• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.577-579
• /
• 2020

최근 인공지능을 활용한 대기질 예측 모델 개발 연구가 활발히 진행 중이다. 특히 시계열 데이터 기반 예측 시스템 개발에 장점을 가진 DNN, LSTM 알고리즘을 활용한 다양한 예측 시스템이 제안되고 있다. 본 논문에서는 LSTM을 활용한 모델과 Fully-Connected 기반의 DNN 모델을 활용한 대기질 예측 시스템을 개발하고 두 모델의 예측 정확도를 비교한다. 성능 평가 결과를 보면 LSTM 모델이 DNN 모델보다 모든 면에서 좋은 결과를 보여줬다. 그리고 이산화황(SO₂), 이산화질소(NO₂), 초미세먼지 (PM_2.5)에 대해서는 그 차이가 두드러지게 나타났다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.535-536
• /
• 2023

본 논문에서는 대학교 교내 식당의 실제 데이터를 사용해 식사 인원 예측 모델을 개발하여 교내식당에서 발생하는 적자, 음식 품절, 대량 잔반 발생을 경감 시키고자 한다. 모델 개발에 사용되는 데이터는 2018년도, 2019년도 학기 중 식당 데이터와 기상청 날씨 데이터를 사용하였다. 2018년도, 2019년도 데이터를 이용해 EDA 분석 및 전처리를 통해 필요한 변수를 추출하였다. 전체 데이터의 70%를 기반으로 GridSearch와 XGBoostRegressor를 사용해 평일과 주말에 대한 식사 인원 예측 모델을 생성하였다. 그리고 나머지 데이터의 30%를 사용해 생성한 두 모델의 성능을 평가한다. 평일 식사 인원 예측 모델에 대한 MAE값이 조식 16명, 중식 23명, 석식 25명으로 준수한 결과를 보였고 주말 식사 인원 예측 모델에 대한 MAE값은 조식 16명, 중식 23명, 석식 25명으로 좋은 성능을 보였다.

• 한국항행학회논문지
• /
• 제25권6호
• /
• pp.569-575
• /
• 2021

딥러닝은 데이터의 품질과 모델에 따라 예측 성능에 차이를 보인다. 본 연구는 발전량 예측에 가장 영향을 주는 일사량 예측을 위한 최적의 딥러닝 모델을 구축하기 위해 다양한 입력 데이터와 다중 딥러닝 모델을 사용하였다. 입력 데이터는 기상청의 기상 데이터와 천리안 기상영상을 기상청 지역의 영상을 분할하여 사용하였다, 본 연구는 기본적인 딥러닝 모델인 DNN, LSTM, CNN 모델에 대해 중간층의 깊이와 노드를 변경하여 일사량을 예측하여, 비교 평가하였다, 또한, 각 모델에서 가장 좋은 오차율을 가진 모델을 연결한 다증 딥러닝 모델을 구축하여 일사량을 예측하였다. 실험 결과로서 다중 딥러닝 모델인 모델 A의 RMSE는 0.0637이며, 모델 B의 RMSE는 0.07062이며, 모델 C의 RMSE는 0.06052로서 단일 모델보다 모델 A 그리고 모델 C의 오차율이 좋았다. 본 연구는 실험을 통해 두 개 이상의 모델을 연결한 모델이 향상된 예측률과 안정된 학습 결과를 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.226-226
• /
• 2023

하천유량, 댐유입량 등을 예측하기 위해 다양한 Long Short-Term Memory (LSTM) 방법들이 활발하게 적용 및 개발되고 있다. 최근 연구들은 s2s (sequence-to-sequence), Attention 기법 등을 통해 LSTM의 성능을 개선할 수 있음을 제시하고 있다. 이에 따라 본 연구에서는 LSTM-s2s와 LSTM-s2s에 attention까지 첨가한 모델을 구축하고, 시간 단위 자료를 사용하여 유입량 예측을 수행하여, 이의 실제 댐 운영에 모델들의 활용 가능성을 확인하고자 하였다. 소양강댐 유역을 대상으로 2013년부터 2020년까지의 유입량 시자료와 종관기상관측기온 및 강수량 데이터를 학습, 검증, 평가로 나누어 훈련한 후, 모델의 성능 평가를 진행하였다. 최적 시퀀스 길이를 결정하기 위해 R², RRMSE, CC, NSE, 그리고 PBIAS을 사용하였다. 분석 결과, LSTM-s2s 모델보다 attention까지 첨가한 모델이 전반적으로 성능이 우수했으며, attention 첨가 모델이 첨두값 예측에서도 높은 정확도를 보였다. 두 모델 모두 첨두값 발생 동안 유량 패턴을 잘 반영하였지만 세밀한 시간 단위 변화량 패턴 모의에는 한계가 있었다. 시간 단위 예측의 한계에도 불구하고, LSTM-s2s에 attention까지 추가한 모델은 향후 댐유입량 예측에 활용될 수 있을 것으로 판단한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.495-495
• /
• 2023

