• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.128-132
• /
• 2012

물은 생물의 생존을 위해 필수적인 요소로 인류가 시작된 이래로 물을 효율적으로 이용하고 안전하게 관리하기 위한 노력은 계속되어 왔다. 최근 지구 온난화가 주요 원인으로 알려진 국지성 집중호우의 피해는 매우 심각하며, 이로 인해 치수에 대한 중요성은 날로 커지고 있다. 지금까지 사용해 왔던 홍수 예 경보 과정은 특정 지점의 유출량을 예측하기 위해서 강우-유출 모형을 운영하였다. 그러나 물리적 모형의 경우 운영에 필요한 매개변수의 결정과정이 복잡하고, 매개변수 결정을 위해 많은 자료를 필요로 한다. 또한 그 매개변수의 결정과정은 많은 불확실성을 포함하고 있어서 모형의 운영을 위한 전처리과정과 계산과정을 거치는 동안 발생한 오차가 누적되어 결과물 속에는 많은 오차가 포함되어 있다. 본 연구에서는 기존의 홍수 예 경보 시스템의 문제점과 불확실성을 최대한 감소시키고 더 우수한 유출량 예측을 위해 neuro-fuzzy 추론 기법을 이용한 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하여 하천수위를 예측하였다. ANFIS는 신경회로망과 퍼지이론을 결합한 기법으로 신경회로망의 구조와 학습 능력을 이용하여 제어환경에서 획득한 입 출력 정보로부터 언어변수의 membership 함수와 제어규칙을 제어 대상에 적합하도록 자동으로 조종하는 기법이다. 본 연구에서는 ANFIS를 사용하여 탄천 하류에 위치한 대곡교의 수위를 예측하였다. 분석을 위해 2007년부터 2011년까지의 탄천 유역의 관측 강우자료와 수위 자료 중 강우강도와 지속시간, 강우 형태에 따라 7개의 강우사상을 선정하였다. 학습자료 및 보정자료의 변화에 따른 예측 오차를 비교하여 모형의 적용성과 적정성을 평가하였다. 적용결과 입력자료 구성의 경우 해당 시간의 강우량 및 수위자료와 10분 전 강우자료를 이용한 모델이 가장 우수한 예측을 보였고, 학습자료의 경우 자료의 길이가 길고, 최대홍수량이 큰 경우 가장 우수한 예측 결과를 보였다. 본 연구의 적용결과 가장 우수한 모형의 경우 30분 예측 첨두수위 오차는 0.32%, RMSE는 0.05m 이고 예측시간이 길어짐에 따라 오차가 비선형적으로 증가하는 경향을 보였다.

• 한국지능시스템학회논문지
• /
• 제21권3호
• /
• pp.383-388
• /
• 2011

본 논문은 FIS(fuzzy inference system)와 신뢰도를 이용한 레이저 내비게이션의 정밀도 향상에 관한 것이다. 레이저 내비게이션은 무선 유도 장치로써 헤드가 $360^{\circ}$ 회전을 하며 벽에 부착된 반사체(reflector)를 읽어 AGV(automatic guided vehicle)의 위치를 측정하는 장치이다. 기존의 대표적인 유도 장치들의 타입은 유선 유도 방식이다. 이들은 정밀도가 매우 높고 반응속도가 빠르기 때문에 대부분의 현장에서는 이들을 채택하고 있다. 하지만, 이들 센서는 바닥 밑 1인치 안에 설치하거나 바닥에 심어야하기 때문에 설치비용은 매우 높고 유지 보수가 어렵다. 이러한 문제를 해결하기 위해서 레이저 내비게이션이 개발되었다. 이것은 바닥 시공 하는 것이 필요 없고 설치비용이 최소화되며 배치(layout) 변경이 쉽다. 하지만 외란에 영향을 많이 받아 데이터의 손실 손상이 크고 반응속도가 느리기 때문에 안전이 최우선인 산업현장에 사용이 어렵다. 이에 본 논문에서는 레이저 내비게이션의 정밀도 향상에 관한 연구를 하였다. 제안된 방법은 레이저 내비게이션의 특성을 분석하여 FIS를 통해 위치측정 정밀도의 신뢰도를 계산한 후에 이를 통해 레이저 내비게이션의 정밀도를 보정하는 방법이다. 본 논문에서는 실험을 위해서 직접 설계한 AGV를 이용하였으며, 레이저 내비게이션의 위치와 레이저 내비게이션의 신뢰도를 통해 보정된 위치를 제안된 방법과 비교 하였다. 실험 결과, FIS를 신뢰도로 보정한 결과가 다른 방법들에 비해 약 50% 성능이 향상됨을 확인하였다.

