• 대한교통학회지
• /
• 제24권5호
• /
• pp.89-108
• /
• 2006

우리나라도 2000 년에 65세 이상 고령자 인구가 전인구의 7%에 도달하며서 소위 고령화 사회에 진입하게 되었고 앞으로 25년간 우리나라 고령자인구의 증가율은 세계적으로 유례없이 급속할 것으로 예상된다. 이러한 측면에서 최근 고령화 문제가 사회적인 이슈로 대두됨에 따라 교통시설물 계획 등에서 고령인구의 통행특성을 고려한 계획 및 설계가 필수적으로 요구되어지고 있다 하지만, 기존의 교통존 혐의 집계분석 방법론에서는 일반인과 고령자의 평균값을 사용함으로써 고령자의 통행 특성 및 사회경제적 특성을 고려하는데 한계를 가지고 있다. 따라서 본 연구는 일반인과 다른 고령자의 통행특성을 분석하기 위해 네스티드 로지모형을 이용하여 개인의 통행특성을 반영할 수 있는 비집계분석의 방법론으로 활동 스케줄링 모형을 구축하고 정립하였다. 본 연구에서의 분석결과 일반인과 비교해 고령자의 통행특성은 직장인과 비직장인 모두에서 출발시간과 수단 선택에서 큰 차이를 가지는 것으로 분석되었다 이러한 개인 통행특성의 차이를 간과한 기존의 교통존 중심의 집계분석 방법론으로 장래 수요 예측시에 큰 편이를 초래할 것으로 예상된다 따라서 본 연구는 개인통행특성을 고려하기 위해 활동기반모형의 필요성을 강조할 수 있는 좋은 선행과제가 될 것으로 기대한다 또한, 활동기반분석의 지속적인 연구 및 이에 대한 개발은 현재 대두되고 있는 도로사업 평가의 신뢰성, 향후교통시설물 계획 및 설계 평가에 중요 요소로 인식되는 교통량 예측 등에 대한 신뢰성 향상에 많은 기회를 할 것으로 판단된다

• 지질공학
• /
• 제32권4호
• /
• pp.697-723
• /
• 2022

본연구에서는 제주도의 중제주 수역 내에 위치하는 총 12개 지하수 관정에서 미래 30일 기간의 지하수위를 예측할 수 있는 모델을 개발하였다. 예측 모델개발을 위해 시계열 예측에 적합한 딥러닝 기법의 하나인 누적 장단기 메모리(stacked-LSTM) 기법을 이용하였으며, 2001년에서 2022년 동안 관측된 일 단위 강수량, 지하수 이용량 및 지하수위 자료가 예측 모델개발에 활용되었다. 특히, 본 연구에서는 입력자료의 종류 및 과거 자료의 순차 길이에 따라 다양한 모델을 구축하고 성능을 비교함으로써 딥러닝 기반 예측 모델개발에서 고려하여야 할 사항에 대한 검토와 절차를 제시하였다. 예측 모델개발 결과, 강수량, 지하수 이용량 및 과거 지하수위를 모두 입력자료로 활용하는 모델의 예측성능이 가장 뛰어난 것으로 확인되었으며, 입력으로 활용되는 과거 자료의 순차가 길수록 예측의 성능이 향상됨을 확인하였다. 이는 제주도의 깊은 지하수위 심도로 인하여 강수와 지하수 함양 간 지연시간이 길기 때문으로 판단된다. 이뿐만 아니라, 지하수 이용량 자료의 경우, 모든 이용량 자료를 활용하는 것보다 예측하고자 하는 지점의 지하수위에 민감한 영향을 주는 관정을 선별하여 입력자료로 이용하는 것이 예측 모델의 성능 개선에 긍정적 영향을 주는 것을 확인하였다. 본 연구에서 개발된 지하수위 예측 모델은 현재의 강수량 및 지하수 이용량을 기반으로 미래의 지하수위를 예측할 수 있어 미래의 지하수량에 대한 건전성 정보를 제공함에 따라 적정 지하수량 유지를 위한 다양한 관리방안 마련에 도움이 될 것으로 판단된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.111-126
• /
• 2020

