• 한국해안·해양공학회논문집
• /
• 제32권6호
• /
• pp.373-383
• /
• 2020

본 연구에서는 한반도 중심 해역을 포함하는 북서태평양 영역에서의 폭풍해일 예측을 위해 NEMO(Nucleus for European Modelling of the Ocean) 모형을 이용하여 지역규모의 폭풍해일 예측시스템을 구축하였다. 이 시스템은 조석과 해일 예측으로 구성되어 있으며보다 정확한 폭풍해일을 예측하기 위해 수심자료와 대기-해양 경계에서의 모수화(parameterization) 최적화 과정을 수행하였다. 이를 통해 2018년 8~10월과 태풍 솔릭 사례에 대하여 국립해양조사원 조위 관측자료를 이용한 통계 방법을 적용하여 검증을 수행하고, 이를 POM(Princeton Ocean Model) 기반의 예측모델 결과와 비교하였다. 수행결과 NEMO 기반의 폭풍해일 예측시스템이 POM 기반의 예측결과에 비해 평균오차와 RMSE가 각각 약 29%와 약 20% 감소한 것으로 나타났으며, 태풍 시기에도 NEMO 기반 예측결과에서 전반적으로 오차가 낮게 나타났다.

• 한국초지조사료학회지
• /
• 제41권1호
• /
• pp.29-34
• /
• 2021

본 연구는 근적외선분광법을 활용한 조사료의 Ca과 P 함량의 분석 가능성을 검토하고 예측 정확성이 높은 검량식을 개발하기 위하여 전국 건초 수입상, TMR 회사와 축산 농가에서 수집한 수입 화본과와 두과 목건초 392점 중에서 무작위로 126점을 선택하여 검량식 개발에 이용하였다. 선택된 시료는 시료측정 전처리 방법을 생시료 처리와 건조분쇄 처리구로 나누어 근적외선 스펙트라를 측정하고 근적외선 파장대역을 가시영역, 근적외선, 전파장영역으로 구분하여 검량식을 개발하여 예측 정확성을 평가하였다. 수입건초의 Ca과 P 함량에 대한 예측 정확성은 시료 전처리 방법과 파장대역별에 따라 다양하게 나타났으며, 시료전처리 방법은 건조하여 분쇄하는 방법과 파장대역별로는 근적외선 파장(1,100~2,500 nm)대역에서 예측 정확성이 높게 나타났다. 수입건초의 Ca 함량 예측 정확성은 근적외선 파장대역에서 건조분쇄 측정이 SEC 292.3 mg/kg(R2=0.99)와 SECV 468.6 mg/kg(R2=0.98)로 가장 정확한 예측능력을 나타냈다. 수입건초의 P 함량은 근적외선 파장대역에서 건조분쇄 측정이 SEC 204.4 mg/kg(R2=0.91)과 SECV 224.7 mg/kg(R2=0.89)로 가장 정확한 예측능력을 나타냈다. 이상의 결과를 종합해보면 근적외선분광법을 이용하여 조사료의 주요 광물질인 Ca과 P 함량을 신속하고 정확하게 분석이 가능하였으며, 시료 측정시 건조하여 분쇄하는 전처리 방법과 근적외선 파장대역에서 검량식을 개발하는 것이 예측 정확성이 가장 우수한 것으로 나타났다.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.193-198
• /
• 2021

최근 4차 산업에 대한 관심으로 농업 분야의 벼농사에서 농민의 방제에 대한 요구수준이 증가하고 농업용 방제 드론의 관심과 활용이 증가하고 있다. 따라서 고농도의 농약을 살포하는 농업용 방제 드론 제품의 다양화와 드론 국가자격증 취득으로 인한 방제사의 증가로 인하여 드론 산업 분야에서 농업 분야가 급성장하고 있다. 세부 사업으로 농약 관리, 방제사 관리, 정밀살포, 방제 작업 물량 분류, 정산, 토양관리, 병충해 예찰 및 감시 등으로 방대한 빅데이터를 구축하고 데이터를 처리하기 위한 효과적인 플랫폼을 요구하고 있다. 그러나 데이터 분석알고리즘, 영상 분석 알고리즘, 생육 관리 알고리즘, AI 알고리즘 등 이를 통합하고 빅데이터를 처리하기 위한 모델과 프로그램 개발에 대한 국내외 연구는 미흡한 실정이다. 본 논문에서는 농업 분야에서의 관리자와 농민 요구도를 만족하고 드론을 활용한 농업용 드론방제 프로세서를 기반으로 정밀 AI 방제를 실현화시키기 위하여 온라인 드론 방제 관리 정보 플랫폼을 제안하고 실증 실험을 통하여 종합 관리 시스템 개발의 토대를 제시하였다.