• 방송공학회논문지
• /
• 제14권2호
• /
• pp.238-252
• /
• 2009

방송과 융합의 시대로 접어들면서 (IP)TV 단말에서 이용 가능한 프로그램 콘텐츠 수가 급격히 증가 하였다. 이로 인해, 사용자 (시청자)가 선호하는 방송 프로그램 콘텐츠로의 접근성이 주요한 사항이 되었다. 본 논문은 유사 사용자 선호도에 기반을 둔 협업 필터링을 이용하여(IP)TV 프로그램을 효율적으로 사용자에게 자동 추천하는 연구에 관한 내용이다. 개인의 시청 프로그램 선호도를 고려하여 방송 프로그램을 추천하기 위해서, 제안하는 추천 시스템의 구성은 오프라인과 온라인 연산으로 구성된다. 오프라인 연산과정에서 (IP)TV 프로그램, 장르, 채널에 대한 개인의 선호도를 묵시적으로 추론 하는 방법을 제시하고, 동적 퍼지 클러스터링 방법을 사용하여 각 개인의 선호도에 따라 사용자들을 그룹 짓되, 특징 벡터를 장르와 채널에 대한 선호도로 결합하여 사용하는 방법을 제시한다. 또한, (IP)TV 단말에 로그인 한 활동 사용자에게, 높은 정확도로 선호 프로그램을 추천하기 위해서, 활동 사용자와 관심 시청 프로그램이 유사한 사용자들을 유사도 측정 방법을 사용하여 한 번 더 추출하고, 이 추출된 유사 취향 사용자들의 선호 (IP)TV 프로그램들에 대해, EPG를 이용하여 현재 방송되지 않는 프로그램들을 제외시킨다. 마지막 단계에서는 추천 후보 프로그램들에 대해 본 논문에서 제안하는 순위 정렬 모델을 이용하여 추천 우선순위를 결정하여 제시한다. 특별히, 본 논문은 BM(Best Match) 알고리즘을 확장하여 개인 선호도를 고려한 순위 정렬 모델을 제시한다. 실험을 통해, 본 논문에서 제안한 프로그램 자동 추천 알고리듬은 2,441명의 사용자에 대해 5개의 프로그램을 추천하였을 경우, 62.1%의 예측 정확도를 나타내었다.

• 인터넷정보학회논문지
• /
• 제17권1호
• /
• pp.23-33
• /
• 2016

현재의 스마트 조명은 센서를 통해 사용자의 행위와 위치를 판별한 후 현재 상황에 적합한 조명 환경이 서비스되도록 구성되어 있다. 이러한 센서 기반의 상황인식 기술은 현재까지 단일 사용자만을 고려할 뿐 여러 사용자들의 다양한 상황 발생과 충돌을 해석하기 위한 연구는 미흡하다. 기존 연구에서는 상황충돌을 해결하기 위한 방법론으로 퍼지이론 및 ReBa 등의 알고리즘을 사용해 왔다. 이는 사용자들이 위치한 공간을 여러 영역으로 구분한 후 각 구역별로 서비스를 제공함으로써 발생 가능한 상황충돌의 기회를 회피할 뿐 개인 선호도 기반의 상황충돌 해석이 가능한 맞춤형 서비스 유형으로 볼 수 없다. 본 논문에서는 여러 사용자에게 다양한 상황이 동시 발생되어 서비스 충돌에 직면할 때, 상황의 유형에 따라 부여된 우선순위를 기준으로 서비스를 결정하는 우선순위 기반 다중 상황충돌 해석이 가능한 LED 조명제어시스템을 제안한다. 본 연구에서는 주거환경을 'Living Room', 'Bed Room', 'Study Room', 'Kitchen', 'Bath Room'의 5개 구역으로 구분하고 여러 명의 사용자를 대상으로 각 구역 내에서 발생 가능한 상황들을 'exercising', 'doing makeup', 'reading', 'dining', 'entering' 등 총 20가지로 정의한다. 시스템은 온톨로지 기반 모델을 이용하여 사용자의 다양한 상황을 정의하고 규칙기반의 룰 및 추론엔진을 통해 사용자 중심의 조명환경을 서비스한다. 또한 동일 공간 및 동일 시점에 사용자들 간의 다양한 상황충돌 이슈를 해결하기 위해 사용자 집중력이 요구되는 상황을 최우선으로 정하고, 동일한 우선순위를 가진 상황일 경우 시각적 편안함을 차선으로 순위를 부여하여 충돌 발생 시 서비스 선택의 기준으로 활용한다.