• 대기
• /
• 제17권1호
• /
• pp.27-44
• /
• 2007

The purpose of this study is to investigate predictability of the seasonal simulation by the METRI (Meteorological Research Institute) AGCM (Atmospheric General Circulation Model), which is a long-term prediction model for the METRI 3-month prediction system. We examine the performance skill of climate simulation and predictability by the analysis of variance of the METRI AGCM, focusing on the precipitation, 850 hPa temperature, and 500 hPa geopotential height. According to the result, the METRI AGCM shows systematic errors with seasonal march, and represents large errors over the equatorial region, compared to the observation. Also, the response of the METRI AGCM by the variation of the sea surface temperature is obvious for the wintertime and springtime. However, the METRI AGCM does not show the significant ENSO-related signal in autumn. In case of prediction over the east Asian region, errors between the prediction results and the observation are not quite large with the lead-time. However, in the predictability assessment using the analysis of variance method, longer lead-time makes the prediction better, and the predictability becomes better in the springtime.

• 정보처리학회 논문지
• /
• 제13권5호
• /
• pp.209-216
• /
• 2024

부동산 시장은 다양한 요인에 의해 가격이 결정되며 거시경제 변수뿐 만 아니라 뉴스 기사, SNS 등 다양한 텍스트 데이터의 영향을 받는다. 특히 뉴스 기사는 국민들이 느끼는 경제 심리를 반영하고 있으므로 부동산 매매 가격 예측에 있어 중요한 요인이다. 본 연구에서는 뉴스 기사를 감성 분석하여 그 결과를 뉴스 감성 지수로 점수화 한 후 부동산 가격 예측 모델에 적용하였다. 먼저 기사 본문을 요약 후 요약된 내용을 바탕으로 생성 AI를 활용하여 긍정, 부정, 중립으로 분류한 다음 총 점수를 산출하였고 이를 부동산 가격 예측 모델에 적용하였다. 부동산 가격 예측 모델로는 Multi-head attention LSTM 모델과 Vector Auto Regression 모델을 사용하였다. 제안하는 뉴스 감성 지수를 적용하지 않은 LSTM 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 0.60, 0.872, 1.117의 Root Mean Square Error (RMSE)을 보였으며, 뉴스 감성 지수를 적용한 LSTM 예측 모델은 각각 0.40, 0.724, 1.03의 RMSE값을 나타낸다. 또한 뉴스 감성 지수를 적용하지 않은 Vector Auto Regression 예측 모델은 1개월, 2개월, 3개월 예측에서 각각 1.6484, 0.6254, 0.9220, 뉴스 감성 지수를 적용한 Vector Auto Regression 예측 모델은 각각 1.1315, 0.3413, 1.6227의 RMSE 값을 나타낸다. 앞선 아파트 매매가격지수 예측 모델을 통해 사회/경제적 동향을 반영한 부동산 시장 가격 변동을 예측할 수 있을 것으로 보인다.

• 대기
• /
• 제25권2호
• /
• pp.323-337
• /
• 2015

This study explores the 6-month lead prediction skill of several climate indices that influence on East Asian climate in the GloSea5 hindcast experiment. Such indices include Nino3.4, Indian Ocean Diploe (IOD), Arctic Oscillation (AO), various summer and winter Asian monsoon indices. The model's prediction skill of these indices is evaluated by computing the anomaly correlation coefficient (ACC) and mean squared skill score (MSSS) for ensemble mean values over the period of 1996~2009. In general, climate indices that have low seasonal variability are predicted well. For example, in terms of ACC, Nino3.4 index is predicted well at least 6 months in advance. The IOD index is also well predicted in late summer and autumn. This contrasts with the prediction skill of AO index which shows essentially no skill beyond a few months except in February and August. Both summer and winter Asian monsoon indices are also poorly predicted. An exception is the Western North Pacific Monsoon (WNPM) index that exhibits a prediction skill up to 4- to 6-month lead time. However, when MSSS is considered, most climate indices, except Nino3.4 index, show a negligible prediction skill, indicating that conditional bias is significant in the model. These results are only weakly sensitive to the number of ensemble members.

