• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1193-1202
• /
• 2018

북극의 장기간 기후 변화 관측을 위해서는 에너지 수지를 정량적으로 파악하는 것이 중요하다. 에너지 수지를 정량적으로 파악하기 위해서 고품질의 장기간 복사 에너지 변수들이 필요하지만 대부분 위성 기반 복사 에너지 변수 자료들은 제공되는 기간이 짧아 자료들을 연계하여 사용해야한다. 자료를 연계해서 사용하기 위해서는 사용되는 자료의 차이를 정확하게 파악하고 일치시키는 것이 중요하다. 따라서 본 연구에서는 위성 기반 복사 에너지 자료인 Global Energy and Water Exchanges Project(GEWEX) 와 Clouds and the Earth's Radiant Energy System(CERES)를 비교 분석하여 자료 연계를 위한 기초자료를 제공하고자 한다. 두 자료를 비교 분석한 결과 CERES자료를 기준으로 했을 때, GEWEX 자료가 과소 추정되었다. 또한 두 자료는 약 $3{\sim}25W/m^2$의 차이가 발생하였으며, 고위도 지역이거나 해빙지역일수록 두 자료의 차이가 더 증가하였다. 또한 두 자료의 월별 평균을 비교하였을 때는 하향 장파 복사 에너지를 제외한 나머지 변수들은 봄과 여름철에 $9.26{\sim}26.71W/m^2$의 높은 차이를 보였다. 본 연구 결과는 북극지역에서 CERES와 GEWEX 자료를 합성하거나 선택할 때 좋은 기준 자료로 사용 가능하다.

• 한국지구과학회지
• /
• 제40권6호
• /
• pp.584-598
• /
• 2019

본 연구에서는 지역 기상-해양 접합모델을 이용하여 2018년 8월 28일부터 30일까지 한반도 서울-경기지역에 내린 강수에 대해 대기-해양 상호작용의 효과를 분석하였다. 지역 기상-해양 접합모델에서 기상모델은 WRF (Weather Research Forecasts)가 사용되었으며, 해양모델은 ROMS (Regional Oceanic Modeling System)가 사용되었다. 단일 기상 모델은 WRF모델만 이용되었으며, ECMWF Re-Analysis Interim 의 해수면온도자료가 바닥경계자료로 사용되었다. 관측자료와 비교하여, 대기-해양 상호작용의 효과가 고려된 접합모델은 서울-경기지역의 강수 및 황해 해수면온도에 대해 공간상관계수가 각각 0.6과 0.84로 이는 지역 기상모델보다 높게 나타났다. 또한, 평균편향오차(MBE, Mean Bias Error)은 각각 -2.32와 -0.62로 지역 기상모델 보다 낮은 오차율을 보였다. 상당온위와 해수면온도 및 역학적 수렴장으로 분석한 대기-해양 상호작용의 효과는 황해 해수면온도의 변화를 유도하였고, 그 변화는 하층대기에서 열적 불안정과 운동학적 수렴대의 차이를 발생시켰다. 열적 불안정과 수렴대는 결과적으로 서울-경기 지역에서 상승운동을 유도하였고, 결과적으로 기상-해양 접합모델에서 모의된 강수가 관측과 더 유사한 공간분포를 나타냈다. 그러나 복잡한 관계에 있는 대기-해양 상호작용의 효과를 더 명확히 파악하기 위해서는 다양한 사례연구와 장기적인 분석이 필요하지만, 본 연구는 기상-해양 상호작용이 강수 예보에 중요성에 대한 또 다른 증거를 제시한다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.95-108
• /
• 2017