CRM의 하위 연구 분야로 진행되었던 고객이탈예측은 최근 비즈니스 머신러닝 기술의 발전으로 인해 빅데이터 기반의 퍼포먼스 마케팅 주제로 더욱 그 중요도가 높아지고 있다. 그러나, 기존의 관련 연구는 예측 모형 자체의 성능을 개선시키는 것이 주요 목적이었으며, 전체적인 고객이탈예측 프로세스를 개선하고자 하는 연구는 상대적으로 부족했다. 본 연구는 성공적인 고객이탈관리가 모형 자체의 성능보다는 전체 프로세스의 개선을 통해 더 잘 이루어질 수 있다는 가정하에, 이차원 고객충성도 세그먼트 기반의 고객이탈예측 프로세스 (CCP/2DL: Customer Churn Prediction based on Two-Dimensional Loyalty segmentation)를 제안한다. CCP/2DL은 양방향, 즉 양적 및 질적 로열티 기반의 고객세분화를 시행하고, 고객세그먼트들을 이탈패턴에 따라 2차 그룹핑을 실시한 뒤, 이탈패턴 그룹별 이질적인 이탈예측 모형을 독립적으로 적용하는 일련의 이탈예측 프로세스이다. 제안한 이탈예측 프로세스의 상대적 우수성을 평가하기 위해 기존의 범용이탈예측 프로세스와 클러스터링 기반 이탈예측 프로세스와의 성능 비교를 수행하였다. 글로벌 NGO 단체인 A사의 협력으로 후원자 데이터를 활용한 분석과 검증을 수행했으며, 제안한 CCP/2DL의 성능이 다른 이탈예측 방법론보다 우수한 성능을 보이는 것으로 나타났다. 이러한 이탈예측 프로세스는 이탈예측에도 효과적일 뿐만 아니라, 다양한 고객통찰력을 확보하고, 관련된 다른 퍼포먼스 마케팅 활동을 수행할 수 있는 전략적 기반이 될 수 있다는 점에서 연구의 의의를 찾을 수 있다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.187-201
• /
• 2011

방향성(Direction)과 변동성(Volatility)에 대한 분석은 증권투자를 위한 시장분석의 기초가 된다. 변동성분석이 옵션 투자에서 중요하다면 주식이나 주가지수선물투자는 방향성분석에 의하여 투자성과가 결정된다. 기존의 금융분석에서 기계학습을 이용한 방향성에 대한 연구는 주가나 투자위험의 예측을 중심으로 이루어졌으며, 최근에 와서야 실전투자를 위한 매매시스템(trading system) 개발에 대한 연구가 이루어지고 있다. 인공지능형 주가예측모형에서는 ANN(artificial neural networks), fuzzy system, SVM(Support Vector Machine) 등의 기법이 주로 활용되고 있다. 본 연구에서는 방향성매매를 위한 지능형 기계학습방법 중에서도 패턴인식에서 좋은 성과를 보이고 있는 은닉마코프 모형(Hidden Markov Model)을 이용한다. 실무적으로는 방향성 예측을 위해 주로 주가의 추세분석(Trend Analysis)을 활용한다. 다양한 기술적 지표를 이용한 추세분석에 기반한 시스템트레이딩(System Trading) 기법은 실전투자에서 점차 확대추세에 있다. 본 연구에서는 시스템트레이딩 기법 중 실무에서 많이 이용되는 이동평균교차전략(moving average cross)에 연속 은닉마코프모형을 적용한 지능형 매매시스템을 제안하고, 실제 주가자료를 이용한 시뮬레이션 결과를 제시한다. 세계적 선물시장으로 성장한 KOSPI200 선물시장에서 제안된 매매시스템의 장기간의 투자성과를 분석하기 위하여 지난 21년 동안의 KOSPI200 주가지수자료를 실증 분석하였다. 분석결과는 KOSPI200 주가지수선물의 방향성매매에서 제안된 CHMM기반 지능형 매매시스템이 실전에서 일반적으로 활용되는 시스템트레이딩 기법의 투자성과를 개선할 수 있음을 보여주었다.

