• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.11-11
• /
• 2023

2020년 기준 우리나라 전체 지하수 시설은 총 1,659천개소, 이용량은 2,916백만m³/년, 년간 지하수 개발가능량은 130억m³대비 22.3%이다(환경부 등, 2021). 단위면적당 지하수 시설수와 이용량은 16.8개소/km², 29,168m³/년/km²(81.1m3/일/km²)이다. 이러한 자료는 가뭄 대응시 신규 관정 개발도 필요하지만, 기존에 개발된 관정들을 최대한 효율적으로 활용하는 방안을 우선적으로 고려해야 한다는 것을 시사한다. 관정들을 상호 연계하게 되면 여러 개의 관정에서 나오는 물을 합하여 총량을 늘릴 수 있기 때문에, 가뭄 등 비상시에 일시적으로 다량의 물을 공급할 수 있다. 또한, 평상시에도 적절한 양수량 조절을 통해 지하수 자원의 손실을 막고 수위 저하에 의한 문제를 최소화할 수 있다. 관정연계시스템(well network system, WNS)은 기존 관정들을 가상의(virtually) 또는 물리적(physical) 연계를 하여, 최적의 지하수를 공급할 수 있는 시스템으로 정의할 수 있다. 가뭄 대응 및 효율적 지하수 자원 활용을 위한 관정연계시스템 개발과 실증을 위해 홍성군 서부면 양곡리 일대에 양수제어, 관로시설, 물탱크 등 물리적인 시설을 시험 설치하여 운영하고 있다. 또한, 관정연계시스템은 ICT 기술과 지하수관리 기법을 연동하여 지하수 관정들을 연계하고 최적으로 운영할 수 있는 하나의 의사결정시스템으로서 관정연계 플랫폼을 개발하였다. 관정연계 플랫폼은 웹기반으로 개발되었으며, 대수층의 수리지질 특성, 수요에 기반한 물공급량 평가, 관정 연계 시나리오 및 최적 운영 알고리즘, 지하수 모델링 등이 가능하도록 각각의 모듈들이 구성 및 통합·운영 되도록 설계되었다. 본 시스템 개발을 통해 가뭄 발생시 현장에서 신속히 지하수로 물을 공급할 수 있으며, 신규 관정 개발에 드는 비용을 절약할 수 있고, 기존 시설을 활용하기 때문에 새로운 수자원 건설 인프라 구축 비용도 절감할 수 있을 것이다. 또한, 개별관정에 대한 이용률 제고와 지하수관리도 보다 체계적, 과학적으로 할 수 있을 것으로 기대한다. 하지만, 이러한 시스템이 제대로 운영 및 보급되기 위해서는 관정연계와 관련한 법제도적 보완과 함께, 지역사회의 공적자원으로서의 지하수에 대한 인식개선과 지하수의 개발 및 보전, 적합한 합리적 배분·이용 등 적극적인 협조가 이루어져야 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.487-489
• /
• 2020

인공지능 기술을 도입한 의료분야에서 진단 및 예측과 연계한 임상의사결정지원 시스템(CDSS)에 관련된 연구가 활발하게 진행되고 있다. 특히, 인공지능 기술 적용에 가장 많은 이슈를 일으키고 있는 의료영상기반의 질환진단연구가 다양한 제품으로 출시되고 있는 실정이다. 그러나 의료영상 데이터는 일관되지 않은 데이터들로 이루어져 있으며, 그것을 정제하여 연구에 사용하기 위해서는 상당한 시간이 필요한 것이 현실이다. 본 논문에서는 익명화된 데이터를 정제하여 인공지능 연구에 사용할 수 있는 표준화된 데이터 셋을 만들고, 그 데이터를 기반으로 인공지능 알고리즘 개발 연구를 지원하기 위한 원스톱 인공지능학습 플랫폼에 대하여 기술한다. 이를 위해 전체 인공지능 연구프로세스를 보이고 이에 따라 학습을 위한 데이터셋 생성과 인공지능 학습학습용 플랫폼에서 수행되는 수행 과정을 결과로 보인다 제안한 플랫폼을 통해 다양한 영상기반 인공지능 연구에 활용될 것으로 기대하고 있다.

• 대한토목학회논문집
• /
• 제29권2D호
• /
• pp.319-327
• /
• 2009

GPS 관측에 의해 정확한 위치추정을 위해서는 올바른 함수모형과 통계모형이 사용되어야 한다. 그러나 함수모형에 고려되지 않는 과대오차가 관측데이터에 포함되어 있는 경우는 추정좌표에 편의를 유발 시킨다. 이러한 과대오차는 전리층영향과 다중경로의 급격한 변화 혹은 수신기 오작동에 의해 주로 발생하며, 최소제곱법에 의한 수신기 위치 추정에서 반드시 제거해야 정확도를 최대화 할 수 있다. 이를 위하여 본 연구에서는 과대오차의 검출, 규명, 적용의 세 단계로 구성된 GPS 관측데이터 처리에서의 품질제어 알고리즘과 통계검정 기법의 성능을 나타내는 신뢰도 이론을 연구하여 의사거리를 이용하는 단독측위에 대하여 구현하였다. 이를 바탕으로 정지측위와 동적측위 관측실험을 실시하여 분석한 결과 잉여관측데이터수가 많고 기하구조의 강도가 높고 보다 현실적인 통계모형을 사용할 때 과대오차 규명 성능이 높아졌으며, 관측데이터에서 과대 오차가 제거됨에 따라 추정좌표의 정확도가 증가되어 전체적으로 GPS 측위의 신뢰성을 향상 시킬 수 있었다.

