31 no.3
• /
• pp.317-326
• /
• 1998

Water consumption characteristics on the northern part of Seoul were analyzed using wavelet transform with a base function of Coiflets 5. It turns out that long term evolution mode detected at 212 scale in 1995 was in a shape of hyperbolic tangent over the entire period due to the development of Sanggae resident site. Furthermore, there was seasonal water demand having something to do with economic cycle which reached its peak at the ends of June and December. The amount of this additional consumption was about $1,700\;\textrm{cm}^3/hr$ on June and $500\;\textrm{cm}^3/hr$ on December. It was also shown that the periods of energy containing sinusoidal component were 3.13 day, 33.33 hr, 23.98 hr and 12 hr, respectively, and the amplitude of 23.98 hr component was the most humongous. The components of relatively short frequency detected at $2^i$[i = 1,2,…12] scale were following Gaussian PDF. The most reliable predictive models are multiple AR[32,16,23] and ARMA[20, 16, 10, 23] which the input of temperature from the view point of minimized predictive error, mutual independence or residuals and the availableness of reliable meteorological data. The predicted values of water supply were quite consistent with the measured data which cast a possibility of the deployment of the predictive model developed in this study for the optimal management of water supply facilities.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.387-387
• /
• 2019

우리나라는 최근 10년간 자연재난 중 호우로 인해 인명피해 약 120명, 재산피해 약 1조 4천억원을 기록하였으며, 또한 기후변화로 인해 강한 국지성 집중호우의 발생빈도가 높아질 것으로 예상됨에 따라 호우에 의한 침수피해가 증가될 것으로 예상된다. 특히 본 연구 대상지역인 인천시의 경우 도시화로 인해 인구밀도 및 불투수지역이 증가함에 따라 침수피해가 대형화되고 있는 실정이다. 이에 본 연구에서는 인천시와 같은 도심지역에서의 침수발생을 사전에 예측하고 침수발생에 대한 대비 대응을 위해 하수관망 해석을 위한 SWMM 모델과 침수해석을 위한 2DIS 모델을 연계하여 인천시 침수심 생산체계를 구축하고자 한다. 본 연구에 적용한 침수심 생산과정은 크게 강우자료 생산, 유역 및 하수관망 해석, 침수 해석 등 총 3단계 과정으로 구성된다. 강우자료 생산과정에서는 유역 및 하수관망 해석과 침수 해석을 위한 10분 단위 유역평균 강우량자료를 생산한다. 유역 및 하수관망 해석과정에서는 지형자료 및 강우자료를 이용하여 SWMM 모델을 통해 맨홀에서의 월류량 자료를 생산한다. 마지막으로 침수해석과정에서는 지형자료와 함께 앞서 두 과정을 통해 생산된 강우 및 맨홀 월류량 자료를 입력자료로 하여 2DIS 모델을 통해 10분 단위의 시계열 침수심 정보 및 격자별 최대 침수심정보를 생산한다. 본 연구에서의 공간해상도는 도심지역의 도로단위 고해상도 침수심 정보 생산을 위해 6m 단위로 하였으며, 시간해상도는 단시간에 발생하는 도심지역의 침수특성 반영을 위해 10분으로 하였다. 또한, 침수발생 시 발생한 강우의 지표흐름 영향을 반영하기 위해 빗물받이효율 변화에 다른 침수심을 분석하였다. 본 연구를 통해 도출된 모의 침수심 결과를 실제 침수피해사례 및 풍수해저감종합계획 결과와 비교하였으며, 다수 지역에서 실제 침수발생지역과 동일하게 침수가 발생한 것으로 나타났다. 또한, 전체적인 침수 양상이 유사하게 발생함을 확인하였다. 향후 관측자료를 이용한 하수관망 및 침수해석 모델의 최적화, 하천유량 예측을 통한 하류 기점수위의 반영 등을 통해 정확도를 개선할 수 있을 것으로 판단되며, 이를 통해 인천시 침수발생을 사전에 예측하여 침수피해에 대비 및 대응과 침수피해 발생 시 정확하고 상세한 원인 분석 및 예측이 가능할 것으로 기대된다.

• Journal of Intelligence and Information Systems
• /
• v.29 no.1
• /
• pp.377-396
• /
• 2023

As the cryptocurrency market continues to grow, it has developed into a new financial market. The need for investment strategy research on the cryptocurrency market is also emerging. This study aims to conduct an empirical analysis on an investment methodology of cryptocurrency that combines short-term trading strategy and deep learning. Daily price data of the Ethereum was collected through the API of Upbit, the Korean cryptocurrency exchange. The investment performance of the experimental model was analyzed by finding the optimal parameters based on past data. The experimental model is a volatility breakout strategy(VBS), a Long Short Term Memory(LSTM) model, moving average cross strategy and a combined model. VBS is a short-term trading strategy that buys when volatility rises significantly on a daily basis and sells at the closing price of the day. LSTM is suitable for time series data among deep learning models, and the predicted closing price obtained through the prediction model was applied to the simple trading rule. The moving average cross strategy determines whether to buy or sell when the moving average crosses. The combined model is a trading rule made by using derived variables of the VBS and LSTM model using AND/OR for the buy conditions. The result shows that combined model is better investment performance than the single model. This study has academic significance in that it goes beyond simple deep learning-based cryptocurrency price prediction and improves investment performance by combining deep learning and short-term trading strategies, and has practical significance in that it shows the applicability in actual investment.

