• 한국환경과학회지
• /
• 제31권4호
• /
• pp.329-339
• /
• 2022

Better understanding the mechanism of black ice occurrence on the road in winter is necessary to reduce the socio-economic damage it causes. In this study, intensive observations of road weather elements and surface information under the influence of synoptic high-pressure patterns (22^nd December, 2020 and 29^th January, and 25^th February, 2021) were carried out using a mobile observation vehicle. We found that temperature and road surface temperature change is significantly influenced by observation time, altitude and structure of the road, surrounding terrain, and traffic volume, especially in tunnels and bridges. In addition, even if the spatial distribution of temperature and road surface temperature for the entire observation route is similar, there is a difference between air and road surface temperatures due to the influence of current weather conditions. The observed road temperature, air temperature and air pressure in Nongong Bridge were significantly different to other fixed road weather observation points.

• 대기
• /
• 제31권5호
• /
• pp.637-656
• /
• 2021

The United States has been known as the world's major producer of crops such as wheat, corn, and soybeans. Therefore, using meteorological long-term forecast data to project reliable crop yields in the United States is important for planning domestic food policies. The current study is part of an effort to improve the seasonal predictability of regional-scale precipitation across the United States for estimating crop production in the country. For the purpose, a dynamic downscaling method using Weather Research and Forecasting (WRF) model is utilized. The WRF simulation covers the crop-growing period (March to October) during 2000-2020. The initial and lateral boundary conditions of WRF are derived from the Pusan National University Coupled General Circulation Model (PNU CGCM), a participant model of Asia-Pacific Economic Cooperation Climate Center (APCC) Long-Term Multi-Model Ensemble Prediction System. For bias correction of downscaled daily precipitation, empirical quantile mapping (EQM) is applied. The downscaled data set without and with correction are called WRF_UC and WRF_C, respectively. In terms of mean precipitation, the EQM effectively reduces the wet biases over most of the United States and improves the spatial correlation coefficient with observation. The daily precipitation of WRF_C shows the better performance in terms of frequency and extreme precipitation intensity compared to WRF_UC. In addition, WRF_C shows a more reasonable performance in predicting drought frequency according to intensity than WRF_UC.

• Journal of Korea Trade
• /
• 제25권4호
• /
• pp.17-36
• /
• 2021

Purpose - This study provides useful information to stakeholders by forecasting the tramp shipping market, which is a completely competitive market and has a huge fluctuation in freight rates due to low barriers to entry. Moreover, this study provides the most effective parameters for Baltic Dry Index (BDI) prediction and an optimal model by analyzing and comparing deep learning models such as the artificial neural network (ANN), recurrent neural network (RNN), and long short-term memory (LSTM). Design/methodology - This study uses various data models based on big data. The deep learning models considered are specialized for time series models. This study includes three perspectives to verify useful models in time series data by comparing prediction accuracy according to the selection of external variables and comparison between models. Findings - The BDI research reflecting the latest trends since 2015, using weekly data from 1995 to 2019 (25 years), is employed in this study. Additionally, we tried finding the best combination of BDI forecasts through the input of external factors such as supply, demand, raw materials, and economic aspects. Moreover, the combination of various unpredictable external variables and the fundamentals of supply and demand have sought to increase BDI prediction accuracy. Originality/value - Unlike previous studies, BDI forecasts reflect the latest stabilizing trends since 2015. Additionally, we look at the variation of the model's predictive accuracy according to the input of statistically validated variables. Moreover, we want to find the optimal model that minimizes the error value according to the parameter adjustment in the ANN model. Thus, this study helps future shipping stakeholders make decisions through BDI forecasts.

• Journal of Information Science Theory and Practice
• /
• 제10권spc호
• /
• pp.135-142
• /
• 2022

Recently, with the development of data processing technology and the increase of computational power, methods to solving social problems using Artificial Intelligence (AI) are in the spotlight, and AI technologies are replacing and supplementing existing traditional methods in various fields. Meanwhile in Korea, heavy rain is one of the representative factors of natural disasters that cause enormous economic damage and casualties every year. Accurate prediction of heavy rainfall over the Korean peninsula is very difficult due to its geographical features, located between the Eurasian continent and the Pacific Ocean at mid-latitude, and the influence of the summer monsoon. In order to deal with such problems, the Korea Meteorological Administration operates various state-of-the-art observation equipment and a newly developed global atmospheric model system. Nevertheless, for precipitation nowcasting, the use of a separate system based on the extrapolation method is required due to the intrinsic characteristics associated with the operation of numerical weather prediction models. The predictability of existing precipitation nowcasting is reliable in the early stage of forecasting but decreases sharply as forecast lead time increases. At this point, AI technologies to deal with spatio-temporal features of data are expected to greatly contribute to overcoming the limitations of existing precipitation nowcasting systems. Thus, in this project the dataset required to develop, train, and verify deep learning-based precipitation nowcasting models has been constructed in a regularized form. The dataset not only provides various variables obtained from multiple sources, but also coincides with each other in spatio-temporal specifications.

