• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.317-323
• /
• 1998

이 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• 전기의세계
• /
• 제28권12호
• /
• pp.33-40
• /
• 1979

다중출력의 이론함수는 입력변수와 출력함수가 증가함에 따라 복잡해지는데, 본논문에서는 공통된 민텀을 직접 볼 수 있는 교차표를 만들고 이를 이용하여 가격표를 구성한 다음 각 출력에 대한 Prime implicant를 선택하고 있기 때문에 설계의 복잡성을 제거할 수 있다. 본 과정은 쉽게 손으로 처리되며 또한 컴퓨터로도 처리될 수 있는데 컴퓨터 프로그래밍은 FORTRAN IV 언어로 짜서 결과를 확인하였다.

• 자원환경지질
• /
• 제52권2호
• /
• pp.199-212
• /
• 2019

머신러닝 기법을 활용한 분석에서 훈련 데이터의 샘플링 전략은 예측 정확도 뿐 만 아니라 일반화 능력에도 많은 영향을 미친다. 특히, 산사태 취약성 분석의 경우, 산사태 발생부에 대한 정보에 비해 산사태 미발생부에 대한 정보가 과도하게 많은 데이터 불균형 현상이 발생하며, 이에 따라 분석 모델의 훈련 데이터 설계 시 데이터 샘플링 과정이 필수적이다. 그러나 기존의 연구들은 대부분 산사태 미발생부 선택 시 발생부 데이터와 1:1의 비율을 갖도록 무작위로 선택하는 방법을 적용하였을 뿐, 특정한 선택 기준에 따라 분석을 수행하지 않았다. 따라서 본 연구에서는 훈련 데이터의 샘플링 전략이 모델의 예측 성능에 미치는 결과를 확인하기 위하여 산사태 발생부와 미발생부의 샘플링 전략기준에 따라 서로 다른 6개의 시나리오를 만들어 Random Forest 모델의 훈련에 사용하였다. 또한 Random Forest의 결과 중 하나인 변수 중요도를 각 산사태 유발인자들에 가중치로 곱하여 줌으로써 산사태 취약지수 값을 산정하였으며, 취약지수 값을 이용해 산사태 취약성도를 제작하고 각 결과 지도의 정확도를 비교 분석하였다. 분석 결과, 훈련데이터의 샘플링 방법에 상관없이 두 지역의 산사태 취약성 분석 결과는 모두 70~80%의 정확도를 보였다. 이를 통해 Random Forest 기법의 산사태 취약성 분석기법으로서의 적용 가능성을 확인하였으며, Random Forest 모델이 제공하는 입력변수의 중요도를 산사태 유발인자 가중치로 활용할 수 있음을 확인하였다. 또한 훈련 시나리오 간의 정확도를 비교한 결과, 특정한 기준에 의해 훈련 데이터를 설계하는 것이 기존의 랜덤 선택 방법보다 높은 예측 정확도를 기대할 수 있음을 확인하였다.

• 한국수자원학회논문집
• /
• 제55권4호
• /
• pp.257-266
• /
• 2022

국지성 호우 및 설계빈도 이상 강우의 증가로 침수피해가 매년 증가하고 있으며 이에 따라 홍수 조절 및 방어를 위한 수공구조물의 중요성이 증가하고 있다. 수공구조물은 목적과 성능에 따른 설계가 이루어지고 있고 홍수량이 중요한 산정 요소이나 국내에서는 관측자료의 신뢰성 부족 및 데이터의 부족으로 인하여 수공구조물 설계를 위한 수문해석 입력자료로 사용되는 설계강우량은 정확한 확률강우량의 산정과 시간분포가 중요한 요소로 작용한다. 실무에서는 Huff의 4분위 방법의 누가우량백분율을 이용하여 설계강우량의 시간분포 회귀식을 산정하고 있으며 분위별 곡선에 대한 회귀식은 전반적으로 정확도가 높게 나타나는 6차 다항회귀식을 일률적으로 사용하고 있다. 본 연구에서는 실무에서 일반적으로 설계강우량의 시간분포를 위해 사용하고 있는 Huff의 4분위 방법의 누가우량백분율을 이용하여 통계 모델링에서 간결함의 원리에 따라 변수선택법을 이용하여 시간분포 회귀식을 유도하였으며, 유의성 검정을 통한 시간분포 회귀식의 검증을 실시하였다. 변수선택법과 유의성 검정을 통한 시간분포 회귀식 산정 결과 전진선택법과 후방제거법의 장점을 모두 가지고 있는 단계선택법을 이용하여 시간분포 회귀식을 유도하는 것이 가장 적합한 것으로 분석되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1471-1475
• /
• 2010

