• 한국수자원학회논문집
• /
• 제47권3호
• /
• pp.257-267
• /
• 2014

기후변화에 따른 기온과 강수량의 변화가 지표수자원에 미치는 영향은 수문기상학 연구에서 매우 중요하다. 본 연구에서는 기후변화가 우리나라 5대강 유역의 유출량에 미치는 영향을 분석하기 위하여 Catchment Modeling Toolkit의 네가지 수문기상 모형을 사용하였다. 세 가지 RCP 시나리오에 대하여 12개 GCM 모형으로부터 미래 2021에서 2040까지(2030s), 2051에서 2070까지 (2060s) 및 2081에서 2099까지(2090s) 기간에 대한 기후자료를 추출하였다. 이들 자료는 LARS-WG 방법으로 상세화 하였으며, 수문기상 모형들은 1999부터 2009까지의 관측 자료를 이용하여 보정 및 검정하였다. 본 연구에서 미래의 유출량은 사분위 범위, 전체범위 및 변동계수 값이 시공간적으로 및 수문기상 모형에 따라서 큰 불확실성을 나타내었다. 종합적으로 볼 때 미래의 유출량은 기준년도에 비하여 RCP2.6, RCP4.5 및 RCP8.5 시나리오에 대하여 10~24%, 7~30% 및 11~30% 증가할 것으로 예상되었다. 본 연구는 수분기상모형과 기후변화 예측의 불확실성을 고려한 미래의 유출량을 모의할 수 있는 방법을 제시하였다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.119-137
• /
• 2022

최근 추천 시스템 연구에서는 사용자와 아이템 간 상호 작용을 보다 잘 표현하고자 다양한 딥 러닝 모델을 적용하고 있다. ONCF(Outer product-based Neural Collaborative Filtering)는 사용자와 아이템의 행렬을 외적하고 합성곱 신경망을 거치는 구조로 2차원 상호작용 맵을 제작해 사용자와 아이템 간의 상호 작용을 더욱 잘 포착하고자 한 대표적인 딥러닝 기반 추천시스템이다. 하지만 합성곱 신경망을 이용하는 ONCF는 학습 데이터에 나타나지 않은 분포를 갖는 데이터의 경우 예측성능이 떨어지는 귀납적 편향을 가지는 한계가 있다. 본 연구에서는 먼저 NCF구조에 Transformer에 기반한 ViT(Vision Transformer)를 도입한 방법론을 제안한다. ViT는 NLP분야에서 주로 사용되던 트랜스포머를 이미지 분류에 적용하여 좋은 성과를 거둔 방법으로 귀납적 편향이 합성곱 신경망보다 약해 처음 보는 분포에도 robust한 특징이 있다. 다음으로, ONCF는 사용자와 아이템에 대한 단일 잠재 벡터를 사용하였지만 본 연구에서는 모델이 더욱 다채로운 표현을 학습하고 앙상블 효과도 얻기 위해 잠재 벡터를 여러 개 사용하여 채널을 구성한다. 마지막으로 ONCF와 달리 부가 정보(side information)를 추천에 반영할 수 있는 아키텍처를 제시한다. 단순한 입력 결합 방식을 활용하여 신경망에 부가 정보를 반영하는 기존 연구와 달리 본 연구에서는 독립적인 보조 분류기(auxiliary classifier)를 도입하여 추천 시스템에 부가정보를 보다 효율적으로 반영할 수 있도록 하였다. 결론적으로 본 논문에서는 ViT 의 적용, 임베딩 벡터의 채널화, 부가정보 분류기의 도입을 적용한 새로운 딥러닝 모델을 제안하였으며 실험 결과 ONCF보다 높은 성능을 보였다.

