• 한국수자원학회논문집
• /
• 제54권11호
• /
• pp.969-983
• /
• 2021

수문기상인자 중 하나인 증발산은 수자원 계획 및 관리 시 고려되며, 특히 물수지모형 등 수문모형의 입력자료로 활용된다. FAO56 PM 방법은 기상인자로부터 기준증발산량(reference evapotranspiration, ET₀)을 추정하며, 상대적으로 높은 정확성을 보여준다. 그러나 FAO56 PM 방법은 많은 기상인자가 필요하기 때문에 증발산 추정에 한계가 있다. 이러한 점에서 온도인자 기반의 Hargreaves 식의 매개변수를 Bayesian 모형을 통해 지역적으로 재추정하여 기준증발산량을 산정하였다. 통계 지표(CC, RMSE, IoA)를 활용하여 모형검증을 수행한 결과, 검증 기간에 대해 RMSE는 7.94 ~ 24.91 mm/month에서 6.77 ~ 12.94 mm/month로 기존 Hargreaves 식으로 추정된 증발산량에 비해 정확도가 크게 개선되었다. 본 연구에서는 산정된 기준증발산량을 활용해 증발 요구량(E₀) 기반의 가뭄지수 EDDI (evaporative demand drought index)를 제시하였다. 가뭄지수로서 적용성을 확인하기 위해 강수량 및 SPI와 함께 최근 2014 ~ 2015년, 2018년 가뭄사상을 평가하였다. 한강유역에 위치한 춘천, 홍천의 2018년 가뭄 발생 당시, 주단위 EDDI가 2 이상까지 증가하였으며, 이를 통해 EDDI가 강수부족보다는 폭염에 대한 반응정도가 큰 것을 확인할 수 있었다. 가뭄지수 EDDI는 SPI와 함께 가뭄 분석 및 평가에 대해 활용성이 높은 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제55권12호
• /
• pp.1115-1124
• /
• 2022

본 연구는 충주댐과 소양강댐 유역을 대상으로 분포형 수문모형인 Variable Infiltration Capacity (VIC) 모형 기반의 댐 유입량 예측 모형과 딥러닝 모형의 일종인 LSTM 기반의 댐 방류량 예측 모형으로 구성된 통합 모델링 프레임워크를 구성하여 미래 기후변화가 수자원에 미치는 영향을 평가하였다. 기후모델에 따른 미래 기후자료의 불확실성을 고려하여 4개의 CMIP6 GCM 모델의 기후자료를 미래기간(2021-2100)에 대한 VIC 모형의 기상자료로 입력하였다. 미래기후자료를 적용한 결과, 미래가 진행됨에 따라 기간별 평균 유입량이 증가하였으며, 먼 미래(2070-2100)에는 관측기간(1986-2020)에 비해 유입량이 최대 22% 증가하였다. 갈수량 분석 결과, 임의의 4일~50일에 대한 댐 방류량의 최소값은 관측치에 비해 현저히 낮은 것으로 나타났다. 이는 가뭄이 과거에 관측된 것보다 더 장기간에 걸쳐 발생할 수 있음을 나타내며, 수도권 시민들이 미래의 가뭄으로 인해 심각한 물 부족을 겪을 수 있다는 것을 의미한다. 또한, 단기 및 중기 미래에 비하여 장기미래에 저수량의 변화가 급격하게 이루어졌으며 이는 수자원 관리의 어려움이 증대될 수 있음을 시사한다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.1-16
• /
• 2022

