• 제목/요약/키워드: 시계영역

검색결과 225건 처리시간 0.024초

HadGEM3-RA 지역기후모델을 이용한 CORDEX 동아시아 2단계 지역의 기온과 강수 모의 평가 (Evaluation of Temperature and Precipitation over CORDEX-EA Phase 2 Domain using Regional Climate Model HadGEM3-RA)

  • 변재영;김태준;김진욱;김도현
    • 한국지구과학회지
    • /
    • 제43권3호
    • /
    • pp.367-385
    • /
    • 2022
  • 본 연구는 영국기상청에서 개발된 지역기후모델 Hadley Centre Global Environmental Model version 3 regional climate model (HadGEM3-RA)로부터 모의된 동아시아 지역의 기온과 강수 결과를 평가하였다. HadGEM3-RA는 Coordinated Regional climate Downscaling Experiment-East Asia (CORDEX-EA) Phase II 영역에서 15년 (2000-2014년) 모의되었다. 동아시아 여름 몬순에 의한 HadGEM3-RA 강수대 분포는 Asian Precipitation Highly Resolved Observational Data Integration Towards Evaluation of water resources (APHRODITE) 자료와 잘 일치한다. 그러나, 동남아시아 강수는 과대 모의하며 남한에서는 과소 모의한다. 특히 모의된 여름철 강수량과 APHRODITE 강수량은 남한지역에서 가장 낮은 상관 계수와 가장 큰 오차크기(RMSE)를 보인다. 동아시아 기온 예측은 과소 모의하며 겨울철 오차가 가장 크다. 남한 기온 예측은 봄 동안 가장 큰 과소 모의 오차를 나타냈다. 국지적 예측성을 평가하기 위하여 서울기상관측소 ASOS 자료와 비교한 기온과 강수의 시계열은 여름철 강수와 겨울철 기온이 과소 모의하는 공간 평균된 검증 결과와 유사하였다. 특히 여름철 강수량 증가시 과소 모의 오차가 증가하였다. 겨울철 기온은 저온에서는 과소 모의하나 고온은 과대 모의하는 경향이 나타났다. 극한기후지수 비교 결과는 폭염은 과대 모의하여, 집중호우는 과소 모의하는 오차가 나타났다. 수평해상도25km로 모의된 HadGEM3-RA는 중규모 대류계와 지형성 강수 예측에서 한계를 보였다. 본 연구는 지역기후모델 예측성 개선을 위한 초기 자료 개선, 해상도 향상, 물리 과정의 개선이 필요함을 지시한다.

천지개벽의 역학적 사유에서 본 대순사상의 후천개벽과 선험주의적 세계 (The Great Opening of the Later World in Daesoon Thought and the World of Pre-experientialism from the Reordering Works of Heaven and Earth as Understood in Yi-Jing Studies)

