• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.366-366
• /
• 2022

유역의 하천유량과 같은 수문 시계열을 모의 또는 예측하기 위한 수문 모델링에서 최근 기계 학습 방법을 활용한 연구가 활발하게 적용되고 있는 추세이다. 이러한 데이터 기반 모델링 접근법은 입출력 자료에서 관찰된 패턴을 학습하며, 특히, 장단기기억(Long Short-Term Memory, LSTM) 네트워크는 많은 연구에서 수문 시계열 예측에 대한 적용성이 검증되었으나, 장기간의 고품질 관측자료를 활용할 때 더 나은 예측성능을 보인다. 그러나 우리나라의 경우 장기간 관측된 고품질의 하천유량 자료를 확보하기 어려운 실정이다. 따라서 본 연구에서는 LSTM 네트워크의 학습 시 가용한 모든 유역의 자료를 통합하여 학습시켰을 때 하천유량 예측성능을 개선할 수 있는지 판단해보고자 하였다. 이를 위해, 우리나라 13개 댐 유역을 대상으로 대상 유역의 자료만을 학습한 모델의 예측성능과 모든 유역의 자료를 학습한 모델의 예측성능을 비교해 보았다. 학습은 2001년부터 2010년까지 기상자료(강우, 최저·최고·평균기온, 상대습도, 이슬점, 풍속, 잠재증발산)를 이용하였으며, 2011년부터 2020년에 대해 테스트 되었다. 다지점 통합학습을 통해 테스트 기간에 대해 예측된 각 유역의 일 하천유량의 KGE 중앙값이 0.74로 단일지점 학습을 통해 예측된 KGE(0.72)보다 다소 개선된 결과를 보여주었다. 다지점 통합학습이 하천유량 예측에 큰 개선을 달성하지는 못하였으며, 추가적인 가용 자료 확보와 LSTM 구성의 개선을 통해 추가적인 연구가 필요할 것으로 판단된다.

• The Korean Journal of Financial Management
• /
• v.19 no.2
• /
• pp.211-231
• /
• 2002

본 연구의 목적은 VECM(Vector Error Correction Model)과 인공지능모형(Artificial Neural Networks)을 이용하여 우리나라 증권시장과 거시경제 변수들과의 장기적 관계에 대한 설명력을 비교해보고자 함에 있다. VECM이 APT(Arbitrage Pricing Theory)에 기초를 둔 선형동학모형이라고 한다면, 인공지능모형은 비모수적 비선형모형이라는 점에서, 두 방법론의 분석결과를 직접 비판하는 것은 의미있는 연구라고 할 수 있다. 인공지능모형을 주로 활용하는 선행연구들에 의하면, 증권시장은 시장의 특이패턴들로 인해 계량경제학적 접근인 선형 모형보다는 인공지능모형을 통해 증권시장의 움직임을 설명하고 예측하는 것이 더 바람직할 수도 있다는 것이다. 따라서, 본 연구에서는 VECM분석에서 자료의 안정성을 검증하고, 공적분 백터를 발견한 이후, 장기적 균형관계의 실증적 분석을 하였다. 그리고, 인공지능모형에서는 delta rule과 Sigmoid 함수를 이용한 GRNN(General Regression Neural Net)과 Back-Propagation등의 방법들을 활용하였다. 이러한 분석결과, Back-Propagation 모형이 다른 모든 모형들보다도 더 우수한 설명력을 보여주고 있었다. 이러한 결과들은 인공지능모형이 동태적인 선형 모형보다도 더 우수한 설명력을 제공할 수 있는 가능성을 보여주고 있었다.

• The Journal of the Korea Contents Association
• /
• v.21 no.6
• /
• pp.552-560
• /
• 2021

With the recent development of the art distribution system, interest in art investment is increasing rather than seeing art as an object of aesthetic utility. Unlike stocks and bonds, the price of artworks has a heterogeneous characteristic that is determined by reflecting both objective and subjective factors, so the uncertainty in price prediction is high. In this study, we used LSTM Recurrent Neural Network deep learning model to predict the auction winning price by inputting the artist, physical and sales charateristics of the Korean artist. According to the result, the RMSE value, which explains the difference between the predicted and actual price by model, was 0.064. Painter Lee Dae Won had the highest predictive power, and Lee Joong Seop had the lowest. The results suggest the art market becomes more active as investment goods and demand for auction winning price increases.

• Journal of Wetlands Research
• /
• v.22 no.2
• /
• pp.106-112
• /
• 2020

Wetlands play an important function and role in hydrological, environmental, and ecological, aspects of the watershed. Water level in wetlands is essential for various analysis such as for the determination of wetland function and its effects on the environment. Since several wetlands are ungauged, research on wetland water level prediction are uncommon. Therefore, this study developed a water level prediction model using multiple regression analysis, principal component regression analysis, artificial neural network, and DNN to predict wetland water level. Geumjeong-Mountain Wetland located in Yangsan-city, Gyeongsangnam-do province was selected as the target area, and the water level measurement data from April 2017 to July 2018 was used as the dependent variable. On the other hand, hydrological and meteorological data were used as independent variables in the study. As a result of evaluating the predictive power, the water level prediction model using DNN was selected as the final model as it showed an RMSE value of 6.359 and an NRMSE value of 18.91%. This research study is believed to be useful especially as a basic data for the development of wetland maintenance and management techniques using the water level of the existing unmeasured points.