• 한국재난정보학회 논문집
• /
• 제18권1호
• /
• pp.146-153
• /
• 2022

연구목적: 국내 항만시설의 경우 사용년수가 오래된 항만구조물은 선박의 대형화 및 사용빈도 증가, 기후변화에 따른 자연재해의 영향 등으로 안전과 기능적 측면에서 상당히 많은 문제가 있다. 항만시설의 유지관리 이력 데이터를 기반으로 시설 노후화 패턴을 예측 할 수 있는 근사모델 개발을 위하여 빅데이터 분석 방법을 연구하였다. 연구방법: 본 연구에서는 케이슨식 안벽에 유지관리 데이터 수집하여 빅데이터를 바탕으로 시설물의 노후화 패턴 및 성능저하를 확인하기 위한 예측모델을 도출하였다. 가우시안 프로세스(GP)과 선형보간(SLPT) 기법을 통하여 생성된 상태기반 노후도 패턴 예측모델을 제안하고 유효성 검토를 통해 빅데이터 적용에 적합한 모델을 비교하고 제안하였다. 연구결과: 제안된 기법을 검토한 결과 SLPT기법은 RMSE 및 는 0.9215와 0.0648로 SLPT기법의 예측모델이 보다 더 적합한 것으로 검토 되었다. 결론: 이러한 연구를 통해 빅데이터 기반 시설물 성능저하 예측 연구는 유지관리를 위환 의사결정에서 중요한 체계가 될 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_4호
• /
• pp.1889-1900
• /
• 2022

도로는 현대사회의 기능이 물리적으로 작동하는 데 필수불가결한 요소이다. 교통상황정보에 비해 갱신 주기가 긴 도로공간 정보를 더 빠르고 정확하게 생성할 필요가 있다. 본 연구에서는 그 방법의 일환으로 아리랑 3호와 아리랑 3A호의 위성영상에 pan-sharpening 영상융합 기법을 적용하여 공간해상도를 향상시킨 영상자료를 최근 활발히 연구가 진행되고 있는 semantic segmentation 기법을 활용한 도로 추출에 활용하고자 하였다. 확보한 영상은 U-Net 기반의 segmentation 기법에 매사추세츠 도로데이터와 함께 투입하여 훈련하였고 아리랑 위성 융합영상의 모델 적용 가능성을 평가하였다. 훈련 및 검증 결과, 모델에 투입하는 영상에 대해 일정한 조건이 유지되는 한 일정한 모델 예측 성능을 유지하는 것으로 나타났다. 따라서 그림자와 지표면 상태와 같은 모델에 영향을 미치는 주변 환경 조건의 영향을 최소화하는 방법을 적용하여 풍부한 훈련자료를 구성한다면 아리랑위성과 같은 위성 영상의 활용 가능성이 더욱 높아질 것으로 기대된다.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.9-17
• /
• 2022

알고리즘을 이용하여 금융 상품을 거래하는 알고리즘 트레이딩은 시장의 많은 요인들로 인해 그 결과가 안정적이지 못한 문제가 있다. 이 문제를 완화시키기 위해 트레이딩 알고리즘들을 조합한 앙상블 기법들이 제안되었다. 하지만 이 앙상블 방법에도 여러 문제가 존재한다. 첫째, 앙상블의 필요 요건인 앙상블에 포함된 알고리즘의 최소 성능 요건(랜덤 이상)을 만족시키도록, 트레이딩 알고리즘을 선택하지 못할 수 있다는 점이다. 둘째, 과거에 우수한 성능을 보인 앙상블 모델이 미래에도 우수한 성능을 보일 것이라는 보장이 없다는 점이다. 이 문제점들을 해결하기 위해 앙상블 모델에 포함되는 트레이딩 알고리즘들을 선택하는 방법을 다음과 같이 제안한다. 과거의 데이터를 기반으로 상위 성능의 앙상블 모델들에 포함된 트레이딩 알고리즘들의 기여도를 측정한다. 그러나 이 과거 데이터에만 기반 된 기여도들은 과거의 데이터가 충분히 많지 않고 과거 데이터의 불확실성이 반영되어 있지 않기 때문에 디리클레 분포를 사용하여 기여도 분포를 근사시키고, 기여도 분포에서 기여도 값들을 샘플하여 불확실성을 반영한다. 과거 데이터로부터 구한 트레이딩 알고리즘의 기여도 분포를 기반으로 Transformer을 훈련하여 미래의 기여도를 예측한다. 예측된 미래 기여도가 높은 트레이딩 알고리즘들을 앙상블 모델에 선택하여 포함시킨다. 실험을 통하여 제안된 앙상블 방법이 기존 앙상블 방법들과 비교하여 우수한 성능을 보임을 입증하였다.

• 생물환경조절학회지
• /
• 제31권3호
• /
• pp.152-162
• /
• 2022

본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층6에서 r² 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.

