• Journal of Wetlands Research
• /
• v.13 no.2
• /
• pp.189-197
• /
• 2011

This paper reviewed application of data-driven method, distance-weighted method(IDWM, IEWM, CCWM, ANN), and radar data method estimated of missing raifall data. To evaluate these methods, statistics was compared using radar and station rainfall data from Imjin-river basin. The range of RMSE values calculated for CCWM, ANN was 1.4 to 1.79mm, and the range of RMSE values estimated data used for radar rainfall data was 0.05 to 2.26mm. Spatial characteristics is considered to Radar rainfall data rather than station rainfall data. Result suggest that estimated data used for radar data can impove estimation of missing raifall data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1250-1253
• /
• 2009

기후변화가 수자원에 미치는 영향을 평가하는데 있어서 주로 기후모형인 Global Climate Model (GCM)이 사용되고 있다. 그러나 이러한 기후모형의 공간적 해상도는 $3^{\circ}{\sim}4^{\circ}$ 정도로 한반도의 경우 바다로 묘사되기도 한다. 따라서 GCM을 이용해서 기후변화가 유역단위 수자원에 미치는 영향을 평가하기 위해서는 일반적으로 축소기법이 사용되고 있다. 현재까지 다양한 축소기법이 개발되었으며, 대표적인 모형으로는 SDSM(Statistical Down-Scaling Model)과 LARS-WG(The Long Ashton Research Station Weather Generator)이 있다. 이에 본 연구에서는 SDSM, LARS-WG와 함께 최근에 축소기법으로 사용되고 있는 인공신경망 기법을 이용해서 CCCMA(Canadian Centre for Climate Modeling and Analysis)에서 일 단위로 모의한 CGCM3 A2 시나리오를 기반으로 우포늪의 강우 및 온도시나리오를 구축하였다. 대상 지점인 우포늪은 경상남도 창녕군 우포늪(위도 $35^{\circ}$33', 경도 $128^{\circ}$25')에 위치하고 있으며, 모의 기간은 CASE1의 경우 현재, CASE2는 2050$^{\sim}$ 2080년, CASE3는 2080년$^{\sim}$2100년으로 각각 구분하여 축소기법을 적용하였다. 축소결과 축소기법에 따라 일정정도 차이를 보이기는 하였으나 강우와 온도 모두 증가하게 됨을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.384-384
• /
• 2022

과거의 우리나라 대설피해 양상을 살펴보면 지역적으로 집중되어 피해가 발생하는 것이 특징이다. 그러나 현재는 전국적으로 대설피해가 가중되는 추세이며, 이에 따라 대설피해에 대비 가능한 대책의 강구가 필요한 실정이다. 그러나 피해 발생 시 정확한 피해 예측으로 사전에 재난을 대비가 가능한 수준의 연구는 미흡한 실정이다. 따라서 본 연구에서는 다양한 통계기법과 기계학습 기법을 이용하여 대설로 인해 발생한 피해액을 개략적으로 예측이 가능한 모형을 개발하고자 하였다. 대설피해액 예측 모형은 다중회귀분석, 서포트 벡터 머신, 인공신경망 기법, 랜덤포레스트 기법을 이용하여 총 4가지 기법으로 개발하였으며, 독립변수로 사회·경제적 요소, 기상요소를 사용하였고, 종속변수로는 1994년부터 2020년까지 발생한 대설피해 이력의 대설피해액을 사용하였다. 결과적으로 4가지 예측 모형의 예측력 검증 및 기법 간의 예측력을 비교하여 개발한 모형의 적용성을 검토하였다. 본 연구 결과에서 제시한 모형의 개선방안 및 업데이트 방안을 참고하여 후속 연구가 진행된다면 미래에 전국적으로 확대될 대설피해에 대한 대비가 가능할 것으로 기대되며 복구비 및 예방비 투자의 지역적 우선순위를 분석하여 선제적인 대비가 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.400-404
• /
• 2008

댐 군 연계운영을 위한 기존의 많은 최적화 모형은 경제성에 기반을 둔 단일 목적 함수를 가정함으로써 현실과는 동떨어진 결과를 도출하곤 하였다. 따라서 보다 현실적인 최적화 모형이 되기 위해서는 실제 운영과정을 모사할 수 있도록 적절한 초기 가중치를 부여하여 모형을 구축하고, 상충되는 목적간의 절충안으로 파레토 프런티어(Pareto-frontier)를 제시할 수 있는 다중목적 의사결정 기법이 요구된다. 본 연구의 목적은 댐 군 연계 운영을 위한 최적화 모형으로 소개된 CoMOM(Coordinated Multi-reservoir Operating Model)의 다중목적함수에 적합한 초기 가중치를 도출할 수 있는 시스템을 제안하는 것이다. 본 연구에서는 최적화 모형에 적합한 가중치를 결정함에 있어 댐의 초기저수량과 미래의 예상 유입량과 같은 수문 조건을 감안할 필요가 있음에 주목하였다. 이것은 초기저수량과 미래에 예상되는 유입량이 작을 경우 가급적 저수에 중점을 두고, 그 반대일 경우는 발전방류에 주안점을 두는 것이 바람직하다는 사실에서 추정해 볼 수 있는 가정이다. 따라서 댐의 초기 저수량 조건과 유입량 시나리오의 다양한 수문 조건별로 가장 적합한 가중치를 찾아본 후, 수문 조건을 입력요소로, 최적 가중치를 출력요소로 갖는 신경망 모형을 활용해서 수문 조건에 적합한 가중치를 예측할 수 있는 절차를 제안한다. 이 과정에서 최적 가중치를 도출하는 것이 관건이 될 수 있는데, 이를 위해 전승목 (2008)등이 제안한 DEA기반 순위결정 절차를 활용해서 최선의 파레토 최적해와 이에 대응되는 가중치를 찾아 이를 신경망 모형의 출력요소 값으로 활용하였다. 본 연구에서 제안하는 신경망 모형은 임의의 수문 상황에 대해 이에 적합한 CoMOM의 초기 가중치를 결정해 줌으로써 CoMOM과 같은 최적화 모형의 가중치 선정에 따르는 어려움을 극복하는 데 도움이 될 수 있을 것으로 기대된다.

