• 대한토목학회논문집
• /
• 제40권3호
• /
• pp.273-283
• /
• 2020

기후변화의 영향으로 국지성 및 집중호우에 대한 발생 가능성이 높아지는 시점에서 과거에 침수피해를 입은 도시 유역에 대하여 실제 호우에 대한 침수 양상을 예측하는 것은 중요하다. 이에 수치해석 기반 프로그램과 함께 기계학습을 이용한 홍수 분석에 대한 연구가 증가하고 있다. 본 연구에서 적용한 LSTM 신경망은 일련의 자료를 분석하는데 유용하지만, 딥 러닝을 수행하기 위하여 충분한 양의 자료를 필요로 한다. 그러나 단일 도시유역에 홍수를 일으킬 강우가 매년 일어나지 않기에 많은 홍수 자료를 수집하기에는 어려움이 있다. 이에 본 연구에서는 대상 유역에서 관측되는 강우 외에 전국 단위의 실제 호우를 예측 모형에 반영하였다. LSTM (Long Short-Term Memory) 신경망은 강우에 대한 총 월류량을 예측하기 위하여 사용되었으며, 목표값으로 SWMM (Storm Water Management Model)의 유출 모의 결과를 사용하였다. 침수 범위 예측을 위해서는 로지스틱 회귀를 사용하였으며, 로지스틱 회귀 모형의 독립 변수는 총 월류량이며 종속 변수는 격자 별 침수 발생 유무이다. 침수 범위 자료는 SWMM의 유출 결과를 바탕으로 수행된 2차원 침수해석 모의 결과를 통해 수집하였다. LSTM의 매개변수 조건에 따라 총 월류량 예측 결과를 비교하였다. 매개변수 설정에 따른 4가지의 LSTM 모형을 사용하였는데, 검증과 테스트 단계에 대한 평균 RMSE (Root Mean Square Error)는 1.4279 ㎥/s, 1.0079 ㎥/s으로 산정되었다. 최소 RMSE는 검증과 테스트에 대하여 각각 1.1656 ㎥/s, 0.8797㎥/s 으로 산정되었으며, SWMM모의 결과를 적절히 재현할 수 있음을 확인하였다. LSTM 신경망의 결과와 로지스틱 회귀를 연계하여 침수 범위 예측을 수행하였으며, 침수심 0.5m 이상을 고려하였을 때에 최대 침수면적 적합도가 97.33 %으로 나타났다. 본 연구에서 제시된 방법론은 딥 러닝에 기반하여 도시 홍수 대응능력을 향상 시키는데 도움이 될 것으로 판단된다.