본 연구는 하수처리장 운영시스템 자료를 활용하여, 머신러닝 기반의 예측 모델을 개발하고, 모델 정확도 향상에 대하여 검토하였다. 하수처리장에 설치된 각종 센서를 통해 실시간으로 자료가 모니터링되고 있으며, 수집된 자료는 운영시스템에 저장된다. 하수처리장 시스템은 설정된 값과 센서의 측정값을 비교해 이상치가 발생하면 운영자가 즉각적으로 조치하여 문제를 해결하고 있으나, 비정상적인 상황 발생시 이를 대처할 시간이 부족하여 적절한 조치가 이루어지지 못하는 경우가 발생 되고 있다. 따라서, 이러한 문제점을 해결하기 위해 A 하수처리장 운영자료를 활용하여 결과 예측이 신속하고 신뢰도 높은 머신러닝 기반의 예측 모델을 개발하고자 하였다. 모델의 예측 정확도 및 신뢰성을 향상하기 위하여 결과에 영향을 미치는 주요 영향 인자를 분석하고, 이를 기반으로 모델의 추가 분석 및 개선을 수행하여 모델의 예측력을 평가하였다. 금회 연구는 데이터 전처리를 과정을 통한 인사이트를 도출하고 이를 활용하여 하수처리장 운영자료 예측 정확도를 높일 수 있었으며, 이 결과를 바탕으로 다른 하수처리장의 모델 개발시에도 유용하게 활용이 가능할 것으로 검토되었다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.1064-1068
• /
• 2009

인지모델(Cognitive Model)에 의한 사용성 평가는 실제 실험에 의한 방법에 비해 시간, 노력, 비용을 절감할 수 있다. 여러 인지모델 중 ACT-R(Adaptive Control of Thought Rational)은 인간의 모든 인지과정을 상세하게 묘사할 수 있어 다른 모델보다 정확히 인간의 과제 수행을 정량적으로 예측할 수 있다. 그러나 ACT-R 모델을 수립하기 위해서는 인간의 지각, 주의, 기억 인출 등의 처리 과정과 행동 선택 및 수행에 필요한 과제 수행 규칙을 매우 상세하게 분석 및 기술해야 하기 때문에, GUI(Graphic User Interface) 환경에서 운용되는 메뉴 인터페이스와 같이 다양한 시각적 정보의 처리가 요구되는 과제에 대한 모델을 수립하는데는 많은 시간과 노력이 요구된다. 이에 본 연구에서는 GUI 환경에서 전문가 수준의 과제 수행을 예측할 수 있는 간략화한 ACT-R 모델 수립 방안을 제안하고, 이를 이용하여 상용 통계 분석 소프트웨어의 과제 수행도를 예측하였다. 그 결과 실제 실험을 통한 측정 결과와 간략화한 ACT-R 모델의 예측 결과가 잘 일치하였으며 본 연구에서 제시한 간략화한 ACTR 모델이 메뉴 인터페이스의 사용성 평가에 효율적으로 적용될 수 있음을 확인하였다.