• Journal of Digital Convergence
• /
• v.16 no.1
• /
• pp.231-242
• /
• 2018

The efficient management of the Length of Stay(LOS) is important in hospital. It is import to reduce medical cost for patients and increase profitability for hospitals. In order to efficiently manage LOS, it is necessary to develop an artificial intelligence-based prediction model that supports hospitals in benchmarking and reduction ways of LOS. In order to develop a predictive model of LOS for acute stroke patients, acute stroke patients were extracted from 2013 and 2014 discharge injury patient data. The data for analysis was classified as 60% for training and 40% for evaluation. In the model development, we used traditional regression technique such as multiple regression analysis method, artificial intelligence technique such as interactive decision tree, neural network technique, and ensemble technique which integrate all. Model evaluation used Root ASE (Absolute error) index. They were 23.7 by multiple regression, 23.7 by interactive decision tree, 22.7 by neural network and 22.7 by esemble technique. As a result of model evaluation, neural network technique which is artificial intelligence technique was found to be superior. Through this, the utility of artificial intelligence has been proved in the development of the prediction LOS model. In the future, it is necessary to continue research on how to utilize artificial intelligence techniques more effectively in the development of LOS prediction model.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.18 no.3
• /
• pp.106-118
• /
• 2019

In recent years, research and development on image object recognition using artificial intelligence have been actively carried out, and it is expected to be used for road maintenance. Among them, artificial intelligence models for object detection of road surface are continuously introduced. In order to develop such object recognition algorithms, a backbone network that extracts feature maps is essential. In this paper, we will discuss how to select the appropriate neural network. To accomplish it, we compared with 4 different deep neural networks using 6,000 road surface damage images. Based on three evaluation methods for analyzing characteristics of neural networks, we propose a method to determine optimal neural networks. In addition, we improved the performance through optimal tuning of hyper-parameters, and finally developed a light backbone network that can achieve 85.9% accuracy of road surface damage classification.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.572-575
• /
• 2022

최근 데이터의 불변성에 의하여 NFT와 같은 블록체인 기술이 각광받고 있으며, 그에 따라 스마트 계약의 사용량 또한 증가하는 추세이다. 하지만 스마트 계약에 다양한 보안 취약점이 존재하며 배포 후에는 수정을 할 수 없는 스마트 계약 특성상 사전에 해당 취약점을 탐지하는 기술의 중요성이 대두되고 있다. 따라서 본 논문에서는 인공신경망 기반의 스마트 계약의 취약점을 탐지하는 기법 연구 동향에 대하여 알아본다.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.12
• /
• pp.565-572
• /
• 2017

Traditional method for time series analysis, autoregressive integrated moving average (ARIMA) allows to mine significant patterns from the past observations using autocorrelation and to forecast future sequences. However, Korean baseball games do not have regular intervals to analyze relationship among the past attendance observations. To address this issue, we propose artificial neural network (ANN) based attendance prediction model using various measures including performance, team characteristics and social influences. We optimized ANNs using grid search to construct optimal model for regression problem. The evaluation shows that the optimal and ensemble model outperform the baseline model, linear regression model.

• Journal of Broadcast Engineering
• /
• v.24 no.1
• /
• pp.87-96
• /
• 2019

Improvement of low-light image mainly focuses on the contrast enhancement. Many researches have been carried out for brightness enhancement, contrast improvement and illumination reduction. Recently, the aforementioned approaches have been replaced by artificial neural networks. This paper proposes a methodology that can replace the Retinex-based reflectance image acquisition by deep neural network. Experiments carried out on 102 low-light images validated the feasibility of the replacement by producing PSNR=30.8682(db) and SSIM=0.4345.

• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.141-148
• /
• 2008

각종 인공지능 기법들을 활용하여, 주식시장의 흐름을 예측하려는 연구가 지금까지 많은 인공지능 및 금융공학의 연구자들에 의해 시도되어 왔으며, 그 결과 다양한 인공지능 기법들이 예측 방법론으로 제시되어 왔다. 이런 가운데 서로 다른 예측모형들이 산출하는 예측결과를 종합 - 보완하는 결합기법에 관련된 연구가 90년대 후반부터 오늘날까지 꾸준하게 발표되고 있다. 본 연구 역시 유전자 알고리즘 기반의 새로 인공지능 예측모형간 결합기법을 제시하고 있다. 다만, 기존의 연구모형들이 각 개별모형 결과의 상대적 가중치에 초점을 맞추고 있었다면, 본 연구의 제안모형은 등락을 판단하는데 활용되는 임계치까지 유전자 알고리즘을 이용해 동시에 최적화하도록 설계되어 있다는 점에서 차별화된다. 제안모형의 유용성을 검증하기 위해, 본 연구에서는 지난 1998년부터 2007년까지의 KOSPI 지수 등락 예측을 위해 구축된 로지스틱 회귀모형, 인공신경망, SVM모형의 결과들을 제안모형을 이용해 결합하였다. 그 결과, 예측력 향상에 본 연구의 제안모형이 기여 할 수 있음을 확인 할 수 있었다.