• 농업과학연구
• /
• 제14권2호
• /
• pp.263-271
• /
• 1987

밤 가격분석(價格分析)과 적정(適正) 생산량(生産量)을 추정(推定)한 결과(結果) 다음과 같은 결론(結論)을 얻었다. 1. 과거(過去) 20년간(年間)(1966~1985)의 밤 가격(價格)을 분석(分析)한 결과(結果), 1966~1972년(年)에는 밤 가격(價格)이 매년(每年) 14.67%씩 상승(上昇)하였으나, 1973~1985년(年)에는 년(年) 9.24%씩 하락(下落)하였다. 2. 1년중(年中) 밤 가격(價格)은 수확기(收穫期)인 10월경(月頃)에 89.1로 가장 낮았고 7월경(月頃)에 109.1로 가장 높았으며 밤 가격(價格)의 계절변동율(季節變動率)은 전기(前期)(1966~1975)가 0.0837, 후기(後期)(1976~1985)가 0.0706으로 시간(時間)이 지남에 따라 점차 평준화(平準化) 되고 있었다. 3. 장래(將來) 밤 가격(價格)의 최적(最適) 예측(豫測) model은 PR=11,788.0088~7.00TC/Pop+6.585GNP/Pop로 나타났으며, 현재(現在)의 조림정책(造林政策)이 단속(斷續)될 경우 장래(將來) 밤 가격(價格)은 1988년(年)에 가장 낮았다가 그 후(後) 큰 폭(幅)으로 상승(上昇)할 것으로 예측(豫測)되었다. 4. 밤의 적정(適正) 생산량(生産量)의 최적(最適) model 식(式)은 ${\ell}_nPD/Pop=-8.5147-0.8267{\ell}_nPR_1+3.3063{\ell}_nGNP/Pop$로 나타났으며 적정(適正) 밤 가격(價格)을 유지(維持)하기 위한 적정(適正) 밤 생산량(生産量)은 1988년(年) 약(約) 133,000 톤으로 2010년(年)에는 1,899,000 톤 정도(程度)였다. 5. 장래(將來) 적정(適正) 조림면적(造林面積)을 추정(推定)한 결과(結果), 1988년(年) 4,000ha에서 2010년(年)에는 57,400ha 정도(程度)의 밤나무 조림면적(造林面積)이 있어야 할 것으로 예측(豫測)되었다.

• 한국응용곤충학회지
• /
• 제55권1호
• /
• pp.35-43
• /
• 2016

채집 시기에 따른 미국선녀벌레(Metcalfa pruinosa) 월동난 발육을 다양한 항온조건에서 조사하였다. 2012년의 경우 4월 13일 이전에 채집된 월동난은 부화에 실패하였으나, 2013년 4월 11일 채집한 개체들이 일부 온도 조건에서 성공적으로 부화하였다. 온도에 따른 월동난의 발육 조사 결과 $12.5^{\circ}C$와 $35^{\circ}C$를 제외한 모든 온도 조건에서 발육이 가능하였다. 2013년 4월 26일 채집하여 가온한 결과 $15^{\circ}C$에서 49.6일로 발육기간이 가장 길었고 $30^{\circ}C$에서 13.3일로 가장 짧았다. 온도가 증가함에 따라 발육기간이 짧아지는 경향을 보였으나 $32.5^{\circ}C$에서는 $30^{\circ}C$에서 보다 발육기간이 길어 고온에서 발육이 지연되는 현상을 보였다. 온도와 발육율과의 관계를 설명한 선형 모형을 이용하여 추정된 미국선녀벌레의 발육영점온도는 $10.1^{\circ}C$, 유효적산온도는 252.5DD였다. 온도 의존적인 발육율을 설명하기 위하여 사용된 선형 및 비선형 5개 모델 중 Lactin 2 모델이 가장 높은 해석력을 보여주었다. 월동난 개체군의 발육 완료를 설명하기 위해 사용된 Two-parameter Weibull 함수는 발육기간을 기반으로 하였을 경우 결정계수 0.92로 높은 결정력을 보였다. 개발된 발육율, 발육완료 모델들을 이용하여 추정된 50% 누적 우화일과 실측된 우화일의 차이를 보면 Poikilotherm rate 모델을 이용하여 추정한 결과가 세 지역 편차일의 평균이 1.7일로 상대적으로 다른 모델들 보다 가장 정확하게 50% 누적 부화일을 예측할 수 있었다.