• 한국인터넷방송통신학회논문지
• /
• 제23권2호
• /
• pp.131-138
• /
• 2023

세계적으로 기후 위기로 인해 친환경 산업이 발전하고 있다. 전기자동차는 내연기관 자동차에 비해 탄소 배출량을 30~70% 이상 절감할 수 있을 것으로 전망되어 주목받고 있는 친환경 산업이다. 전기자동차가 대중화됨에 따라 충전소는 전기자동차 구매를 위한 중요한 요소로 자리 잡았다. 최근 연구에서는 지역의 충전소 수요를 파악하고 경제적인 효과를 최대화할 수 있는 위치를 선정하기 위해 인공지능을 활용하고 있다. 본 연구에서는 전기자동차 충전소 수요 예측 모델의 성능향상에 이바지하고자 인공지능 모델에 활용할 수 있는 전국 단위의 데이터를 정의하고 전처리 기법을 제안하였다. 또한 실제 충전소 수요 예측을 위한 전처리기와 인공지능 모델, 서비스 웹을 구현하고 데이터의 입지선정 요인으로의 가치를 검증하였다.

• International Journal of Computer Science & Network Security
• /
• 제23권10호
• /
• pp.199-208
• /
• 2023

The emergence of COVID-19 virus has shaken almost every aspect of human life including but not limited to social, financial, and economic changes. One of the most significant impacts was obviously healthcare. Now though the pandemic has been over, its aftereffects are still there. Among them, a prominent one is people lifestyle. Work from home, enhanced screen time, limited mobility and walking habits, junk food, lack of sleep etc. are several factors that have still been affecting human health. Consequently, diseases like diabetes, high blood pressure, anxiety etc. have been emerging at a speed never witnessed before and it mainly includes the people at young age. The situation demands an early prediction, detection, and warning system to alert the people at risk. AI and Machine learning has been investigated tremendously for solving the problems in almost every aspect of human life, especially healthcare and results are promising. This study focuses on reviewing the machine learning based approaches conducted in detection and prediction of diabetes especially during and post pandemic era. That will help find a research gap and significance of the study especially for the researchers and scholars in the same field.

• 농업과학연구
• /
• 제50권4호
• /
• pp.629-643
• /
• 2023

The purpose of this study was to examine the effectiveness and efficiency of a policy by comparing and analyzing the impact of the rice market isolation system and production adjustment system (strategic crops direct payment system that induces the cultivation of other crops instead of rice) on rice supply, rice price, and government's financial expenditure. To achieve this purpose, a rice supply and demand forecasting and policy simulation model was developed in this study using a partial equilibrium model limited to a single item (rice), a dynamic equation model system, and a structural equation system that reflects the casual relationship between variables with economic theory. The rice policy analysis model used a recursive model and not a simultaneous equation model. The policy is distinct from that of previous studies, in which changes in government's policy affected the price of rice during harvest and the lean season before the next harvest, and price changes affected the supply and demand of rice according to the modeling, that is, a more specific policy effect analysis. The analysis showed that the market isolation system increased government's financial expenditure compared to the production adjustment system, suggesting low policy financial efficiency, low policy effectiveness on target, and increased harvest price. In particular, the market isolation system temporarily increased the price during harvest season but decreased the price during the lean season due to an increase in ending stock caused by increased production and government stock. Therefore, a decrease in price during the lean season may decrease annual farm-gate prices, and the reverse seasonal amplitude is expected to intensify.

• 미래기술융합논문지
• /
• 제3권2호
• /
• pp.17-23
• /
• 2024

본 논문에서는 기온과 강수량이 농산물 가격에 미치는 영향을 분석하고 TensorFlow를 이용해 주요 농산물 가격을 예측하였다. 분석 결과, 기온 상승과 강수량 증가는 배추, 무, 대파, 상추, 양파 등의 가격 상승에 유의미한 영향을 미쳤다. 특히, 기온과 강수량이 동시에 증가할 때 가격이 급격히 상승하였다. 예측 모델은 기후 변화에 따른 농산물 가격 변동을 사전에 예측하는 데 유용하였다. 이를 통해 농업 생산자와 소비자가 기후 변화에 대비하고, 가격 변동에 대한 대응 전략을 마련할 수 있다. 논문에서는 기후 변화가 농산물 가격에 미치는 영향을 이해하고, 농산물 시장의 안정성과 지속 가능성을 높이는 방안을 모색하는 데 기여할 수 있다. 또한, 기후 변화 시대에 농업의 지속 가능성을 높이고 경제적 안정성을 확보하는 데 중요한 자료를 제공한다. 연구 결과는 정책 결정자들에게도 유용한 통찰을 제공할 것이며, 기후 변화에 대응한 효과적인 농업 정책 수립에 기여할 수 있다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.1-17
• /
• 2019