• 대한토목학회논문집
• /
• 제26권6A호
• /
• pp.1023-1032
• /
• 2006

본 논문에서는 기존 교량 유지관리방법의 한계를 극복하고 예방유지관리 체계의 구현을 위하여 새로운 교량 유지관리기법을 제안하였다. 제안된 방법은 생애주기비용뿐만 아니라 생애주기성능을 함께 고려하여 열화되는 교량의 최적 유지관리전략을 수립할 수 있다. 교량의 성능변화는 신뢰성에 기초한 안전도와 상태등급을 세분화한 상태지수에 의해 평가되며, 생애주기 비용은 직접유지관리비용뿐만 아니라 도로이용자비용과 파손비용을 고려하여 추정하였다. 교량수명 동안의 성능 및 비용과 관련된 다중목적 조합 최적화 문제인 교량 유지관리 시나리오 집합의 생성을 위해 유전자알고리즘을 적용하였다. 개발된 방법을 실교량에 적용하여 유지관리전략 수립의 과정과 효과를 고찰하였다. 이러한 결과를 통해, 개발된 방법은 유지관리를 위한 의사결정과정에 효과적으로 활용될 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.131-136
• /
• 2023

지방을 떠나 수도권으로 이동하는 청년들이 나날이 늘고 있다. 청년 유출의 요인을 파악하기 위한 연구들이 다양하게 진행되고 있으나 각 지방별로 분석하는 연구는 부족한 실정이다. 이에 따라 본 연구는 부산의 청년 인구 유출 요인을 분석하고, 머신러닝 기법을 사용해 청년 인구 유출 위험 등급을 예측하고자 한다. 국가통계포털에서 수집한 부산의 구별 데이터를 활용하여 나이대(20대 초반, 20대 후반, 30대 초반)별로 세 그룹으로 나눈 뒤, 의사결정나무와 랜덤 포레스트 알고리즘을 이용해 청년 인구 유출 위험 등급을 분류하고 예측한다. 그 결과, 청년 인구 유출 위험 등급 예측 모델은 나이 그룹별 각각 최고 정확도 0.93, 0.75, 0.63을 갖는다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.11-20
• /
• 2024

최근 IT 기술의 발전과 더불어 금융 시장에서의 불확실성이 증대되는 상황에서 기업 신용등급 평가의 중요성을 인식하고, 이를 개선하기 위한 새로운 접근 방식으로 딥러닝 모델인 TabNet을 제안한다. 이에 본 연구에서는 TabNet을 활용하여 기업 신용등급을 예측하고, 이의 예측 성능을 기존 머신러닝 방법론과 상세하게 비교한다. 한국의 주요 증권시장에 상장된 기업들의 재무 데이터를 기반으로 TabNet 알고리즘을 적용하여 신용등급 예측 모델을 구축하고, 다양한 머신러닝 모델과의 성능을 비교 분석하였다. 실험 결과, TabNet 모델은 Precision 0.884, F1이 0.895로 기존의 머신러닝 모델들보다 우수한 성능을 보였으며, 고위험 기업을 저위험 기업으로 잘못 분류하는 경우가 다른 머신러닝 모델보다 적어 TabNet의 우수성을 확인하였다. 이는 TabNet이 기업 신용등급 예측에 있어 효과적인 도구로 활용될 수 있으며, 금융기관의 신용 위험 관리 및 의사 결정 과정을 지원할 수 있을 것으로 기대한다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.243-264
• /
• 2018

