• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.30-30
• /
• 2023

This study aims to establish the multi-reservoir operation system model in the Upper Mun River Basin which includes 5 main dams namely, Mun Bon (MB), Lamchae (LC), Lam Takhong (LTK), Lam Phraphoeng (LPP), and Lower Lam Chiengkrai (LLCK) Dams. The knowledge and AI technology were applied aiming to develop innovative prototype for SMART dam-reservoir operation in future. Two different sorts of reservoir operation system model namely, Fuzzy Logic (FL) and Constraint Programming (CP) as well as the development of rainfall and reservoir inflow prediction models using Machine Learning (ML) technique were made to help specify the right amount of daily reservoir releases for the Royal Irrigation Department (RID). The model could also provide the essential information particularly for the Office of National Water Resource of Thailand (ONWR) to determine the short-term and long-term water resource management plan and strengthen water security against flood and drought in this region. The simulated results of base case scenario for reservoir operation in the Upper Mun from 2008 to 2021 indicated that in the same circumstances, FL and CP models could specify the new release schemes to increase the reservoir water storages at the beginning of dry season of approximately 125.25 and 142.20 MCM per year. This means that supplying the agricultural water to farmers in dry season could be well managed. In other words, water scarcity problem could substantially be moderated at some extent in case of incapability to control the expansion of cultivated area size properly. Moreover, using AI technology to determine the new reservoir release schemes plays important role in reducing the actual volume of water shortfall in the basin although the drought situation at LTK and LLCK Dams were still existed in some periods of time. Meanwhile, considering the predicted inflow and hydrologic factors downstream of 5 main dams by FL model and minimizing the flood volume by CP model could ensure that flood risk was considerably minimized as a result of new release schemes.

• 인터넷정보학회논문지
• /
• 제21권2호
• /
• pp.81-90
• /
• 2020

본 연구는 인공지능의 국방 분야 활용 시 데이터 위·변조 방지를 위한 블록체인 기술의 적용방안을 연구 하는데 목적이 있다. 인공지능은 빅 데이터를 다양한 기계학습 방법론을 적용하여 군집화하거나 분류하여 예측하는 기술이며 미국을 비롯한 군사 강대국은 기술의 완성단계에 이르렀다. 만약 데이터를 기반으로 하는 인공지능의 데이터 위·변조가 발생한다면 데이터의 처리과정이 완벽하더라도 잘못된 결과를 도출할 것이며 이는 가장 큰 적의 위험요소가 될 수 있고 데이터의 위·변조는 해킹이라는 형태로 너무나 쉽게 가능하다. 만약 무기화된 인공지능이 사용하는 데이터가 북한으로부터 해킹되어 조작되어 진다면 예상치 못한 곳의 공격이 발생할 수도 있다. 따라서 인공지능의 사용을 위해서는 데이터의 위·변조를 방지하는 기술이 반드시 필요하다. 데이터의 위·변조 방지는 해수함수로 암호화된 데이터를 연결된 컴퓨터에 분산 저장하여 한 대의 컴퓨터가 해킹되더라도 연결된 컴퓨터의 과반 이상이 동의하지 않는 한 데이터가 손상되지 않는 기술인 블록체인을 적용함으로써 문제를 해결할 수 있을 것으로 기대한다.