• 공연문화연구
• /
• 제39호
• /
• pp.701-748
• /
• 2019

삼현영산회상 또는 표정만방지곡으로도 불리는 관악영산회상은 삼현육각의 악기편성 혹은 여기에 소금과 아쟁이 추가되는 대규모의 관악합주편성으로 연주된다. 본 연구는 관악영산회상 상령산의 주선율을 연주하는 피리 선율의 구조 및 형식을 분석하고, 대금의 연음 구조 및 기능을 파악하여 피리 선율과 대금 연음의 관계를 고찰하는 것을 목적으로 한다. 관악영산회상 상령산에서 피리 선율의 악구를 나누는 기준이 되는 것은 연음이다. 특히 대금의 연음은 주선율을 연주하는 피리의 악구를 수식 또는 연장하여 마무리 짓고, 피리가 쉬는 동안 다음 악구의 동기 또는 동기 요소를 제시해주는 등의 기능을 수행한다. 피리의 최소 단위 선율의 여러 형태 중 a, b, g, i의 유형은 피리 선율의 한 악구를 이루는 중요한 동기 요소가 된다. 특히 주요 동기(Main Motive)인 a형(중(仲)→무(無))은 2도 위로 이도되어 강한 긴장감을 형성하는 b형(임(林)→한(潢))과 대비를 이루고 있으며, g형(중(仲)→임(林))의 형태로 변화되거나 3도 아래 이도된 i형(태(太)→임(林))으로의 변화를 거치면서 악곡의 후반부로 갈수록 점차 하행하게 되는데, 이것은 전통음악이 점차 하행하는 종지형을 갖는 것과 관련이 있다. 관악영산회상 상령산 피리 선율의 한 악구는 대부분 동기 요소인 a, b, g, i형과 종지형(x형 계열)의 결합으로 구성되어 있고, 각각의 악구는 긴장-이완이 반복되는 구조로 짜여 있다. 피리의 악구를 유사한 유형별로 묶어 그 구조를 살펴보면, 각 악구는 음의 생략 및 추가, 선율의 교차와 같은 방법을 통해 논리적인 변주 구조를 갖추고 있음을 알 수 있다 대금 연음의 최소 단위 선율 형태는 a~b형의 뒷연음과 x1~x3형의 앞연음으로 구분하여 나타낼 수 있다. x형 계열은 피리 선율의 종지음인 중려(중(仲))를 수식하거나 단순히 연장하는 뒷연음으로 사용되고, a, b형은 피리 선율의 다음 악구의 시작을 예비하는 앞연음의 기능을 갖고 있다. 대금 연음의 최소 단위 선율 형태의 결합 유형은 대부분 뒷연음+앞연음의 형태로 나타난다. 이외에도 a, b형의 앞연음이 뒷연음 없이 독자적으로 등장하기도 하고, x3형과 같이 앞연음 없이 뒷연음의 형태만을 취하여 나타나기도 한다. 대금의 연음을 유사한 형태별로 묶어 그 구조를 파악해보면, 대금의 연음 또한 피리 선율과 마찬가지로 음의 생략 및 추가와 같은 방법을 통한 변주 구조로 이루어져 있음을 알 수 있다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.109-130
• /
• 2011

연속발생 데이터는 데이터의 원천으로부터 데이터 저장소로 연속적으로 축적이 되는 데이터를 말한다. 이렇게 축적된 데이터의 크기는 시간이 지남에 따라 점점 커진다. 또한 이러한 대용량 데이터에서 정보를 추출하기 위해서는 저장공간, 시간, 그리고 많은 자원이 필요하다. 이러한 연속발생 데이터의 특성은 시간이 지남에 따라 축적된 대용량 데이터의 이용을 어렵고 고비용이 되게 한다. 만약 정보나 패턴을 추출할 때 누적된 전체 발생 데이터 중에서 최근의 일부만 사용 한다면 적은 일부 표본의 사용의 문제로 인하여 전체 데이터 사용에서 발견될 수 있는 유용한 정보의 유실이 있을 수 있다. 이러한 문제점을 해결하기 위해서 본 연구는 연속발생 데이터를 발생 시점에서 계속 모으기 보다 이러한 발생되는 데이터에서 규칙을 추출하여 효율적으로 지식을 관리하고자 한다. 이 방법은 기존의 방법에 비하여 적은 양의 데이터 저장공간을 필요로 한다. 또한 이렇게 축적된 규칙집합은 미래에 예측을 위해서 언제든 실시간 예측을 할 수 있게 준비가 된다. 여러 예측 모델을 결합시키는 방법인 앙상블 이론에 의하면 본 연구가 제시하는 데로 체계적으로 규칙집합을 시간에 따라 융합시킬 경우 더 나은 예측 성과가 가능하다. 본 연구는 주식시장의 변동성을 예측하기 위하여 주식시장 데이터를 사용하였다. 본 연구는 이 데이터를 이용해 본 연구가 제시하는 방법과 기존의 방법의 예측 정확도를 비교 하였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.