• 자원ㆍ환경경제연구
• /
• 제24권4호
• /
• pp.607-627
• /
• 2015

배출권 가격의 변동성은 기업의 온실가스 감축투자를 위한 의사결정 수립 시에 중요한 요인으로 고려된다. 본 논문의 목적은 우리나라 특성 상 재무구조가 연결된 발전사의 입장에서 배출권 가격의 불확실성을 고려하여 온실가스 저감투자의 실물옵션 가치를 평가할 수 있는 방법론을 제시하는 데 있다. 이윤함수가 선형적으로 분리불가한 경우에는 고전적인 실물옵션 기법으로 적정 투자임계 가격을 도출하는 것이 불가능하기 때문에, 몬테카를로 최소자승법을 적용하여 투자임계 가격을 산출하는 알고리즘을 제시하였으며, 가스, 석유, 석탄의 주요 화력발전원의 수치를 이용하여 투자임계 가격을 시뮬레이션 분석하였다. 배출권 가격으로 표시된 투자임계 가격이 가스와 석유가 석탄에 비해 현저히 낮은 것으로 평가되어, 온실가스 감축투자 측면에서 이들 화석연료가 석탄에 비해 상대적으로 유리한 것으로 나타났다.

• 한국시뮬레이션학회논문지
• /
• 제20권3호
• /
• pp.79-88
• /
• 2011

함정 전투체계는 무기체계, 정보통신 등의 기술 발전으로 인한 복잡한 전장 환경에 적응하기 위하여 다양한 전술을 운용해야 한다. 현재 운용되는 국방 M&S 시스템은 의사결정을 위해 운용자, 즉 인간의 개입이 필수적이다. 하지만 인간이 개입되는 시뮬레이션은 실시간 정도의 저속에서 가능하고, 반복적인 실험의 어려움이 따르게 된다. 이를 개선하기 위해 에이전트 기반의 국방 M&S 시스템의 연구가 최근 들어 활발히 진행되고 있다. 그러나 현존하는 에이전트 기반 M&S 시스템은 고속 시뮬레이션은 가능하지만, 고정된 전술 분석용으로 활용되는데 그치고 있다. 따라서 본 논문에서는 주어진 시나리오에 대한 고속의 반복적인 실험 및 다양한 전술 운용과 창발적 전술 생성을 위해 진화론적 시뮬레이션을 이용한 다대다 함정교전 전술 생성 방법론을 제안하였다. 타당성 검증을 위해 서해상에서 벌어지는 가상의 3:3 함정교전 시뮬레이션을 수행하였고, 이를 통해 창발적 전술 생성의 가능성을 제시하였다.

• 한국시뮬레이션학회논문지
• /
• 제26권2호
• /
• pp.59-65
• /
• 2017

M&S의 발전과 더불어 국방 M&S등 인간의 의사결정을 포함하는 분야의 요구가 증대되는 현실에서 AI기술을 활용한 모델링 연구가 각광받고 있다. AI는 복잡한 문제 해결을 위한 방법임은 분명하나 M&S에서 요구되는 입력시점과 처리시간 등의 논리적 시간을 고려하지 않았다. 따라서 본 논문에서는 대표적인 AI 기술인 규칙기반 전문가시스템을 논리적 시간을 고려한 규칙구조 "IF-THEN-AFTER"와 추론엔진으로 재설계한 시간기반의 전문가 시스템을 제안하고, 기존의 규칙기반 전문가 시스템과의 차이를 설명하기 위한 간단한 예제를 들어 논리적 분석을 시도하였다. 그 결과로 제안하는 시간기반의 전문가 시스템 모델은 일반적인 규칙기반 전문가시스템과 다르게 입력시점과 추론시간에 따라 다른 결과를 보임을 알 수 있으며, 이는 M&S에서 요구되는 논리적 시간을 고려한 AI의 문제해결이 가능함을 의미한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권1호
• /
• pp.1-8
• /
• 2017

다기준 의사결정 시 활용할 수 있는 스카이라인 질의는 다수의 선택지 중에서 사용자가 '선호하지 않을 만한'(uninteresting) 선택지를 제거함으로써 사용자가 검토해야 하는 선택지의 수를 대폭 감소시키기 때문에 대용량 데이터 분석 시 매우 유용하게 활용될 수 있다. 이러한 배경에서 대용량 데이터에 대한 스카이라인 질의를 분산 병렬 처리하는 기법이 각광을 받고 있으며, 특히 맵리듀스(MapReduce) 기반의 분산 병렬 처리 기법 연구가 활발히 진행되어 왔다. 맵리듀스 기반 알고리즘의 병렬성 제고를 위해서는 부하 불균등 문제 중복 계산 문제 과다한 네트워크 비용 발생 문제를 해소해야 한다. 본 논문에서는 부하 불균등 문제와 중복 계산 문제를 해소하면서도 데이터 샘플링 기반 프루닝을 통해 네트워크 비용 절감 시킬 수 있는 맵리듀스 기반 병렬 스카이라인 질의 처리 기법인 MR-SEAP(MapReduce sample Skyline object Equality Angular Partitioning)을 소개한다. 또한 다양한 관점에서의 실험 평가함으로써 제안 기법의 효용성을 다방면으로 검증했다.

