• 한국지리정보학회지
• /
• 제20권3호
• /
• pp.42-51
• /
• 2017

대설은 우리나라의 법적 자연재해 중 하나이다. 최근 기상현상에 의한 사회경제적 영향력을 함께 예보하는 영향예보가 부각되고 있으며, 이를 위해서는 먼저 각 지역의 기후적 특징을 분석할 필요가 있다. 본 연구에서는 영향예보의 기반마련을 위해 자기조직화지도를 활용하여 적설동질지역을 구분하여 지역별 적설 특징을 분석했다. 연구결과 적설동질지역은 7개 군집으로 나타났으며, 강설량 및 관측일수, 최대강설량을 이용하여 각 그룹의 특징을 구분했다. 대관령, 강릉시, 정읍시는 강설량이 많은 지역으로, 경상도는 강설량이 적은 지역으로 구분되었다. 선행연구와 비교결과 대표적인 지역이 잘 구분되었으나 강설의 특징은 차이가 있는 것으로 나타났다. 본 연구의 결과는 각 지역의 영향예보를 위한 정책결정에 기초자료로 활용될 수 있다.

• 지질공학
• /
• 제30권4호
• /
• pp.663-671
• /
• 2020

최근 국내에서는 산림지역 뿐만 아니라 대도시지역에서도 자연재해가 많이 발생하고 있으며, 이에 대한 국가적인 요구사항은 증가하고 있다. 특히 국도 비탈면 붕괴에 대하여 체계적으로 관리할 수 있는 사전 재해정보 시스템은 전무한 실정이다. 본 연구에서는 CSMS(Cut Slope Management System)에서 관리하는 강원도와 경상도 지역의 국도 비탈면 붕괴 정밀조사 보고서와 비탈면 기초조사를 토대로 비탈면 붕괴 유발 인자에 대한 빅데이터 분석을 실시하였다. 분석 결과를 바탕으로 붕괴 비탈면 위치와 기상정보를 반영하여 분류 기반 머신러닝 모형인 Adaboost를 통한 비탈면 붕괴 위험도 예측모형을 구축하였다. 또한 시각화 프로그램인 비탈면 붕괴 위험도 시각화 지도를 개발하여 기상여건 변화에 따른 비탈면 위험도 파악을 통한 선제적 재해재난 예방대책에 활용할 수 있음을 보여주고 있다.

• The Korean Journal of Pain
• /
• 제34권1호
• /
• pp.66-71
• /
• 2021

Background: Trigeminal neuralgia is a debilitating craniofacial pain syndrome that is characterized by paroxysms of intense, short-lived electric shock-like pains in the trigeminal nerve distribution. Recently, the presence of triggers has become one of the key diagnostic criteria in the 3rd edition of the International Classification of Headache Disorders. Light touch is the most common trigger, however other non-mechanical triggers, such as cold weather and certain foods, have been thought to provoke trigeminal neuralgia anecdotally. We aimed to characterize the prevalence and characteristics of these atypical triggers. Methods: We conducted a retrospective, cross-sectional study of atypical triggers in trigeminal neuralgia patients seen in a tertiary pain clinic in Singapore. Patients were recruited via clinic records, and study data were identified from physician documentation. Results: A total of 60 patients met the inclusion criteria. Weather triggers were observed in 12 patients (20%), of which five patients (8%) reported strong winds, 4 patients (7%) reported cold temperatures, and 3 patients (5%) reported cold winds as triggers. Fifteen patients (25%) had a specific food trigger, of which 10 patients (17%) reported hard or tough food, 5 patients (8%) reported hot/cold food, 4 patients (7%) reported spicy food, and 2 patients (3%) reported sweet food as triggers. Conclusions: Although trigeminal neuralgia is most commonly triggered by mechanical stimuli, atypical triggers such as cold temperatures and certain foods are seen in a significant proportion of patients. These atypical triggers may share a common pathway of sensory afferent Aδ fiber activation.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1405-1423
• /
• 2021