• The Korean Journal of Applied Statistics
• /
• v.18 no.2
• /
• pp.271-280
• /
• 2005

Kriging methods as traditional spatial data analysis methods and geographical weighted regression models as statistical analysis methods are compared. In this paper, we apply data from the Ministry of Environment to spatial analysis for practical study. We compare these methods to performance with monthly carbon monoxide observations taken at 116 measuring area of air pollution in 1999.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.76-76
• /
• 2022

과거 2015년 파리협정 채택을 기점으로 전 세계는 산업화 이전 대비 지구 평균온도 상승폭을 1.5℃ 이하로 억제하기 위한 노력을 지속적으로 강조하였다. 기후변화 완화를 위한 가장 적극적인 해결책으로 탄소중립 사회 전환이 제시되고 있으며, 이를 실행하기 위해서는 각 부문별 구체화된 탄소중립 추진 계획 수립이 요구된다. 특히 국내에서는 기후기술 분야에 특화된 기술수준 정보가 부족하여 국가 정책 수립에 어려움이 있다. 기술개발을 위한 정책 수립 시에는 기후기술의 정량적인 수준을 고려한 정책 방향을 결정해야 하지만, 국내에는 기술에 대한 분석에 대한 사례가 미흡한 실정이다. 본 연구에서는 수자원 분야의 국가경쟁력을 분석하고 미래기술전략을 도출하기 위해 논문·특허정보를 기반한 정량평가(활동력, 기술력, 포트폴리오)와 미래기술 예측을 수행하였다. 수자원 분야 기술은 2017년 과학기술정보통신부가 승인한 45대 기후기술 분류체계를 기본으로 하며, 적응 부문에서 '물관리 기술'과 '기후변화 예측 및 모니터링 기술'을 대상으로 하였다. 분석을 위해 수자원 분야 기술을 주요 5개국(한국, 중국, 일본, 미국, EU) 대상으로 수행하였으며, 데이터 기간은 2009년부터 2020년까지 총 12년간이다. 기술의 미래예측하기 위해 Bass 모형, Logistic 모형, Gompertz 모형 등을 활용하였으며, 향후 기술을 전망하고자 한다. 본 분석에서 수행하는 수자원 분야 기술예측은 탄소중립 실현을 위한 미래사회에 대비하고, 기술개발에 대한 불확실성을 감소시킬 수 있을 것으로 기대된다.

• The Korean Journal of Applied Statistics
• /
• v.31 no.6
• /
• pp.785-799
• /
• 2018

With the development of renewable energy sector, the importance of solar energy is continuously increasing. Solar radiation forecasting is essential to accurately solar power generation forecasting. In this paper, we used time series models (ARIMA, ARIMAX, seasonal ARIMA, seasonal ARIMAX, ARIMA GARCH, ARIMAX-GARCH, seasonal ARIMA-GARCH, seasonal ARIMAX-GARCH). We compared the performance of the models using mean absolute error and root mean square error. According to the performance of the models without exogenous variables, the Seasonal ARIMA-GARCH model showed better performance model considering the problem of heteroscedasticity. However, when the exogenous variables were considered, the ARIMAX model showed the best forecasting accuracy.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1408-1412
• /
• 2004

인구의 폭발적 증가, 산업화, 도시화의 급진적, 과학기숙의 발달 등으로 물 소비는 급증하는 반면, 이상기후현상으로 수자원의 절대량이 줄어 수자원의 양적인 문제와 하천 및 저수지의 수질오염에 대한 질적인 문제가 ,대두되고 있다. 하천의 수질현상 및 이송은 상당히 비선형적이고, 시간에 따라 변화하려, 실제로 수질의 예측은 유량의 변동, 오염물질의 이송 및 확산, 하천 구조물 등의 여러 요인에 의하여 상당히 어렵다고 알려져 왔다. 또한 한정된 수자원으로 하천의 수량과 수질목표를 동시에 달성하기 위해서는 물의 수요와 공급을 실시간으로 감시하면서 기상과 유출예측기술을 활용하여 용수의 수요와 공급을 예측하고 이를 토대로 수량과 수질을 고려한 물관리 운영시스템이 구축되어야 한다. 이를 위해 본 연구에서는 모형의 입${\cdot}$출력 구성을 자유롭게 변형할 수 있는 상태공간 모형과 신경망 모형을 이용하여 금강수계 주요 지점의 수질예측 모형을 구성하고 모형의 적용성을 파악한 후 예측력이 우수한 모형을 Web기반 모형의 수질예측 모듈의 기본모형으로 선정하고 Web 상에서 수질예측이 가능하도록 시스템을 개발하였다.

• The Journal of Korean Association of Computer Education
• /
• v.7 no.5
• /
• pp.57-70
• /
• 2004

This study is the subsequent study that has the objectives examining the relationships among 'substantive understanding', 'scientific literacy' and 'learning intention' in computer supported intentional learning environments and inquiry ability, variables for affecting knowledge construction derived from the finding out of the former study. As a result, the current study confirmed in CSILE the close correlation between 'the learning intention for scientific inquiry' and 'substantive understanding', between 'the learning intention for scientific inquiry' and 'scientific literacy'. Another result showed that 'scientific literacy' was the most significant predictor on inquiry ability. Base on the result of this study, the present researcher is about to make suggestions to stimulate learners' scientific literacy in CSILE-based inquiry learning.

• 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.