• The Transactions of the Korea Information Processing Society
• /
• v.13 no.4
• /
• pp.199-207
• /
• 2024

Local reservoirs are crucial sources for agricultural water supply, necessitating stable water level management to prepare for extreme climate conditions such as droughts. Water level prediction is significantly influenced by local climate characteristics, such as localized rainfall, as well as seasonal factors including cropping times, making it essential to understand the correlation between input and output data as much as selecting an appropriate prediction model. In this study, extensive multivariate data from over 400 reservoirs in Jeollabuk-do from 1991 to 2022 was utilized to train and validate a water level prediction model that comprehensively reflects the complex hydrological and climatological environmental factors of each reservoir, and to analyze the impact of each input feature on the prediction performance of water levels. Instead of focusing on improvements in water level performance through neural network structures, the study adopts a basic Feedforward Neural Network composed of fully connected layers, batch normalization, dropout, and activation functions, focusing on the correlation between multivariate input data and prediction performance. Additionally, most existing studies only present short-term prediction performance on a daily basis, which is not suitable for practical environments that require medium to long-term predictions, such as 10 days or a month. Therefore, this study measured the water level prediction performance up to one month ahead through a recursive method that uses daily prediction values as the next input. The experiment identified performance changes according to the prediction period and analyzed the impact of each input feature on the overall performance based on an Ablation study.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.435-435
• /
• 2016

기후변화에 따라 강우 패턴이 변화하며, 집중호우 발생 빈도의 증가가 예상된다. 이로 인해 저수지 상류에서 유실된 토사는 저수지로 유입하여 정수 처리비용 증가, 1차생산성 감소, 어류폐사, 하천경관 악화 등 다양한 문제를 유발한다. 따라서 위와 같은 탁수 피해 저감을 위해 과학적인 모니터링과 예측, 저수지 운영과 관리기술 개발 등의 대응이 요구된다. 본 연구에서는 극한 탁수사상 발생시 대응 기술의 일환으로 저수지 탁수예측 모델의 신뢰도 향상을 위해, 기존 탁수예측 모형인 CE-QUAL-W2(이하 W2)의 탁수 예측 알고리즘을 개선하고 소양강댐 저수지에 적용하여 그 성능을 평가하였다. 최근 W2모델 3.72 버전까지 출시되었으나, 모델은 단순 침강속도만 고려하여 저수지 밀도 특성을 반영하지 못하고, TSS 모의시 독립침강을 가정하여 응집 침강 및 장기탁수 예측에 취약한 한계점을 가지고 있다. 따라서, 과거 연구내용을 바탕으로 수온에 따른 점성계수 변화(Stoke's), 다중 부유 입자별 침강속도 고려 기능을 추가하였으며, 새롭게 점착성유사의 응집 침강을 고려할 수 있는 기능을 추가하여 모델을 개선하였다. 모델에 점착성 유사 모의 전략은 입자 크기 $63{\mu}m$를 기준으로 비점착성유사(NCS)와 점착성유사(CS)로 구분하고, 비점착성유사는 독립침강, 점착성 유사는 응집침강을 가정하였다. 응집 후 중간 입경의 추정은 Gailani et al(1991)의 식을 사용하였으며, 침강속도 계산 공식은 Hwang and Mehta(1989)식을 적용하였다. 수정된 모델은 소양강댐 운영이후 최대 탁수사상이 발생했던 2006년을 대상으로 기존 탁수해석 결과와 수정된 모델의 모의결과를 실측값과 비교 분석 하였다. Stoke's 식 적용시 기존의 모의결과 대비 AME 평균 23%, RMSE 평균 18%가 개선되는 것으로 나타났으며, Hwang and Metha식 적용시에 SS 모의값이 전반적으로 과소평가되는 것으로 나타났다. 또한, 실측 방류 탁수 농도와 모의값을 비교하여 평가 하였으며, 모의기간인 Julian Day 173~365(192일) 동안 모의 결과의 총 TSS 부하량은 실측값의 약 80%수준을 보였으며, TSS 방류 부하기준 Stoke's 식 적용시 기존 모의대비 오차가 1.3% 개선되는 것으로 나타났다.