최근 알파고의 등장으로 딥러닝 기술에 대한 관심이 고조되고 있다. 딥러닝은 향후 미래의 핵심 기술이 되어 일상생활의 많은 부분을 개선할 것이라는 기대를 받고 있지만, 주요한 성과들이 이미지 인식과 자연어처리 등에 국한되어 있고 전통적인 비즈니스 애널리틱스 문제에의 활용은 미비한 실정이다. 실제로 딥러닝 기술은 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN), Deep Boltzmann Machine (DBM) 등 알고리즘들의 선택, Dropout 기법의 활용여부, 활성 함수의 선정 등 다양한 네트워크 설계 이슈들을 가지고 있다. 따라서 비즈니스 문제에서의 딥러닝 알고리즘 활용은 아직 탐구가 필요한 영역으로 남아있으며, 특히 딥러닝을 현실에 적용했을 때 발생할 수 있는 여러 가지 문제들은 미지수이다. 이에 따라 본 연구에서는 다이렉트 마케팅 응답모델, 고객이탈분석, 대출 위험 분석 등의 주요한 분류 문제인 이진분류에 딥러닝을 적용할 수 있을 것인지 그 가능성을 실험을 통해 확인하였다. 실험에는 어느 포르투갈 은행의 텔레마케팅 응답여부에 대한 데이터 집합을 사용하였으며, 전통적인 인공신경망인 Multi-Layer Perceptron, 딥러닝 알고리즘인 CNN과 RNN을 변형한 Long Short-Term Memory, 딥러닝 모형에 많이 활용되는 Dropout 기법 등을 이진 분류 문제에 활용했을 때의 성능을 비교하였다. 실험을 수행한 결과 CNN 알고리즘은 비즈니스 데이터의 이진분류 문제에서도 MLP 모형에 비해 향상된 성능을 보였다. 또한 MLP와 CNN 모두 Dropout을 적용한 모형이 적용하지 않은 모형보다 더 좋은 분류 성능을 보여줌에 따라, Dropout을 적용한 CNN 알고리즘이 이진분류 문제에도 활용될 수 있는 가능성을 확인하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.63-83
• /
• 2019

투자자들은 기업의 내재가치 분석, 기술적 보조지표 분석 등 복잡한 분석보다 차트(chart)에 나타난 그래프(graph)의 모양으로 매매 시점을 찾는 직관적인 방법을 더 선호하는 편이다. 하지만 패턴(pattern) 분석 기법은 IT 구현의 난이도 때문에 사용자들의 요구에 비해 전산화가 덜 된 분야로 여겨진다. 최근에는 인공지능(artificial intelligence, AI) 분야에서 신경망을 비롯한 다양한 기계학습(machine learning) 기법을 사용하여 주가의 패턴을 연구하는 사례가 많아졌다. 특히 IT 기술의 발전으로 방대한 차트 데이터를 분석하여 주가 예측력이 높은 패턴을 발굴하는 것이 예전보다 쉬워졌다. 지금까지의 성과로 볼 때 가격의 단기 예측력은 높아졌지만, 장기 예측력은 한계가 있어서 장기 투자보다 단타 매매에서 활용되는 수준이다. 이외에 과거 기술력으로 인식하지 못했던 패턴을 기계적으로 정확하게 찾아내는 데 초점을 맞춘 연구도 있지만 찾아진 패턴이 매매에 적합한지 아닌지는 별개의 문제이기 때문에 실용적인 부분에서 취약할 수 있다. 본 연구는 주가 예측력이 있는 패턴을 찾으려는 기존 연구 방법과 달리 패턴들을 먼저 정의해 놓고 확률기반으로 선택해서 매매하는 방법을 제안한다. 5개의 전환점으로 정의한 Merrill(1980)의 M&W 파동 패턴은 32가지의 패턴으로 시장 국면 대부분을 설명할 수 있다. 전환점만으로 패턴을 분류하기 때문에 패턴 인식의 정확도를 높이기 위해 드는 비용을 줄일 수 있다. 32개 패턴으로 만들 수 있는 조합의 수는 전수 테스트가 불가능한 수준이다. 그래서 최적화 문제와 관련한 연구들에서 가장 많이 사용되고 있는 인공지능 알고리즘(algorithm) 중 하나인 유전자 알고리즘(genetic algorithm, GA)을 이용하였다. 그리고 미래의 주가가 과거를 반영한다 해도 같게 움직이지 않기 때문에 전진 분석(walk-forward analysis, WFA)방법을 적용하여 과최적화(overfitting)의 실수를 줄이도록 하였다. 20종목씩 6개의 포트폴리오(portfolio)를 구성하여 테스트해 본 결과에 따르면 패턴 매매에서 가격 변동성이 어느 정도 수반되어야 하며 패턴이 진행 중일 때보다 패턴이 완성된 후에 진입, 청산하는 것이 효과적임을 확인하였다.

