• Atmosphere
• /
• v.33 no.4
• /
• pp.355-365
• /
• 2023

To proactively manage climate risk, near-term climate predictions on annual to decadal time scales are of great interest to various communities. This study evaluates the near-term climate prediction skills in East Asia with DePreSys4 retrospective decadal predictions. The model is initialized every November from 1960 to 2020, consisting of 61 initializations with ten ensemble members. The prediction skill is quantitatively evaluated using the deterministic and probabilistic metrics, particularly for annual mean near-surface temperature, land precipitation, and sea level pressure. The near-term climate predictions for May~September and November~March averages over the five years are also assessed. DePreSys4 successfully predicts the annual mean and the five-year mean near-surface temperatures in East Asia, as the long-term trend sourced from external radiative forcing is well reproduced. However, land precipitation predictions are statistically significant only in very limited sporadic regions. The sea level pressure predictions also show statistically significant skills only over the ocean due to the failure of predicting a long-term trend over the land.

• Journal of Korean Association for Spatial Structures
• /
• v.23 no.3
• /
• pp.87-94
• /
• 2023

Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure's safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.129-131
• /
• 2021

본 논문에서는 심층 특징 앙상블을 사용하여 목조 문화재의 변위 현상 중 하나인 배부름 현상을 감지할 수 있는 모델을 제안한다. 우선 총 4개의 서로 다른 사전 학습된 합성 곱 신경망을 사용하여 입력 영상에 대한 심층 특징들을 추출한다. 그 이후 4개의 서로 다른 심층 특징들을 결합하여 하나의 특징 벡터를 생성한다. 그 이후 합쳐진 특징 벡터는 완전 연결 계층의 입력 값으로 들어와서 최종적으로 변위가 존재하는지 아닌지에 대한 예측을 수행하게 된다. 데이터 셋으로는 충주시 근처의 문화재에 방문해서 수집한 목조 문화재 이미지를 가지고 정상 및 비정상으로 구분한 데이터 셋을 사용하였다. 실험 결과 심층 특징 앙상블 기법을 사용한 모델이 앙상블 기법을 사용하지 않은 모델보다 더 좋은 성능을 나타냄을 확인하였다. 이러한 결과로 부터 우리가 제안한 방법이 목재 문화재의 배부름 현상에 대한 변위 검출에 있어서 매우 적합함을 보여준다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.276-276
• /
• 2021

최근 댐과 같은 수공구조물의 건설로 대규모 홍수피해는 급격히 줄어들었지만, 돌발홍수(flash flood)로 인한 저지대 침수 등의 도시홍수 발생빈도가 급증하고 있다. 2020년에는 최장의 장마가 관측되었으며, 전국적으로 홍수로 인한 침수피해가 발생하였다. 홍수에 선제적으로 대응하기 위해서 신뢰성 있는 홍수예·경보가 필요하며, 이를 위해서는 신속하고 정확성있는 강우예측이 선행되어야 한다. 이에 본 연구에서는 초단기 강우예측을 목적으로 둔 레이더 기반의 강우앙상블 예측모형을 개발하였다. 라그랑지안 지속성(Lagrangian persistence)을 기반으로 개발하였으며, 강우장의 이동 패턴은 이류특성을 활용해 추정하였다. 즉, 강우장의 예측정확도를 향상시키기 위해 공간적 규모별 캐스캐이드(cascade) 방법으로 분리해 이동 경로를 추정하였다. 예측시간에 따른 강우량은 각 캐스캐이드에 자기회귀모형을 적용하였다. 레이더 강우량은 2016-2020년 사이에 발생한 강우사상에 대한 환경부 홍수통제소에서 제공한 레이더 합성장을 이용하였다. 예측강우량에 대한 평가는 RMSE, Pearson's Correlation, FSS 등 통계치를 통해 수행하였다. 본 연구에서 소개된 강우예측 모형은 초단기 홍수예측에 정확도 높은 강우 정보를 제공할 수 있으며, 이에 따라 홍수피해를 저감하는데 도움이 될 것으로 판단된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.141-143
• /
• 2021

