• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.437-440
• /
• 2006

본 논문에서는 도로 네트워크에서 이동하는 객체들의 미래 경로를 예측하는 방안에 대하여 다룬다. 기존의 대부분 미래 예측 기법들을 유클리드 공간에서 이동하는 객체들을 대상으로 한다. 그러나 텔레매틱스 등 다양한 응용에서 객체들은 도로 네트워크 상에서 이동하는 경우가 많으므로 이를 위한 미래 예측 방법이 요구된다. 본 연구에서는 질의 객체의 현재까지의 이동 궤적과 유사한 경향을 가지는 과거 궤적들을 분석함으로써 이 객체의 미래 경로를 예측하는 기법을 제안한다. 우선, 도로 네트워크의 특성을 미래 경로를 다음과 같이 예측한다. 먼저, 이동 객체 데이터베이스 내의 과거 궤적들을 대상으로 주어진 질의 궤적과 유사한 부분 궤적을 갖는 후보 궤적들을 검색한다. 그 다음, 검색된 후보 궤적들의 현재 위치 이후부터 목적지까지의 이동 경로를 분석함으로써 객체의 미래 이동 경로를 예측한다. 작은 차이를 갖는 이동 경로들을 같은 그룹으로 간주함으로써 경로 예측의 정확성을 높이는 방안을 제안한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.179-179
• /
• 2019

전 세계적으로 빈번히 발생하고 있는 홍수, 그중에서도 국지성 집중호우로 인한 돌발홍수에 대응하려면 정확한 강수예측자료를 빠르게 생산하는 것이 필수적이다. 본 연구에서는 최근 딥러닝(머신러닝)을 이용한 강수예측방법에 대하여 고찰하고, 특히 레이더 이미지를 기반으로 한 강수예측방법에 중점을 두고 그 적용성을 살펴보았다. 그 결과 딥러닝(머신러닝)을 이용한 강수예측자료는 예측의 정확성을 높일 수 있을 뿐 아니라 돌발홍수에 대응할 수 있는 자료로 충분히 활용할 수 있음을 확인하였다.

• Spatial Information Research
• /
• v.14 no.1 s.36
• /
• pp.29-41
• /
• 2006

Geostatistical data are obtained only at selected sites even though they are potentially available at any location In a continuous surface. Therefore it is necessary to estimate the unknown values at unsampled locations based on observations. In this study we compared the accuracy of 5 spatial interpolation methods: local trend surface, IDW, RBF, ordinary kriging, universal kriging. These interpolation methods were applied to annual rainfall data. As the results of validation tests, universal kriging with gaussian variogram model showed the best accuracy in comparison with other interpolation methods. In the case of kriging, the predicted values were more accurate and within a more narrow range than other methods. In contrast with kriging, local trend surface analysis, IDW and RBF showed the wide range of predicted values and abrupt changes between neighbors.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.291-300
• /
• 1999

본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어취로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보 유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교 분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형의 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유 비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어취 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.303-303
• /
• 2011

효율적인 수자원 관리를 위해서는 미래 수문자료의 예측치에 대한 구간을 추정하여 미래에 관측될 자료에 대한 정보를 얻는 문제는 어렵지만 중요한 부분에 해당한다. 특히 중장기 유량예측은 입력변수의 불확실성이 크므로 확률론적 방법을 적용한 예측이 유리하다. 본 연구에서는 SSARR 모형을 이용하여 현재 유역의 상태에 과거에 재현되었던 강우를 결합한 앙상블 유출시나리오를 생성하였다. 그리고 대청댐 월 유입량에 대한 확률론적 예측방안을 제시하기위하여 과거 시나리오의 관측 ESP(Ensemble Streamflow Prediction)확률 및 Croley방법, PDF-Ratio방법을 한국의 기상예측정보 실정에 맞는 가중치 부여방안으로 적용하여 분석하였다. 2010년도 상반기를 기준으로 각 분석 기법별 정확성을 검증한 결과 Croley, PDF-Ratio 등 기상전망을 가중치로 부여한 확률론적 예측기법의 효용성을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.86-86
• /
• 2016

본 연구는 가뭄 예측에 대한 오차를 알고리즘과 결합하여 다층 퍼셉트론 (Multi-layer Perceptron, MLP) 네트워크 구조를 인공신경망 모형에 적용하고, 표준강수지수(Standard Precipitation Index, SPI)를 입 력 및 출력 변수로 구성하여 가뭄예측을 시도하였다. 예측모델을 평가하기 위해 기상청 산하의 59개 관측소에 대한 1980년부터 2015년까지의 기상자료를 적용하였으며, 수립된 자료를 활용하여 한반도 전역의 가뭄에 대한 시공간적인 분석을 수행하였다. 단기가뭄 예측성능을 평가하기 위해 2000년에서 2015년까지 16년간의 모의결과를 ROC 분석을 통하여 시공간적 단기가뭄 예측성능을 평가하고 혼동행렬(Conversion Matrix) 구성에 대한 조건적 확률의 다각적 검토를 통해 모델 예측에 대한 정확성(Accuracy), 신뢰성(Precision) 등 다양한 예측성능에 대한 평가를 수행하고 2016년 가뭄전망을 제시하고자 한다.