• 한국농림기상학회지
• /
• 제1권1호
• /
• pp.1-11
• /
• 1999

작물의 수량은 재배하는 식물의 특성과 토양 그리고 기후 등 환경에 의하여 지배된다. 주곡인 쌀 수확량의 지역성과 변이성을 알아내기 위하여 기상청의 기상 자료와 농림부의 쌀생산량 통계 자료를 수집 분석하였다. 기상 자료로부터 순복사량, 증발산량 및 순1차 생산력지수 NPP를 산출하고, Jung의 모형을 이용하여 우리 나라 각 지역의 쌀 생각량을 산출하고, 이를 실생산량과 비교하였다. 7, 8월 기온의 장기 변이를 검토한 결과, 수원의 경우 장주기는 15.1년, 단주기는 7.4년으로 나타났고, 대구의 장주기는 32.9년, 단주기는 4.1년으로 나타났다. 장주기는 대구가 수원 보다 약 2배이상으로 주기성이 강했고, 단주기는 반대로 수원이 대구보다는 주기성이 강하게 나타났다. 한국의 67개 지점에서 순1차생산력지수인 NPP와 총생산력지수 GPP를 추정 결과, 순 복사량이, 16개 지점에서 기온, 1개 지점에서 강수량이 NPP의 제한 요소로 작용하는 것으로 나타났다. 순 복사량은 한국에서의 자연 생산력에 1차적으로 주된 제한 요인으로서 작용하였고, 2차적인 제한 요인는 주로 기온이 작용하였다. 남한 지역의 NPP는 10.87~17.52 Mg ha$^{-1}$, GPP가 18.63~36.31 Mg ha$^{-1}$의 범위이었고, 평균은 NPP와 GPP가 각각 14.69 Mg ha$^{-1}$, 27.94 Mg ha$^{-1}$의 값을 나타냈다. 북한 지역의 경우에는 NPP가 6.47~15.50Mg ha$^{-1}$, GPP가 10.08~24.64 Mg ha$^{-1}$의 범위이었고, 평균은 NPP와 GPP가 각각 12.59 Mg ha$^{-1}$, 13.62 Mg ha$^{-1}$의 값이 나타났다. Jung의 모델에 의하여 97년과 98년의 쌀 생산량을 추정한 결과 실제 쌀 생산량과 근접하였다. 경상도 지역은 타 지역에 비해 실측치보다 예측치가 높게 평가되었고, 추정 생산량과 실제 생산량간 사이에 상관이 없었다. 이 지역에 대한 모델의 수정이 필요하며, 순복사량과 강수량 요인이 고려되면 좀 더 정확한 분포도가 작성될 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제56권5호
• /
• pp.311-323
• /
• 2023

집중호우, 홍수 및 도시침수와 같은 재해를 저감시키기 위하여 자연 재난으로 인한 재해의 발생 여부를 사전에 파악하는 것은 중요하다. 현재 국내는 기상청에서 운영하고 있는 호우주의보 및 호우경보를 발령하고 있지만, 이는 전국에 일괄적인 기준으로 적용하고 있어 사전에 호우로 인한 피해를 명확하게 인지하지 못하고 있는 실정이다. 따라서, 일괄된 기준을 지역적 특성을 반영한 호우특보 기준으로 재설정하고 1시간 후에 강우로 발생할 수 있는 피해의 규모를 예측하고자 하였다. 연구 대상 지역으로는 호우피해가 가장 빈번하게 발생하였던 경기도 지역으로 선정하였고, 강우량 및 호우 피해액 자료를 활용하여 지역적 특성을 고려한 시간단위 재해 유발 강우를 설정하였다. 강우에 의한 호우피해 발생 여부를 예측하는 모형을 개발하기 위해 재해 유발 강우 및 강우 자료를 활용하였으며, 머신러닝 기법인 의사 결정 나무 모형과 랜덤 포레스트 모형을 활용하여 분석 및 비교하였다. 또한 1시간 후의 강우를 예측하기 위한 모형으로는 장단기 메모리, 심층 신경망 모형을 활용하여 분석 및 비교하였다. 최종적으로 예측 모형을 통해 예측된 강우를 훈련된 분류 모형에 적용하여 1시간 후 호우에 의한 규모별 피해 발생 여부를 예측하였고, 이를 1ST-모형이라고 정의하였다. 본 연구를 통해 개발된 1ST-모형을 활용하여 예방 및 대비 차원의 재난관리를 실시한다면 호우로 인한 피해를 저감하는데 기여 할 수 있을 것으로 판단된다.