본 논문에서는 목조 문화재의 변위량을 감지할 수 있는 앙상블 딥러닝 모델 모델을 제안한다. 우선 총 2개의 서로 다른 사전 학습된 합성 곱 신경망을 사용하여 입력 영상에 대한 심층 특징들을 추출한다. 그 이후 2개의 서로 다른 심층 특징들을 결합하여 하나의 특징 벡터를 생성한다. 그 이후 합쳐진 특징 벡터는 완전 연결 계층의 입력 값으로 들어와서 최종적으로 변위의 심각 단계에 대한 예측을 수행하게 된다. 데이터 셋으로는 충주시 근처의 문화재에 방문해서 수집한 목조 문화재 이미지를 가지고 정상 및 비정상으로 구분한 데이터 셋을 사용하였다. 실험 결과 앙상블 딥러닝 기법을 사용한 모델이 앙상블 기법을 사용하지 않는 모델보다 더 좋은 성능을 나타냄을 확인하였다. 이러한 결과로부터 우리가 제안한 방법이 목재 문화재의 변위량 예측에 있어서 매우 적합함을 보여준다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.60-60
• /
• 2020

기후변화 및 지구온난화로 인한 자연재해 규모가 점차 대형화, 다양화되고 있어 이로 인한 피해도 증대되고 있다. 특히, 다양한 시설과 인구밀도가 높은 도심 지역은 집중호우, 태풍, 홍수 등 자연재해에 취약하여 인적·물적 피해 위험성이 매우 높다. 방재 시설확보 및 개선을 통한 더 높은 안정성 및 기상예보를 통한 대응, 대책을 통한 피해 저감이 이루어지고 있다. 그러나 일반적으로 제공되는 단일 수치모형 기반의 결정론적 기상예측정보는 기상 상태, 선행시간, 모형 매개변수 등으로 인한 불확실성이 매우 크며 이에 대한 정보가 제공되지 않다. 이러한 문제점을 보완하기 위해 앙상블 수치모델 정보와 기상레이더 자료 기반의 단기 예측정보가 활용이 가능하다. 그러나, 앙상블 수치모델의 불확실성, 기상레이더 기반 예측정보의 짧은 예측 선행시간으로 인해 수문학적 모형에 입력자료로 활용은 어려운 실점이다. 본 연구에서는 지점 관측자료의 시간적 연속성, 기상레이더 자료의 공간적 연속성, 앙상블 예측정보의 선행시간 정보를 융합하여 기상예측정보에 대한 불확실성 개선 및 선행시간에 따른 정확도를 높일 방법을 제안하였다. 기상청에서 제공하는 앙상블 예측자료인 LENS 자료, 레이더 강수량, ASOS 관측자료 기반으로 분석이 수행되었으며 분석결과는 예측강수량을 활용하는 분야에 긍정적 영향을 미칠 것으로 기대된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.181-181
• /
• 2021

유역 내의 물순환 평가를 위하여 적합한 강우-유출모형을 선정하고 적용하는 것은 수문학적 관점에서 주된 과제이다. 장기적인 관점의 수자원 관리를 위해서는 직접적인 계측을 통해 장기간의 유출자료를 취득하는 방법이 있으나, 국내의 주요지점을 제외한 대다수의 중소규모의 지점에 계측기를 설치하는 것은 현실적으로 어려우므로, 자료취득이 비교적 용이하고 신뢰성이 높은 장기간 강우 자료를 강우-유출모형의 입력자료로 활용하여 미계측 유역으로의 모형을 확장하는 방안이 적절하다는 평가를 받고 있다. 본 연구는 국내외 주요 연속강우-유출모형의 특성을 파악하기 위하여 비교적 신뢰성 있는 자료를 보유하고 있는 소양강댐 유역에 다수의 연속강우-유출모형을 적용하였다. 모델링 결과로 산출된 유황곡선(flow duration curve)을 소양강댐 유입량과 비교하여 각 모형의 특징을 파악하고 유량에 따른 적합성 평가를 진행하였다. 또한, 향후 미계측유역으로 모형을 확장하기 위하여 매개변수 개수 및 재현능력을 동시에 평가하였다. 다수의 모형 중 적합성이 높은 모형들을 선별하였으며, 선별된 모형들의 불확실성을 고려함과 동시에 계층적 베이지안 기법을 활용하여 최종적으로 앙상블모형을 제시하였다. 앙상블모형을 단일 모형과 비교한 결과 단일 모형보다 개선된 성능을 확인하였다.

