• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권6호
• /
• pp.1478-1499
• /
• 2024

Coronavirus disease (COVID-19) is an infectious disease caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) virus. COVID-19 become an active epidemic disease due to its spread around the globe. The main causes of the spread are through interaction and transmission of the droplets through coughing and sneezing. The spread can be minimized by isolating the susceptible patients. However, it necessitates remote monitoring to check the breathing issues of the patient remotely to minimize the interactions for spread minimization. Thus, in this article, we offer a wearable-IoTs-centered framework for remote monitoring and recognition of the breathing pattern and abnormal breath detection for timely providing the proper oxygen level required. We propose wearable sensors accelerometer and gyroscope-based breathing time-series data acquisition, temporal features extraction, and machine learning algorithms for pattern detection and abnormality identification. The sensors provide the data through Bluetooth and receive it at the server for further processing and recognition. We collect the six breathing patterns from the twenty subjects and each pattern is recorded for about five minutes. We match prediction accuracies of all machine learning models under study (i.e. Random forest, Gradient boosting tree, Decision tree, and K-nearest neighbor. Our results show that normal breathing and Bradypnea are the most correctly recognized breathing patterns. However, in some cases, algorithm recognizes kussmaul well also. Collectively, the classification outcomes of Random Forest and Gradient Boost Trees are better than the other two algorithms.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.603-614
• /
• 2021

최근 우리나라 주변 해역의 해수면 온도가 상승하고 있다. 이러한 수온 상승은 어족자원의 변화를 일으켜 낚시와 같은 레저활동에 영향을 미치기도 하며, 특히 고수온은 적조 발생으로 이어져 양식업과 같은 해양산업에 극심한 피해를 유발하기도 한다. 한편 수온 변화는 잠수함을 탐지하는 군사작전과도 밀접하게 연관되어 있다. 이는 잠수함을 탐지하기 위한 음파가 수온층에 따라 회절, 굴절 및 반사되는 정도가 달라지기 때문이다. 이와 같이 해양과 관련된 다양한 분야에서 중요성을 가지는 해양 수온의 변화를 예측하기 위한 연구가 현재 활발하게 진행되고 있다. 그러나 기존 연구들은 대부분 해수면 온도만을 예측하는데 중점을 두고 있어 수심별 어족자원의 변화나 잠수함 탐지와 같은 군사분야 활용이 제한된다. 이에 본 연구에서는 수심별 수온자료 및 해수면 온도와 상관관계를 가지는 기온, 기압, 일조량 등의 기상 데이터를 함께 활용하여 수심 38 m 혼합층의 수온을 예측하였다. 사용된 데이터는 이어도 해양과학기지에서 관측한 2016년부터 2020년까지의 기상 데이터와 수심별 수온 자료이며, 예측의 정확성과 효율성을 높이기 위해 딥러닝 기법 중 시계열 자료에 적합하다고 알려진 LSTM(Long Short-Term Memory)을 사용하였다. 실험 결과 1시간 예측을 기준으로 기온과 기압, 일조량 자료를 함께 활용한 모델의 RMSE(Root Mean Square Error)는 0.473으로 나타났다. 반면 해수면 수온만을 활용한 모델의 RMSE는 0.631로 나타나 기상데이터를 함께 활용한 모델이 상부 혼합층 수온 예측에서 보다 우수한 성능을 보임을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제44권8호
• /
• pp.667-681
• /
• 2011

본 연구의 목적은 전지구 수문해석도구인 지표수문해석모형을 활용하여 국내 가뭄해석에 적용성을 평가하는데 있다. 이에 댐 상류 유역의 관측유입량 자료를 대상으로 모형의 모의능력을평가하고 남한 전역에 대한 수문성분(유출, 토양수분)을 생산하였다. 격자별 일 단위 유출 및 토양수분자료를 해당기간별 누가 시계열(3, 6, 12개월)로 변환하여 가뭄지수를 생산하였고, 빈도해석에 따른 누가확률값 산정 및 표준화를 통해 SRI 및 SSI를 산정하였다. 산정된 지수의 평가를 위해 국내 과거 가뭄기록사례를 조사하고 기존 가뭄지수인 SPI 및 PDSI를 활용하였다. 본 연구 결과의 평가는 시계열별, 지역별 분석 및 유역별 물수지 분석을 통해 수행되었으며, 주로 가뭄기간동안의 가뭄심도와 가뭄 발생 및 해갈의 재현여부를 평가하였다. 분석결과 SRI 및 SSI 모두 시 공간적으로 과거 기록된 피해기간 및 지역 상황을 잘 반영한 것으로 나타났으며, 가뭄기간 동안의 정량적인 수문정보 생산이 가능하다는 점에서 유역단위 가뭄관리에 유용하게 활용될 것이라는 결론을 얻었다.