Despite recent breakthroughs in deep learning and computer vision fields, the pixel-wise identification of tiny objects in high-resolution images with complex disturbances remains challenging. This study proposes a modified U-net for tiny crack segmentation in real-world steel-box-girder bridges. The modified U-net adopts the common U-net framework and a novel Self-Attention-Self-Adaption (SASA) neuron as the fundamental computing element. The Self-Attention module applies softmax and gate operations to obtain the attention vector. It enables the neuron to focus on the most significant receptive fields when processing large-scale feature maps. The Self-Adaption module consists of a multiplayer perceptron subnet and achieves deeper feature extraction inside a single neuron. For data augmentation, a grid-based crack random elastic deformation (CRED) algorithm is designed to enrich the diversities and irregular shapes of distributed cracks. Grid-based uniform control nodes are first set on both input images and binary labels, random offsets are then employed on these control nodes, and bilinear interpolation is performed for the rest pixels. The proposed SASA neuron and CRED algorithm are simultaneously deployed to train the modified U-net. 200 raw images with a high resolution of 4928 × 3264 are collected, 160 for training and the rest 40 for the test. 512 × 512 patches are generated from the original images by a sliding window with an overlap of 256 as inputs. Results show that the average IoU between the recognized and ground-truth cracks reaches 0.409, which is 29.8% higher than the regular U-net. A five-fold cross-validation study is performed to verify that the proposed method is robust to different training and test images. Ablation experiments further demonstrate the effectiveness of the proposed SASA neuron and CRED algorithm. Promotions of the average IoU individually utilizing the SASA and CRED module add up to the final promotion of the full model, indicating that the SASA and CRED modules contribute to the different stages of model and data in the training process.

• 지능정보연구
• /
• 제29권2호
• /
• pp.129-148
• /
• 2023

블록체인 기술이 적용되어 있는 암호화폐는 높은 가격 변동성을 가지며 투자자 및 일반 대중으로부터 큰 관심을 받아왔다. 이러한 관심을 바탕으로 암호화폐를 비롯한 투자상품의 미래가치를 예측하기 위한 연구가 이루어지고 있으나 예측모형에 대한 설명력 및 해석 가능성이 낮아 실무에서 활용하기 어렵다는 비판을 받아왔다. 본 연구에서는 암호화폐 가격 예측모형의 성과를 향상시키기 위해 금융투자상품의 가치평가에 활용되는 기술적 지표들과 함께 투자자의 사회적 관심도를 반영할 수 있는 구글 키워드 검색량 데이터를 사용하고 설명 가능한 인공지능을 적용하여 모형에 대한 해석을 제공하고자 한다. 최근 금융 시계열 분야에서 예측성과의 우수성을 인정받고 있는 LSTM(Long Short Term Memory)과 CNN(Convolutional Neural Networks)을 활용하고, 'bitcoin'을 검색어로 하는 구글 검색량 데이터를 적용해 일주일 후의 가격 등락 예측모형을 구축하였다. LSTM과 CNN을 활용해 구축한 모형들이 높은 예측성능을 보였으며 구글 검색량을 반영한 모형에서 더 높은 예측성과를 확인할 수 있었다. 딥러닝 모형의 해석 가능성 및 설명력을 위해 XAI의 SHAP 기법을 적용한 결과, 구글 검색량과 함께 과매수, 과매도 정도를 파악할 수 있는 지표들이 모형의 의사결정에 가장 큰 영향들을 미치고 있음을 파악할 수 있었다. 본 연구는 암호화폐 가격 등락 예측에 있어 전통적으로 시계열 예측에 우수한 성과를 인정받고 있는 LSTM뿐만 아니라 이미지 분류에서 높은 예측성과를 보이는 딥러닝 기법인 CNN 또한 우수한 예측성능을 보일 수 있음을 확인하였으며, XAI를 통해 예측모형에 대한 해석을 제공하고, 대중의 심리를 반영하는 정보 중 하나인 구글 검색량을 활용해 예측성과를 향상시킬 수 있다는 것을 확인했다는 점에서 의의가 있다.

• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.983-993
• /
• 2021

Objective: To investigate the image quality of ultralow-dose CT (ULDCT) of the chest reconstructed using a cycle-consistent generative adversarial network (CycleGAN)-based deep learning method in the evaluation of pulmonary tuberculosis. Materials and Methods: Between June 2019 and November 2019, 103 patients (mean age, 40.8 ± 13.6 years; 61 men and 42 women) with pulmonary tuberculosis were prospectively enrolled to undergo standard-dose CT (120 kVp with automated exposure control), followed immediately by ULDCT (80 kVp and 10 mAs). The images of the two successive scans were used to train the CycleGAN framework for image-to-image translation. The denoising efficacy of the CycleGAN algorithm was compared with that of hybrid and model-based iterative reconstruction. Repeated-measures analysis of variance and Wilcoxon signed-rank test were performed to compare the objective measurements and the subjective image quality scores, respectively. Results: With the optimized CycleGAN denoising model, using the ULDCT images as input, the peak signal-to-noise ratio and structural similarity index improved by 2.0 dB and 0.21, respectively. The CycleGAN-generated denoised ULDCT images typically provided satisfactory image quality for optimal visibility of anatomic structures and pathological findings, with a lower level of image noise (mean ± standard deviation [SD], 19.5 ± 3.0 Hounsfield unit [HU]) than that of the hybrid (66.3 ± 10.5 HU, p < 0.001) and a similar noise level to model-based iterative reconstruction (19.6 ± 2.6 HU, p > 0.908). The CycleGAN-generated images showed the highest contrast-to-noise ratios for the pulmonary lesions, followed by the model-based and hybrid iterative reconstruction. The mean effective radiation dose of ULDCT was 0.12 mSv with a mean 93.9% reduction compared to standard-dose CT. Conclusion: The optimized CycleGAN technique may allow the synthesis of diagnostically acceptable images from ULDCT of the chest for the evaluation of pulmonary tuberculosis.

• 치위생과학회지
• /
• 제24권1호
• /
• pp.62-70
• /
• 2024

Background: This study aimed to evaluate ChatGPT's performance accuracy in responding to questions from the national dental hygienist examination. Moreover, through an analysis of ChatGPT's incorrect responses, this research intended to pinpoint the predominant types of errors. Methods: To evaluate ChatGPT-3.5's performance according to the type of national examination questions, the researchers classified 200 questions of the 49th National Dental Hygienist Examination into recall, interpretation, and solving type questions. The researchers strategically modified the questions to counteract potential misunderstandings from implied meanings or technical terminology in Korea. To assess ChatGPT-3.5's problem-solving capabilities in applying previously acquired knowledge, the questions were first converted to subjective type. If ChatGPT-3.5 generated an incorrect response, an original multiple-choice framework was provided again. Two hundred questions were input into ChatGPT-3.5 and the generated responses were analyzed. After using ChatGPT, the accuracy of each response was evaluated by researchers according to the types of questions, and the types of incorrect responses were categorized (logical, information, and statistical errors). Finally, hallucination was evaluated when ChatGPT provided misleading information by answering something that was not true as if it were true. Results: ChatGPT's responses to the national examination were 45.5% accurate. Accuracy by question type was 60.3% for recall and 13.0% for problem-solving type questions. The accuracy rate for the subjective solving questions was 13.0%, while the accuracy for the objective questions increased to 43.5%. The most common types of incorrect responses were logical errors 65.1% of all. Of the total 102 incorrectly answered questions, 100 were categorized as hallucinations. Conclusion: ChatGPT-3.5 was found to be limited in its ability to provide evidence-based correct responses to the Korean national dental hygiene examination. Therefore, dental hygienists in the education or clinical fields should be careful to use artificial intelligence-generated materials with a critical view.