• 한국융합학회논문지
• /
• 제13권4호
• /
• pp.7-15
• /
• 2022

정보와 기술의 탈중앙화/분권, 공유/개방, 연결을 통한 개별 맞춤 시대의 지능화 세계 지향으로 그 어느 때 보다도 인공지능에 대한 관심과 기술적 담론 속에 기대와 우려가 교차하는 경향을 자주 보게 된다. 최근에는 2045년 전, 후로 AI의 특이성(Singularity)이 나타날 것이라는 미래학자들의 주장도 쉽게 찾아볼 수 있다. 이제는 다가올 인공지능 시대에서 AI와 함께 상생하고 번영하는 공존 패러다임을 만들기 위한 준비의 일환으로 보다 올바른 AI 윤리와 규제 설정을 위한 표준 프레임워크가 요구되고 있다. 주요지침 설정 누락의 위험성 배제와 타당하고 보다 합리적인 지침 항목과 평가 기준을 가늠 할 수 있는 방안이 점차 큰 연구문제로 나타나고 있기 때문이다. 이런 연구문제 해결과 동시에 AI 윤리와 규제 설정에 대한 지속적인 경험과 학습효과가 연결 발전될 수 있도록 국제기구/국가/기업의 AI 윤리와 규제에 대한 가이드 라인 자료 등을 수집하여 설정 연구모형과 텍스트 마이닝 탐색 분석을 통해 표준 프레임워크(SF: Standard Framework) 설정 방안을 연구 제시한다. 본 연구결과는 향후 보다 발전적인 AI 윤리와 규제지침 항목 설정과 평가 방안연구에 기초 선행연구 자료로 기여될 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제55권spc1호
• /
• pp.1177-1185
• /
• 2022

상·하수도 시스템은 사람들에게 안전하고 깨끗한 물을 공급해주는 사회기반시설이며, 특히 상·하수도 관로는 지중에 매설되어 있기 때문에 시스템의 결함검출이 매우 어렵다. 이러한 이유로 상·하수도 관로의 진단은 관로 내부에 카메라 및 드론을 통한 촬영을 하여 사후에 촬영된 영상을 바탕으로 시스템 진단하는 등의 사후 결함검출로 제한되기 때문에, 작업자의 업무 효율 증대와 진단의 신속성을 위해서는 관로의 실시간 탐지기술이 필요하다. 최근 첨단장비 및 인공지능 기법을 활용한 시설물 진단 기술이 개발되고 있지만, 인공지능기반 결함검출 기술은 결함 데이터의 종류 및 형태, 수가 검출 성능에 영향을 주기 때문에 다양한 학습데이터가 필요하다. 따라서, 본 연구에서는 상·하수도 관로의 결함검출 시 탐지 성능 향상을 위해 다양한 결함 시나리오를 3D 프린트를 이용하여 구현하고 이를 수집된 결함 데이터와 함께 학습데이터로 사용한다. 이후 수집된 이미지는 위험도에 따른 분류 및 객체의 라벨링 등의 전처리 작업이 수행되고 실시간 결함탐지를 수행한다. 제안된 기법은 상·하수도시스템 결함검출 시 실시간 피드백을 제공함으로써, 작업자의 진단 누락 가능성을 최소화하며 기존의 상·하수도관 진단업무 처리능력을 향상할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권8호
• /
• pp.339-346
• /
• 2022

최근 화석연료의 무분별한 사용으로 인한 자원고갈 문제 및 기후변화 문제 등이 심각해짐에 따라 화석연료를 대체할 수 있는 신재생에너지에 대한 관심이 증가하고 있다. 특히 신재생에너지 중 태양광 에너지는 다른 신재생에너지원에 비해 고갈될 염려가 적고, 공간적인 제약이 크지 않아 전국적으로 수요가 증가하고 있다. 태양광 발전 시스템에서 생산된 전력을 효율적으로 사용하기 위해서는 보다 정확한 태양광 발전량 예측 모델이 필요하다. 이를 위하여 다양한 기계학습 및 심층학습 기반의 태양광 발전량 예측 모델이 제안되었지만, 심층학습 기반의 예측 모델은 모델 내부에서 일어나는 의사결정 과정을 해석하기가 어렵다는 단점을 보유하고 있다. 이러한 문제를 해결하기 위하여 설명 가능한 인공지능 기술이 많은 주목을 받고 있다. 설명 가능한 인공지능 기술을 통하여 예측 모델의 결과 도출 과정을 해석할 수 있다면 모델의 신뢰성을 확보할 수 있을 뿐만 아니라 해석된 도출 결과를 바탕으로 모델을 개선하여 성능 향상을 기대할 수도 있다. 이에 본 논문에서는 BiLSTM(Bidirectional Long Short-Term Memory)을 사용하여 모델을 구성하고, 모델에서 어떻게 예측값이 도출되었는지를 SHAP(SHapley Additive exPlanations)을 통하여 설명하는 설명 가능한 태양광 발전량 예측 기법을 제안한다.