• KIPS Transactions on Software and Data Engineering
• /
• v.12 no.9
• /
• pp.387-398
• /
• 2023

The COVID-19 outbreak has significantly impacted human lifestyles and patterns. It was recommended to avoid face-to-face contact and over-crowded indoor places as much as possible as COVID-19 spreads through air, as well as through droplets or aerosols. Therefore, if a person who has contacted a COVID-19 patient or was at the place where the COVID-19 patient occurred is concerned that he/she may have been infected with COVID-19, it can be fully expected that he/she will search for COVID-19 symptoms on Google. In this study, an exploratory data analysis using deep learning models(DNN & LSTM) was conducted to see if we could predict the number of confirmed COVID-19 cases by summoning Google Trends, which played a major role in surveillance and management of influenza, again and combining it with data on the number of confirmed COVID-19 cases. In particular, search term frequency data used in this study are available publicly and do not invade privacy. When the deep neural network model was applied, Seoul (9.6 million) with the largest population in South Korea and Busan (3.4 million) with the second largest population recorded lower error rates when forecasting including search term frequency data. These analysis results demonstrate that search term frequency data plays an important role in cities with a population above a certain size. We also hope that these predictions can be used as evidentiary materials to decide policies, such as the deregulation or implementation of stronger preventive measures.

• Environmental and Resource Economics Review
• /
• v.15 no.5
• /
• pp.799-826
• /
• 2006

Combining recent advances in causal flows with time series analysis, relationships among eight North American natural gas spot market prices are examined. Results indicate that price discovery tends to occur in excess demand regions and move to excess supply regions. Across North America, the U.S. Midwest region represented by Chicago spot market is the most important market for price discovery. The Ellisburg-Leidy Hub in Pennsylvania is important in price discovery, especially for markets in the eastern two-thirds of the U.S. Malin Hub in Oregon is important for the western markets including the AECO Hub in Alberta, Canada.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.361-361
• /
• 2018

강우패턴이 유출반응에 미치는 영향을 분석하는 것은 수문연구에서 중요한 주제 중 하나이며 댐유역에 대해 기상 및 유출자료를 사용하여 이를 상세히 분석함으로써 이수기에 필요한 수자원을 예측 및 확보하는 것은 중요하다. 강우패턴이 유출반응에 미치는 영향을 상세히 분석하기 위해서는 댐유역의 상류부터 하류까지 많은 유출관측지점의 자료를 사용해야 하지만 상류의 소유역들은 대부분 미계측유역이라는 문제점이 있다. 본 연구에서는 자료공간확장 방법을 사용하여 미계측유역의 유출자료를 생성하고 이 자료들을 분석함으로써 강우패턴이 유출반응에 미치는 영향을 자세히 분석하였다. 먼저 안동댐유역내 관측유역인 안동댐, 도산, 소천유역을 대상으로 1989년부터 2009년까지의 기간 중 20개의 사상에 대하여 분포형 모형인 GRM 모형의 적용성을 조사하였으며 전반적으로 0.5 Nash-Sutcliffe 계수 이상의 타당한 모형효율성 결과를 얻었다. 그 후 자료공간확장 방법을 사용하여 안동댐 상류에 위치한 47개의 미계측 소유역들의 유출자료를 생성하였으며 세 관측유역을 포함한 총 50개 유역의 유출자료를 연구에 사용하였다. 그리고 총 50개 유역의 평균강우량 시계열 자료를 생성하고 이동평균방법을 사용하여 이 평균강우량 자료를 강우강도-지속시간 곡선으로 변환하였다. 강우패턴과 유출반응간의 관계를 분석하기 위해 합리식의 유출계수와 강우강도비율을 사용하였으며 유출계수와 강우강도비율을 계산하기 위해 유역별 도달시간을 사용하였다. 여기서 강우강도비율은 강우강도지속시간 곡선을 사용하여 첨두강우강도를 도달시간에 해당하는 평균강우강도로 나눠준 값이다. 그리고 이 유출계수와 강우강도비율을 유역면적에 대해 도시함으로써 그 경향을 조사하였다. 그 결과 20개 사상은 유출계수, 강우강도비율과 유역면적을 사용하여 물리적으로 타당한 네 가지의 타입으로 분류될 수 있었다. 이 네 가지 타입은 강우의 이동 및 분포와 상관이 있었는데 첫번째 타입은 안동댐 유역전체에 강우가 거의 등분포하는 경우, 두 번째는 강우가 유역의 상류방향으로 이동하는 경우, 세 번째는 강우가 유역의 하류방향으로 이동하는 경우, 그리고 네 번째는 강우가 유역에 무작위로 분포하는 경우였다. 이것은 어떠한 사상에 대해서도 유출계수와 강우강도비율을 유역면적에 대해 도시함으로써 강우패턴과 유출간의 관계를 분석할 수 있다는 것을 나타낸다. 그리고 이 네 가지 타입에 대한 강우사상들의 비율은 각각 65%, 20%, 10%, 그리고 5% 였다. 이 타입별 강우사상의 비율은 향후 강우-유출관계에 의한 수자원 예측 및 확보에 활용될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1515-1519
• /
• 2006

