• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.211-211
• /
• 2018

미해양대기청 기후예측센터(Climate Prediction Center, NOAA)에서 제공하고 있는 기후지수(climate indices)를 예측인자로 하고 금강유역의 5~6월의 강우량을 예측대상으로 하는 원격상관기반 통계모형을 구축하였다. 1988년부터 2017년까지의 30년 자료에 대해 예측인자와 예측대상간의 시간지연상관분석을 수행한 결과 NAO(North Atlantic Oscillation), EP/NP(East Pacific/North Pacific Oscillation), EA(East Atlantic Pattern), WP(Western Pacific Index) 등과 상관성이 높은 것으로 분석되었으며, 이러한 시간지연 기후지수를 이용하여 4개월전에 5,6월 강수량을 예측할 수 있는 다중회귀모형을 개발하였다. 관측 강우량 아노말리가 큰 경우에는 다소 과소 예측되고, 아노말리가 작은 경우에는 다소 과다 예측되는 경향을 보였지만 관측 강우량과 예측 강우량간의 상관계수가 0.75로서 비교적 우수한 예측 결과를 나타내었다. 5~6월 강우량 아노말리의 3분위 예측성을 평가한 결과 평년이상 적중률은 77.8%, 평년수준은 81.8%로서 예측 성공률이 높았으며, 5, 6월 누적강우량이 매우 작았던 92년과 95년을 제외하고는 강우량이 적은 해에도 예측성이 우수하여 평년이하 적중률이 70.0%를 나타내었다. 따라서 본 개발모형은 최소 4개월 이전 선행시간을 가지고 늦봄, 초여름강우량을 예측할 수 있는 저비용의 가뭄 예측 도구로 유용하게 활용될 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.540-540
• /
• 2015

유역의 하천관리 및 홍수관리를 위하여 강우량을 정확하게 예측하고자 많은 수문학자들에 의해 강우량을 예측하는 연구를 진행하였다. 강우를 예측하기 위한 여러 가지 방법 중 인공신경망을 이용하여 강우를 예측하는 선행연구들을 살펴볼 수 있었다. 그러나 기존에 강우량을 예측하는 사례들을 살펴보게 되면, 강우사상이 발생된 후 강우량 예측은 비교적 높은 정확도를 가지고 있으나, 강우가 발생하기 시작하는 시점에 대한 강우량 예측은 그 정확성이 떨어지는 것을 확인할 수 있었다. 이에 본 연구에서는 무강우 기간에도 보다 정확하게 강우량을 예측할 수 있는 인공신경망 모델을 제안하고자 한다. 이를 위해 강우량 이외에도 기온, 풍속, 습도, 증기압, 전운량을 인공신경망의 입력자료로 활용하고자 하였다. 입력자료을 구성을 여러 가지 CASE로 구분하여 부산지점의 강우량을 예측하고 그 정확성을 평가하고자 하였다. 이 때, 사용되는 자료는 기상청 부산지점에서 제공하고 있는 1시간 간격자료를 적용하였다. 본 연구를 통해 개발된 인공신경망 모형을 이용하여 예측된 강우량은 부산 내에 위치한 하천관리 뿐 만 아니라 하천의 홍수 예 경보에 필요한 기초적인 자료로 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Technology Innovation Society Conference
• /
• 1998.05a
• /
• pp.14-14
• /
• 1998

기술추세분석(trend analysis)이나 특허분석(patent analysis) 등과 같이 객관적 자료를 이용하는 여타 기술예측방법과 달리, 델파이 방법은 해당 분야에 대한 전문가들의 식견(또는 주관적 평가)을 예측의 유일한 원천으로 하고 있다는 점에서 예측결과에 대한 신뢰도 분석을 강하게 요구하고 있다. 이러한 점에 착안하여 본 연구에서는 최근에 실시된 산업기술예측(1998) 자료를 이용하여 델파이 방법을 이용한 기술예측의 신뢰도 분석을 실시하였다. 이러한 분석은 전문가들의 예측결과에 대해 내적 일관성의 유지 여부와, 전문도가 상이한 집단간에 예측 결과의 차이가 있는지 여부를 중심으로 이루어졌으며 그 결과는 다음과 같다. 첫째, 응답 결과에 내적 일관성이 있는지 여부를 검정한 결과 생물·정밀화학분야를 제외한 모든 분야에서 일관성을 지니고 있는 것으로 나타나고 있다. 두번째, 전문도가 높은 응답자들일수록 자신의 예측결과를 확신하고는 있으나, 전문도가 낮은 응답자들에 비해 예측결과에 이견이 큰 것으로 분석되었으며, 마지막으로 전문도가 높은 응답자들과 그렇지 않은 응답자들 사이에 기술과제의 예상 실현시기에 대해서는 거의 차이가 없는 반면, 합의(consensus)의 정도는 큰 차이가 있는 것으로 나타났다. 이러한 분석결과는 델파이 방법을 이용한 기술예측을 설계하는 데 있어 몇가지 시사점을 제공하고 있다. 첫번째로 기술예측시 전문가들의 예측결과에 대해 내적 일관성이 존재하는 지 여부를 검증할 수 있도록 예측과정을 설계하는 것이 바람직하다는 것이다. 이러한 설계과정은 델파이 방법이 예측결과를 검증할 만한 객관적인 장치를 지니지 못하고 있다는 점에서 더욱 필요하다고 하겠다. 두번째는 정보로서의 가치가 큰 전문도가 높은 응답자들의 예측결과를 활용하기 위해서는, 예측결과에 대한 이들의 합의(consensus)의 정도를 높일 수 있는 방안이 마련되어야 한다는 것이다. 델파이의 최종 라운드가 진행된 이후 이들에 대해서만 추가적인 라운드를 실시하거나, 예측과정에서 이들에게 관련 정보를 제공하는 것도 하나의 대안이 될 수 있을 것이다.