• 한국수자원학회논문집
• /
• 제49권7호
• /
• pp.589-597
• /
• 2016

본 연구에서는 임진강 상류유역과 같이 수리수문학적 분석에 필요한 측정데이터가 존재하지 않거나 혹은 데이터의 확보가 어려운 유역에 대하여 위성 데이터와 데이터 기반 모형을 활용하여 유출량을 산정하였다. SDF 시그널(Satellite-derived Flow Signal)은 하도내의 유량변화에 따른 하천 폭의 변화를 반영할 수 있다고 알려져 있으며, 그 상관관계는 하도단면의 형태와 밀접한 관계가 있다. SDF 시그널 데이터와 유출량 간의 비선형 상관관계를 반영할 수 있는 인공신경망 모형을 활용하여, 모형의 입력변수인 SDF 시그널 데이터로부터 임진강의 임진교 지점에서의 유출량을 추정하였다. 15개의 위성 이미지 픽셀의 SDF 시그널 값이 0~10일의 lag가 되어 활용되었으며, lag된 데이터를 포함하여 총 150개의 변수 중 유출량과 가장 큰 관계가 있는 변수 선정을 위해 PMI(Partial Mutual Information) 기법이 활용되었다. 인공신경망 모형을 통해 산정된 유출량은 임진교에서 측정된 지점 유출량과 비교 분석되었으며, 학습(training)과 검증(validation)을 통한 상관계수는 각각 0.86, 0.72로 좋은 결과를 보여주었다. 추가적으로 SDF 시그널 데이터 외에 임진교의 1일 전 측정유량이 인공신경망 입력변수로 추가되었을 때 상관계수가 0.90, 0.83으로 증가함을 보였다. 결과로부터 계측수문자료가 부족하거나 접근 불가능한 유역에 대하여 하천 유량 변화에 대한 추정치인 SDF 시그널 데이터와 지상 데이터가 결합되었을 때 신뢰성 높은 유역의 유출량을 산정할 수 있으며, 큰 유량이 발생하는 홍수사상에 대해서도 첨두 유량과 첨두 발생시간을 잘 모의할 수 있음을 알 수 있었다. 향후 위성 데이터와 지점 데이터를 활용하여 미계측 유역의 홍수발생에 대하여 높은 정확도로 예측 가능할 것으로 기대한다.

