• 한국수자원학회논문집
• /
• 제53권2호
• /
• pp.97-105
• /
• 2020

최근 데이터 예측 방법으로 인공신경망(Artificial Neural Network, ANN)분야에 대한 관심이 높아졌으며, 그 중 시계열 데이터 예측에 특화된 LSTM(Long Short-Term Memory)모형은 수문 시계열자료의 예측방법으로도 활용되고 있다. 본 연구에서는 구글에서 제공하는 딥러닝 오픈소스 라이브러리인 텐서플로우(TensorFlow)를 활용하여 LSTM모형을 구축하고 금강 상류에 위치한 용담다목적댐의 유입량을 예측하였다. 분석 자료로는 WAMIS에서 제공하는 용담댐의 2006년부터 2018년까지의 시간당 유입량 자료를 사용하였으며, 예측된 유입량과 관측 유입량의 비교를 통하여 평균제곱오차(RMSE), 평균절대오차(MAE), 용적오차(VE)를 계산하고 모형의 학습변수에 따른 정확도를 평가하였다. 분석결과, 모든 모형이 고유량에서의 정확도가 낮은 것으로 나타났으며, 이와 같은 문제를 해결하기 위하여 용담댐 유역의 시간당 강수량 자료를 추가 학습 자료로 활용하여 분석한 결과, 고유량에 대한 예측의 정확도가 높아지는 것을 알 수 있었다.

• 한국수자원학회논문집
• /
• 제51권6호
• /
• pp.503-514
• /
• 2018

최근 기후변화 및 유역개발로 인하여 메콩강 유역의 수문환경이 급격히 변화하고 있으며, 메콩강을 공유하는 국가의 수재해 예방 및 지속가능한 수자원개발을 위해서는 메콩강 주요지점에서의 유량 정보의 분석 및 예측이 요구된다. 본 연구에서는 물리적 기반의 수문모형인 SWAT과 데이터기반 딥러닝 알고리즘인 LSTM을 이용하여 메콩강 하류 Kratie 지점의 유출모의를 수행하고, 유출모의 정확도 및 두 가지 방법론의 장 단점을 비교 분석한다. SWAT 모형의 구축을 위해 범용 입력자료(지형: HydroSHED, 토지이용: GLCF-MODIS, 토양: FAO-Soil map, 강우: APHRODITE 등)을 이용하였으며 warming-up 및 매개변수 보정 후 2003~2007년 일유량 모의를 수행하였다. LSTM을 이용한 유출모의의 경우, 딥러닝 오픈소스 라이브러리인 TensorFlow를 활용하여 Kratie 지점기준 메콩강 상류 10개 수위관측소의 두 기간(2000~2002, 2008~2014) 일수위 정보만을 이용하여 심층신경망을 학습하고, SWAT 모형과 마찬가지로 2003~2007년을 대상으로 Kratie 지점에 대한 일수위 모의 후 수위-유량관계곡선식을 이용하여 유출량으로 환산하였다. 두 모형의 모의성능 비교 검토를 위하여 모의기간에 대해 NSE (Nash-Sutcliffe Efficiency)을 산정한 결과, SWAT은 0.9, LSTM은 보다 높은 0.99의 정확도를 나타내는 것으로 분석되었다. 메콩강과 같은 대유역의 특정 지점에 대한 수문시계열 자료의 모의를 위해서는 다양한 입력자료를 요구하는 물리적 수문모형 대신 선행 시계열자료의 변동성을 기억 학습하여 이를 예측에 반영하는 LSTM 기법 등 데이터기반의 심층신경망 모형의 적용이 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1207-1216
• /
• 2018

본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

• 문화기술의 융합
• /
• 제7권1호
• /
• pp.654-661
• /
• 2021

산업 발전에 따른 대기 오염은 인간의 건강을 크게 위협할 만한 수준이 되었다. 일반적으로 실내 공기 오염이 실외보다는 낮다고 생각하지만, 현대인들은 대부분의 시간 동안 실내에서 생활하기 때문에, 자신의 건강을 지키고 삶의 질을 높이기 위해서는 실내 공기 품질을 쾌적하게 유지하는 것이 필수적이다. 따라서, 현재 주목받고 있는 사물인터넷, 데이터 처리 기술을 활용한 실내환경 관리 플랫폼 개발은 매우 의미 있는 연구라고 생각된다. 본 논문에서는 원격에서 실내환경을 모니터링하고 제어할 수 있는 IoT 기반의 관리 플랫폼을 설계하였다. 또한, 플랫폼을 구성하는 IoT 단말, 게이트웨이, 데이터 서버의 기능을 오픈소스와 공개 라이브러리를 이용하여 구현하였고, 기능 동작도 모두 확인하였다. 특히, 본 논문의 IoT 단말과 게이트웨이는 BLE 통신을 이용하여 데이터를 교환하기 때문에 상대적으로 저전력으로 동작할 수 있으며, 게이트웨이는 BLE Advertising 모드를 사용하여 미리 설정하지 않은 IoT 단말을 자동 인식할 수 있는 장점이 있다.