• 한국방재학회 논문집
• /
• 제8권6호
• /
• pp.73-79
• /
• 2008

경제규모의 증가, 산업화, 도시화 등은 결과적으로 우리국민의 잠재적 지진 위험 증가를 야기하였다. 최근에는 비록 우리나라에서 지진으로 인한 인명과 재산의 손실이 미비했지만, 과거 문헌 기록을 보면 우리나라에서도 대규모 피해를 야기한 지진이 발생한 바 있었으므로, 향후 피해를 유발할 수 있는 지진발생 가능성을 간과할 수는 없다. 현재의 과학기술력으로는 단기 지진 예보가 불가능함을 고려할 때 지진재해 저감을 위하여 취할 수 있는 대비책의 하나로써 지진조기경보체계 확립의 중요성이 점차 증가하고 있다. 지진조기경보체계 확립의 취지는 지진발생 후 강진동이 시작하기 전 수 초 혹은 수십 초의 지진대비시간을 확보하고 미리 계획된 조치를 취함으로써 지진재해를 저감하는 것이다. 본 논문에서는 신속한 지진 발생위치 결정을 위하여 진원 부근 2개의 지진 관측소에서 확보한 초동 도착시간과 주변의 다른 관측소에서는 아직 초동이 관측되지 않았다는 사실을 이용한다. 우리나라 내륙 및 주변해역에서 발생한 주요 지진의 신속한 진앙 위치결정에 이 기술을 적용하였다. 관측소 외부에서 지진이 발생할 경우 이 기술로는 효과적인 지진위치의 결정이 어렵지만, 관측망 내부에서 지진이 발생할 경우 본 기술을 이용하여 지진의 위치를 신속히 결정 할 수 있다. 수도권의 경우 $10{\sim}50$초의 지진대비시간을 확보할 수 있을 것으로 예상되며, 주어진 시간 내에 사전 준비된 조치를 취함으로써 유사시 지진재해저감에 크게 기여할 것이다.

• 콘크리트학회논문집
• /
• 제24권4호
• /
• pp.481-490
• /
• 2012

염화물 이온은 콘크리트 내부로 유입되어 철근부식을 야기하므로 염화물 침투 평가는 매우 중요하다. 전기영동실험을 통한 촉진확산계수가 현실적으로 많이 쓰이고 있지만, 이는 자유염화물 이온에 대한 전기장 내의 이온속도를 나타낼 뿐이므로 염화물량에 대한 명확한 해를 제공하지 못한다. 겉보기 확산계수는 단순한 Fick의 이론을 배경으로 엔지니어에게 전염화물의 확산을 명확하게 제공할 수가 있다. 이 연구는 인공신경망이론을 이용하여 최적의 확산계수를 도출하고 시간의존성 확산계수를 이용하여 염화물 침투를 평가할 수 있는 기법을 제시하는 것이다. 이를 위해 기존의 연구에서 30개의 배합 및 염소이온 겉보기 염화물 확산계수를 인용하였으며, 배합인자(물결합재비, 단위시멘트량, 슬래그, 플라이애쉬, 실리카퓸, 단위 잔골재 및 굵은 골재)를 뉴런으로 선택하여 확산계수에 대한 학습을 훈련하였다. 또한 시간의존성 확산계수를 고려하여 단순한 Fick 법칙으로 염화물 침투를 평가할 수 있는 기법을 제시하였다. 장기침지실험 및 실태조사 결과를 이용하여 제안된 기법의 결과와 비교를 수행하였으며, 그 적용성을 평가하였다. 이 기법은 다양한 배합 및 관련 확산계수의 입수 및 학습을 통하여 더욱 합리적인 기법으로 발전할 수 있다.

• 한국환경보건학회지
• /
• 제46권4호
• /
• pp.376-387
• /
• 2020

Objectives: This study is aimed at offering basic data for making plans for offensive odor management after researching offensive odor occurrence and characteristics in Gangwon Province. Methods: The data used in the study is based on offensive odor data analyzed by the Gangwon Institute of Health and Environment from 2012 to 2019. The data were reclassified by year, month, facility, and region to identify characteristics of occurrence. Finally, a distribution map of offensive odors was created using ArcGIS. Results: The highest monthly frequency of offensive odor occurrence falls in June, August, and July, and the summer season and third quarter are the highest. According to the latest eight-year data for Gangwon Province, complaints about offensive odors in county areas are more frequent than those in city areas. There are many offensive odor complaints in Wonju, Cheorwon, and Heongsung. The main offensive odor emission facilities are livestock and waste treatment (recycling) facilities. Complaints about offensive odors are relatively lower the Yeongdong area than Yeongseo area, which is considered to be the result of characteristics of land-sea breezes and geographical factors. Offensive odors from livestock facilities count for an average of 53.9% of the total, and the inadequacy rate of livestock facilities averages 36.9%. Conclusions: To maintain a clean environment in Gangwon Province, it is strongly recommended that an offensive odor reduction plan for livestock facilities be established. Areas with a high density of offensive odor occurrence should be identified and systematically managed with short- and mid-term measures. If offensive odors is managed using GIS, it is possible to identify the characteristics of occurrence by time and space and also by facility. In addition, since systematic data management is possible, it is believed that a rapid response to offensive odors, prediction of their spread, and efficient management are possible.