현재 전세계 배터리 시장은 이차전지 개발에 박차를 가하고 있는 실정이지만, 실제로 소비되는 배터리 중 가격 대비 성능이 좋고 재충전을 통해 다시 재사용이 가능한 납축전지(이차전지)의 소비가 광범위하게 이루어지고 있다. 하지만 납축전지는 복합적 셀(cell)을 묶어 하나의 배터리를 구성하여 활용하는 배터리의 특성상 하나의 셀에서 열화가 발생하면 전체 배터리의 손상을 가져와 열화가 빨리 진행되는 문제가 존재한다. 이를 극복하기 위해 본 연구는 기계학습을 통한 배터리 상태 데이터를 학습하여 배터리 열화를 예측할 수 있는 모델을 개발하고자 한다. 이를 위해 실제 현장에서 배터리 상태를 지속적으로 모니터링 할 수 있는 센서를 골프장 카트에 부착하여 실시간으로 배터리 상태 데이터를 수집하고, 수집한 데이터를 이용하여 기계학습 기법을 적용한 분석을 통해 열화 전조 현상에 대한 예측 모델을 개발하였다. 총 16,883개의 샘플을 분석 데이터로 사용하였으며, 예측 모델을 만들기 위한 알고리즘으로 의사결정나무, 로지스틱, 베이지언, 배깅, 부스팅, RandomForest를 사용하였다. 실험 결과, 의사결정나무를 기본 알고리즘으로 사용한 배깅 모델이 89.3923%이 가장 높은 적중률을 보이는 것으로 나타났다. 본 연구는 날씨와 운전습관 등 배터리 열화에 영향을 줄 수 있는 추가적인 변수들을 고려하지 못했다는 한계점이 있으나, 이는 향후 연구에서 다루고자 한다. 본 연구에서 제안하는 배터리 열화 예측 모델은 배터리 열화의 전조현상을 사전에 예측함으로써 배터리 관리를 효율적으로 수행하고 이에 따른 비용을 획기적으로 줄일 수 있을 것으로 기대한다.

• 한국융합학회논문지
• /
• 제11권8호
• /
• pp.23-31
• /
• 2020

정보 통신과 스마트폰 등의 발달로 인한 편리한 접근성과 다양한 아이템의 종류로 인해 개인 맞춤형 추천의 필요성은 점차 커지고 있다. 날씨 및 기상환경은 사용자의 장소 및 활동의 의사결정에 많은 영향을 미친다. 이러한 날씨 정보를 이용하면 추천에 대한 사용자의 만족도를 높일 수 있다. 본 논문에서는 모바일 플랫폼에서 사용자의 위치 정보에 대한 생활지수를 활용하여 성향이 유사한 사용자를 구하고 장소에 대한 선호도를 예측하여 장소를 추천함으로써 생활지수를 이용한 협업 필터링 기반 장소 추천 시스템을 제안한다. 제안된 시스템은 사용자의 날씨를 분석하고 분류하기 위한 날씨 모듈과 장소 추천을 위한 협업 필터링을 사용하는 추천 모듈, 그리고 사용자의 선호도 및 후기 관리를 위한 관리 모듈로 구성된다. 실험 결과, 제안된 시스템은 협업 필터링 알고리즘과 생활지수의 융합 및 개인의 성향을 반영하는 측면에서 유효함을 확인할 수 있었다.

• 경영정보학연구
• /
• 제10권2호
• /
• pp.137-158
• /
• 2008

기업 경쟁력 강화의 중요한 이슈인 대량 개별화(mass-customization)의 실행을 위하여 통합 고객관계 관리 프로세스로서의 CRM(customer relationship management)에 대한 관심과 활용에 대한 필요성은 점점 더 높아지고 있다. 특히, 기존 고객들의 구매 정보를 기반으로 고객의 구매 패턴을 파악하고 의도를 예측하는 것은 오늘날 실질적인 판매 전략을 수립하는 마케팅 분야에서 상당히 큰 비중을 차지하고 있다. 고객의 구매의도 예측에는 대량의 데이터로부터 과거에 인지하지 못했던 의미 있고, 근거 있는 정보를 추출하는 데이터마이닝(datamining)이 주로 사용되고 있다. 기존의 구매의도 예측에 사용된 데이터마이닝 기법들은 주로 신경망(neural networks)과 로지스틱 회귀분석(logistic regression analysis)이었는데, 예측 정확성 및 모형 구축의 어려움으로 인한 다양한 문제점들이 제기되고 있는 실정이다. 따라서, 본 논문에서는 기존의 기법들이 가지고 있는 단점들을 개선하기 위하여 신경망과 로지스틱 회귀분석 외에 연관규칙(association rule), 연관성 매트릭스(association matrix), 의사결정 나무(decision tree), 베이지안 망(bayesian network), SVM(support vector machine) 기법들을 추가로 제안하였다. 본 연구의 목적은 고객의 특정 상품에 대한 구매의도 예측을 위하여 새로운 알고리즘을 제시하기보다는 기존의 다양한 데이터마이닝 기법들을 적용시켜 봄으로써, 가장 우수한 예측성과를 나타내는 기법을 발견하는 것이다. 연구에 사용된 자료는 기존의 연구에서는 적용되지 않았던 편의점의 영수증 데이터이다. 예측 목표상품은 카테고리화 된 '우유'와 '냉동식품'이며, 제안된 기법들의 신뢰성을 위하여 전체 데이터를 10개의 training과 test 셋으로 중복되지 않게 구분함과 동시에 10번의 교차 검증(cross validation)을 실시하였다. 실험 결과 SVM이 영수증 데이터를 이용한 고객의 특정 상품에 대한 구매의도 예측에서 가장 우수한 성과를 나타내는 것을 확인하였다.