• 한국수자원학회논문집
• /
• 제48권7호
• /
• pp.581-593
• /
• 2015

본 연구에서는 ESP (Ensemble Streamflow Prediction)기법을 활용한 가뭄전망 체계를 구축하고 가뭄예보에 있어 활용성을 평가하였다. 과거 관측 수문기상 및 지형정보를 이용하여 우리나라 전역에 지면모델(Land Surface Model, LSM)을 구축하고 유출량(Historical Runoff, HR)을 생산하였다. 또한, 모의기간 동안 과거 30개 기상자료와 초기 토양수분량을 이용하여 선행시간별(1, 2, 3개월) 전망된 유출량(Predicted Runoff, PR)을 생산하였다. 평가결과 여름 및 가을철 보다 봄철 및 겨울철에 정확도가 높았으며, 1개월 전망 이후로는 정확도가 낮게 나타났다. 가뭄지수는 국내 가뭄해석에 있어 검증된 표준유출지수(Standardized Runoff Index, SRI)를 활용하였으며, PR_SRI을 산정 및 평가하였다. 1, 2개월 전망에서는 과거 HR이 고려되어 ESP HR에 비해 정확도가 크게 개선됨을 알 수 있었다. 선행시간별 상관계수는 평균 0.71, 0.48, 0.00, 평균제곱근오차는 0.46, 0.76, 1.01로 나타났으며, 건조기에 정확도가 높게 나타나 1, 2개월 전망까지는 ESP를 활용한 국내 가뭄예보의 활용성이 높다고 판단된다.

• 종양간호연구
• /
• 제5권1호
• /
• pp.3-10
• /
• 2005

Back ground: Nurses now occupy one third of all hospital human resources. Therefore, efficient management of nursing manpower is getting more important. While it is very clear that nursing workload requirement analysis and patient severity classification should be done first for the efficient allocation of nursing workforce, these processes have been conducted manually with ad hoc rule. Purposes: This study was tried to make a predict model for patient classification according to nursing need. We tried to find the easier and faster method to classify nursing patients that can help efficient management of nursing manpower. Methods: The nursing patient classifications data of the hospitalized cancer patients in one of the biggest cancer center in Korea during 2003.1.1-2003.12.31 were assessed by trained nurses. This study developed a prediction model and analyzing nursing needs by data mining techniques. Patients were classified by three different data mining techniques, (Logistic regression, Decision tree and Neural network) and the results were assessed. Results: The data set was created using 165,073 records of 2,228 patients classification database. Main explaining variables were as follows in 3 different data mining techniques. 1) Logistic regression : age, month and section. 2) Decision tree : section, month, age and tumor. 3) Neural network : section, diagnosis, age, sex, metastasis, hospital days and month. Among these three techniques, neural network showed the best prediction power in ROC curve verification. As the result of the patient classification prediction model developed by neural network based on nurse needs, the prediction accuracy was 84.06%. Conclusion: The patient classification prediction model was developed and tested in this study using real patients data. The result can be employed for more accurate calculation of required nursing staff and effective use of labor force.

• 한국수자원학회논문집
• /
• 제39권3호
• /
• pp.187-198
• /
• 2006

한국수자원공사에서는 매월 1일 생성한 월 앙상블 유량예측(Ensemble Streamflow Prediction, ESP)을 근거로 월 최적운영 모형인 SSDP모형을 통해 월말목표저수량을 산정할 수 있는 실시간 물 관리 시스템을 구축하였다. 그러나 월 중간에 발생하는 수문기상학적 변화를 반영할 수 없다는 단점을 가지고 있어 이를 보완하자는 필요성이 제기되었다. 이를 위해 본 연구에서는 1일부터 예측시점까지는 그 동안 발생한 강우 관측자료를 이용하고 이후 기간에는 발생 가능한 모든 과거 강수시나리오를 이용하는 기법을 통해 매월 10일 간격으로 3차례 앙상블예측을 갱신하여 예측정확도를 향상시켰으며, 예측정확도에 따른 저수지 운영효과의 개선여부를 정량적으로 분석하였다. 그 결과 월중 수문상황을 반영한 SSDP/ESP21모형이 그렇지 못한 SSDP/ESP01모형에 비해 연평균 $1\;X\;10^6\;m^3$의 용수부족 감소효과를 가졌으며 전반적으로 이수기에 총 유량이 적으면서 예측정확도가 향상된 경우 상당한 용수부족 감소효과를 나타냄을 또한 알 수 있었다.

• 한국습지학회지
• /
• 제23권2호
• /
• pp.144-153
• /
• 2021

최근 반복되고 있는 녹조는 수질관리에 가장 큰 과제로서 대두되고 있다. 현재 환경부에서는 7일 단위의 선행수질예측을 통한 수질예보를 수행하고 있으나, 선제적인 조치를 위해서 좀 더 장기간의 수질예측이 필요한 시점이다. 이에 본 연구에서는 수질예보의 보완자료로서 대청호의 Chl-a 농도를 3개월 선행예측하기 위한 방법론을 제안하고 그 적용성을 검토하고자 한다. 이를 위하여 대청호의 수질자동측정망 자료와 ECMWF의 수문기상예측자료를 수집하였으며 각 시계열 자료의 특성을 분석하였다. 대청호의 Chl-a 농도와의 상관 및 웨이블릿 분석을 바탕으로 수문기상입력인자를 결정하고 지연시간을 가지는 NARX모형을 이용하여 대청호의 Chl-a에 대한 3개월 선행예측 모형을 구축하였으며, 결과에 대한 비교분석을 통하여 모형의 적용성을 제시하였다.