• 인터넷정보학회논문지
• /
• 제17권6호
• /
• pp.103-111
• /
• 2016

모바일 기기로부터 클라우드 서버로 태스크를 오프로딩하는 방법은 클라우드랫(cloudlet)의 도입으로 인해 향상되었다. 동적 오프로딩 알고리즘을 통해 모바일 장비는 수행할 타스크에 적절한 서버를 선택할 수 있다. 하지만 현재의 태스크 분배 방식은 의사결정에서 중요한 VM의 수를 고려하지 않고 있다. 본 논문은 클러스터된 데이터 센터에서 동적인 타스크 분배 방법을 제시한다. 또한 서버에서 자원의 과부하를 방지하기 위해 할당된 CPU에 따라 VM을 균형있게 클라우드 서버에 이주시키는 VM이주 기법을 제안한다. 클라우드 서버의 이주 방법을 향상시키기 위해 최대 CPU 관점에서 데이터 센터의 자원 용량도 고려한다. 시뮬레이션 결과, 제시한 태스크 분배 기법이 전반적으로 시스템의 성능을 향상시켰음을 나타내었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.404-404
• /
• 2019

우리나라는 수자원장기종합계획과 유역종합치수계획의 수립을 통해 수자원의 개발, 안정적인 공급과 효율적인 배분, 홍수재해방지 등을 위한 많은 노력을 해왔다. 최근에는 수자원의 관리효율화, 체계적 통합적으로 시행하고자 수자원법을 제정하여 수자원 관리의 체계를 개편하였으며, 향후 지자체 중심의 정량적인 물수급평가를 통해 현실적인 결과와 대안을 마련하는 것이 필요하다. 기존의 용수공급능력 평가와 물수급계획은 시 군 중심의 용수수요량을 바탕으로 중권역 단위로 확장하고, K-WEAP(Korea-Water Evaluation And Planing System) 모형을 활용하여 용수수급전망을 제시하고 있다. 이에 본 연구에서는 한강 권역을 중심으로 기존 계획에서 활용한 K-WEAP과 국내 외 활용도가 높은 MODSIM(Modified SIMYLD)을 활용하여 각 모형에 대한 입력자료, 내부 계산 알고리즘 및 분석방법 등 모형의 적용성을 검토하여 중권역 기반의 물수급 분석 결과를 비교 하였으며, 향후 모형 적용 시 고려사항 및 발생 가능한 오류를 최소화 할 수 있도록 하고자 하였다. 분석 결과, 기존 수자원장기종합계획에서 활용한 K-WEAP모형은 생 공 농업용수가 모두 동일우선순위이나, MODSIM모형에서는 수요지별 우선순위를 고려해야 하므로 상 하류간, 생활 공업, 농업으로 우선순위를 부여할 경우 물 부족량의 차이가 발생하였다. 우선순위 적용시 K-WEAP과 형과 MODSIM을 비교할 경우, 유사한 물부족량과 시점을 제공하고 있어 적용성과 분석결과의 일관성을 확인할 수 있었다. 또한 같은 물부족 결과를 제공하는 조건의 검토 수행 시간 측면과 모형구동 결과의 안정성에서 MODSIM이 더 우수한 것으로 분석되어 향후 지자체 중심의 세부적인 물수급평가를 위해서는 빠른 의사결정을 도울 수 있을 것으로 판단된다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.9-17
• /
• 2021

최근 빅데이터 분석, 인공지능, 기계학습 등의 발전으로 인해서 데이터를 과학적으로 분석하는 기술이 발전하고 있으며 이는 의사결정 문제를 최적으로 해결해주고 있다. 그러나 특정 분야의 경우에는 데이터의 양이 부족해서 과학적 방식에 적용하는 것이 어렵다. 예컨대 부동산과 같은 데이터는 데이터 발표 시점이 최근이거나 비 유동성 자산이다 보니 발표 주기가 긴 경우가 많다. 따라서 본 연구에서는 이런 문제점을 극복하기 위해서 TimeGAN 모형을 통해 기존의 시계열의 확장 가능성에 대해서 연구하고자 한다. 이를 위해 부동산과 관련된 총 45개의 시계열을 데이터 셋에 맞게 2012년부터 2021년까지 주 단위로 데이터를 수집하고 시계열 간의 상관관계를 고려해서 총 15개의 최종 시계열을 선정한다. 15개의 시계열에 대해서 TimeGAN 모형을 통해 데이터 확장을한 결과, PCA 및 T-SNE 시각화 알고리즘을 통해 실제 데이터와 확장 데이터 간의 통계적 분포가 유사하다는 것을 확인할 수 있었다. 따라서 본 논문을 통해서 데이터의 과적합 또는 과소적합이라는 한계점을 극복할 수 있는 다양한 실험이 연구되기를 기대한다.