• 대한지리학회지
• /
• 제43권3호
• /
• pp.324-336
• /
• 2008

본 연구에서는 최근의 한반도 여름철 강수특성을 파악하기 위해 장기간($1958{\sim}2007$년) 관측을 수행하고 있는 기상관측소를 대상으로 강수량의 변화 경향을 시 공간적으로 분석하였다. 여름철($6{\sim}9$월) 강수량의 연변화를 분석하고 여름철을 장마와 장마 후 강수기간으로 구분하여 그 특징을 살펴보았다. 장마기간에는 남서풍과 준정체전선의 영향으로 산악지역의 풍상측에서 최대 강수량이 발생하였으며 장마 후 강수기간에는 한반도 주변의 서쪽 및 남동쪽에서 유입되는 하층순환장과 함께 태풍, 대류불안정, 저기압성 강수에 의해 주로 남해안과 영동 산간 및 해안지방에서 최대 강수량이 나타났다. 여름철($6{\sim}9$월) 강수량의 시계열 변화에서는 모든 지점에서 강수량이 증가하는 경향을 보여주었으며 이 중에서도 최근 10년이 가장 큰 증가 경향을 보였다. 일 강수량을 10년 단위로 평균하여 분석한 결과, 모든 지점에서 최근 10년에 장마 및 장마 후 강수기간의 강수량이 가장 크게 증가하는 것으로 나타났다. 지점별로 증가 경향은 차이를 보여주었는데, 강릉은 장마 후 강수기간의 강수량이 장마기간보다 더 많았으며 최근 들어 장마 후 강수기간의 강수량이 가장 크게 증가하였다. 서울과 부산의 경우는 최근 10년 동안 여름철 강수량의 두 개 최대값 사이의 강수량이 크게 증가하는 경향을 보여주었다.

• 한국전산구조공학회논문집
• /
• 제20권3호
• /
• pp.273-279
• /
• 2007

복잡한 구조물의 유한요소해석 응답값으로부터 계산된 요소신뢰성 지수와 파괴확률은 음함수의 미분 및 극히 작은 파괴확률의 계산상 1계2차 모멘트법 (FOSM)과 몬테카를로 시뮬레이션(Monte-Carlo Simulation)의 적용이 어려우므로, 선택된 확률변수만의 함수인 한계상태방정식을 음함수로 구성하는 응답면기법을 적용하여, 기본설계단계의 아치교량의 설계값으로 구성된 확률변수를 고려하여 교량시스템의 완성단계에 대한 위험성을 해석하였다. 체계신뢰성 해석에서는 모든 붕괴모드의 발생경로와 단면에 대한 해석에 많은 시간이 소요되어 유한요소 구조해석 결과와 기존의 아치교 사고사례 등을 통해서 밝혀진 중요한 위험경로 및 위험단면의 파괴를 일으키는 사건에 대하여만 고려하였다. 교량시스템의 체계신뢰성을 평가하여 상관관계의 변동에 따른 시스템붕괴에 대한 발생확률의 상하한계를 결정하였다. 시스템의 요소간 저항연결구조는 요소파괴의 순서와 전체강성의 감소정도에 따라서 결정하였다. 체계신뢰성에서 검토되지 않는 다른 요소간의 상관관계를 검토하기 위해서 가정된 붕괴순서와 다른 거동을 보일 경우에 대해서는 통계적으로 독립된 요소들의 파괴와 그 모든 붕괴모드 조합경우에 대해서 검토하였다. 붕괴모드조합의 검토 결과 거더와의 파괴조합과 아치리브와의 파괴조합에서 체계신뢰성보다 위험한 상한계 시스템 파괴확률과 안전한 하한계 파괴확률이 발견되었다.

• 한국수산과학회지
• /
• 제29권2호
• /
• pp.143-149
• /
• 1996

우리나라 멸치어업에서의 1971~1992년 동안의 22년간 월별 어획량 자료를 시계열 분석하여 어획량을 분석, 예측하였다. 시계열 분석은 다른 생물학적, 해양학적, 사회 경제적인 요소가 없어도 단지 어획량 자료만으로 분석과 예측이 가능하다. 첫 20년간인 1971~1990년 사이의 월별 멸치 어획량 자료를 ARIMA 시계열 모형에 적용시켜 구한 결과는 다음과 같다. 로그 (대수) 변환시켰을 때의 ARIMA 모형: $$(1-0.381B)(1-0.027B^{12}+0.141B^{24})(1-B^1)(1-B^{12})Z_t=(1-0.968B)(1-0.727B^{12})e_t$$, Box-Cox 변환시켰을 때의 ARIMA 모형: $$(1-0.431B)(1-B^{12})Z_t=(1-0.882B^{12})e_t$$, 위의 두 모형중 Box-Cox 변환시킨 것이 로그 (대수) 변환시킨 것보다 예측오차가 적었으며, Box-Cox 변환식은 $Y'=(Y^{0.58}-1)/0.58$ 이었다. 위의 두 모형 중 후자의 모형을 이용하여 1991~1992년 사이의 월별 어획량을 예측하였다. 예측 어획량과 실제 어획량과의 월별 오차범위는 1.0~63.2% (1991년에 1.6~63.2%이고, 1992년에는 1.0~60.4%)였다. 예측 어획량이 각 연도별로 148,201M/T과 148,834M/T인데 비해, 실제 어획량은 170,293M/T, 168,234M/T이었다. 2년 동안의 총어획량에 대한 오차는 12.3%였다. 또한 스펙트럼 분석은 순환변동의 주기가 2.2개월, 6.1개월, 10.2개월, 12개월, 14.7개월에서 상대적으로 큰 성분이 있음을 나타내었다 이 순환변동 성분은 적절한 ARIMA 모형을 결정하는 데도 도움이 된다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.257-264
• /
• 2003