본 연구에서는 미래 기후변화 시나리오를 이용하여 우리나라의 미래 산림식생 분포 변화를 예측하고 이를 SWAT 모형에 적용하여 영산강호유역의 증발산량 변화를 분석하고자 하였다. 현 기상관측자료(1971~2000)를 이용하여 현재의 기후를 판정하고, 기상청에서 제공한 GCM(MIROC3.2)의 통계학적 다운스케일링으로 구성된 RCM 자료를 이용하였다. 산림식생의 분포는 임상도에 의한 현존 식생군락과 환경인자(강수량, 기온, 지형인자, 토양유기물 함량 등)간의 상관분석을 실시하여 상관관계가 높은 주요 환경변수들을 결정하고, 이들을 종속변수로 하는 다항로짓모형을 구성하여 추정하였다. 이 모형을 이용하여 미래의 주요 환경변수들을 입력, 미래 2020s, 2050s, 2080s의 우리나라 산림식생 분포를 예측하였다. 예측된 산림식생 분포를 적용하여 미래 증발산량을 분석하기 위해 남쪽의 따뜻한 지역으로서 활엽수림이 있는 영산호유역($3,455.0km^2$)을 선택하였다. 1998~2002 5년간의 유출량 자료를 이용 모형을 보정하였다. 모형의 검증은 보정 매개변수의 평균값들을 통해 2003~2008년 유출량을 모의 하였다. 예측된 미래식생분포를 이용하여 토지이용도를 재구축하였으며 재구축 결과 활엽수는 $715.2km^2$ 늘어나며 혼효림은 현재에 비해 2080s에 $167.1km^2$ 침엽수는 $548.1km^2$ 줄어드는 경향을 보였다. 영산호유역에서는 미래의 증발산량이 증가하며, 식생분포를 고려하였을 경우 2080s년에는 고려하지 않은 경우에 비해 약 4.52mm 감소하는 것으로 분석되었다.

• 대한원격탐사학회지
• /
• 제34권3호
• /
• pp.481-494
• /
• 2018

자외선 관측 자료로부터 최적 추정법을 이용해 오존 프로파일을 산출하기 위해서는 복사모델을 이용한 정확한 복사모의가 매우 중요하다. 복사모델 입력 변수는 복사 모의의 정확도를 결정하는 중요한 요소이며, 특히 온도와 지면 기압과 같은 기상 입력 변수는 각각 오존 흡수 계수와 레일리 산란을 계산하는데 사용되어 복사 스펙트럼 모의에 직접적인 영향을 준다. 따라서 그 영향을 평가하기 위해, 복사전달 모델을 이용하여 온도와 지면 기압에 대한 자외선 오존 프로파일 산출 민감도 검사가 수행되었다. 지면 기압은 기상 수치 예보모델 기반의 일 자료와 월 기후 자료에서 100 hPa 미만의 평균 오차를 보였으며, 해당 오차에 대해 계산된 오존 산출 오차는 각 층에 대해 약 0.2 DU 미만이다. 한편, 온도는 일 자료와 월 기후 자료에 대해서 지점과 고도에 따라 1~7K의 오차를 보였으며, 이에 대해 계산된 오존 산출 오차는 층별로 약 4 DU으로 나타났다. 이 같은 결과들은 위성 관측 값으로부터 산출된 연직 오존 정보를 이해하는데 도움이 될 뿐만 아니라, 알고리즘의 현업화 과정에서 기상 입력 자료의 선택 및 시스템 설계 방향 수립에 효과적으로 활용 가능할 것으로 기대된다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제13권11호
• /
• pp.5379-5388
• /
• 2012

비선형 공정에 대한 퍼지 모델링에서, 퍼지 규칙은 일반적으로 입력 변수 선택, 공간 분할 수 및 소속 함수에 의해 형성된다. 비선형 공정에 대한 퍼지 규칙의 생성은 차원이 증가할수록 규칙의 수가 지수적으로 증가하는 문제를 가지고 있다. 이를 해결하기 위해, 입력 공간의 퍼지 분할에 의한 퍼지 규칙을 생성함으로써 복잡한 비선형 공정을 모델링 할 수 있다. 따라서 본 논문에서는 HCM 클러스터링 알고리즘을 이용하여 입력 공간을 분산 형태로 분할함으로써 비퍼지 추론 시스템의 규칙을 생성한다. 규칙의 전반부 파라미터는 HCM 클러스터링 알고리즘에 의한 소속행렬로 결정된다. 규칙의 후반부는 다항식 함수의 형태로 표현되며, 각 규칙의 후반부 파라미터들은 표준 최소자승법에 의해 동정된다. 마지막으로, 비선형 공정으로는 널리 이용되는 데이터를 이용하여 비선형 특성 및 성능을 평가한다. 본 실험을 통해 고차원의 비선형 시스템은 매우 적은 수의 규칙을 가지고 모델링할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.983-983
• /
• 2012