• 지능정보연구
• /
• 제20권2호
• /
• pp.149-162
• /
• 2014

수강지도는 학생의 졸업인증이나 공학교육인증 이수를 위해 수강 신청 이전에 수행되는 과정을 지칭한다. 수강지도는 학생의 수강이력 점검과 향후 수강 과목의 안내 등을 포함하여 학생들의 졸업 및 교과과정 인증과 관련된 중요한 역할을 하고 있다. 현재 대부분 대학에서는 수강지도를 위한 전산시스템의 부재로 인해 지도교수가 직접 수동적으로 수강지도를 진행하고 있다. 하지만 이러한 수동적인 방식의 수강지도는 지도교수가 각 학생에 대한 정보를 분석해야 하고, 때때로 휴먼에러를 일으키게 된다. 수강신청이 학기 단위로 이루어지기 때문에 휴먼에러로부터 발생된 피해는 원상태로 되돌리는 것이 거의 불가능하다. 따라서 수강지도를 진행함에 있어 자동화된 시스템은 필수적인 요소로 판단된다. 관계 데이터 모델을 이용한 수강지도 시스템의 도입은 수동적인 수강지도의 문제점을 해결할 수 있게 해준다. 하지만 교육과정 및 인증제도의 변화에 따라 기존 시스템의 스키마 변경이 요구되고, 수강 과목 사이에 존재하는 관계 및 의미적인 검색을 제공하는 것이 어렵다는 한계가 존재한다. 본 논문에서는 수강지도 시스템을 위한 수강지도 온톨로지를 모델링하고, 온톨로지 기반의 수강지도 시스템을 설계한다. 온톨로지 인스턴스 생성을 위해 JENA 프레임워크를 이용하여 온톨로지 생성 모듈을 개발하였고, 실험에 참가한 학생의 수강 이력 데이터를 기반으로 온톨로지 인스턴스를 생성하고 추론과정을 통해 트리플 저장소에 저장하였다. 실험은 제안하는 시스템이 학생들이 향후 수강할 수 있는 과목을 모두 제공하는지 여부와 제공되는 과목에 대한 정보 및 학점 계산들이 정확한 지를 측정하였다. 실제 학생의 수강내역을 이용한 실험의 결과는 온톨로지 기반의 수강지도 시스템이 현 수강지도 시스템의 수동적 방법을 해결하고, 사람이 지도한 내용과 같은 내용을 도출하는 것을 확인함으로써 제안하는 시스템의 유효성을 보여준다.

• 한국의학물리학회지:의학물리
• /
• 제23권2호
• /
• pp.81-90
• /
• 2012

방사선 치료에서 부정확한 환자 셋업이 표적에 전달되는 선량에 미치는 영향과 치료 마진과의 연관성을 몬테칼로 기법을 사용한 전산모사를 통하여 분석하였다. 실제 방사선 치료를 받은 직장암 환자에 대한 임상표적체적(CTV: Clinical Target Volume) 및 주요장기의 구조와 치료계획 시스템(Eclipse 8.9, USA)을 이용하여 수립된 세기조절 방사선치료계획에서의 선량분포에 대한 데이터를 전산모사에서 사용하였다. 전산모사 프로그램은 리눅스환경에서 오픈소스인 ROOT 라이브러리와 GCC를 기반으로 본 연구를 위하여 개발되었다. 환자셋업오차의 확률분포를 정규분포로 가정한 것에 따라 무작위로 생성된 크기만큼 셋업이 부정확한 경우를 모사하여 임상표적체적에서의 선량분포의 변화와 오차크기에 따른 마진크기를 3차원입체조형 방사선치료에 사용되는 마진공식과 비교분석 하였다. 셋업오차 생성에 사용된 정규분포의 표준편차 크기는 1 mm부터 10 mm까지 1 mm간격으로 두었으며 계통오차와 통계오차별로 2,000번 전산모사했다. 계통오차의 경우 전산모사에 사용된 표준편차가 커질수록 임상표적체적에 조사되는 최소선량 $D_{min}^{stat{\cdot}}$은 100.4%에서 72.50%로 감소하였고 평균선량 $\bar{D}_{syst{\cdot}}$도 100.45%에서 97.88%로 감소한 반면에 표준편차${\Delta}D_{sys}$는 0.02%에서 3.33%로 증가하였다. 통계오차의 경우 최소선량 $D_{min}^{rand{\cdot}}$은 100.45%에서 94.80%감소하였고 평균선량 $\bar{D}_{syst{\cdot}}$도 100.46%에서 97.87%로 감소하였으며 표준편차 ${\Delta}D_{rand}$는 0.01%에서 0.63%로 증가하였다. 그리고 마진공식으로부터 전산모사에 사용된 셋업오차에 해당되는 마진크기를 구하고 모집단비율(population ratio)을 정의하여 기존 마진공식의 목적이 세기조절방사선치료에 만족함을 확인했다. 개발된 전산모사 프로그램은 해당 환자의 치료계획 정보를 직접 사용하므로 직장암만 아니라 두경부암, 전립선암 등 여러 환부에 적용 가능하며 셋업오차 및 선량변화에 연관된 연구에도 사용할 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 한국석유지질학회지
• /
• 제4권1_2호
• /
• pp.27-39
• /
• 1996