• 한국산림과학회지
• /
• 제106권3호
• /
• pp.320-329
• /
• 2017

본 연구는 항공 LiDAR DEM을 생산하는 FUSION 소프트웨어의 GroundFilter 모듈의 필터링 알고리즘(FA)과 GridSurfaceCreate 모듈의 보간 알고리즘(IA) 패러미터 수준 변화의 DEM 정확도에 대한 영향여부를 평가하고, 가장 정확한 해발고도 정보를 제공하는 LiDAR DEM을 생산하기 위한 패러미터 수준을 제시하고자 하였다. FA의 median 패러미터($F_{md}$), mean 패러미터($F_{mn}$) 및 IA의 median 패러미터($I_{md}$), mean 패러미터($I_{mn}$)에 대해 5개 수준(1, 3, 5, 7 및 9)을 적용한 조합의 변화에 따라 DEM의 정확도에 대한 영향 여부를 평가하기 위해 DEM 결과물의 해발고도와 실측한 현장 해발고도 간의 잔차를 종속변수로 선정하였다. 이후 패러미터의 수준 변화가 잔차 변화에 대한 영향 여부를 검정하는 다원분산분석을 실시하고, 다원분산분석 결과에서 유의미한 영향이 있는 변수의 패러미터 수준들을 잔차에 대한 영향이 차이가 나는 집단으로 그룹화하기 위해 사후검정인 Tukey HSD를 수행하였다. 다원분산분석 결과, 개별 $F_{md}$, $F_{mn}$, $I_{mn}$에서의 수준 변화와 잔차 변화 사이에 유의미한 관계가 있었으며, $I_{mn}$은 유의미한 영향이 없었다. 아울러 $F_{md}$와 $F_{mn}$의 패러미터 조합의 상호작용효과가 잔차 변화에 유의미한 영향을 미치는 것으로 나타났다. 이에 따라 $F_{md}$와 $F_{mn}$의 수준 및 $F_{md}{\ast}F_{mn}$ 상호작용 수준 그리고 $I_{mn}$의 수준이 DEM 정확도에 영향을 주는 요인으로 판단된다. $F_{md}{\ast}F_{mn}$의 조합에 대한 사후검정 결과, 잔차들의 평균 차이에 따라 네 개의 집단으로 나뉘었으며, 그중 '$9{\ast}3$' 조합이 가장 정확도가 높았으며, '$1{\ast}1$' 조합이 가장 낮은 정확도를 나타내었다. $I_{mn}$의 사후검정 결과, 세 개의 집단으로 나뉘었으며, 그중 수준 '3'과 '1'이 가장 낮은 잔차 평균값을 나타내었다. 따라서 가장 정확한 해발고도 정보를 제공하는 항공 LiDAR DEM의 생성을 위하여 $F_{md}{\ast}F_{mn}$의 조합이 수준 '$9{\ast}3$', $I_{mn}$은 수준 '3' 혹은 '1'인 조건을 우선적으로 고려해야할 것으로 판단된다. 본 연구는 LiDAR 자료 기반의 산림속성정보를 추출하는 연구들의 정확도 향상에 기여할 수 있을 것으로 사료된다.

• 한국해안·해양공학회논문집
• /
• 제31권6호
• /
• pp.423-433
• /
• 2019

서남해에서 해상풍력구조물의 건설에 따른 해저지형변화를 예측하기 위하여, 조석, 조류, 부유사 그리고 해저질 등에 대한 현장조사를 수행하였고, 이들 자료를 수치실험에 활용될 수 있도록 하였다. 수치실험에서 표사량 산정은 관련 상수를 시행착오적으로 변화시켜 관측된 부유사농도에 대해 계산치의 오차가 적당할 때에 경험상수들을 결정하는 방법을 사용하였는데, 어떤 농도분포인자가 0.1 그리고 부유사 평형농도 공식의 비례상수가 0.05일 때, 관측치와 계산치가 합리적으로 유사하였다. 부유사농도에 관한 개경계조건은 관측된 부유사농도에 대해 남동측 경계점에서 11.0배, 남서측 경계점에서 0.5배, 서북측 경계점에서 1.0배, 북서측 경계점에서 1.0배 그리고 북동측 경계점에서 1.0배이었을 때, 개경계와 서로 인접한 계산영역 내의 수심변화 계산결과가 단속적이지 않고 매끄럽게 나타났다. 그리고 연간침식퇴적량은 해상풍력 구조물의 건설전후에 대하여 그 변화가 ± 1 cm 이상 발생하는 해역은 거의 나타나지 않았는데, 사용된 대격자 수치모형은 세굴과 같은 국지적 현상을 재현할 수 없고, 해상풍력 하부구조물이 직경 1 m 정도의 자켓타입의 투과식이어서 이들에 의하여 ± 2 cm/s 이상의 유의미한 유속변화역이 거의 나타나지 않았기 때문에, 해저지형변화가 미미한 것은 당연한 결과인 것으로 판단되었다.