• 한국농림기상학회지
• /
• 제12권1호
• /
• pp.11-22
• /
• 2010

본 연구에서는 지구온난화에 따른 식물기간과 작물 기간 등과 관련된 농업기후지수의 변화를 살펴보기 위하여 접합 대순환 모형인 PNU CGCM에 의해 모의 된 $CO_2$ 배증 실험 결과를 지역기후 모형인 WRF에 two-way double nesting방법을 이용하여 역학적 규모 축소법을 적용 후, 그 결과를 분석하였다. 분석 기간은 배증 실험 시작 후 51년부터 55년까지 5년 동안의 3월~9월이다. 분석 결과 기온은 뚜렷하게 상승하는 모습을 볼 수 있었으며, 강수는 지역별로 차이를 보였으나 전반적으로 증가할 것으로 예상되었다. 상대습도와 토양온도도 증가하였으나 일사는 감소할 것으로 보인다. 풍속은 지역별로 큰 차이 없이 다소 상승할 것으로 모의되었다. 최저기온은 최고기온보다 상승폭이 커서 일교차는 줄어들 것으로 예상된다. 봄철 서리일수는 감소하고, 마지막 서리일은 빨라질 것으로 나타난다. 일 평균기온이 5 이상인 일수는 3월에 가장 큰 증가가 있을 것으로 보이며, 식물온도의 평균 출현초일은 한반도 평균적으로 3.7일 정도 빨라지는 것을 알 수 있었다. 그리고 한반도 북부지역보다 남부지역에서 출현초일이 앞당겨질 것으로 예상된다. 일 평균 기온이 10 이상 출현지속 기간인 작물온도의 평균 출현초일은 평균적으로 17일 빨라질 것으로 보이며 지역적으로 분석하였을 때, 강원도 산맥지역에서는 작물온도의 출현초일에 큰 변화가 없을 것으로 예상된다. 그리고 기후생산력 지수는 출수 후 40일간의 평균 일조시간과 기온의 상승으로 인해 증가할 것으로 예상된다. 따라서 $CO_2$ 배증에 의해 변화된 한반도 기후는 식물 및 작물의 생장과 벼 생장에 좋은 영향을 미칠 것으로 예상된다. 따라서 지구 온난화에 따라 예상되는 한반도 기후변화에 적합한 작부체계의 개선이 향후 필요할 것으로 생각된다. 그리고 본 연구는 하나의 시나리오를 적용한 결과이므로 보다 다양한 시나리오를 적용하여 그에 따른 농업기후지수 변화를 살펴보는 연구가 필요하다.

• 한국농림기상학회지
• /
• 제11권4호
• /
• pp.192-205
• /
• 2009

2009년 2월 9일 화왕산에서는 대보름 행사인 '억새 태우기'가 많은 사람들이 지켜보는 가운데 시작되었지만 예상하지 못한 강풍으로 산불로 확대되어 많은 인명피해가 발생하였다. 본 연구에서는 3차원 계산 유체역학 모형인 CFD_NIMR_SNU 모형을 이용하여 복잡한 산악지역에서 국지적 가열에 따른 바람장을 모사함으로써 이날 발생한 산악 화재의 특성을 분석하였다. 화재가 발생한 지역의 지표 온도는 가열이 없을 때, $300^{\circ}C$ 및 $600^{\circ}C$ 일 때의 3가지 가열 강도조건을 주어 모사하였다. 지표 가열은 화재 발생 지역 중앙에서 수직 바람장을 $0.7m\;s^{-1}(300^{\circ}C)$와 $1.1m\;s^{-1}(600^{\circ}C)$만큼 증가시켰다. 난류운동에너지는 화재의 열에너지 자체 및 열적 순환에 의해 증가된 운동에너지에 의해 증가하였다. 화재로 인한 열은 복잡한 지형과 강한 경계 바람 조건과 함께 화왕산의 예상하지 못한 난류와 강풍 조건을 유도하였다. CFD_NIMR_SNU 모형은 인명피해를 발생시킨 산불을 이해하는데 도움이 되는 귀중한 분석 자료를 제공하였다. 모사 결과에 따르면 화재 발생 지점은 풍상측의 높은 지형으로 인하여 화재 발생 직전까지는 바람이 거의 억제되었던 것으로 보인다. 이러한 바람의 억제는 화재 발생에 따른 뜨거운 공기의 상승과 강한 경계 바람 조건에 의해 쉽게 되돌려졌다. 즉, 강한 경계 바람과 화재로 인한 가열이 함께 작용하여 강한 난류가 만들어졌고, 여러 명의 사상자가 발생한 산악 화재로 확산되었던 것이다. CFD_NIMR_SNU 모형은 중규모 모형과의 결합을 통하여 좁은 영역의 화재로 인한 난류 예보를 생산하는 등 산불 예방을 위해 활용될 수 있을 것이다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.