• The KIPS Transactions:PartA
• /
• v.16A no.5
• /
• pp.347-356
• /
• 2009

Precise branch prediction is a critical factor in the IPC Improvement of modern microprocessor architectures. In addition to the branch prediction accuracy, branch prediction delay have a profound impact on overall system performance as well. However, it tends to be overlooked when the architects design the branch predictor. To tolerate branch prediction delay, this paper proposes Early Start Prediction (ESP) technique. The proposed solution dynamically identifies the start instruction of basic block, called as Basic Block Start Address (BB_SA), and the solution uses BB_SA when predicting the branch direction, instead of branch instruction address itself. The performance of the proposed scheme can be further improved by combining short interval hiding technique between BB_SA and branch instruction. The simulation result shows that the proposed solution hides prediction latency, with providing same level of prediction accuracy compared to the conventional predictors. Furthermore, the combination with short interval hiding technique provides a substantial IPC improvement of up to 10.1%, and the IPC is actually same with ideal branch predictor, regardless of branch predictor configurations, such as clock frequency, delay model, and PHT size.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.63-63
• /
• 2022

기상 예보자료는 발생 가능한 재난의 예방 및 대비 차원에서 매우 중요한 자료로 활용되고 있다. 우리나라 기상청에서는 동네예보를 통해 5km 공간해상도의 1시간 간격 초단기예보와, 6시간 간격 정량강우예보(Quantitative Precipitation Forecast, QPF)의 단기예보 정보를 제공하고 있다. 그러나 이와 같은 예보자료는 강우량의 시·공간변화가 큰 집중호우와 같은 기상자료를 활용한 수문학적인 해석에는 한계가 있다. 예보자료를 수문학에 활용하기 위한 시·공간적 해상도 개선뿐만 아니라 방대한 기상 및 기후 자료의 예측성능을 개선하기 위한 다양한 연구가 진행되고 있다. 본 연구에서는 기상청이 제공하는 지역 앙상블 예측 시스템(Local ENsemble prediction System, LENS)와 종관기상관측시스템(ASOS) 및 방재기상관측시스템(AWS) 관측 데이터 및 동네예보에 기계학습 방법을 적용하여 수문학적 정량적 강수량 예측(Hydrological Quantitative Precipitation Forecast, HQPF) 정보를 생산하였다. 전처리 과정을 통해 모든 데이터의 시간해상도와 공간해상도를 동일한 해상도로 변환하였으며, 예측 변수의 인자 분석을 통해 기계학습의 예측 변수를 도출하였다. 기계학습 방법으로는 처리속도와 확장성을 고려하여 XGBoost(eXtreme Gradient Boosting) 방식을 적용하였으며, 집중호우에서의 예측정확도를 높이기 위해 확률매칭(PM) 방식을 적용하였다. 생산된 HQPF의 성능을 평가하기 위해 2020년에 발생한 14건의 호우 사상을 대상으로 태풍형과 비태풍형으로 구분하여 검증을 수행하였다.

• Proceedings of the Korean Society of Tribologists and Lubrication Engineers Conference
• /
• 1986.11a
• /
• pp.52-55
• /
• 1986

최근 난류상태에서 운전되는 베어링의 사용이 많아짐에 따라, 윤활문제에서도 난류영역에 관한 연구의 필요성을 느끼게 되었다. 베어링내의 흐름이 난류상태가 되면 마찰손실의 증가등 증류상태에 비해 여러가지의 윤활특성이 달라지는데, 특히 마찰열에 의한 윤활제의 온도증가는 베어링성능변화에 크나큰 영향을 줄 것으로 예측된다. 일반적으로 유막내에서의 온도변화가 그다지 없는 경우는 재래의 등점도이론으로 어느정도 성능예측이 가능하나, 온도변화가 지배적인 경우에는 점도변화를 고려한 THD해석이 성능예측에 보다 유용하다고 알려져 있으며 이에대한 많은 연구가 수행되고 있다. 이들 해석은 실제 온도상승이 가장 큰 벽면에 인접한 영역에 대해서 불완전하며, 편심율이 큰 경우에서와 같이 축 방향의 유동이 크거나, 역류가 발생하는 경우에는 적응이 곤란하다. 본 연구에서는 이런 점을 개선하기 위해 $\kappa-\varepsilon$모델을 이용한 저어널베어링에서의 3차원 THD해석을 행하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.43-44
• /
• 2022