• 한국인터넷방송통신학회논문지
• /
• 제10권6호
• /
• pp.137-143
• /
• 2010

본 연구에서는 시계열 자료처리를 통해 예측정확도를 개선시키는 방안에 대해 연구하였다. 단일 예측 모형의 단점을 개선하기 위해 유사한 시계열 자료를 선정하여 이들로부터 모델을 유도하였다. 이 모델로부터 유효 규칙을 생성해내 향후 자료의 변화를 예측하였다. 실험을 통해 예측정확도에 있어 유의한 수준의 개선효과가 있었음을 확인하였다. 예측모델 구성을 위해 고정구간과 가변구간을 두고 모델링하여 고정구간, 창이동, 누적구간 방식으로 구분하여 예측정확도를 측정하였다. 이중 누적구간 방식이 가장 정확도가 높게 나왔다.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 1998년도 추계학술대회 논문집
• /
• pp.102-114
• /
• 1998

항공기 개발단계에서의 RAM(Reliability, Availability, Maintainability) 예측은 진행중인 설계개념이 RAM 개발 목표값을 달성할 수 있는지를 판단하여 이를 설계에 반영하기 위한 것이다. 본 연구에서 신뢰도 예측 모델은 항공기의 임무에 초점을 둔 임무신뢰도와 시스템신뢰도를 산출하고, 정비도 예측 모델은 군수지원분석자료(LSAR)와의 호환성을 유지할 수 있도록 하였으며, 가용도 예측 모델은 신뢰도와 정비도 자료를 활용한 운용가용도를 예측하는 데에 기준을 두었다. 본 연구는 기존의 RAM 예측이 각각 독립적으로 수행된 점을 보완하여 서로간의 상호관계를 반영한 통합 예측 모델을 개발하는 데에 초점을 두었으며, 실제적인 운용개념을 반영한 모델링으로서 항공기 개발단계에서 뿐만 아니라 실제 운용단계에서의 RAM 분석에 효과적이라 판단된다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2010년도 한국우주과학회보 제19권1호
• /
• pp.35.4-35.4
• /
• 2010

GPS 위성 중 세슘시계를 보유한 Block IIA 위성은 시계 성능의 저하로 시계 예측 모델의 정확도가 떨어지고 있다. 이 연구에서는 세슘원자 위성시계의 성능을 살펴보고 예측 정확도를 높일 수 있는 모델을 제시하고자 한다. IGS Final 위성시계자료를 수집하여 Allan variance를 통해 각 위성별 안정도를 확인하고, Fourier 변환을 통해 각 위성별 주기성을 살펴본다. 예측 모델의 계수를 결정하기 위해 예측 하루 전의 IGS Rapid 자료를 이용하고, 3시간, 6시간, 12시간, 24시간 간격의 예측 결과들을 IGS Final 결과와 비교하여 예측 모델의 정확도를 확인한다. 또한 IGS에서 제공하고 있는 Ultra-Rapid 예측자료와 비교하여 실시간 정밀 위치 결정 분야에 활용 가능성을 확인한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.122-122
• /
• 2021

전 세계적인 기후변화로 인해 태풍과 집중호우의 빈도와 규모가 증가하고 있으며 그로 인해 수재해 대응과 수자원 관리에 많은 어려움이 따른다. 댐 운영은 이러한 수자원 관리의 중요한 요소이며 정확한 댐 유입량의 예측은 효율적인 댐 운영과 관리의 필수적인 부분이다. 최근에는 여러 분야에서 활용되고 있는 딥러닝 모델을 활용하여 댐 유입량 예측에 관한 다수의 연구들이 수행되고 있다. 특히, 수문 시계열의 장기적인 특성과 비선형적인 관계를 고려하기 위해 연속형 모의를 기반으로 하는 딥러닝 모델의 적용 및 평가와 관련 연구의 필요성이 대두되고 있다. 본 연구에서는 연속형 모의를 기반으로 하는 딥러닝 모델을 활용하여 댐 유입량 예측을 수행하고자 하며 이의 적용성을 평가하고자 한다. 적용 대상 지역으로는 안동댐 상류 유역을 선정하였으며 2006년부터 2020년까지의 시 단위 강우 및 댐 유입량 자료를 활용하였다. 선행시간(1~6시간)별 예측 유입량과 관측 유입량의 비교를 통한 정량적 평가를 수행하였다. 또한 입력 자료에 대한 과거 기간, 모델 구성, 손실함수 등에 대한 조건별 평가를 통해 예측 정확도의 변화에 대한 분석을 수행하였다. 본 연구결과를 통해, 딥러닝 기반의 댐 유입량 예측 정확도에 대한 향상과 실시간 예측을 위한 딥러닝 모델의 활용성 증대에 기여할 것으로 기대된다. 향후, 강우 예보 자료를 연계한 딥러닝 기반의 실시간 댐 유입량 예측 기법을 제안하고 이의 활용성을 평가하고자 한다.