• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.140-140
• /
• 2021

Urban flood management is a crucial and challenging task, particularly in developed cities. Therefore, accurate prediction of urban flooding under heavy precipitation is critically important to address such a challenge. In recent years, machine learning techniques have received considerable attention for their strong learning ability and suitability for modeling complex and nonlinear hydrological processes. Moreover, a survey of the published literature finds that hybrid computational intelligent methods using nature-inspired algorithms have been increasingly employed to predict or simulate the streamflow with high reliability. The present study is aimed to propose a novel approach, an ensemble tree, Bayesian Additive Regression Trees (BART) model incorporating a nature-inspired algorithm to predict hourly multi-step ahead streamflow. For this reason, a hybrid intelligent model was developed, namely GA-BART, containing BART model integrating with Genetic algorithm (GA). The Jungrang urban basin located in Seoul, South Korea, was selected as a case study for the purpose. A database was established based on 39 heavy rainfall events during 2003 and 2020 that collected from the rain gauges and monitoring stations system in the basin. For the goal of this study, the different step ahead models will be developed based in the methods, including 1-hour, 2-hour, 3-hour, 4-hour, 5-hour, and 6-hour step ahead streamflow predictions. In addition, the comparison of the hybrid BART model with a baseline model such as super vector regression models is examined in this study. It is expected that the hybrid BART model has a robust performance and can be an optional choice in streamflow forecasting for urban basins.

• Geomechanics and Engineering
• /
• 제1권3호
• /
• pp.259-262
• /
• 2009

This paper examines the potential of relevance vector machine (RVM) in prediction of pullout capacity of small ground anchors. RVM is based on a Bayesian formulation of a linear model with an appropriate prior that results in a sparse representation. The results are compared with a widely used artificial neural network (ANN) model. Overall, the RVM showed good performance and is proven to be better than ANN model. It also estimates the prediction variance. The plausibility of RVM technique is shown by its superior performance in forecasting pullout capacity of small ground anchors providing exogenous knowledge.

• 한국콘텐츠학회논문지
• /
• 제21권11호
• /
• pp.77-86
• /
• 2021

시간적인 차이를 두고 획득한 이질적인 과거 전쟁 결과 데이터를 하나의 모형으로 구축하는 방법으로 베이지안 추론에 의한 전쟁시뮬레이션 모형을 구축하는 방법을 제안하였다. 과거의 전쟁 결과를 분석하여 미래에 있을 수 있는 전쟁을 예측하는 방법으로 선형회귀모형을 적용하는 방법을 고려할 수 있다. 그러나 역사적으로 시대가 서로 달라 전장 환경의 변화가 반영된 이질적인 두 유형의 자료들이라면 모형의 가정사항 위반으로 하나의 선형회귀모형으로 적합하는 것은 적절하지 않다. 이러한 문제를 해결하기 위해 앞선 시대에 있는 자료를 비정보적 사전분포로 가정하여 사후분포를 구하고 이를 다음 시대에 얻은 자료를 분석하기 위한 사전분포로 활용하여 최종 사후분포를 추론하는 베이지안 추론 방법을 제안하였다. 베이지안 추론 방법의 또 다른 장점은 마코프 체인 몬테 카를로 방법으로 샘플링한 결과를 이용하여 불확실성이 반영된 사후분포나 사후예측분포를 추론할 수 있다는 점이다. 이렇게 했을 때 고전적인 선형회귀모형으로 분석하는 것보다 다양한 정보를 활용할 수 있을 뿐만 아니라 향후 추가적으로 획득되는 자료도 모형에 반영하여 모형을 계속 업데이트시킬 수 있다는 장점이 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1203-1214
• /
• 2016

비만은 그 자체가 질병이면서 다른 질병의 위험인자로 사회경제학적 요인과 관련성이 높다. 급증한 국내 비만인구에 대한 사회적 차원에서의 예방을 위하여 비만과 연관성이 있는 사회경제적 요인을 파악하는 것이 중요하다. 특히, 비만과 사회경제학적 요인간의 연관성은 성별에 따라 상이할 수 있으며 지역적 변동성 역시 존재한다. 본 논문에서는 공간적 상관성을 고려하여 비만율에 영향을 미치는 사회경제적 요인의 효과를 성별에 따라 추정하고자 한다. 공간적 상관성을 설명하기 위하여 베이지안 접근법을 기반으로 한 조건부 자기회귀모형을 고려하였다. 실증예제로 2010년 서울시 25개 자치구별 비만율 자료에 대하여 제안한 공간 모형과 공간적 상관성을 고려하지 않은 모형을 적합시켜본 결과, 공간적 상관성을 고려한 모형이 모형의 적합도와 예측력 측면에서 더 우수함을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제17권5호
• /
• pp.684-690
• /
• 2007

본 논문은 확률변수들로 이루어진 클러스터의 집합과 확률변수들에 대해 관찰된 데이터가 주어진 상황에서, 클러스터 사이에 존재하는 조건부 확률적 의존의 방향성(directional tendency of conditional dependence in the Bayesian probabilistic graphical model)을 결정하는 방법을 기술한다. 클러스터 사이에 존재하는 조건부 확률적 의존의 방향성을 추정하기 위해 한 클러스터에서 다른 각 클러스터에 가장 가까운 확률변수를 해당 클러스터의 외부연결변수로 결정한다. 외부연결변수들 사이에서의 가장 확률이 높은 조건부 확률적 의존성을 나타내는 방향성 비순환 그래프(directed acyclic graph(DAG))를 찾음으로써, 주어진 클러스터들 사이에 존재하는 조건부 확률적 의존의 방향성을 결정한다. 사용된 방법이 클러스터 사이에 존재하는 조건부 확률적 의존의 방향성을 유의미하게 추정할 수 있음을 실험적으로 보인다.