백악기 당시 미국 걸프만 퇴적분지는 대륙연변부의 색(sag)형 퇴적분지로서의 진화과정을 거치고 있었다. 두꺼운 백악기의 쇄설성과 탄산염 퇴적층은 상승 교란작용을 받은 암염층을 덮고 있다. 당시 걸프만 퇴적분지의 염분도는 넓게 발달하고 있는 초조간대의 경석고 퇴적층의 분포로 보아 현생의 페르시아만 환경과 유사했던 것으로 추정된다. 하부 백악기의 주요 저류암 (reservoir)으로는 쇄설성 퇴적암층인 카튼밸리(Cotton Valley), 허스톤(Hosston), 트래비스픽(Travis Peak)층과 탄산염 퇴적암층인 슬리고(Sligo), 트리니티(Trinity) - 파인아일랜드(Pine Island), 피어살(Pearsall), 글랜로스(Glen Rose), 에드워드(Edwards), 조오지타운(Georgetown)/부다(Buda) 층이 있다. 이 시기 저류암층에 탄화수소를 공급했던 근원암(source rock)으로는 경사방향 하부(down-dip)에 위치하고 있는 셰일과 이회암층이 꼽히고, 덮개암(seal)은 대개 경사방향 상부(up-dip)에 위치하고 있는 계일과 치밀한 석회암층, 그리고 증발암으로 보인다. 하부 백악기 동안 전 걸프만 퇴적분지는 천해환경하에 있었는데, 남서부 지역은 백악기 말까지 계속 이어졌던 천해 탄산염 환경이,북쪽과 서쪽지역에서는 육성기원의 세립질 퇴적물이 주로 집적되는 환경이었다. 상부 백악기동안에는 걸프만 퇴적분지는 주요한 해수면 상승기와 연관되어 비교적 수심이 깊었던 환경하에 있었으며 이 때 형성된 주요 저류암층으로는 우드바인(Woodbine)/투스칼루사(Tuscaloosa) 사암층, 테일러(Taylor) 나바로(Navarro) 사암층과 오스틴(Austin) 백악 및 탄산염암층이 있다. 이 저류암층에 탄화수소를 공급했던 근원암층으로는 경사방향 하부의 셰일층이, 그리고 덮개암층은 경사방향 상부의 계일층이 그 역할을 담당했던 것으로 해석된다. 뗘악기 하부와 상부 퇴적층의 주요 트랩(trap)으로는 완만한 기둥형(pillow)으로부터 복잡한 다이아피어(diapir) 형태의 암염층 관련 배사구조와 하단 단층블록위에 놓여 있으며 롤오버(rollover) 배사구조를 갖는 성장단층이 있다. 투수 장애(permeability barrier), 상부 경사방향으로 첨멸하는 사암체(up-dip pinch-out sand body깥 침식부정합면(unconformity truncation)도. 걸프만 석유부존에 중요한 역할을 한 트랩들이다. 백악기의 주요한 저류암층들은 범세계 해수면곡선의 하강시기와 잘 일치하고 있는데 이는 백악기동안 형성된 걸프만의 퇴적층서가 범세계 해수면곡선을 전반적으로 잘 반영하고 있음을 의미한다. 즉 퇴적작용을 주로 지배하는 세 즌요 변수인 지구조적인 분지의 침강운동,퇴적물의 공급,해수면 변동오그÷중에서 해수면 변동요소가 이 시기동안 가장 중요한 역할을 했음을 의미한다.