강우 현상은 물 순환과 에너지 순환의 주요 요소 중 하나이며 강우량 추정은 수자원 확보와 수재해 예측 및 피해 감축에 매우 중요한 역할을 한다. 위성 기반 강우량 추정은 시공간적으로 고해상도인 자료를 통하여 넓은 지역을 연속적으로 감시할 수 있다는 장점이 있다. 본 연구에서는 Himawari-8 Advanced Himawari Imager(AHI) 수증기 채널(6.7 ㎛), 적외 채널(10.8 ㎛)과 기상 레이더 Column Max (CMAX) 합성장을 이용하여 기계학습 기반 정량적 강우량 추정 모델을 개발하였다. 기계학습 기법으로는 랜덤 포레스트(Random Forest, RF)를 사용하였으며 기상 레이더 반사도(dBZ)와 Z-R식으로 변환한 강우강도(mm/hr)를 타겟으로 하는 모델을 구축하여 비교하였다. 레이더 강우강도를 통해 검증하였을 때 임계성공지수(Critical Success Index, CSI)는 0.34, Mean-Absolute-Error (MAE) 4.82 mm/hr였다. GeoKompsat-2(GK-2A) 강우강도 산출물, Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks (PERSIANN)-Cloud Classification System (CCS) 산출물과 비교하였을 때 강우 유무 분류에서 CSI 21.73%, 10.81%, 강우강도 정량적 평가에서 MAE 31.33%, 23.49% 높은 성능을 보였다. 강우량 산출물을 지도화 한 결과, 실제 강우강도 분포와 유사한 분포를 모의하여 기존 산출물 대비 높은 정확도의 강우량을 추정했다.

• 한국농림기상학회지
• /
• 제23권3호
• /
• pp.149-155
• /
• 2021

농업기상재해 조기경보시스템에서는 일 최대순간 풍속에 과수의 낙과 피해 임계풍속을 대입하여 농작물의 풍해 위험을 예측, 자원농가에게 제공하고 있다. 강풍의 위험 예측확률을 높이기 위한 방법으로써, 기존 방식에서 '안전'으로 분류된 데이터들 중 실제로는 풍해위험이 있는 경우를 찾아내는 인공신경망 이항분류 기법을 도입하였다. 학습데이터는 전라남북도와 경북 및 경남 일부지역의 총 210개소 기상청 종관 및 방재기상관측지점에서 수집된 2019년 전체 일별 풍속자료이며, 최적 모델 도출을 위한 검증데이터는 동일지점의 2020년 1월 1일~12월 12일 자료를, 인공신경망 기법 사용 전/후의 풍해위험예측 성능 평가는 2020년 12월 13일~2021년 2월 18일까지의 자료를 사용하였다. 풍해위험 임계풍속은 과수의 낙과 피해기준으로 주로 사용되고 있는 11m/s를 설정하였다. 또한 2020년 동일 기간의 일 최대순간풍속 실측값으로 Weibull 분포를 작성한 후, 추정값과 임계풍속간의 편차를 이용하여 누적확률값을 계산, 풍해 경보에서 한 단계 낮은 주의보를 판단하고 인공신경망 기법 적용 결과와 비교하였다. 평가기간 중 기존의 풍해 위험 탐지확률은 65.36%였으나 인공신경망 기법으로 재분류 과정을 거친 후 93.62%로 크게 개선되었다. 반면, 오보율이 함께 증가되어(13.46% → 37.64%), 전반적인 정확도는 감소하였다. 한편 Weibull 분포를 이용하여 풍해주의보 구간을 두었을 때는 정확도 83.46%으로 인공신경망 기법에 비해 전반적인 예측 정확도는 더 높았던 반면 위험 탐지확률은 88.79%로 더 낮게 나타났다. 따라서, 상대적으로 위험예보의 미예측이 중대한 문제가 되는 사례에서 인공신경망 방식이 유용할 것으로 보인다.

• 전기학회논문지
• /
• 제64권6호
• /
• pp.922-934
• /
• 2015

In this paper, The classification between precipitation echo(PRE) and non-precipitation echo(N-PRE) (including ground echo and clear echo) is carried out from weather radar data using neuro-fuzzy algorithm. In order to classify between PRE and N-PRE, Input variables are built up through characteristic analysis of radar data. First, the event classifier as the first classification step is designed to classify precipitation event and non-precipitation event using input variables of RBFNNs such as DZ, DZ of Frequency(DZ_FR), SDZ, SDZ of Frequency(SDZ_FR), VGZ, VGZ of Frequency(VGZ_FR). After the event classification, in the precipitation event including non-precipitation echo, the non-precipitation echo is completely removed by the echo classifier of the second classifier step that is built as Type-2 FCM based RBFNNs. Also, parameters of classification system are acquired for effective performance using PSO(Particle Swarm Optimization). The performance results of the proposed echo classifier are compared with CZ. In the sequel, the proposed model architectures which use event classifier as well as the echo classifier of Interval Type-2 FCM based RBFNN show the superiority of output performance when compared with the conventional echo classifier based on RBFNN.

