• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.31-34
• /
• 2023

주택 매매에 있어서 가격에 대한 예측은 매우 중요하지만, 실거래 발생 전까지는 정확한 가격을 알 수 없다. 그렇기에 주택가격을 예측하는 많은 연구가 진행되어왔다. 주택가격을 결정하는 영향요인은 크게 주택의 내부요인과 주택의 외부 요인으로 구분되는데, 내부적인 요인 (공급면적, 전용면적, 층, 방 개수 등)에 대한 연구가 많이 진행되었다. 하지만 외부적인 요인 (위치 요인, 금융요인 등)에 대한 연구는 미비하였다. 본 연구는 주택 매수자 관점에서 가격 예측 시 외부적인 요인 역시 중요하다고 판단하여 외부요인을 적용하고자 한다. 본 논문에서 제안하는 방법은 다양한 외부요인 중 주택의 위치 정보를 활용하여, 해당 정보 기반으로 도출 가능한 데이터를 추가한다. 또한 이용량에 따른 지하철역 데이터를 추가하여 관련된 여러 영향요인들을 분석 및 적용 후 머신러닝 기반 예측 모델을 생성한다. 생성된 모델들에 주택매매 실거래 데이터를 적용하여 예측 정확도를 비교 후 높은 정확성을 보이는 모델 결과에 주요하게 영향을 끼치는 요인에 관하여 기술한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.978-981
• /
• 2020

제품이나 부품의 잔존 수명을 정확하게 예측할 수 있다면 고장이나 중단으로 인한 손실을 방지하는 것이 가능해질 것이다. 제품의 잔존 수명은 시계열 데이터 분석을 통해 예측될 수 있으며, 최근에는 딥러닝을 이용한 잔존 수명 예측 연구가 활발하게 진행되고 있다. 본 연구에서 우리는 컴퓨터 기반 시스템의 주요 고장 요소가 되고 있는 하드디스크의 잔존 수명을 예측하는 문제에 1D CNN-LSTM 을 이용한 모델을 적용하고, RMSE 와 R-Square 값을 이용해 적용한 모델의 성능을 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.428-428
• /
• 2011

댐은 우리사회에 다양한 이익을 제공하는 반면 과거의 댐 붕괴 사례에 비추어 볼 때 붕괴로 인한 피해 규모는 막대하다. 세계 각국에서는 기존 댐들에 대한 잠재적 붕괴에 대비하기 위해 비상대처계획(Emergency Action Plan, EAP)과 같은 대책을 수립하여 붕괴로 인한 피해를 최소화하기 위한 노력을 기울이고 있다. 댐붕괴 모델링은 크게 댐 결괴부에 대한 예측과정과 댐 붕괴로 인한 하류부 홍수추적 과정으로 분류할 수 있다. 결괴부 예측과정은 댐붕괴로 인한 저수지 유출량에 가장 큰 영향을 미치는 부분이며 하류부 영향지역의 평가에도 매우 중요한 요소이다. 댐붕괴 예측모형은 결괴부에 대한 예측에 따라 매개변수 기반 모형과 물리기반 모형으로 분류된다. 매개변수 기반모형은 결괴형성과정을 단순 시간에 의한 함수로 고려하고 있으며 결괴부를 통한 흐름은 위어흐름으로 가정하고 있다. 이 모형은 현재 댐 붕괴 실무에서 가장 널리 이용되고 있으며 대표적인 모형은 FLDWAV/ DAMBRK 모형, HEC-RAS 모형 등이 있다. 물리기반 모형은 댐 붕괴진행 과정의 상세한 이해를 위해 시작되었으며 결괴부 흐름상황, 제체 침식, 제체가 불안정해지는 과정을 수리실험과 수리학, 토질역학, 구조역학 등의 이론을 통합하여 예측하는 기법으로 댐붕괴 과정을 좀 더 현실적으로 예측할 수 있으며 기존 붕괴된 댐들에 대한 붕괴 원인 및 진행과정을 규명할 수 있는 장점을 가진다. 최근 개발된 물리기반 댐 붕괴 모형은 HR-BREACH 모형, WINDAM 모형, FIREBIRD 모형 등이 있으며 지속적으로 연구되고 있다. 본 연구에서는 현재 진행 중에 있는 물리기반 댐 붕괴 모형들을 검토하고 현재 USDA, ARS에서 개발 중에 있는 WINDAM 모형을 이용하여 물리기반 모형의 수행에 요구되는 입력변수, 수행과정, 결과물에 대한 검토를 통해 댐 붕괴 관련 연구의 발전 방향을 모색하고 국내에서 물리기반 댐 붕괴 모형을 적용하기 위해 요구되는 사항과 한계점을 파악하여 댐 붕괴 실무로의 적용 방안을 마련하는 데 그 목적이 있다.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.35S no.8
• /
• pp.86-95
• /
• 1998

Intra-frame video compression, which cannot make use of temporal predictions, requires much higher bit rates compared with inter-frame schemes. In order to reduce bit rates, intra-frame predictive coding methods in DCT domain have been studied especially within the framework of the MPEG-4 video coding standard currently being developed. In this paper, we propose novel intra-frame predictive coding methods in DCT domain with the marginal complexity increase over the conventional methods . The proposed methods consist of a DC coefficient prediction method and two AC coefficient prediction methods. The proposed methods consist of a DC coefficient prediction method and two AC coefficient prediction methods. The proposed DC coefficient prediction method makes it possible to adaptively select the prediction directions without overhead bits, by comparing gradients of DC coefficients from neighboring blocks. As the AC coefficient prediction methods, first, we present an effective method which can improve the prediction directions of the MPEG-4 scheme by considering the DC coefficient of the current block to be coded. And, we present another effective method that decision on the prediction is carried out for each AC coefficient. Simulation results show that substantial bit savings can be achieved by the proposed methods.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.289-289
• /
• 2023