  • 김연재
    • 대순사상논총
    • /
    • 제47집
    • /
    • pp.1-37
    • /
    • 2023
  • 본고에서는 한국근대의 신종교를 어떻게 이해할 것인가 하는 문제의식에서 출발한다. 신종교는 민족종교 혹은 민중종교의 성격을 지닌다. 그것은 조선사회가 근대의 역사적 전환기를 맞이하여 고취시킨 민족의식의 산물이다. 당시에 조선은 중국처럼 사회진화론의 발전사관속에 전통의 중건(重建)과 근대의 전환(轉換)과 같은 양단의 칼날에 직면해있었다. 전통의 중건은 반제국주의에 따른 민족의 계몽을 고양하는 역사적 사명감에 달려있다면 근대의 전환은 반봉건주의에 따른 민생의 계도와 민중의 교화를 도모하는 시대적 절박감에 달려있다. 본고에서는 이러한 역사적 전환기에 등장했던 신종교에 주목하고 특히 대순사상의 세계관을 집중적으로 조명한다. 그 중심적 논제 중의 하나로서 개벽의 선험주의적(先驗主義的) 문제를 집중적으로 논의한다. 대순사상의 진리는 민생을 계도하고 민중을 교화하는 현실적 인식의 종교적 차원을 지닌다. 개벽의 과정은 대순의 진리를 향해 천하대순(天下大巡)의 존재론적 시계를 확보하고 천지공사(天地公事)의 인식론적 세계를 설정하며 후천개벽(後天開闢)의 가치론적 경계에 도달하는 과정이다. 이들 삼중의 영역의 연결고리는 우주의 무궁무한적(無窮無限的) 시공간성을 천지의 틀 속에 후천의 시공간적 개벽으로 경험하는 선험주의적 노선을 특징으로 한다. 그 속에서 인간은 자신의 유한한 생명력에서 우주의 무한한 생명력을 만끽하고자 하였다. 따라서 대순사상은 후천의 개벽과 같은 선험주의적 통로를 통해 현실적 삶을 극복하고 선경과 같은 자각의식의 경계를 지향할 수 있는 것이다. 이는 초월적 관념의 세계를 추구하기보다는 현실적 세계에 참여하여 실천하려는 것이며, 따라서 소극적인 출세주의적(出世主義的) 경향보다는 적극적인 입세주의적(入世主義的) 경향을 지닌다. 결론적으로 말해, 후천의 개벽으로 특징짓는 대순사상의 진리에는 유토피아(Utopia)의 이상적 염원이나 디스토피아(Dystopia)의 현실적 혐오보다는 앞으로 희망과 기대를 갈구하는 넥스토피아(Nextopia)의 미래적 조망이 담겨있다.

텍스트 마이닝을 이용한 감정 유발 요인 'Emotion Trigger'에 관한 연구 (A Study of 'Emotion Trigger' by Text Mining Techniques)

  • 안주영;배정환;한남기;송민
    • 지능정보연구
    • /
    • 제21권2호
    • /
    • pp.69-92
    • /
    • 2015
  • 최근 소셜 미디어의 사용이 폭발적으로 증가함에 따라 이용자가 직접 생성하는 방대한 데이터를 분석하기 위한 다양한 텍스트 마이닝(text mining) 기법들에 대한 연구가 활발히 이루어지고 있다. 이에 따라 텍스트 분석을 위한 알고리듬(algorithm)의 정확도와 수준 역시 높아지고 있으나, 특히 감성 분석(sentimental analysis)의 영역에서 언어의 문법적 요소만을 적용하는데 그쳐 화용론적 의미론적 요소를 고려하지 못한다는 한계를 지닌다. 본 연구는 이러한 한계를 보완하기 위해 기존의 알고리듬 보다 의미 자질을 폭 넓게 고려할 수 있는 Word2Vec 기법을 적용하였다. 또한 한국어 품사 중 형용사를 감정을 표현하는 '감정어휘'로 분류하고, Word2Vec 모델을 통해 추출된 감정어휘의 연관어 중 명사를 해당 감정을 유발하는 요인이라고 정의하여 이 전체 과정을 'Emotion Trigger'라 명명하였다. 본 연구는 사례 연구(case study)로 사회적 이슈가 된 세 직업군(교수, 검사, 의사)의 특정 사건들을 연구 대상으로 선정하고, 이 사건들에 대한 대중들의 인식에 대해 분석하고자 한다. 특정 사건들에 대한 일반 여론과 직접적으로 표출된 개인 의견 모두를 고려하기 위하여 뉴스(news), 블로그(blog), 트위터(twitter)를 데이터 수집 대상으로 선정하였고, 수집된 데이터는 유의미한 연구 결과를 보여줄 수 있을 정도로 그 규모가 크며, 추후 다양한 연구가 가능한 시계열(time series) 데이터이다. 본 연구의 의의는 키워드(keyword)간의 관계를 밝힘에 있어, 기존 감성 분석의 한계를 극복하기 위해 Word2Vec 기법을 적용하여 의미론적 요소를 결합했다는 점이다. 그 과정에서 감정을 유발하는 Emotion Trigger를 찾아낼 수 있었으며, 이는 사회적 이슈에 대한 일반 대중의 반응을 파악하고, 그 원인을 찾아 사회적 문제를 해결하는데 도움이 될 수 있을 것이다.