EFDC의 수질모형인 HEM3D는 국내 해양수질모델링에는 적용된 사례가 많지만 담수에 적용된 사례는 거의 없으며, 우리나라 환경부 수질측정항목과 수질 INPUT 자료가 달라서 모델의 적용이 힘들었다. 그러나 HEM3D는 EFDC 수리모델을 연계하는 WASP에 비해 자체 3차원 수리동역학 모델이 있어 셀 개수의 제한이 없고 계산속도 또한 WASP 보다 2~3배 빠른 것으로 알려져 있다. 그러나 현재 우리나라의 수질측정항목은 HEM3D의 수질모의항목과 다소 차이가 있다. 특히 Carbon계열에서 실측수질항목은 BOD, COD인 반면 HEM3D의 모의가능항목은 RPOC, LPOC, DOC, COD로 바로 적용을 하기는 어렵다고 판단하였다. 따라서 환경부 수질자료를 HEM3D에 적용하기위해 문헌자료를 참고한 수질항목간의 분율을 사용하여 필요한 자료를 산출하였고, 환경부 수질자료의 HEM3D적용 결과를 알아보고 현재 자료 사용 시의 문제점과 향후 개선방안을 알아보고자 하였다. HEM3D의 모의 결과 TN, TP 보정에는 큰 문제가 없었으나 $BOD_5$와 세부수질항목의 영향을 많이 받는 조류 등의 항목 보정결과는 성공적이지 못했다. 이것은 분율을 적용해 각 유입지천의 세부항목별 수질 자료를 산출할 때 낙동강 전체 평균을 사용했기 때문에 조류성장에 직접적으로 영향을 받는 세부 항목별 영양염에 대한 실제 값과 산출된 농도 값 사이의 오차가 가장 큰 원인으로 판단된다. 한편 전체 대상지역중 일부구간에 대하여 동일한 수질입력자료를 이용하여 HEM3D와 WASP을 동시 적용하였다. 자료의 변환과정에서의 오차와 입력형태 및 각 모델 변수형태의 차이 등의 한계로 결과값에 차이가 있는 것으로 나타났으며, 본 연구결과 현재 확보된 수질측정망의 수질자료를 이용하여 HEM3D를 구축하는 것은 Carbon 계열과 조류(부영양화)모의에서 문제가 발생할 것으로 판단되며 추가 자료 확보가 필요할 것으로 보인다. 또한 필요한 입력자료가 충분히 확보가 된다면 추가연구결과에서 볼 수 있듯이 미국공변단과 미국 환경부수질모델 모두 동시적용이 가능하다고 판단되며 목적과 편의에 따라 선택적 모의가 가능하다고 판단된다.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.608-615
• /
• 2006

본 논문에서는 퍼지 클러스터 기법을 이용하여 구간 분할된 퍼지 모델트리의 제안과 이를 이용한 데이터 모델링 기법을 다룬다. 제안된 방법은 먼저 입력과 출력변수의 속성을 고려한 퍼지 클러스터링에 의해 중심벡터를 계산한 후, 중심벡터들과 입력속성간의 소속도를 이용하여 구간 분할된 영역별로 각각의 선형모델을 구축한다. 노드의 확장은 부모노드(parent node)에서 만들어진 모델에서 계산된 오차값과 자식노드(child node)에서 계산된 오차값을 비교하여 이루어진다. 출력값 예측 단계에서는 입력된 데이터와 잎노드에서 계산된 클러스터 중심값과 비교하여 소속도가 높은 선형모델을 선택하여 데이터에 대한 출력값을 예측하게 된다. 제안된 방법의 우수성을 보이기 위해 다양한 데이터를 대상으로 실험한 결과, 기존의 모델트리방식 및 뉴럴 네트워크 기반의 신경회로망 보다 향상된 성능을 보임을 알 수 있었다.