• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.324-324
• /
• 2022

정확한 오염물질 예측은 기상학, 자연재해, 기후변화 연구 등 현장에서 필수적인 과제 중 하나이다. 주변 관측소에서 얻은 데이터를 사용하는 경우 모델 학습을 위한 불필요한 데이터로 인해 예측 결과에 왜곡 문제가 있을 수 있습니다. 따라서, 우리는 종합적인 대기질 지수 행동에 영향을 미치는 요인을 제공하는 최적의 데이터 소스를 찾기 위해 네트워크 방식을 사용했습니다. 본 연구에서는 2015년부터 2020년까지 우리나라의 6개 오염물질과 종합적인 대기질 지수 예측에 대한 네트워크 기법을 적용한 LSTM 및 DNN 모델을 적용하였다. 본 연구는 미세먼지(PM10), 초미세먼지(PM2.5), 오존(O3), 이산화황(SO2), 이산화질소(NO2), 일산화탄소(CO) 등 6가지 오염물질을 기반으로 종합적인 대기질 지수를 예측하는 2단계로 구성되어 있다. LSTM을 이용하여, 개별적으로 예측된 6가지 오염물질을 이용하여 DNN 모형을 이용하여 종합적인 대기질 지수를 예측한다. 6가지 오염물질에 대한 각 모델의 예측능력과 종합적인 대기질 지수 예측은 관측된 대기질 데이터와 비교하여 평가하였다. 본 연구는 심층신경망 모델과 네트워크 방식을 결합한 것이 높은 예측력을 제공함을 보여주었으며, 종합적인 대기질 지수 예측을 위한 최적의 모델로 선정되었다. 재난관리의 필요성이 증가함에 따라 네트워크 방식의 딥러닝 모델은 자연재해 피해를 줄이고 재난관리를 개선할 수 있는 충분한 잠재력을 가질 것으로 기대된다.

• 에너지공학
• /
• 제28권4호
• /
• pp.82-93
• /
• 2019

본 연구에서는 기존 열수요 예측 시스템이 공휴일과 같은 특정 일자의 열수요 예측율이 저하되는 문제점을 개선하기 위해 새로운 모델을 제안한다. 제안된 모델은 사계절 혼합형 신경망 모델(Four Season Mixed Heat Demand Prediction Neural Network Model)로서 열수요 예측율 상승하였고, 특히 예측일 유형별(평일/주말/공휴일) 열수요 예측율이 크게 증가하였다. 제안된 모델은 다음과 같은 과정을 통해 선정되었다. 특정 계절에 예측일 유형별로 고른 오차를 갖는 모델을 선정하여 전체 예측 모델을 구성한다. 학습 시간의 단축과 과도학습을 방지하기 위해 구조적으로 단순화된 서로 다른 4개의 모델을 각각 학습한 후에 다양한 조합을 통해 최적의 예측 오차를 보여주는 모델을 선정하였다. 모델의 출력은 예측일의 24시간의 시간대별 열수요이며 총합은 일일 총열수요이다. 이 예측값을 통해 효율적인 열공급 계획을 수립 할 수 있으며, 목적에 따라 출력값을 선택하여 활용할 수 있다. 제안된 모델의 일일 열 총수요 예측의 경우, 전체 MAPE(Mean Absolute Percentage Error, 평균 절대 비율 오차)가 개별 모델의 5.3~6.1%에서 5.2%로 향상되었고, 공휴일 열수요예측은 4.9~7.9%에서 2.9%로 크게 개선되었다. 본 연구에서는 한국 지역난방공사에서 제공한 특정 아파트 단지의 34개월 분량의(2015년 1월~ 2017년10월) 시간단위 열수요 데이터를 활용하였다.