PET/CT 검사에서 매개변수 입력오류에 따른 표준섭취계수 평가 (The Evaluation of SUV Variations According to the Errors of Entering Parameters in the PET-CT Examinations)

  • 김지아;홍건철;이혁;최성욱
    • 핵의학기술
    • /
    • 제18권1호
    • /
    • pp.43-48
    • /
    • 2014
  • PET/CT검사에서 표준섭취계수(standardized uptake value, SUV)는 병소의 악성 여부를 판별하는 지표로서 인체내 각 장기의 생리적인 변화에 대한 정량분석을 가능하게 한다. 따라서 그 결과에 영향을 줄 수 있는 매개변수를 올바르게 입력하는 것이 매우 중요하다. 본 연구에서는 그 매개변수 중 방사능량, 체중, 방사성 동위원소 섭취시간의 입력오류에 따른 결과의 차이를 측정하여 수용 가능한 결과의 오차범위를 평가하고자 한다. 1994 NEMA 모형 내부에 열소, 테프론, 그리고 공기 3개의 삽입물을 위치시켰다. 총 27.3 MBq의 $^{18}F$를 열소와 배후 방사능 비율이 4:1로 되도록 채우고 GE Discovery STE 16(GE Healthcare, Milwaukee, USA)로 촬영하였다. 촬영 후 입력된 방사능량, 체중, 섭취 시간의 값을 기준 값에서 ${\pm}5%$, 10%, 15%, 30%, 50% 만큼 오차를 발생시킨 후 영상을 다시 재구성하였다. 재구성된 영상에서 각 삽입물 부위에 한 개, 배후방사능 부위에 총 네 개의 관심영역을 그린 후 $SUV_{mean}$과 백분율오차를 측정하여 비교 평가하였다. 기준 영상의 열소, 테프론 그리고 공기와 배후방사능에서의 $SUV_{mean}$은 각각 4.5, 0.02, 0.1 그리고 1.0이였다. 방사능량 오차 변화에 따른 $SUV_{mean}$의 최대값과 최소값은 열소에서 9.0, 3.0, 테프론에서 0.04, 0.01, 공기에서 0.3, 0.1, 배후 방사능에서 2.0, 0.6로 변화된 값을 보였다. 이 때 백분율오차는 모두 동일하게 최대 100%에서 최소 -33%로 나타났다. 체중 오차 변화의 경우 열소에서 2.2, 6.7, 테프론에서 0.01, 0.03, 공기에서 0.09. 0.28, 배후방사능에서 0.5, 1.5로 변화된 값을 보였다. 이 때 백분율오차는 테프론의 최소 -50%, 최대 52%를 제외하고 모두 최소 -50%에서 최대 50% 로 동일하게 나타났다. 섭취시간 오차의 경우 열소에서 3.8, 5.3, 테프론에서 0.01, 0.02, 공기에서 0.1, 0.2, 배후방사능에서 0.8에서 1.2로 변화된 값을 보였다. 백분율오차는 열소와 배후방사능은 최소 -14%에서 최대 17%로 동일하게 나타났으며 테프론의 경우 최소 -11%에서 최대 21%, 공기의 경우 최소 -12%에서 최대 20%로 나타났다. 일반적으로 수용 가능한 오차의 범위를 5%로 설정할 경우, 본 실험 결과에서 방사능량과 체중의 오차가 ${\pm}5%$ 이내 일 때 $SUV_{mean}$의 오차가 5% 범위에 포함되었다. 이러한 결과들을 고려해 볼 때 검사장비에 입력되는 방사능량과 체중에 직접적인 영향을 줄 수 있는 선량검량계와 체중계의 검교정은 오차범위 5% 이내로 이루어져야 한다. 섭취 시간의 경우 삽입물의 종류에 따라 서로 다른 오차 범위를 보였으며 열소와 배후방사능에서 오차가 ${\pm}15%$ 이내일 때 $SUV_{mean}$에 5% 내의 오차가 발생하였다. 따라서 검사 시 촬영용 스캐너를 포함하여 두 개 이상의 시계를 사용할 경우 각각의 시간 오차들도 함께 고려되어야 할 것이다.