• 한국빅데이터학회지
• /
• 제3권2호
• /
• pp.35-49
• /
• 2018

대한민국에서 치킨집은 전 세계 맥도날드 매장 수보다 많을 정도로 자영업의 큰 비중을 차지하는 창업 업종이다. 치킨집은 꾸준히 생겨나고 있지만, 소상공인의 창업 후 폐업률은 3년 62%, 5년 71%에 육박하는 것으로 나타났다. 특히, 숙박 및 음식점의 경우 70%가 3년을, 82%가 5년을 버티지 못하는 것으로 집계되었다. 이에 본 연구는 '서울 치킨집 폐업 예측 모형'을 개발하여, 예비창업자가 개업 후보지를 선정하는 의사결정 과정에 도움을 주고자 하였다. 먼저 행정자치부 지방행정 인허가 데이터의 업소별 개 폐업 신고 일자를 중심으로 다양한 변수를 수집하였다. 이후 다양한 분류 알고리즘을 적용하고, 예측 모형의 성능을 비교하였다. 그 결과, 인공신경망(Neural Networks)이 가장 높은 정확도를 보였지만 특이도와 민감도가 불균형적이었다. 이에 비해 유연판별분석(FDA)은 인공신경망보다 정확도는 낮지만, 상대적으로 균형적인 예측 성능을 보였다.

• 상하수도학회지
• /
• 제34권6호
• /
• pp.411-423
• /
• 2020

To remove phosphorus from the effluent of public wastewater treatment facilities, hundreds of enhanced phosphorus treatment processes have been introduced nationwide. However, these processes have a few problems including excessive maintenance cost and sludge production caused by inappropriate coagulant injection. Therefore, the optimal decision of coagulant dosage and automatic control of coagulant injection are essential. To overcome the drawbacks of conventional phosphorus removal processes, the integrated sedimentation and dissolved air flotation(SeDAF) process has been developed and a demonstration plant(capacity: 100 ㎥/d) has also been installed. In this study, various jar-tests(sedimentation and / or sedimentation·flotation) and multiple regression analyses have been performed. Particularly, we have highlighted the decision-making algorithms of optimal coagulant dosage to improve the applicability of the SeDAF process. As a result, the sedimentation jar-test could be a simple and reliable method for the decision of appropriate coagulant dosage in field condition of the SeDAF process. And, we have found that the SeDAF process can save 30 - 40% of coagulant dosage compared with conventional sedimentation processes to achieve total phosphorus (T-P) concentration below 0.2 mg/L of treated water, and it can also reduce same portion of sludge production.

• 한국융합학회논문지
• /
• 제12권8호
• /
• pp.47-53
• /
• 2021

4차 산업에 대한 관심이 증폭되면서 데이터를 활용한 과학적 방법론이 발전하고 있지만 부동산 분야에 대한 연구는 데이터 수집의 한계점을 내포하고 있다. 더불어 일반 시장 참여자들의 지식이 확장되면서 정성적인 심리가 부동산 시장에 미치는 영향이 커지고 있다. 때문에 본 연구에서는 기존의 원천 데이터가 아닌 심리적 부분을 반영한 정량 데이터를 텍스트마이닝과 k-meas 알고리즘을 통해 수집하는 방안을 제안하고 수집된 데이터를 바탕으로 인공신경망 학습을 통해 주택 지수의 방향성을 예측하고자 한다. 2012년부터 2019년까지의 데이터를 학습 기간으로 하고 2020년도를 예측 기간으로 설정하여 실험을 진행한 결과, 두 가지 CASE에서 예측 능력이 약 80% 이상으로 우수하였고 주택지수의 상승 구간에서의 예측 강도 또한 우수한 결과를 보였다. 본 연구를 통해서 의사결정에 있어서 부동산 시장 참여자들에게 인공신경망과 같은 과학적 방식의 활용도 증가 및 고전적 방식에서 벗어난 원천 데이터의 대체 데이터 확보 등에 대한 노력이 증진되기를 기대한다.