• 한국농공학회논문집
• /
• 제55권6호
• /
• pp.1-9
• /
• 2013

미래 기후 정보를 이용한 수문 환경의 단기 미래 예측은 안정적 수자원 공급을 위한 필수적 과제이다. 미국 플로리다 주 중서부 템파지역에서는 주요 수자원 중 하나인 지하수의 효과적 활용을 위해 지하수위 인공신경망 모델 (GWANN)을 개발하여 피압 대수층과 비피압 대수층에 대한 주 단위 평균 지하수위를 월별로 예측하고 그 결과를 수자원 공급 의사 결정에 반영하고 있다. 본 논문은 템파지역에 대한 GWANN 모델을 이용한 지하수위 예측 시스템을 소개하고 모델의 기후 입력 자료의 민감도를 분석함으로써 양질의 기후 정보에 대한 현 시스템의 활용성을 검토하였다. 2006년과 2007년에 대한 연구 결과, 관측 자료를 최적 예측 시나리오 (the best forecast)로 가정하여 적용한 결과는 지하수위 관측 지점에 따라 큰 차이를 보였지만 일반적으로 현 시스템 (현 시점의 실시간 주 단위 평균 강우량을 향후 4주간 동일하게 적용함) 에 비해 예측 성능이 개선되는 것으로 나타났다. 더불어 강우 관측 자료의 백분위 (percentile forecast; 20분위, 50분위, 80분위)를 강우 예측 자료로 활용한 경우에도 현 시스템과 비교하여 일부 나은 결과를 보여주었다. 그러나 지하수위 예측 모델을 활용하지 않고 현 시점의 지하 수위가 지속된다고 가정하는 경우 (na$\ddot{i}$ve model) 향후 2주간의 예측 결과가 best forecast 경우에 비해 높은 정확도를 보이는 등, GWANN 모델의 단기 예측에 대한 양질의 강우 예측 정보의 활용성은 낮으며, 향후 3주 이상에 대한 예측 성능에 있어 best forecast결과가 na$\ddot{i}$ve model 결과에 비해 높은 정확도를 보이기 시작하는 것으로 나타났다. 또한 GWANN 모델의 예측 성능은 적용 기간과 지역 및 지하대수층의 특성에 따라 큰 다양성을 가지는 단점을 보여 강우 예측 자료 활용에 앞서 모델 개선의 필요성이 있다고 판단된다. 본 연구는 단기수자원 공급 계획 수립을 위하여 사용되는 지역 모델링 시스템에 대한 기후 예측정보의 활용성 평가를 위한 방법론으로 고려될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.234-234
• /
• 2023

유해 남조 대발생(Harmful Algal blooms, HABs)이 담수호에 발생하면 마이크로시스틴과 같은 독성물질과 맛·냄새 물질을 생성하여 상수원이용과 친수활동을 방해한다. 그래서 유해 남조 대발생 전 유해남조 세포수를 예측하여 선제적 대응하는 것은 중요하다. 따라서 본 연구는 머신러닝기반 Random Forest(RF)를 활용하여 팔당댐 앞의 유해남조 세포수를 예측하는 모델을 개발하고 성능을 평가하고자 한다. 모델 구축을 위해 2012년 4월부터 2021년 12월까지의 팔당호(삼봉리, 경안천) 및 남북한강(의암댐~이포보)권역의 조류, 수질, 수리/수문, 기상 자료를 수집하여 입력 및 출력 자료로 이용하였다. 수집된 데이터에는 다양한 입력변수들이 있어 남조 세포수 예측 성능 비교를 위한 전체 26개 변수 적용과 통계학적으로 상관관계가 높은 12개 변수 적용을 통해 모델을 구축하였다. 입력, 출력 자료로 이용한 유해남조 세포수는 로그변환된 값으로 사용하였으며 일반적인 조류 시료 채취기간이 7일이므로 7일 후를 예측하기 위한 모델을 구축하였다. 구축한 모델의 성능은 실측데이터와 예측데이터의 R²로 산출하여 평가하였다. 전체 26개 입력변수로 모델 구축 후 학습 및 검증 수행 결과 R²의 학습 0.803, 검증 0.729로 나타났고, 유해남조 세포수와 유의미한 상관관계를 보이는 12개 입력변수로 모델 구축 후 학습 및 검증 수행 R²은 학습 0.784, 검증 0.731로 나타났다. 두 모델의 성능을 살펴본 결과 입력변수 개수의 변화에 따른 성능차이는 크지 않은 것으로 나타났으며, 남조세포수 예측을 위한 모델로서 활용가능함을 알 수 있었다. 향후 연구에서는 Random Forest 외 다른 기계학습 모델들과 딥러닝 모델을 통해 남조세포수 예측 성능이 높은 모델을 구축해볼 필요성이 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.283-287
• /
• 2004