본 연구에서는 초단시간 강수예보(VSRF, Very Short-Range Forecast of precipitation) 시스템 구축 현황을 소개하고자 한다. VSRF 모델은 레이더 반사도 자료와 지상 AWS 자료를 이용하여 레이더-AWS 강우강도를 산출하는 강수분석과정과 분석된 강수량 자료와 중규모 수치예보장을 사용하여 외삽법에 의한 초단시간 강수예보를 수행하는 예보과정, 실시간으로 산출된 강수예보 자료를 검증하고 홈페이지에 제공하는 자료지원과정으로 구성된다. 본 연구에서는 모델의 예보능력을 향상시키기 위해 크게 두 가지 측면에서 모델을 개선하였다. 첫째는 모델의 입력자료인 레이더-AWS 강우강도 자료를 기상연구소 원격탐사연구실에서 운영하던 WPMM (Window Probability Matching Method)과 기상청 기상레이더과에서 운영하던 RQPE(Radar Quantitative Precipitation Estimation)의 알고리즘을 통합하여 정확한 강우강도 자료인 레이더-AWS 강우강도(RAR, Radar-AWS Rain rate) 시스템을 구축하여 개선하였으며, 둘째는 외삽과정을 통한 예보가 3시간이 지나면 예측능력이 감소하는 문제점을 보완하기 위해 현업 중규모 모델(RDAPS, Regional Data Assimilation and Prediction System)의 예측강수와 병합하여 모델을 개선하였다. 또한 이를 시계열 검증 및 공간 검증하는 실시간 검증 시스템을 구축하여 실시간으로 모델의 정확성을 평가하고 있다. 그 결과 입력자료 개선을 통한 모델의 정확도는 크게 향상된 결과는 볼 수 없었지만 미약하게 향상된 것을 확인할 수 있었으며, 모델의 병합을 통한 모델의 개선은 예측 3시간 이후부터는 50% 정도 향상되었다.의 대안을 제시하고자 한다.X>${\mu}_{max,A}$는 최대암모니아 섭취률을 이용하여 구한 결과 $0.65d^{-1}$로 나타났다.EX>$60%{\sim}87%$가 수심 10m 이내에 분포하였고, 녹조강과 남조강이 우점하는 하절기에는 5m 이내에 주로 분포하였다. 취수탑 지점의 수심이 연중 $25{\sim}35m$를 유지하는 H호의 경우 간헐식 폭기장치를 가동하는 기간은 물론 그 외 기간에도 취수구의 심도를 표층 10m 이하로 유지 할 경우 전체 조류 유입량을 60% 이상 저감할 수 있을 것으로 조사되었다.심볼 및 색채 디자인 등의 작업이 수반되어야 하며, 이들을 고려한 인터넷용 GIS기본도를 신규 제작한다. 상습침수지구와 관련된 각종 GIS데이타와 각 기관이 보유하고 있는 공공정보 가운데 공간정보와 연계되어야 하는 자료를 인터넷 GIS를 이용하여 효율적으로 관리하기 위해서는 단계별 구축전략이 필요하다. 따라서 본 논문에서는 인터넷 GIS를 이용하여 상습침수구역관련 정보를 검색, 처리 및 분석할 수 있는 상습침수 구역 종합정보화 시스템을 구축토록 하였다.N, 항목에서 보 상류가 높게 나타났으나, 철거되지 않은 검전보나 안양대교보에 비해 그 차이가 크지 않은 것으로 나타났다.의 기상변화가 자발성 기흉 발생에 영향을 미친다고 추론할 수 있었다. 향후 본 연구에서 추론된 기상변화와 기흉 발생과의 인과관계를 확인하고 좀 더 구체화하기 위한 연구가 필요할 것이다.게 이루어질 수 있을 것으로 기대된다.는 초과수익률이 상승하지만, 이후로는 감소하므로, 반전거래전략을 활용하는 경우 주식투자기간은 24개월이하의 중단기가 적합함을 발견하였다. 이상의 행태적 측면과 투자성과측면의 실증결과를 통하여 한국주식시장에