4차산업 혁명이 도래한 이후로 전세계적으로 AI 기술이 유래 없는 속도로 발달 및 활용되고 있으며, 다양한 분야에서 AI 기법을 도입한 연구가 활발히 진행 중에 있다. 최근 수자원 분야에서는 단기 강우 예측, 댐 유입량 예측 및 하천 수위 예측 등의 분야에서 AI 기술이 접목되어 꾸준한 기술 개발이 이루어지고 있다. 그러나 단변량으로 축척된 자료를 활용하여 중·장기 모형 개발 연구가 다수 진행되고 있지만, 급격한 기후변화 현상과 복잡한 매커니즘을 보이고 있는 기상현상의 경우 단변량 분석으로서는 정확도가 저하 될 수 있는 우려가 있는 것이 현실이다. 이에 본 연구에서는 상기에 제시된 단점을 극복하고자 다양한 기상자료를 검증·예측인자로 활용함과 동시에 Deeplearning 모형과 결합하여 신뢰성 있는 단기 강수 예측이 가능한 모형을 개발하였다. 본 연구에서는 유럽중기예보센터(ECMWF, European Center for Medium-Range Weather Forecasts)에서 제공하고 있는 ERA5 재해석 자료를 활용하였으며, Deeplearning 모형과 결합하여 단기 강우 예측이 가능한 모형을 개발하였다. 1차적으로 격자자료(25km×25km)로 제공되고 있는 ERA5 자료를 상세화(downscaling) 모형에 적용하여 기상청 관측소와 비교·검증하였으며, Deeplearning 모형을 통해 단기 예측이 가능한 모형으로 확장하였다. 이때 Deeplearning의 다양한 모형 중 시계열 분석에 있어 예측 성능이 높은 LSTM 모형을 활용하였으며, 제공되고 있는 대기 변수의 상호관계를 노드간 연결을 통해 결과의 정확도와 신뢰성을 확보하였다. 본 연구 결과는 기관별로 제공하고 있는 예측 수준을 상회하는 결과를 도출하였으며, 홍수기에 집중되는 강우량을 예측하여 대비·대책을 선제적으로 마련할 수 있는 자료로써의 활용성이 높을 것으로 사료된다.

• Journal of Korea Water Resources Association
• /
• v.57 no.7
• /
• pp.461-470
• /
• 2024

This study aimed to predict total phosphorus (T-P) to address early eutrophication caused by nutrient influx from various human activities. Traditional T-P monitoring systems are labor-intensive and time-consuming, leading to a global trend of using direct reading sensors. Therefore, this study utilized water quality parameters obtained from direct reading sensors in a two-stage T-P prediction process. The importance of turbidity (Tur) in T-P prediction was examined, and an analysis was conducted to determine if T-P prediction is possible using only direct reading sensor parameters by adding automatic water quality analyzer parameters. The study found that T-P concentrations were higher in the mid-lower reaches of the Nakdong River basin compared to the upper reaches. Pearson correlation analysis identified water quality parameters highly correlated with T-P at each site, which were then used in multiple linear regression analysis to predict T-P. The analysis was conducted with and without the inclusion of Tur, and the performance of models incorporating automatic water quality analyzer parameters was compared with those using only direct reading sensor parameters. The results confirmed the significance of Tur in T-P prediction, suggesting that it can be used as a foundational element in the development of measures to prevent eutrophication.

• RED RIBBON
• /
• s.64
• /
• pp.18-19
• /
• 2005

• Journal of Satellite, Information and Communications
• /
• v.12 no.4
• /
• pp.34-41
• /
• 2017

In this paper, the I/O parameters of existing predictive models were analyzed to construct a composite disaster prediction model that incorporates a previously developed natural disaster prediction model and a prediction of social disaster prediction models. A complex disaster prediction model indicates a combination of multiple disasters, not a single disaster. Such a complex disaster was mainly linked to a social disaster caused by natural disasters resulting from natural disasters, so it conducted a study of natural disasters and social disaster prediction models. Several estimates were analyzed based on several predictive models of prediction models, and the I/O parameters applied universally were derived by the types of disaster types. In this paper, It will help develop a study aimed at building a complex disaster prediction model.

• The Journal of the Korea Contents Association
• /
• v.16 no.11
• /
• pp.488-498
• /
• 2016

Much of the information is stored as data, research has been activated for analyzing the data and predicting the special circumstances. In the case of power data, the studies, such as research of renewable energy utilization, power prediction depending on site characteristics, smart grid, and micro-grid, is actively in progress. In this paper, we propose a power prediction model using the substation environment data. In this case, we try to verify the power prediction result to reflect the multiple arguments on the power and weather data, rather than a simple power data. The validation process is the effect of multiple factors compared to other two methods, one of power prediction result considering power data and the other result using power pattern data that have been made in the similar weather data. Our system shows that it can achieve max prediction error of less than 15%.

• Journal of Advanced Navigation Technology
• /
• v.25 no.5
• /
• pp.409-414
• /
• 2021

The growing concerns on the emission of particulate matter has prompted a demand for highly reliable particulate matter forecasting. Currently, several studies on particulate matter prediction use various deep learning algorithms. In this study, we compared the predictive performances of typical neural networks used for particulate matter prediction. We used deep neural network(DNN), recurrent neural network, and long short-term memory algorithms to design an optimal predictive model on the basis of a hyperparameter search. The results of a comparative analysis of the predictive performances of the models indicate that the variation trend of the actual and predicted values generally showed a good performance. In the analysis based on the root mean square error and accuracy, the DNN-based prediction model showed a higher reliability for prediction errors compared with the other prediction models.