• International conference on construction engineering and project management
• /
• 2022.06a
• /
• pp.728-735
• /
• 2022

Roofers get exposed to increased risk of knee musculoskeletal disorders (MSDs) at different phases of a sloped shingle installation task. As different phases are associated with different risk levels, this study explored the application of machine learning for automated classification of seven phases in a shingle installation task using knee kinematics and roof slope information. An optical motion capture system was used to collect knee kinematics data from nine subjects who mimicked shingle installation on a slope-adjustable wooden platform. Four features were used in building a phase classification model. They were three knee joint rotation angles (i.e., flexion, abduction-adduction, and internal-external rotation) of the subjects, and the roof slope at which they operated. Three ensemble machine learning algorithms (i.e., random forests, decision trees, and k-nearest neighbors) were used for training and prediction. The simulations indicate that the k-nearest neighbor classifier provided the best performance, with an overall accuracy of 92.62%, demonstrating the considerable potential of machine learning methods in detecting shingle installation phases from workers knee joint rotation and roof slope information. This knowledge, with further investigation, may facilitate knee MSD risk identification among roofers and intervention development.

• Asia pacific journal of information systems
• /
• v.29 no.4
• /
• pp.789-816
• /
• 2019

Text classification is a challenging task, especially when dealing with a huge amount of text data. The performance of a classification model can be varied depending on what type of words contained in the document corpus and what type of features generated for classification. Aside from proposing a new modified version of the existing algorithm or creating a new algorithm, we attempt to modify the use of data. The classifier performance is usually affected by the quality of learning data as the classifier is built based on these training data. We assume that the data from different domains might have different characteristics of noise, which can be utilized in the process of learning the classifier. Therefore, we attempt to enhance the robustness of the classifier by injecting the heterogeneous data artificially into the learning process in order to improve the classification accuracy. Semi-supervised approach was applied for utilizing the heterogeneous data in the process of learning the document classifier. However, the performance of document classifier might be degraded by the unlabeled data. Therefore, we further proposed an algorithm to extract only the documents that contribute to the accuracy improvement of the classifier.

• The Korean Journal of Applied Statistics
• /
• v.22 no.4
• /
• pp.771-780
• /
• 2009

Cataract is the main cause of blindness and visual impairment, especially, age-related cataract accounts for about half of the 32 million cases of blindness worldwide. As the life expectancy and the expansion of the elderly population are increasing, the cases of cataract increase as well, which causes a serious economic and social problem throughout the country. However, the incidence of cataract can be reduced dramatically through early diagnosis and prevention. In this study, we developed a prediction model of cataracts for early diagnosis using hospital data of 3,237 subjects who received the screening test first and then later visited medical center for cataract check-ups cataract between 1994 and 2005. To develop the prediction model, we used random forests and compared the predictive performance of this model with other common discriminant models such as logistic regression, discriminant model, decision tree, naive Bayes, and two popular ensemble model, bagging and arcing. The accuracy of random forests was 67.16%, sensitivity was 72.28%, and main factors included in this model were age, diabetes, WBC, platelet, triglyceride, BMI and so on. The results showed that it could predict about 70% of cataract existence by screening test without any information from direct eye examination by ophthalmologist. We expect that our model may contribute to diagnose cataract and help preventing cataract in early stages.