• Journal of the Korea Convergence Society
• /
• v.11 no.11
• /
• pp.257-267
• /
• 2020

In this study, we predicted the employment ratio by the export industry using various machine learning methods and verified whether the prediction performance is improved by applying the constrained forecast combination method to these predicted values. In particular, the constrained forecast combination method is known to improve the prediction accuracy and stability by imposing the sum of predicted values' weights up to one. In addition, this study considered various variables affecting the employment ratio of each industry, and so we adopted recursive feature elimination method that allows efficient use of machine learning methods. As a result, the constrained forecast combination showed more accurate prediction performance than the predicted values of the machine learning methods, and in particular, the stability of the prediction performance of the constrained forecast combination was higher than that of other machine learning methods.

• Korean Journal of Construction Engineering and Management
• /
• v.14 no.2
• /
• pp.131-140
• /
• 2013

Econometric forecast models based on past time-series data have been applied to a wide variety of applications due to their advantages in short-term point estimating. These models are particularly used in predicting the impact of governmental research and development (R&D) programs because program managers should assert their feasibility due to R&D program's huge amount of budget. The construction governmental R&D programs, however, separately make an investment by dividing total budget into five sub-business area. It make R&D program managers difficult to understand how R&D programs affect the whole system including economy because they are restricted with regard to many dependent and dynamic variables. In this regard, system dynamics (SD) model provides an analytic solution for complex, nonlinear, and dynamic systems such as the impacts of R&D programs by focusing on interactions among variables and understanding their structures. This research, therefore, developed SD model to capture the different impacts of five construction R&D sub-business by considering different characteristics of sub-business area. To overcome the SD's disadvantages in point estimating, this research also proposed the method for constructing quantitative forecasting model using qualitative data. Understanding the different characteristics of each construction R&D sub-business can support R&D program managers to demonstrate their feasibility of capital investment.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.264-268
• /
• 2008

미래 발생 가능한 수문 및 기상현상의 예측과정은 지식의 부족과 자연현상의 다양성으로 인해 불확실성을 포함하게 된다. 하지만 많은 예측들은 아직까지 확정적으로 제공되고 있으며, 결과적으로 예측결과의 불확실성 정도를 제공하지 못하고 있다. 앙상블 유량예측(ESP, Ensemble Streamflow Prediction)은 이러한 불확실성을 고려하여 수자원시스템의 의사결정에 있어 중요한 요소 중 하나인 유량예측을 수행할 수 있는 방법이다. 하지만 ESP의 결과는 기상자료, 유역 초기조건, 수문모형의 매개변수, 단순화된 수문모형에 의해 비교적 큰 불확실성을 포함하게 되며, 따라서 실제적인 현업에서의 사용을 위해서는 불확실성 정도를 줄이기 위한 사전 및 사후처리 과정이 요구된다. 본 연구에서는 국내에서 활용 가능한 기후 예보자료를 사용하여 앙상블 유량예측에 적용할 수 있는 사전처리 방안들을 검토하고, 국내에서 사후처리를 위해 적용되었던 최적선형 보정기법에 더해 다양한 기법들을 강우유출모형인 TANK모형의 모의결과 보정에 적용하였다. 사전 및 사후처리를 적용한 결과 기상자료와 유량예측과정에 존재하는 불확실성을 저감시키는 것이 가능하였다. 특히 사전 및 사후 처리가 동시에 적용되었을 경우 그 향상 정도가 단순히 각각의 방법에 의한 향상 정도를 합한 것보다 높게 나타날 수 있음이 확인되었다. 사전 및 사후처리를 동시에 적용한 경우 이수기에는 RPS(Ranked Probability Score) 평가방법 내에서 54%를, 홍수기에는 8%를 향상시키는 것이 가능하였다.