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시접에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 A
• /
• pp.323-326
• /
• 2001

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기 구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한국전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.56-58
• /
• 2019

배터리의 효율적인 관리와 안정적인 운영을 위해서는 배터리의 노화에 따른 배터리의 모니터링이 필요하다. 하지만 모델 기반의 SOH 예측 모델의 경우 파라미터의 변화에 대한 정확한 정보가 반영되지 않을 경우 심각한 오류를 야기 할 수 있다. 따라서 본 논문에서는 비 모델인 시계열 예측 기법 ARIMA 모델을 제안하고 전기적 특성 실험을 통한 내부 파라미터에 대한 분석과 파라미터에 대한 상관분석, 이를 통한 SOH 예측을 통해 ARIMA 모델의 특성 및 정확성에 대해 제안한다.

• 한국전산유체공학회지
• /
• 제1권1호
• /
• pp.47-54
• /
• 1996

비유선형 물체 주위의 유동은 정체유동, 경계층 박리 및 재부착, 주기적 와열의 생성등의 복잡한 유동현상이 공존한다. 이와 같은 유동의 2-방정식 난류모델을 이용한 정확한 예측은 일반적으로 불가능 하다고 인식되어 왔으나, 본 연구에서는 기존의 비교적 단순한 난류모델을 활용한 정사각주 주위의 비정상 난류유동의 예측 가능성을 체계적으로 규명하였다. 적절한 난류모델의 선정과 더불어 시간 정확도, 공간 정확도 및 대류항 처리법 등이 해석의 결과에 미치는 영향을 살펴 보았다. 기존의 표준 κ-ε모델은 정체점 주위에서 난류생성항의 과도한 예측으로 말미암아 재부착 및 와열생성의 정확한 예측이 불가능 하였으나, RNG κ-ε 모델을 사용한 경우 이와 같은 현상을 제거 할 수 있었다. 그러나 이 경우에도 예측의 정확도가 시간 증분, 격자의 크기 및 대류항 처리법 등에 영향을 받았으며, 특별히 대류항 처리법에 따라 상당히 민감하게 변하는 것을 알 수 있었다.

• 대한용접접합학회:학술대회논문집
• /
• 대한용접접합학회 2010년도 춘계학술발표대회 초록집
• /
• pp.1-10
• /
• 2010

강재의 구조화에 필수적인 용접 공정 후의 저합금강 용접 열영향부 미세조직 및 재질 예측을 위해 가열 중 상변태 거동에 미치는 초기 결정립 크기의 영향, 석출물-free 오스테나이트 결정립 성장 예측 모델, 임계 석출물 크기의 영향을 고려한 용접 열영향부 석출물 조대화 예측 모델, 석출물의 Kinetics을 고려한 결정립 성장 모델, 초기 오스테나이트 결정립크기 및 냉각 속도의 영향을 고려한 용접 열영향부 상변태 모델, 용접 열영향부 경도 예측 모델 등에 대해 연구를 수행하였다. 이를 통해 작성된 최종 모델은 실 용접부와의 비교를 통해 신뢰성을 확인하였으며, 저합금강 용접 열영향부의 미세조직과 경도값을 잘 예측하는 것으로 판단된다. 따라서 본 연구를 통해 작성된 모델을 통하여 용접 열영향부에서의 용접부 품질을 확인하기 위한 시간적, 경제적 비용을 절감할 수 있을 것으로 기대된다.