• 한국식품영양과학회지
• /
• 제34권9호
• /
• pp.1414-1426
• /
• 2005

본 연구는 부산지역 13개 위탁급식 고등학교의 학생 379명과 동일 학교급식소에 근무하는 급식종사자 141명을 대상으로 급식위생 요인에 대한 중요도와 수행도의 평가 수준을 조사하고 그 차이를 비교 검토하여 고등학교 급식에서의 위생관리와 이와 관련된 서비스의 개선을 위해 필요한 자료를 제공하고자 하였다. 학생들의 급식위생에 대한 중요도 평균은 4.26/5.00로 7가지 급식위생요인 중 음식위생에서 가장 높은 점수를 보였다. 학생들의 급식위생 요인별 수행도 평가점수의 평균은 3.24/5.00였으며 종사자 개인 위생점수가 가장 높았고 퇴식위생 점수가 가장 낮았다. 학생들의 급식 위생에 대해 인식하고 있는 중요도와 수행도 평균값의 갭지수는 -1.02로 학생들은 학교급식에서 위생관련 사항에 대해 중요하게 생각하는 만큼 실제에서 잘 수행되지 않는 것으로 생각하였다. 급식종사자들의 중요도 점수는 평균 4.71/5.00점이었고 음식위생에서 가장 높은 점수를 보였으며 퇴식위생에서 가장 낮은 점수를 보였다. 급식 종사자들의 급식 위생요인별 수행도 평가 점수의 평균은 4.51/5.00점이었으며 음식위생을 가장 잘 수행한다고 평가하였고, 학생 위생의 수행도 점수를 가장 낮게 평가하였다. 급식 종사원들이 급식 위생요인들에 대해 인식하고 있는 중요도와 수행도의 평균값의 갭지수는(-0.20) 학생들의 갭지수보다 적어 자신들이 중요하게 인식하는 요인들이 급식에 잘 적용되고 있다고 생각하는 것으로 나타났다. 또한 피급식자들인 학생들의 위생에 대한 갭지수가 가장 높았으며 종사자 개인위생에 대한 갭지수가 가장 낮은 결과를 보여 급식종사원들은 학생들의 위생을 가장 만족하지 못하고 있는 것으로 나타났다. 학생과 급식종사자간의 급식위생요인별 중요도 격자도와 수행도 격자도의 분석결과, 급식위생과 관련된 항목 중 '식판에는 이물질이 묻어 나오지 않음', '식탁 또는 책상은 급식시 깨끗한 상태', '식당 또는 교실 배식의 경우 환경은 청결하게 유지', '배식당번은 배식전에 손을 씻는 것'은 중요도에서 학생은 높게 생각하고 급식종사자는 중요도를 낮게 인식하는 것으로 나타났으며 수행도에 있어서도 학생과 급식종사자 모두 잘 수행되지 않는 것으로 인식하고 있다. 따라서 이러한 중요도 인식 차이를 계속 방치 해두면 급식 불만요인으로 작용하게 되며, 위생 안전에도 좋지 않은 결과를 낳을 수 있으므로 계속적인 위생교육과 개선하려는 노력으로 수행도를 높여야 하며, 수행도를 높이기 위해서 급식종사자들의 의식전환이 시급하다고 하겠다.

• 지질공학
• /
• 제33권1호
• /
• pp.105-119
• /
• 2023

기후 변화에 따라 용수 공급량은 줄어들고 있으며, 해안 및 도서지역은 지하수의 의존도가 높아 활용 가능한 용수의 양이 줄어들고 있다. 지속 가능한 해안 도서 지역의 물 공급을 위해 현재의 상태를 정확히 진단하고 효율적인 용수의 배분 및 관리가 필요하다. 해안 도서 지역의 지하수 흐름의 정밀한 분석을 위해 제주 동부의 성산유역을 대상으로 해안 담지하수 유출량을 산정하였다. 중요 매개변수인 담수층의 두께의 산정은 다심도 관측공에서 측정되는 전기전도도를 이용하여 수직적인 보간을 통해 추정하는 방법과 Ghyben-Herzberg의 이론적인 비율을 이용하여 추정하는 방법을 사용하였다. Ghyben-Herzberg의 비율을 사용한 값은 변화하는 담-염수 경계면의 정밀한 추정이 불가능하며, 전기전도도로 분석한 값은 담-염수 경계면의 현재 상태를 나타낼 수 있다. 매개변수는 가상의 격자에 분포시키고, 각각의 격자에 대한 해안 담지하수 유출 유량의 평균을 유역 대표 유량으로 결정하였다. 유역 규모의 연도별 해안 담지하수 유출량 산정과 유량 분포를 나타냈으며, 2018년에서 2020년까지의 해안 담지하수 유출량은 전기전도도로 추정한 담수층의 두께를 적용한 방법은 6.27 × 10⁶ m³/year, Ghyben-Herzberg의 비율을 적용한 방법은 10.87 × 10⁶ m³/year로 나타났다. 본 연구에서 나타낸 결과는 해안 도서지역의 정밀한 물수지 분석 등을 이용하여 지속가능한 용수의 공급을 결정하는 정책의 근거 자료로 활용할 수 있다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.187-204
• /
• 2016