• 한국방재학회:학술대회논문집
• /
• 2011.02a
• /
• pp.176-176
• /
• 2011

전 세계적으로 국지성 집중호우의 발생이 증가하고 있다(건설교통부, 2007 ; 김광섭과 김종필, 2008). 특히, 국내의 경우 급속한 도시화에 의한 기상 변화의 영향으로 서울 및 중소도시 지역에 집중호우의 발생이 크게 증가하였고, 산악지역에 발생한 강도 높은 집중호우로 인하여 돌발홍수의 발생 또한 급증하고 있다. 이처럼 집중호우는 단시간에 큰 강우강도를 동반하여 돌발홍수를 유발할 뿐만 아니라 잦은 발생으로 인하여 막대한 재산 손실과 인명 피해를 초래하고 있다(유철상 등, 2007a). 현실적으로 이러한 이상호우에 의한 피해를 원천적으로 방지하는 것은 불가능하다. 그러나 어느 정도(accuracy) 이상의 강우예측이 전제된다면 피해의 규모를 크게 줄일 수 있는 것이 또한 사실이다(유철상 등, 2007b). 집중호우로 인한 피해의 주범은 수 시간이내에 발생하는 돌발홍수로서 이에 대한 피해를 최소화하기 위해서는 정확한 초단기예측 강우가 절실한 상황이다. 이에 본 연구에서는 초단기예측 강우의 보정을 목적으로 G/R 비를 예측하였다. 먼저, 강우의 임계치와 누적시간에 따른 G/R 비의 특성변화를 검토하여 G/R 비 산정방법을 개선하였다. 초단기예측 강우로 캐나다 McGill 대학교에서 개발된 MAPLE 예측강우를 사용하였으며, 이를 보정하기 위하여 칼만 필터를 이용하여 G/R 비를 실시간으로 예측하였다. 이러한 분석은 레이더 자료의 품질이 가장 양호할 것으로 판단되는 내륙지역을 대상으로 하였다. 결과적으로 강우의 임계치와 누적시간의 고려를 통해 안정화된 G/R 비의 산정이 가능하였으며, 이를 이용함으로서 예측 G/R 비의 정확성이 보다 향상되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.277-279
• /
• 2005

단백질들은 서로 다른 단백질들과 상호작용하거나 복합물을 형성함으로써 생물학적으로 중요한 기능을 한다고 알려져 있다. 때문에 대부분의 세포작용에 있어 중요한 역할을 하는 단백질들 간의 상호작용 분석 및 예측에 대한 연구는 여러 연구그룹으로부터 풍부한 데이터가 산출된 후게놈시대(post-genomic era)에서 또 하나의 중요한 이슈가 되고 있다. 본 논문에서는 효모에 대해 공개되어있는 단백질 상호작용 데이터들에서 속성들 간의 연관규칙 학습을 통해 잠재적 단백질 상호작용들을 예측하기 위한 연관규칙 기반의 상호작용 예측 방법을 제시한다. 단백질들 간의 상호작용 예측을 위해 고려되는 각 단백질의 다수의 속성차원은 정보이론 기반의 속성선택 알고리즘을 이용하여 효율적으로 줄이며 상호작용의 속성집합을 이용하여 신경망을 훈련시키고 이렇게 훈련된 신경망에서 속성들 간의 연관규칙을 디코딩하여 연관규칙 기반의 상호작용 예측에 활용한다. 연관속성 발굴을 통한 상호작용 예측을 위한 마이닝 방법으로는 연관규칙 발견 알고리즘을 사용하였으며 예측 정확도를 높이기 위하여 신경망 예측 모델의 학습 결과를 디코딩한 규칙들이 추가적으로 사용하였다. 논문에서 제안한 방법을 발견된 연관규칙을 통한 단백질 상호작용 예측문제에 있어 평균 약 $94.5\%$의 예측 정확도를 보였다.

• Nuclear Engineering and Technology
• /
• v.19 no.4
• /
• pp.233-241
• /
• 1987

Difficulties are encountered when the behavior of complex systems (i.e., fuel failure probability) that have unreliable deterministic models is predicted. For more realistic prediction of the behavior of complex systems with limited observational data, the present study was undertaken to devise an approach of combining predictions from the deterministic model and actual observational data. Predictions by this method of combining are inferred to be of higher reliability than separate predictions made by either model taken independently. A systematic method of hierarchical pattern discovery based on the method developed in the SPEAR was used for systematic search of weighting factors and pattern boundaries for the present method. A sample calculation was performed for prediction of CANDU fuel failures that had occurred due to power ramp during refuelling process. It was demonstrated by this sample calculation that there exists a region of feature space in which fuel failure probability from the PROFIT model nearly agree with that from observational data.

• Journal of KIISE:Computer Systems and Theory
• /
• v.30 no.12
• /
• pp.724-735
• /
• 2003

In recent high-performance superscalar processors, the result value of an instruction is predicted to improve instruction-level parallelism by breaking data dependencies. Using those predicted values, instructions are speculatively executed and substantial performance can be gained. It, however, requires additional power consumption due to the frequent access and update of the value prediction table. In this paper, first, the trade-off between the performance improvement and the increased power consumption for value prediction is measured and analyzed. And, in order to reduce additional power consumption without performance loss, the technique of controlling speculative execution with confidence counter and predicting useful instructions is developed. Also, in order to prove the validity, a tool is developed that can simulate processor behavior at cycle-level and measure total energy consumption and power consumption per cycle.