• Korean Journal of Remote Sensing
• /
• v.35 no.6_3
• /
• pp.1209-1219
• /
• 2019

For consistent vegetation monitoring, it is necessary to generate time-series vegetation index datasets at fine temporal and spatial scales by fusing the complementary characteristics between temporal and spatial scales of multiple satellite data. In this study, we quantitatively and qualitatively analyzed the prediction accuracy of time-series change information extracted from spatio-temporal fusion models of multiple satellite data for vegetation monitoring. As for the spatio-temporal fusion models, we applied two models that have been widely employed to vegetation monitoring, including a Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) and an Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM). To quantitatively evaluate the prediction accuracy, we first generated simulated data sets from MODIS data with fine temporal scales and then used them as inputs for the spatio-temporal fusion models. We observed from the comparative experiment that ESTARFM showed better prediction performance than STARFM, but the prediction performance for the two models became degraded as the difference between the prediction date and the simultaneous acquisition date of the input data increased. This result indicates that multiple data acquired close to the prediction date should be used to improve the prediction accuracy. When considering the limited availability of optical images, it is necessary to develop an advanced spatio-temporal model that can reflect the suggestions of this study for vegetation monitoring.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.15 no.4
• /
• pp.877-885
• /
• 2011

A collaborative filtering(CF) is the most widely used technique in recommender system. However, CF has sparsity and scalability problems. These problems reduce the accuracy of recommendation and extensive studies have been made to solve these problems, In this paper, we proposed a method that uses a weight so as to solve these problems. After creating a user-item matrix, the proposed method analyzes information about users who prefer the item only by using data with a rating over 4 for enhancing the accuracy in the recommendation. The proposed method uses information about the genre of the item as well as analyzed user information as a weight during the calculation of similarity, and it calculates prediction by using only data for which the similarity is over a threshold and uses the data as the rating value of unrated data. It is possible simultaneously to reduce sparsity and to improve accuracy by calculating prediction through an analysis of the characteristics of an item. Also, it is possible to conduct a quick classification based on the analyzed information once a new item and a user are registered. The experiment result indicated that the proposed method has been more enhanced the accuracy, compared to item based, genre based methods.

• Journal of The Korean Society of Grassland and Forage Science
• /
• v.35 no.2
• /
• pp.125-130
• /
• 2015

The objective of this study was to investigate the feasibility of using near infrared spectroscopy (NIRS) to discriminate between grass spices. A combination of NIRS and chemometrics was used to discriminate between Italian ryegrass, perennial ryegrass, and tall fescue seeds. A total of 240 samples were used to develop the best discriminant equation, whereby three spectra range (visible, NIR, and full range) were applied within a 680 nm to 2500 nm wavelength. The calibration equation for the discriminant analysis was developed using partial least square (PLS) regression and discrimination equation (DE) analysis. A PLS discriminant analysis model for the three spectra range that was developed with the mathematic pretreatment "1,8,8,1" successfully discriminated between Italian ryegrass, perennial ryegrass, and tall fescue. An external validation indicated that all of the samples were discriminated correctly. The discriminant accuracy was shown as 68%, 78%, and 73% for Italian ryegrass, perennial ryegrass, and tall fescue, respectively, with the NIR full-range spectra. The results demonstrate the usefulness of the NIRS-chemometrics combination as a rapid method for the discrimination of grass species by seed.

• Journal of The Korean Society of Grassland and Forage Science
• /
• v.40 no.4
• /
• pp.259-264
• /
• 2020

The aim of this study was to investigate the feasibility of discrimination 12 different cultivar of sorghum × sudangrass hybrid (Sorghum genus) seed through near infrared spectroscopy (NIRS). The amount of samples for develop to the best discriminant equation was 360. Whole samples were applied different three spectra range (visible, NIR and full range) within 680-2500 nm wavelength and the spectrastar 2500 Near near infrared was used to measure spectra. The calibration equation for discriminant analysis was developed partial least square (PLS) regression and discrimination equation (DE) analysis. The PLS discriminant analysis model for three spectra range developed with mathematic pretreatment 1,8,8,1 successfully discriminated 12 different sorghum genus. External validation indicated that all samples were discriminated correctly. The whole discriminant accuracy shown 82 ~ 100 % in NIR full range spectra. The results demonstrated the usefulness of NIRS combined with chemometrics as a rapid method for discrimination of sorghum × sudangrass hybrid cultivar through seed.