소셜 미디어를 이용하는 사용자들이 직접 작성한 의견 혹은 리뷰를 이용하여 상호간의 교류 및 정보를 공유하게 되었다. 이를 통해 고객리뷰를 이용하는 오피니언마이닝, 웹마이닝 및 감성분석 등 다양한 연구분야에서의 연구가 진행되기 시작하였다. 특히, 감성분석은 어떠한 토픽(주제)를 기준으로 직접적으로 글을 작성한 사람들의 태도, 입장 및 감성을 알아내는데 목적을 두고 있다. 고객의 의견을 내포하고 있는 정보 혹은 데이터는 감성분석을 위한 핵심 데이터가 되기 때문에 토픽을 통한 고객들의 의견을 분석하는데 효율적이며, 기업에서는 소비자들의 니즈에 맞는 마케팅 혹은 투자자들의 시장동향에 따른 많은 투자가 이루어지고 있다. 본 연구에서는 중국의 온라인 시나 주식 포럼에서 사용자들이 직접 작성한 포스팅(글)을 이용하여 기존에 제시된 토픽들로부터 핫토픽을 선정하고 탐지하고자 한다. 기존에 사용된 감성 사전을 활용하여 토픽들에 대한 감성값과 극성을 분류하고, 군집분석을 통해 핫토픽을 선정하였다. 핫토픽을 선정하기 위해 k-means 알고리즘을 이용하였으며, 추가로 인공지능기법인 SOM을 적용하여 핫토픽 선정하는 절차를 제시하였다. 또한, 로짓, 의사결정나무, SVM 등의 데이터마이닝 기법을 이용하여 핫토픽 사전 탐지를 하는 감성분석을 위한 모형을 개발하여 관심지수를 통해 선정된 핫토픽과 탐지된 핫토픽을 비교하였다. 본 연구를 통해 핫토픽에 대한 정보 제공함으로써 최신 동향에 대한 흐름을 알 수 있게 되고, 주식 포럼에 대한 핫토픽은 주식 시장에서의 투자자들에게 유용한 정보를 제공하게 될 뿐만 아니라 소비자들의 니즈를 충족시킬 수 있을 것이라 기대된다.