• 한국과학교육학회지
• /
• 제44권1호
• /
• pp.57-75
• /
• 2024

본 연구는 중등 과학교사들이 생각하는 과학기술 관련 위험교육 실태와 교육 요구를 조사하고자 총 366명의 중등 과학교사를 대상으로 설문조사를 실시하였다. 그 결과는 다음과 같다. 첫째, 과학기술로 인해 발생할 수 있는 위험을 위험지각, 위험평가, 위험관리 측면에서 교육해 본 적이 있는 교사보다 그렇지 않은 교사들이 더 많았다. 교사들이 지도해 본 위험으로는 지구온난화가 가장 많았으며, 지진, 인공지능, 교통사고가 그다음으로 많이 다루어졌다. 둘째, 교사들은 자신이 2022 개정 과학과 교육과정의 성취기준에 과학기술로 인해 발생할 수 있는 위험이 포함되어 있다는 것에 대한 이해가 부족하다고 인식하였으나 가르칠 준비는 되어 있다고 생각하였다. 셋째, 교사들은 위험관리, 위험평가보다 위험지각에 대한 자신들의 이해도가 높다고 인식하였다. 넷째, 교사들이 받은 위험에 대한 연수 경험은 매우 적었으며 위험지각에 비해 위험평가와 위험관리에 대한 연수 경험이 있는 교사의 수가 더 적었다. 교사들이 경험한 연수로는 실험실 안전교육이 가장 많았다. 다섯째, 교사들은 위험교육의 10가지 목표에 대한 자신들의 역량이 높지 않다고 인식하고 있었다. 중학교 교사, 통합과학교육 전공 교사의 경우 상대적으로 자신들의 역량을 높이 평가하였다. 여섯째, 다수의 교사들이 학교 과학교육에서 위험을 다루는 것에 대해 중요하게 생각하고 있었다. 또한 정보 활용, 의사 결정 역량, 대중매체의 영향평가 순으로 중요하다고 생각하였으며, 실천역량, 정보활용, 위험특성영향평가 순으로 교육이 시급하다고 응답하였다. 일곱째, 위험교육의 10가지 목표별 교육요구도 우선순위를 도출한 결과, 실천역량, 위험특성의 영향평가, 위험평가방법에 대한 평가가 각각 1, 2, 3위로 나타났다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.79-99
• /
• 2015

부도 예측은 회계와 재무 분야에서 꾸준히 연구되고 있는 분야이다. 초기에는 주로 다중판별분석(multiple discriminant analysis)와 로짓 분석(logit analysis)과 같은 통계적 방법을 이용하였으나, 1990년대 이후에는 경영 분야의 분류 문제를 위해 많은 연구자들이 인공신경망(back-propagation neural network), 사계기반추론(case-based reasoning), 서포트 벡터 머신(support vector machine) 등과 같은 인공지능을 통한 접근법을 이용하여 통계적 방법보다 분류 성과 측면에서 우수함을 입증해왔다. 기존의 기업의 부도에 관한 연구에서 많은 연구자들이 재무비율을 이용하여 부도 예측 모형을 구축하는 것에 초점을 맞추어왔다. 부도예측에 관한 연구가 꾸준히 진행되고 있는 반면, 부도의 세부적인 유형을 예측하여 제시하는 것에 대한 연구는 미흡한 실정이었다. 따라서 본 연구에서는 수익성, 안정성, 활동성 지표를 중심으로 국내 비외감 건설업 기업들의 부도 여부뿐만 아니라 부도의 세부적인 유형까지 예측 가능한 모형을 개발하고자 한다. 본 연구에서는 부도 유형을 예측하기 위해 두 개의 인공신경망 모형을 결합한 하이브리드 접근법을 제안하였다. 첫 번째 인공신경망 모형은 부도예측을 위한 역전파 인공신경망을 이용한 모형이며, 두 번째 인공신경망 모형은 부도 데이터를 몇 개의 유형으로 분류하는 자기조직화지도(self-organizing map)을 이용한 모형이다. 실험 결과를 통해 정의된 5개의 부도 유형인 심각한 부도(severe bankruptcy), 안정성 부족(lack of stability), 활동성 부족(lack of activity), 수익성 부족(lack of profitability), 회생 가능한 부도(recoverable bankruptcy)는 재무 비율에 따라 유형별로 상이한 특성을 갖는 것을 확인할 수 있었다. 본 연구 결과를 통해 신용 평가 분야의 연구자와 실무자들이 기업의 부도의 유형에 대한 유용한 정보를 얻을 것으로 기대한다.