기존 자연어 처리 모델은 문맥 단위 단어 임베딩을 처리하지 못하는 한계점을 가지고 있는 한편 최근 BERT 기반 사전학습 모델들은 문장 단위 임베딩이 가능하고 사전학습을 통해 학습 효율이 비약적으로 개선되었다는 특징이 있다. 본 논문에서는 사전학습 언어 모델들을 이용하여 음식점, 배달전문점 등 음식 업종에서 발생한 고객 발화 의도를 분류하고 모델별 성능을 비교하여 최적의 모델을 제안하고자 한다. 연구결과, 사전학습 모델의 한국어 코퍼스와 Vocab 사이즈가 클수록 고객의 발화 의도를 잘 예측하였다. 한편, 본 연구에서 발화자의 의도를 크게 문의와 요청으로 구분하여 진행하였는데, 문의와 요청의 큰 차이점인 '물음표'를 제거한 후 성능을 비교해본 결과, 물음표가 존재할 때 발화자 의도 예측에 좋은 성능을 보였다. 이를 통해 음식 업종에서 발화자의 의도를 예측하는 시스템을 개발하고 챗봇 시스템 등에 활용한다면, 발화자의 의도에 적합한 서비스를 정확하게 적시에 제공할 수 있을 것으로 기대한다.

• Annual Conference of KIPS
• /
• 2008.05a
• /
• pp.493-495
• /
• 2008

캐시 에너지의 소비 전력을 줄이기 위해 필터 캐시가 제안되었다. 필터 캐시의 사용으로 인해 많은 전력 사용 감소 효과를 가져왔으나, 상대적으로 시스템 성능도 더불어 감소하게 되었다. 필터 캐시의 사용으로 인한 성능 감소를 최소화하기 위해서, 본 논문에서는 기존에 제안된 주요 필터 캐시 예측 모델들을 소개하며, 각각의 방식에 있어서의 핵심 특징 및 해당 방식의 문제점을 분석한다. 이를 바탕으로 본 논문에서는 모드 선택 비트를 활용하는 개선된 형태의 새로운 필터 캐시 예측기 모델을 제안한다. 제안된 방식은 MSB라 불리는 참조 비트를 고안하여, 이를 기존의 필터캐시와 BTB에 새롭게 활용한다. 실험 결과, 제안된 방식은 기존 방식 대비, 전력 소모량 시간 지연면에서 평균 5%의 성능 향상을 가져 왔다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.7
• /
• pp.307-314
• /
• 2022

Recently, researches using deep learning-based models are being actively conducted to replace statistical-based time series forecast techniques to predict electric power demand. The result of analyzing the researches shows that the performance of the LSTM-based prediction model is acceptable, but it is not sufficient for long-term regional-wide power demand prediction. In this paper, we propose a WaveNet deep learning model to predict electric power demand 24-hour-ahead with temperature data in order to achieve the prediction accuracy better than MAPE value of 2% which statistical-based time series forecast techniques can present. First of all, we illustrate a delated causal one-dimensional convolutional neural network architecture of WaveNet and the preprocessing mechanism of the input data of electric power demand and temperature. Second, we present the training process and walk forward validation with the modified WaveNet. The performance comparison results show that the prediction model with temperature data achieves MAPE value of 1.33%, which is better than MAPE Value (2.33%) of the same model without temperature data.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.299-302
• /
• 2000

최근에 새로운 텍스트 압축방법인 BWT(Burrows and Wheeler transformation)가 소개되었다. 이 변환은 우수한 텍스트 압축성능을 가지지만 텍스트와 영상의 다른 성질로 인해 영상에 직접 적용될 때 그다지 우수한 압축성능을 기대할 수 없다. 본 논문에서는L-SSKF(Lossless Symmetric Short Kernel Filter)를 사용하여 영상을 대역분할한 후에 BWT를 수행하여 무손실이면서 우수한 압축성능을 가지는 무손실 영상압축방법을 제안한다. 또한 압축성능의 향상을 위해 두과정의 중간에 화소예측방법인GAP(Gradient Adjusted Prediction)를 적용하여 성능개선을 비교하였다.

• Smart Media Journal
• /
• v.13 no.6
• /
• pp.24-34
• /
• 2024

If the future can be predicted from network traffic data, which is a time series, it can achieve effects such as efficient resource allocation, prevention of malicious attacks, and energy saving. Many models based on statistical and deep learning techniques have been proposed, and most of these studies have focused on improving model structures and learning algorithms. Another approach to improving the prediction performance of the model is to obtain a good-quality data. With the aim of obtaining a good-quality data, this paper applies a dense sampling technique that augments time series data to the application of network traffic prediction and analyzes the performance improvement. As a dataset, UNSW-NB15, which is widely used for network traffic analysis, is used. Performance is analyzed using RMSE, MAE, and MAPE. To increase the objectivity of performance measurement, experiment is performed independently 10 times and the performance of existing sparse sampling and dense sampling is compared as a box plot. As a result of comparing the performance by changing the window size and the horizon factor, dense sampling consistently showed a better performance.