• 한국조경학회지
• /
• 제40권6호
• /
• pp.148-160
• /
• 2012

본 연구는 비오톱 지도와 항공 라이다 자료만을 이용해 GIS 분석기법을 적용하여 개개의 비오톱에 대한 기후분석 및 평가정보를 제공함을 목적으로 하고 있다. 1차 분석단계에서 비오톱 지도로부터 면적, 경사, 경사길이, 표면특성, 바람통로 기능, 바람통로 폭, 바람통로 장애물 요소를 각각 구하여 냉기/신선기 생성 및 바람통로 기능을 평가하였으며 2차 분석단계에서는 이들 요소를 종합하여 기후평가를 수행하여 비오톱 단위 별로 기후평가 자료를 생성하였다. 항공라이다 자료는 비오톱을 이용한 바람통로 분석에 유효하였다. 평가인자와 평가 등급 간의 상관성을 그래프 및 상관계수를 통해 확인한 결과 냉기/신선기 생성 등급과 Surface_GRD 평균값과의 상관계수가 (-)0.967로 높게 나타났으며 바람통로 기능에서는 등급별 Function_GRD 평균값과의 상관계수가 (-)0.884, Obstacle_GRD 평균값과의 상관계수는 (-)0.834로 나타났다. 기후평가 등급과 WindCorridor_GRD 상관계수는 0.928, 기후평가 등급과 ColdAir_GRD 상관계수는 0.855로 나타나 비오톱의 WindCorridor_GRD가 ColdAir_GRD에 비해 상관성이 높게 나타났으며 항공사진 정사영상을 이용한 육안 검수에서도 기후평가 및 등급화 결과가 잘 반영된 것으로 나타났다. 결과적으로, 비오톱 지도와 항공라이다 자료를 이용해 기후 분석 및 평가 방법을 적용한 결과 광명-시흥시 보금자리 주택개발 예정지의 기후평가등급에 따른 면적분포 비율은 1등급 18.5%, 2등급 18.2%, 3등급 30.7%, 4등급 25.2%, 5등급 7.4% 순으로 나타났으며 본 연구방법을 통해 기후평가 정보를 각각의 비오톱 단위별로 통계적 정보와 함께 제시할 수 있었다.

• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.449-459
• /
• 2015

기존의 국가산림자원조사(National Forest Inventory, NFI)에 의한 산림탄소저장량 추정 방법은 국가 규모의 평균 탄소저장량 추정에는 충분하지만 표본점 개수가 부족한 시 군 단위의 세밀한 추정은 어렵다. 본 연구에서는 시 군별 산림탄소저장량 추정을 위해 공간 자료를 보조 자료로 이용하고 2가지 업스케일링 방법을 적용하여 격자별 산림탄소저장량 정보를 가진 산림탄소지도를 제작하였다. 대상지역은 충청남도로 2가지 방법 모두 제 5차 NFI(2006~2009) 자료를 활용하였다. 방법 1은 임상도를 보조 자료로 선택하고 NFI 기반 산림탄소저장량 회귀모델을 이용하였다. 방법 2는 위성영상을 보조 자료로 선택하고 k-NN을 이용하여 산림탄소저장량을 추정하였다. 불확실성을 고려하기 위해 200회 몬테카를로 시뮬레이션을 수행하여 최종 AGB 탄소지도를 산출하였다. 방법 1에서는 충청남도의 총 산림탄소저장량이 22,948,151 tonC으로 기존의 현지조사표본 기반 추정치(21,136,911 tonC)에 비해 과대추정을, 방법 2에서는 19,750,315 tonC로 과소추정되는 경향을 나타내었다. 독립검증 지점(n=186)의 탄소저장량에 대한 대응표본 T-검정 결과, 방법 2의 평균 추정치와 NFI 표본 기반 평균 추정치는 통계적으로 유의한 차이가 있는 반면(p<0.01), 방법 1의 평균 추정치는 NFI 표본 기반 평균 추정치와 통계적으로 유의한 차이가 없는 것으로 평가되었다(p>0.01). 특히, 방법 2의 경우 k-NN의 스무딩 효과 및 몬테카를로 시뮬레이션을 통해 위성영상과 표본점의 mis-registration 오차가 추정오차에 큰 영향을 미칠 수 있음이 발견되었다. 임상도를 활용한 방법 1이 임분 구조가 복잡한 우리나라 산림의 탄소량 추정에 효과적일 수 있지만, 미조사 지점의 주기적인 갱신 및 대면적 추정에 유리한 위성영상의 활용은 여전히 필수적이다, 따라서 시공간적인 확장과 함께 보다 신뢰할 수 있는 산림탄소저장량 추정을 위해 다양한 위성영상 자료 및 활용 기법에 관한 연구가 필요할 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1009-1029
• /
• 2023

도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R², 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R², 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.