• 한국지리정보학회지
• /
• 제6권1호
• /
• pp.12-23
• /
• 2003

정보산업의 급속한 발전은 축적되어 있는 대규모의 데이터로부터 보다 가치 있는 정보 생성 및 정확한 데이터 분석 능력을 요구하고 있다. 특히 데이터마이닝 기법을 이용하여 주어진 데이터간의 연관관계를 도출하고, 얻어진 패턴을 바탕으로 미래를 예측하는 방법은 주목을 받고 있다. 이 연구에서는 속성중심 귀납방법과 분류규칙을 통합한 일반화 기반의 분류기법을 제안하였고, 간결한 모델의 구축 및 규칙 추출을 수행하였다. 또한 일반화 기반 분류 예측시스템에 산불데이터를 적용하여, 기상 데이터와 산불발생 사이의 관련성을 분석하고 효율적인 예측을 수행하였다. 이 연구에서 제시한 기법은 반복적으로 발생하는 자연재해에 대한 분석 및 예측, 에너지의 수요량 예측등과 같이 실생활의 중요한 부분들에 다양하게 응용할 수 있다.

• 대기
• /
• 제29권5호
• /
• pp.639-658
• /
• 2019

The classification of fog type and the characteristics of fog based on fog events over South Korea were investigated using a 3-year (2015~2017) visibility meter data. One-minute visibility meter data were used to identify fog with present weather codes and surface observation data. The concept of fog events was adopted for the better definition of fog properties and more objective classification through the detailed investigation of life cycle of fog. Decision tree method was used to classify the fog types and the final fog types were radiation fog, advection fog, precipitation fog, cloud base lowering fog and morning evaporation fog. We enhanced objectivity in classifying the types of fog by adding the satellite and the buoy observations to the conventional usage of AWS and ceilometer data. Radiation fog, the most common type in South Korea, frequently occurs in inland during autumn. A considerable number of advection fogs occur in island area in summer, especially in July. Precipitation fog accounts for more than a quarter of the total fog events and frequently occurs in islands and coastal areas. Cloud base lowering fog, classified using ceilometer, occurs occasionally for all areas but the occurrence rate is relatively high in east and west coastal area. Morning evaporation fog type is rarely observed in inland. The occurrence rate of thick fog with visibility less than 100 meters is amount to 21% of total fog events. Although advection fog develops into thick fog frequently, radiation fog shows the minimum visibility, in some cases.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.395-406
• /
• 2017

전력 공급 시스템의 효율적인 운영을 위해 전력수요예측은 필수적이다. 본 연구에서는 군집분석과 분류분석을 이용하여 일 단위 시간별 전력수요량 시계열 패턴의 유형을 살펴보고자 한다. 전력거래소에서 수집된 2008년 1월 1일부터 2012년 12월 31일까지의 일 단위 시간별 전력수요량 데이터를 추세성분, 계절성분, 오차 성분으로 구성된 시계열 자료로 변환하여 사용하였다. 추세성분을 제거한 시계열 자료의 패턴을 구분하기 위한 군집 분석방법은 k-평균 군집분석 (k-means), 가우시안혼합모델 혼합 모델 군집분석 (Gaussian mixture model), 함수적 군집분석 (functional clustering)을 고려하였다. 주성분분석을 통해 24시간 자료를 2개의 요인로 축소한 후 k-평균 군집분석과 가우시안 혼합 모델, 함수적 군집분석을 수행하였다. 군집분석 결과를 토대로 2008년부터 2011년까지 총 4년간 데이터를 4가지 분류분석방법인 의사결정나무, RF (random forest), Naive bayes, SVM (support vector machine)을 통해 훈련시켜 2012년 군집을 예측하였다. 분석 결과 가우시안 혼합 분포기반 군집분석과 RF를 이용한 군집예측 결과의 성능이 가장 우수하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권11호
• /
• pp.991-1000
• /
• 2007

본 논문에서는 단일 프레임의 교통 영상에서 차량을 검출하는 새로운 기법을 제안한다. 제안하는 기법은 동작 환경에 관계없이 여러 형태로 분류된 그림자를 추출한다. 차량의 색상과 조명 조건에 관계없이 차량이 도로와 접한 부분에는 어두운 그림자 형상을 가진다는 사실을 이용하여 그림자 분류를 수행한다. 추출된 그림자는 차량의 존재 유무를 판단할 강력한 능력을 가지고 있으며, 배경 영상과 다른 시간적 정보들을 이용하지 않으므로, 기상 및 교통 정체가 빠르게 변화하는 상황에서도 높은 검출 성능을 보장한다. 차량 위치에 존재하는 자은 정보와 그림자 영역과의 간단한 증거 추론 기법에 의해 차량을 검출할 수 있다. 6개의 다른 동작 환경의 실험에서 4% 이하의 오검출율을 보이고, 0.9%에서 7.2%의 미검출율을 보였다. 또한, 작은 크기의 영상에 대해 초당 70 프레임 이상의 처리가 가능하므로, 다양한 교통 정보를 실시간으로 측정하는 기법에 사용될 수 있다.