  • PDF

Support Vector Regression을 이용한 GARCH 모형의 추정과 투자전략의 성과분석 (Estimation of GARCH Models and Performance Analysis of Volatility Trading System using Support Vector Regression)

  • 김선웅;최흥식
    • 지능정보연구
    • /
    • 제23권2호
    • /
    • pp.107-122
    • /
    • 2017
  • 주식시장의 주가 수익률에 나타나는 변동성은 투자 위험의 척도로서 재무관리의 이론적 모형에서뿐만 아니라 포트폴리오 최적화, 증권의 가격 평가 및 위험관리 등 투자 실무 영역에서도 매우 중요한 역할을 하고 있다. 변동성은 주가 수익률이 평균을 중심으로 얼마나 큰 폭의 움직임을 보이는가를 판단하는 지표로서 보통 수익률의 표준편차로 측정한다. 관찰 가능한 표준편차는 과거의 주가 움직임에서 측정되는 역사적 변동성(historical volatility)이다. 역사적 변동성이 미래의 주가 수익률의 변동성을 예측하려면 변동성이 시간 불변적(time-invariant)이어야 한다. 그러나 대부분의 변동성 연구들은 변동성이 시간 가변적(time-variant)임을 보여주고 있다. 이에 따라 시간 가변적 변동성을 예측하기 위한 여러 계량 모형들이 제안되었다. Engle(1982)은 변동성의 시간 가변적 특성을 잘 반영하는 변동성 모형인 Autoregressive Conditional Heteroscedasticity(ARCH)를 제안하였으며, Bollerslev(1986) 등은 일반화된 ARCH(GARCH) 모형으로 발전시켰다. GARCH 모형의 실증 분석 연구들은 실제 증권 수익률에 나타나는 두터운 꼬리 분포 특성과 변동성의 군집현상(clustering)을 잘 설명하고 있다. 일반적으로 GARCH 모형의 모수는 가우스분포로부터 추출된 자료에서 최적의 성과를 보이는 로그우도함수에 대한 최우도추정법에 의하여 추정되고 있다. 그러나 1987년 소위 블랙먼데이 이후 주식 시장은 점점 더 복잡해지고 시장 변수들이 많은 잡음(noise)을 띠게 됨에 따라 변수의 분포에 대한 엄격한 가정을 요구하는 최우도추정법의 대안으로 인공지능모형에 대한 관심이 커지고 있다. 본 연구에서는 주식 시장의 주가 수익률에 나타나는 변동성의 예측 모형인 GARCH 모형의 모수추정방법으로 지능형 시스템인 Support Vector Regression 방법을 제안한다. SVR은 Vapnik에 의해 제안된 Support Vector Machines와 같은 원리를 회귀분석으로 확장한 모형으로서 Vapnik의 e-insensitive loss function을 이용하여 비선형 회귀식의 추정이 가능해졌다. SVM을 이용한 회귀식 SVR은 두터운 꼬리 분포를 보이는 주식시장의 변동성과 같은 관찰치에서도 우수한 추정 성능을 보인다. 2차 손실함수를 사용하는 기존의 최소자승법은 부최적해로서 추정 오차가 확대될 수 있다. Vapnik의 손실함수에서는 입실론 범위내의 예측 오차는 무시하고 큰 예측 오차만 손실로 처리하기 때문에 구조적 위험의 최소화를 추구하게 된다. 금융 시계열 자료를 분석한 많은 연구들은 SVR의 우수성을 보여주고 있다. 