일반적인 동적 매매 환경에서의 금융 예측 시스템은 주어진 목적을 최적으로 만족시키는 매매 형태를 찾고자 한다. 본 논문은 수익률을 극대화시키기 위하여 추출과 여과라는 두개의 단계로 구성된 새로운 형태의 주식 매매 시스템을 제안한다. 주식 추출 단계에서는 특정 시계열 패턴에 부합하는 주식을 추출하는데, 이러한 시계열 패턴은 기술 지표 값들의 조합으로 표현된다. 그리고 여과 단계에서는 추출된 주식 집합에 여과 규칙들을 적용하여 실제 매매 대상이 되는 주식들을 골라내는데, 여과 규칙은 과거 주가 데이터로부터 자동으로 유도되었다. 이를 위하여, 우리는 먼저 방대한 과거 일별 주가 데이터로부터 기술 지표 값들을 계산하였다. 계산된 기술 지표 값들은 시계열 패턴을 추출하는데 사용되고 이 값들의 이산화 구간들의 분포가 양성 및 음성 데이터들에 대하여 계산된다. 본 논문에서는 독특한 분포를 보이는 구간에 존재하는 기술 지표 값들이 주가의 향후 움직임을 예측하는 데 도움을 준다는 가정을 하였다. 그리고 여과 규칙은 바로 이런 독특한 분포를 보이는 구간 내의 데이터 값들로부터 자동으로 유도되었다. 우리는 시뮬레이션을 통해, 본 논문에서 제시한 트레이딩 시스템이 시장 평균 수익률을 상회한다는 사실을 확인함으로써 위의 가정에 대한 검증을 할 수 있었다.

• 대한원격탐사학회지
• /
• 제34권6_2호
• /
• pp.1203-1213
• /
• 2018

북극해 및 남극해는 접근이 어려운 지역으로 해양환경 모니터링을 위해 원격탐사 기술을 이용한 관측이 효과적이다. 원격탐사 플랫폼인 인공위성, 무인기와 선박 등에 관측센서를 장착하여 연구지역의 환경변화를 모니터링하고 있지만 극지역의 다양한 환경에서는 시계열자료 및 광범위한 데이터가 필요하다. 특히 고위도 지역에서는 낮은 태양고도의 영향으로 광학원격탐사를 적용하기는 쉽지않다. 본 논문에서는 2010년도 부터 극지연구소 쇄빙연구선 아라온호에 초분광계 HyperSAS(Satlantic inc.)를 설치하여 연구항해 및 이동항해 동안 해수의 분광학적 정보를 연속적으로 획득하고, 극지 해색 원격탐사자료 성능개선을 위해 현장에서 해수샘플을 채수하며 수행하고 있는 연구를 소개한다. 해수 상부의 반사도와 현장 해수샘플링은 2010년부터 연속적으로 획득하고 있어 동일 지역에 대한 반사도의 시계열 변화를 모니터링할 수 있다. 또한 고위도에서부터 저위도까지 연속적으로 관측하여 위도별 반사도 값의 연속 변화를 파악할 수 있다. 본 논문에서 취득한 자료는 극지역에서 남극해, 북극해 해수의 반사도가 어떻게 변화하는지 이해하고, 반사도를 통한 엽록소, 부유물질 등의 다양한 인자를 추정하는 알고리즘 개발에 활용될 것이다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1407-1419
• /
• 2020

지구환경 변화를 파악하는 데 있어서는 장기 시계열의 격자자료가 필수적이며, 기후 재분석장과 위성자료는 대기 및 지표면 변수에 대하여 전 지구 규모에서 주기적이고 정량적인 정보로 활용되고 있다. 본 연구에서는 위성자료의 결측 문제를 해결하기 위한 방안으로 DCT-PLS (penalized least square regression based on discrete cosine transform) 기반의 결측복원 기법을 서로 다른 특성을 가진 복수의 격자자료에 적용하고, 정량적인 검증을 통하여 그 활용성을 평가하였다. 원본 자료와의 객관적인 비교를 위하여 결측이 없는 LDAPS (Local Data Assimilation and Prediction System) 모델로부터 상대습도, 풍속 일자료를 추출하고, MODIS (Moderate Resolution Imaging Spectroradiometer)의 월간 합성 LST (land surface temperature), NDVI (normalized difference vegetation index) 영상을 사용하여, 임의로 생성된 결측 블록이 원본에 매우 가깝게 복원됨을 확인하였고, 4가지 변수 모두에서 상관계수 0.95 이상의 일치도를 나타내었다. DCT-PLS 기반 결측복원 기법은 별도의 보조자료를 필요로 하지 않고, 필요시 시간 및 공간 정보를 모두 활용할 수 있으며, 처리속도가 비교적 빠르기 때문에 현업시스템에 사용될 수 있을 것으로 사료된다.