• 경영과정보연구
• /
• 제37권1호
• /
• pp.139-154
• /
• 2018

R 프로그래밍 시스템은 인터넷을 통해 개방적이고 무료로 제공이 된다. R 환경은 헌신적이고 독자적인 사용자 그룹이 제공하는 다양한 함수가 포함되는 라이브러리에 의해 그 기능이 지속적으로 풍부해지고 다양해지고 있다. R의 사용은 조직에서의 빅데이터 분석이 점차 도입되면서 다양한 데이터 형태의 데이터 조작과 데이터 분석처리가 요구되면서 점차 채택되기 시작하였다. 그러나 R 수용에 대한 연구는 아직까지 존재하지 않고 있다. 본 연구는 교육환경의 사용자가 R을 수용하는데 미치는 인지변수를 식별하고, 그들간의 관계를 규명하고자 한다. 기존의 기술수용모형에 주관적 규범과 소프트웨어 역량을 추가한 확장된 R 수용모델을 제안하고, 경로분석을 통하여 가설을 검정하였다. 사용의도에 정의 영향을 미치는 변수는 주관적 규범, 지각된 편리성, 지각된 유용성으로 밝혀졌고, 지각된 유용성은 주관적 규범, 소프트웨어 역량, 그리고 지각된 편리성으로부터 영향을 받는 것으로 나타났다. 본 연구가 이전 연구와의 주요 차이점은 대상 시스템이 독립적인 시스템이 아니고, 또한 시스템은 정적이고 개발이 확정된 상태가 아닌 진화하고 오픈소스 시스템을 대상으로 했다는 것이다. 또한 R 환경은 플랫폼으로서, 다양한 통계분석, 빅데이터분석, 그리고 시각화가 가능한 시스템이다. 우리는 TAM(Technology Acceptance Model)을 적용하여 R플랫폼에 대한 사용자의 수용에 영향을 주는 변수를 식별하고 인과관계를 처음으로 시도하였다. 또 다른 기여도는 기존의 TAM모형에 주관적 규범과 소프트웨어 역량 개념을 추가한 확장된 모형을 식별한 것이다. 본 연구결과는 통계나 빅데이터 분석 패키지 도입 계획이 있는 대학이나 기업체에 시사점을 제공할 수 있을 것이다. 그러나 분석에 사용된 표본의 수가 적고, 표본이 모집단을 대표할 수 있다는 근거가 약해 제안된 모델의 신뢰성 및 타당성이 상대적으로 미흡하다고 할 수 있을 것이다. 따라서, 향후 연구에서는 확정적 연구를 위해서는 이와 같은 문제점에 대한 보완이 필요하다고 판단된다.

• 한국의학물리학회지:의학물리
• /
• 제23권2호
• /
• pp.81-90
• /
• 2012

방사선 치료에서 부정확한 환자 셋업이 표적에 전달되는 선량에 미치는 영향과 치료 마진과의 연관성을 몬테칼로 기법을 사용한 전산모사를 통하여 분석하였다. 실제 방사선 치료를 받은 직장암 환자에 대한 임상표적체적(CTV: Clinical Target Volume) 및 주요장기의 구조와 치료계획 시스템(Eclipse 8.9, USA)을 이용하여 수립된 세기조절 방사선치료계획에서의 선량분포에 대한 데이터를 전산모사에서 사용하였다. 전산모사 프로그램은 리눅스환경에서 오픈소스인 ROOT 라이브러리와 GCC를 기반으로 본 연구를 위하여 개발되었다. 환자셋업오차의 확률분포를 정규분포로 가정한 것에 따라 무작위로 생성된 크기만큼 셋업이 부정확한 경우를 모사하여 임상표적체적에서의 선량분포의 변화와 오차크기에 따른 마진크기를 3차원입체조형 방사선치료에 사용되는 마진공식과 비교분석 하였다. 셋업오차 생성에 사용된 정규분포의 표준편차 크기는 1 mm부터 10 mm까지 1 mm간격으로 두었으며 계통오차와 통계오차별로 2,000번 전산모사했다. 계통오차의 경우 전산모사에 사용된 표준편차가 커질수록 임상표적체적에 조사되는 최소선량 $D_{min}^{stat{\cdot}}$은 100.4%에서 72.50%로 감소하였고 평균선량 $\bar{D}_{syst{\cdot}}$도 100.45%에서 97.88%로 감소한 반면에 표준편차${\Delta}D_{sys}$는 0.02%에서 3.33%로 증가하였다. 통계오차의 경우 최소선량 $D_{min}^{rand{\cdot}}$은 100.45%에서 94.80%감소하였고 평균선량 $\bar{D}_{syst{\cdot}}$도 100.46%에서 97.87%로 감소하였으며 표준편차 ${\Delta}D_{rand}$는 0.01%에서 0.63%로 증가하였다. 그리고 마진공식으로부터 전산모사에 사용된 셋업오차에 해당되는 마진크기를 구하고 모집단비율(population ratio)을 정의하여 기존 마진공식의 목적이 세기조절방사선치료에 만족함을 확인했다. 개발된 전산모사 프로그램은 해당 환자의 치료계획 정보를 직접 사용하므로 직장암만 아니라 두경부암, 전립선암 등 여러 환부에 적용 가능하며 셋업오차 및 선량변화에 연관된 연구에도 사용할 수 있을 것으로 사료된다.