본 연구에서는 주가 변동성의 분석 대상으로서 KOSPI 200 주가지수를 사용한다. KOSPI 200 주가지수는 한국거래소에 상장된 우량주 중 거래가 활발하고 업종을 대표하는 200 종목으로 구성된 업종 대표주들의 포트폴리오이다. 분석 기간은 2010년부터 2015년까지의 6년 동안이며, 거래일의 일별 주가지수 종가 자료를 사용하였고 수익률 계산은 주가지수의 로그 차분값으로 정의하였다. KOSPI 200 주가지수의 일별 수익률 자료의 실증분석을 통해 기존의 Maximum Likelihood Estimation 방법과 본 논문이 제안하는 지능형 변동성 예측 모형의 예측성과를 비교하였다. 주가지수 수익률의 일별 자료 중 학습구간에서 대칭 GARCH 모형과 E-GARCH, GJR-GARCH와 같은 비대칭 GARCH 모형에 대하여 모수를 추정하고, 검증 구간 데이터에서 변동성 예측의 성과를 비교하였다. 전체 분석기간 1,487일 중 학습 기간은 1,187일, 검증 기간은 300일 이다. MLE 추정 방법의 실증분석 결과는 기존의 많은 연구들과 비슷한 결과를 보여주고 있다. 잔차의 분포는 정규분포보다는 Student t분포의 경우 더 우수한 모형 추정 성과를 보여주고 있어, 주가 수익률의 비정규성이 잘 반영되고 있다고 할 수 있다. MSE 기준으로, SVR 추정의 변동성 예측에서는 polynomial 커널함수를 제외하고 linear, radial 커널함수에서 MLE 보다 우수한 예측 성과를 보여주었다. DA 지표에서는 radial 커널함수를 사용한 SVR 기반의 지능형 GARCH 모형이 가장 우수한 변동성의 변화 방향에 대한 방향성 예측력을 보여주었다. 추정된 지능형 변동성 모형을 이용하여 예측된 주식 시장의 변동성 정보가 경제적 의미를 갖는지를 검토하기 위하여 지능형 변동성 거래 전략을 도출하였다. 지능형 변동성 거래 전략 IVTS의 진입규칙은 내일의 변동성이 증가할 것으로 예측되면 변동성을 매수하고 반대로 변동성의 감소가 예상되면 변동성을 매도하는 전략이다. 만약 변동성의 변화 방향이 전일과 동일하다면 기존의 변동성 매수/매도 포지션을 유지한다. 전체적으로 SVR 기반의 GARCH 모형의 투자 성과가 MLE 기반의 GARCH 모형의 투자 성과보다 높게 나타나고 있다. E-GARCH, GJR-GARCH 모형의 경우는 MLE 기반의 GARCH 모형을 이용한 IVTS 전략은 손실이 나지만 SVR 기반의 GARCH 모형을 이용한 IVTS 전략은 수익으로 나타나고 있다. SVR 커널함수에서는 선형 커널함수가 더 좋은 투자 성과를 보여주고 있다. 선형 커널함수의 경우 투자 수익률이 +526.4%를 기록하고 있다. SVR 기반의 GARCH 모형을 이용하는 IVTS 전략의 경우 승률도 51.88%부터 59.7% 사이로 높게 나타나고 있다. 옵션을 이용하는 변동성 매도전략은 방향성 거래전략과 달리 하락할 것으로 예측된 변동성의 예측 방향이 틀려 변동성이 소폭 상승하거나 변동성이 하락하지 않고 제자리에 있더라도 옵션의 시간가치 요인 때문에 전체적으로 수익이 실현될 수도 있다. 정확한 변동성의 예측은 자산의 가격 결정뿐만 아니라 실제 투자에서도 높은 수익률을 얻을 수 있기 때문에 다양한 형태의 인공신경망을 활용하여 더 나은 예측성과를 보이는 변동성 예측 모형을 개발한다면 주식시장의 투자자들에게 좋은 투자 정보를 제공하게 될 것이다.