• 지능정보연구
• /
• 제28권4호
• /
• pp.119-133
• /
• 2022

음식 문화 및 산업과 관련한 대표적 특징들 중에는 음식 배달 주문 산업이 성장하고 있다는 것과 유튜브와 같은 1인 미디어에서의 소위 '먹는 방송' (먹방)이 최고의 인기 콘텐츠로 자리 잡았다는 사실 등을 거론할 수 있다. 본 연구는 이러한 배경에 근거하여 두가지 초점을 두어 연구하고자 하였다. 먼저, 유튜브 먹방과 먹방 댓글에서 확인되는 대중들의 감성이 관련 음식의 배달 이용 건수에 영향을 미치는지를 회귀분석 모형을 통하여 확인하고자 하였다. 다음으로, 대한민국에서 대표적인 주문 음식인 치킨의 배달 이용 건수 데이터와 유튜브 먹방 댓글 데이터와 날씨 데이터를 활용하여, 머신 러닝을 통한 치킨 배달 주문 예측 모형을 구현하였다. 2015년 6월 3일부터 2019년 9월 30일까지 총 1,580개의 데이터를 활용하였고, 날씨 변수로서의 온도, 습도, 강수량과 유튜브 먹방 변수로의 영상에 달린 댓글 수, 댓글의 긍정어 수, 중립어 수, 부정어 수 등을 수집하였다. 본 연구에 활용된 데이터의 유튜브 먹방과 먹방 댓글의 감성이 배달 이용 건수에 영향 미침을 확인하기위해 선형 회귀 방법론을 사용하였으며, 예측모델을 위해 사용된 머신 러닝은 Linear Regression, Ridge, Lasso, Random Forest, Gradient Boost이다. 본 연구를 통해 유튜브 먹방과 댓글의 감성이 배달 이용 건수에 영향 미침을 확인하였고 예측 모형 또한 기존 모델보다 성능이 좋아짐을 Root Mean Square Error 값을 통하여 확인하였다. 본 연구는 먹방의 광고 효과를 확인하였으며, 배달 업종에서의 경영에 활용할 수 있는 함의를 제공하고자 하였다.

• 산업과 과학
• /
• 1권1호
• /
• pp.7-15
• /
• 2022

사물인터넷(IoT) 기술은 최근 의료사물인터넷(IoMT)으로 정의된 대량의 의료 데이터를 처리하여 발전을 위해 개발된 의료분야에서 많이 활용되고 있다. 수집된 광범위한 의료 데이터는 수집된 의료 데이터를 처리하기 위해 구조화된 방식으로 클라우드에 저장된다. 그러나 방대한 양의 의료 데이터를 효과적으로 처리하는 것은 쉽지 않기 때문에 의료분야 구조 데이터를 개발하는 것이 필요하다. 본 논문에서는 IoMT에서 수집된 구조화된 건강 관리 데이터를 처리하기 위한 기계 학습 모드를 개발하였다. 광범위한 의료 데이터를 처리하기 위해 본 논문에서는 의료 데이터 처리를 위한 MTGPLSTM 모델을 제안하였다. 제안된 모델은 의료 정보 처리를 위한 선형 회귀 모델을 통합한다. 개발된 모델 이상치 모델은 IoMT에서 수집된 COVID-19 의료 데이터들의 평가 및 예측을 위해 FinTech 모델을 기반으로 구현되었다. 제안된 MTGPLSTM 모델은 감염 확산 방지를 위한 계획 계획을 예측하고 평가하기 위한 회귀 모델로 구성된다. 개발된 모델 성능은 LR, SVR, RFR, LSTM 및 제안된 MTGPLSTM 모델과 같은 서로 다른 분류기를 고려하였으며 1GB, 2GB, 3GB 등 데이터 크기가 다르다는 점도 주요하게 고려되었다. 제안된 MTGPLSTM 모델이 전 세계 데이터에 대해 최대 4% 감소된 MAPE 및 RMSE 값을 달성하였고 중국의 경우 기존 분류기보다 최대 6% 최소인 최소 MAPE(0.97)이 달성되었다.

• 한국지반신소재학회논문집
• /
• 제22권2호
• /
• pp.1-12
• /
• 2023

국내외적으로 다양한 산사태 발생원인 분석과 취약지역의 예측이 이루어지고 있다. 본 연구에서는 산사태에서 발생하는 재해의 분석 및 예측에 사용되는 많은 특성 중 필수적인 요소인 유효토심을 지형정보를 이용해 예측했다. 지형정보 데이터를 각 기관별로 획득한 후 100m × 100m의 격자에 속성정보로 할당하고 데이터 등급화를 통해 차원을 축소 시켜주었다. 분류기준으로 3개 깊이(얕음, 보통, 깊음)와 5개 깊이(매우 얕음, 얕음, 보통, 깊음, 아주 깊음)의 두 가지 경우에 대해 유효토심을 예측했다. K-최근접 이웃, 랜덤 포레스트, 심층인공신경망 모델을 통해 예측하고 정확도, 정밀도, 재현율, F1-점수를 계산해 그 성능을 비교했다. 예측결과 모델에 따라 50% 후반에서 70% 초반의 성능을 보였다. 3개 분류기준의 정확도가 5개 분류기준의 정확도보다 5% 정도 높았다. 본 연구에서 제시한 등급화 기준과 분류모델의 성능은 아직 미흡하지만 유효토심의 예측에 있어서 분류모델의 적용이 가능하다고 판단된다. 큰 지역을 획일적으로 가정하여 사용하는 현재의 유효토심보다 신뢰성 있는 값의 예측이 가능하다고 사료된다.