• 정보교육학회논문지
• /
• 제24권1호
• /
• pp.21-28
• /
• 2020

인공지능, 로봇, 빅데이터 등의 기술발전으로 사회 전분야에 대변혁을 일으키고 있다. 본 논문에서는 예비교사들의 인터넷/게임/스마트폰생활 습관 정도를 파악하고, 무인자동차의 윤리적 딜레마 상황에서 남녀별, 진단군별 선호도 요인의 차이를 분석하였다. 분석결과, 남학생 대부분은 인터넷/게임생활습관의 고위험군이며, 남학생이 여학생에 비해 게임에 더 몰두하고 내성이 생겨 일상생활에 지장을 받고 있었다. 인터넷/게임/스마트폰생활 습관중 하나라도 고위험군 학생들은 인터넷/게임/스마트폰생활 습관 3가지 모두 고위험군일 가능성이 높았으나, 스스로 인터넷/게임/스마트폰 중독이라고 자각하고 있었으며 사용습관을 바꾸기를 원했다. 이들의 모랄 머신 평가결과, 남녀별, 진단군별 선호도 차이는 통계적으로 유의하지 않았지만, 무인자동차의 윤리적 딜레마 상황에서 선택의 선호도는 남녀, 일반군/고위험군 모두 사람우선, 보행자우선, 소수보다는 다수를, 교통규칙을 잘 지키는 사람을 중시하였다. 남학생보다는 여학생이 이를 더 중요하게 생각하였으며, 일반군보다 고위험군 학생들이 사회적 지위가 낮은사람, 젊은이보다 노인을 우선시 하는 경향을 보였다.

• 한국산업보건학회지
• /
• 제34권1호
• /
• pp.77-84
• /
• 2024

Objectives: Interventions promoting physical exercise and healthy habits in workplaces have been shown to be effective in reducing risk factors for metabolic syndrome. This study was conducted to examine the effects of an individualized conditioning exercise program of IT company office workers with or at higher risk of metabolic syndrome. Methods: A total of 444 IT company office workers with or at higher risk of metabolic syndrome participated in a 3-month conditioning exercise program. Body composition data using bioelectrical impedance analysis and cardiopulmonary data using cardiopulmonary exercise testing from 53 individuals (mean age: 34.8 ± 7.1 years, sex : 21% female, height : 170.4 ± 6.8 cm, weight : 75.2±12.2 kg, body mass index : 25.8±3.3 kg/m²) who have successfully completed pre-test, intervention, and post-test were analyzed. The 12 weeks intervention encompassed: (1) health counseling (2) supervised exercise(endurance-based, aerobic exercise, or circuit training once a week for 50 minutes at heart rate reserve(HRR) of 77-95%) (3) self-directed exercise and biweekly health screening checks. Results: The results indicated a significant decrease in body weight, body fat mass and body mass index, respectively. Moreover, VO₂peak, AT VO₂ and AT Time significantly improved, respectively. Resting blood pressure(SBP/DBP) showed positive changes but were not statistically significant. We observed the correlation between characteristics of participants and rate of changes in cardiopulmonary outcomes of participants, there are no significant correlation. These results indicate positive changes in body composition and cardiorespiratory fitness parameters following individualized conditioning exercise program. Conclusions: Individualized workplace exercise program for preventing metabolic syndrome can lead to improvements in body composition and cardiorespiratory fitness.

• 해양환경안전학회지
• /
• 제28권5호
• /
• pp.780-790
• /
• 2022

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.