빅데이터 시대에 정보의 양이 급증하고, 그중 많은 부분을 차지하는 문자열 정보를 정량화하여 의미를 찾아 낼 수 있는 인공지능 방법론이 함께 발전하면서, 텍스트 마이닝을 통해 주가 예측에 적용해 온라인 뉴스로 주가를 예측하려는 시도가 다양해지고 있다. 이러한 주가 예측의 방법은 대개 예측하고자 하는 기업의 뉴스로 주가를 예측하는 방식이다. 하지만 특정 회사의 뉴스만이 그 회사의 주가에 영향을 주는 것이 아니라, 그 회사와 관련성이 높은 회사들의 뉴스 또한 주가에 영향을 줄 수 있다. 그러나 관련성이 높은 기업을 찾는 것은 시장 전반의 공통적인 영향과 무작위 신호 때문에 쉽지 않다. 따라서 기존 연구들은 주로 미리 정해진 국제 산업 분류 표준에 기반을 둬 관련성이 높은 기업을 찾았다. 하지만 최근 연구에 따르면, 국제 산업 분류 표준은 섹터에 따라 동질성이 다르며, 동질성이 낮은 섹터는 그들을 모두 함께 고려하여 주가를 예측하는 것이 성능에 악영향을 줄 수 있다는 한계점을 가진다. 이러한 한계점을 극복하기 위해, 본 논문에서는 주가 예측 연구에서 처음으로 경제물리학에서 주로 사용되는 무작위 행렬 이론을 사용하여 시장 전반 효과와 무작위 신호를 제거하고 군집 분석을 시행하여 관련성이 높은 회사를 찾는 방법을 제시하였다. 또한, 이를 기반으로 관련성이 높은 회사의 뉴스를 함께 고려하며 다중 커널 학습을 사용하는 인공지능 모형을 제시한다. 본 논문의 결과는 무작위 행렬 이론을 통해 시장 전반의 효과와 무작위 신호를 제거하여 정확한 상관 계수를 찾아 군집 분석을 시행한다면 기존 연구보다 더 좋은 성능을 보여 준다는 것을 보여준다.

• 한국항만경제학회지
• /
• 제24권4호
• /
• pp.313-327
• /
• 2008

한국과 일본은 가장 가까운 이웃 나라이면서 한국은 일본의 식민지를 거친 경험을 갖고 있는 논문에서는 Liu(2008)의 슬랙변수모형을 도입하여 이론적으로 설명하고 1994년 및 1995년의 국내 20개 항만의 3개의 산출물(수출입물량, 선박입출항척수, 항만재정수입)과 2개의 투입물(접안능력, 하역능력)을 이용하여 국내항만들의 효율성을 측정한 후에, 양년도간에 모두 효율적인 항만으로 판명된 항만을 제외한 나머지 16개 항만들의 효율성 순위를 이용하여 월콕슨의 부호순위검정을 통해서 슬랙변수모형이 갖고 있는 항만효율성측면의 예측력을 측정하는 방법을 보여 주었다. 또한 동일한 방법으로 다년도(1995년-2003년)분석을 실시하여 항만효율성의 예측력은 어느 정도 되는지를 검정하였다. 다년도(1995-2003년)의 실증분석의 주요한 결과를 요약한다면 "가설검정의 모든 결과는 귀무가설을 기각할 수 없는 것"으로 나타났다. 즉, 예측자료와 실제자료의 차이가 있다고 할 수 없기 때문에, 예측자료가 실제자료를 반영하고 있는 것으로 나타났다. 특히 2000-2001년, 2003-2004년의 유의수준은 60%에 가까운 수준으로 나타나서 예측력이 있는 것으로 나타났으나 1995-1996년, 2002-2003년의 예측력은 낮은 것으로 나타났다. 본 연구의 정책적인 함의는 국내항만들도 슬랙변수모형과 월콕슨부호순위검정방법을 이용하여 차년도의 효율성, 또는 경영성과를 예측하여 제시하는 것도 항만의 효율성을 높일 수 있는 한 가지 방법이 될 수 있다는 점이다.