• 생태와환경
• /
• 제43권1호
• /
• pp.161-167
• /
• 2010

In this study, we implemented an experimental approach of ecological model development in order to emphasize the importance of input variable selection with respect to time-delayed arrangement between input and output variables. Time-series modeling requires relevant input variable selection for the prediction of a specific output variable (e.g. density of a species). Inadequate variable utility for input often causes increase of model construction time and low efficiency of developed model when applied to real world representation. Therefore, for future prediction, researchers have to decide number of time-delay (e.g. months, weeks or days; t-n) to predict a certain phenomenon at current time t. We prepared a total of 3,900 equation models produced by Time-Series Optimized Genetic Programming (TSOGP) algorithm, for the prediction of monthly averaged density of a potamic phytoplankton species Stephanodiscus hantzschii, considering future prediction from 0- (no future prediction) to 12-months ahead (interval by 1 month; 300 equations per each month-delay). From the investigation of model structure, input variable selectivity was obviously affected by the time-delay arrangement, and the model predictability was related with the type of input variables. From the results, we can conclude that, although Machine Learning (ML) algorithms which have popularly been used in Ecological Informatics (EI) provide high performance in future prediction of ecological entities, the efficiency of models would be lowered unless relevant input variables are selectively used.

• 한국농림기상학회지
• /
• 제24권3호
• /
• pp.155-163
• /
• 2022

본 연구에서는 벼의 생물계절 예측 모형을 예시로 하여 해당 모형의 구동에 필요한 맞춤형 앙상블 상세기후예측자료를 구축하고 해당 자료의 보정방법을 고도화 하였을 때 농업적 활용 분야에서 가지는 부가가치를 확인해 보았다. 이를 위해, 벼의 생물계절 모의를 위해 집중적으로 필요한 기상자료인 1~10월의 일 평균/최저/최고 기온의 앙상블 장기(6개월) 전망자료를 생산하고 해당자료의 질을 높이기 위해 분위사상법 기반의 보정방법의 개선을 수행하였다. 그 결과 최저/최고/평균 기온 모두 대부분의 월에서 20일을 버퍼기간으로 선정하였을 때 4.51~15.37%까지 RMSE가 감소하는 것을 확인하였으며, 8~10월은 변수 및 월 별로 최적 버퍼기간이 다른 것을 확인하였다. 또한, 이러한 기상학적 변수의 개선은 벼의 생육단계별 시작일 예측이 모든 단계에서 7.82~10.60% 감소하였으며, 61개 ASOS 지점 가운데서도 생육단계에 따라 75~100%의 지점에서 RMSE가 감소하는 결과를 확인하였다. 본 연구 결과는 벼의 생물계절뿐만 아니라 감자, 고구마, 옥수수 등 타 작물로의 적용도 가능할 것으로 생각된다. 나아가, 일조시간, 습도, 풍속과 같은 예측변수들의 보정자료가 구축되면 농산물 작황전망, 병해충 예찰 등 다양한 분야의 학제간 연구에 적용하여 더 많은 부가가치 창출이 가능할 것으로 기대된다.

• 한국건설관리학회논문집
• /
• 제22권3호
• /
• pp.21-30
• /
• 2021

본 연구는 딥러닝의 반복적 예측방식을 활용하여 5개월의 철근 가격 예측방법을 제안한다. 이 방식은 입력데이터의 특성을 모두 단기예측하여 원 데이터에 추가하고, 추가된 데이터로 다음의 시점을 예측하는 과정을 반복하여 장기 예측한다. 본 연구에서 제시하는 방식으로 1개월에서 5개월까지 예측한 철근 가격의 예측 평균 정확도는 약 97.24%이다. 제안된 방식을 통해 인간의 경험과 판단을 통한 가격 추정방법의 체계성을 보완하여 기존의 방식보다 정확한 비용계획이 가능할 것으로 사료된다. 또 철근 이외의 건축재료를 비롯하여 시계열 데이터로 가격을 장기예측하는 연구에서 본 연구에서 제시한 방법이 활용될 수 있을 것으로 기대한다.