• Steel and Composite Structures
• /
• 제44권1호
• /
• pp.119-139
• /
• 2022

This paper aims to use the artificial intelligence approach to develop a new model for predicting the ultimate axial strength of the circular concrete-filled steel tubular (CFST) stub columns. For this, the results of 314 experimentally tested circular CFST stub columns were employed in the generation of the design model. Since the influence of the column diameter, steel tube thickness, concrete compressive strength, steel tube yield strength, and column length on the ultimate axial strengths of columns were investigated in these experimental studies, here, in the development of the design model, these variables were taken into account as input parameters. The model was developed using the backpropagation algorithm named Bayesian Regularization. The accuracy, reliability, and consistency of the developed model were evaluated statistically, and also the design formulae given in the codes (EC4, ACI, AS, AIJ, and AISC) and the previous empirical formulations proposed by other researchers were used for the validation and comparison purposes. Based on this evaluation, it can be expressed that the developed design model has a strong and reliable prediction performance with a considerably high coefficient of determination (R-squared) value of 0.9994 and a low average percent error of 4.61. Besides, the sensitivity of the developed model was also monitored in terms of dimensional properties of columns and mechanical characteristics of materials. As a consequence, it can be stated that for the design of the ultimate axial capacity of the circular CFST stub columns, a novel artificial intelligence-based design model with a good and robust prediction performance was proposed herein.

• 응용통계연구
• /
• 제32권1호
• /
• pp.83-97
• /
• 2019

사회가 발전함에 따라 이용자의 다양한 분석 요구에 대응하기 위해 개인 단위로 구성된 마이크로데이터 제공이 증가했다. 나아가 센서스, 행정자료와 같은 전수자료를 마이크로데이터 형태로 제공받아 연구하고자 하는 요구 역시 커지고 있다. 정책결정, 학술목적 등을 위한 마이크로데이터 분석은 가치 창출 측면에서 대단히 바람직하다. 하지만 자료 유용성이 확보된 마이크로데이터 제공은 개인정보가 노출될 가능성이라는 위험을 가질 수 밖에 없다. 이에, 자료의 유용성을 확보하면서 개인정보보호를 보장할 수 있는 여러 방법들이 고려되어 왔다. 이러한 방법 중 하나로 재현자료(synthetic data)를 생성해서 활용하는 방법이 연구되어 왔다. 본 논문은 재현자료 생성과 관련된 방법론 및 주의사항을 소개하여, 재현자료의 이해를 도모하고자 한다. 이를 위해 재현자료 작성에 필수적인 다중대체, 베이지안 예측 모형 및 베이지안 붓스트랩 등의 개념들을 먼저 설명하고, 완전 재현자료 및 부분 재현자료에 대해 살펴본다. 특히, 재현자료 작성을 심도 깊이 이해하기 위해 순차회귀 다중대체(sequential regression multivariate imputation)를 이용해 경시적(longitudinal) 자료를 재현자료로 작성하는 구체적 사례를 살펴본다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권6호
• /
• pp.1241-1247
• /
• 2012

The paper considers empirical Bayes (EB) and hierarchical Bayes (HB) predictors of the finite population mean under a linear regression model with measurement errors We discuss how to calculate the mean squared prediction errors of the EB predictors using jackknife methods and the posterior standard deviations of the HB predictors based on the Markov Chain Monte Carlo methods. A simulation study is provided to illustrate the results of the preceding sections and compare the performances of the proposed procedures.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권1호
• /
• pp.11-16
• /
• 2023

Accurate hospital case modeling and prediction are crucial for efficient healthcare. In this study, we demonstrate the implementation of regression analysis methods in machine learning systems utilizing mathematical statics and machine learning techniques. The developed machine learning model includes Bayesian linear, artificial neural network, decision tree, decision forest, and linear regression analysis models. Through the application of these algorithms, corresponding regression models were constructed and analyzed. The results suggest the potential of leveraging machine learning systems for medical research. The experiment aimed to create an Azure Machine Learning Studio tool for the speedy evaluation of multiple regression models. The tool faciliates the comparision of 5 types of regression models in a unified experiment and presents assessment results with performance metrics. Evaluation of regression machine learning models highlighted the advantages of boosted decision tree regression, and decision forest regression in hospital case prediction. These findings could lay the groundwork for the deliberate development of new directions in medical data processing and decision making. Furthermore, potential avenues for future research may include exploring methods such as clustering, classification, and anomaly detection in healthcare systems.

• 대한기계학회논문집A
• /
• 제35권10호
• /
• pp.1299-1306
• /
• 2011

본 연구에서는 측정된 균열 데이터를 토대로 변동하중 하에서의 균열성장모델 변수들을 베이지안 모델변수 추정 방법을 통해서 확률적인 분포로 구하는 방법을 제시하였다. 모델변수의 확률분포를 구하기 위해 Markov Chain Monte Carlo (MCMC) 샘플링 방법을 이용하였다. 변동하중 하에서는 균열성장 모델이 더욱 복잡해 짐에 따라 기존의 MCMC 기법으로는 확률분포를 잘 구하지 못하므로 주변확률밀도분포를 제안함수로 사용하는 MCMC 기법을 새롭게 제안하였다. 모델변수의 추정을 위해 여러 크기의 일정 진폭 하중 하에서 시편시험을 수행하여 얻은 균열성장 데이터를 이용하였다. 추정된 변수들을 사용하여 변동하중 하에서의 시편에 대해 균열성장 예측을 수행하였고, 이를 실제 시험 데이터를 통해서 검증하였다.