• 한국융합학회논문지
• /
• 제12권3호
• /
• pp.9-15
• /
• 2021

최근 5G와 인공지능 기술이 발전하면서 클라우드 엣지 환경에서 정보를 수집/처리/분석 하기 위한 AIoT 기술에 많은 관심을 갖고 있다. AIoT 기술은 다양한 스마트 환경에 적용되고 있지만 수집된 정보의 정확한 분석을 통해 빠른 대응처리를 수행할 수 있는 연구가 필요하다. 본 논문에서는 스마트 환경에서 수집된 정보를 AIoT에서 빠른 처리와 정확한 분석/예측을 통해 AIoT 정보들간 연계 처리를 블록 처리함으써 대역폭 및 처리시간을 최소화할 수 있는 기법을 제안한다. 제안 기법은 블록체인으로 수집된 정보를 다중 연계하여 AIoT 장치에서 데이터 인덱스에 대한 시드를 생성하여 수집정보와 함께 블록처리하여 데이터 센터로 전달한다. 이 때, 클라우드와 AIoT 장치사이는 DNN(Deep Neural Network) 모델을 배치하여 네트워크 오버헤드를 줄이도록 하였다. 그리고, 서버/데이터센터에서는 전달된 분석 및 예측된 결과를 통해 정확하지 못한 AIoT 정보의 정확도를 개선하여 지연시간을 최소화하도록 하였다. 또한, 제안기법은 AIoT 정보에 가중치를 적용하여 블록체인으로 그룹핑하기 때문에 계층화된 다층 네트워크로 분할 가능하도록 하여 데이터 지연시간을 최소화하였다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.45-55
• /
• 2022

암호화폐 시장의 규모는 날이 갈수록 커져가고 있으며, 대표적인 암호화폐인 비트코인의 경우 시가총액이 500조를 넘어섰다. 이에 따라 암호화폐의 가격을 예측하려는 연구도 많이 이루어졌으며, 이들은 대부분 주식가격을 예측하는 방법론과 유사성을 띄는 연구들이다. 하지만 선행연구를 비춰 봤을 때 주식가격예측과 달리 암호화폐 가격 예측은 머신러닝의 정확도가 우위에 있는 사례가 많다는 점, 개념적으로 주식과 달리 암호화폐는 소유로 인한 수동적 소득이 없다는 점, 통계적으로 시가총액 대비 하루 거래량의 비율을 살펴봤을 때 암호화폐가 주식 대비 최소 3배이상 높다는 점이 도출되었다. 이를 통해 암호화폐 가격 예측 연구에는 주식 가격 예측과 다른 방법론이 적용되어야 함을 본 논문에서 주장하였다. 우리는 기존에 주가 딥러닝 예측에 사용되던 워크 포워드 검증를 응용한 역순 워크 포워드 검증을 제안하였다. 역순 워크 포워드 검증은 워크 포워드 검증과 달리 검증 데이터셋을 테스트 데이터셋에 시계열상으로 바로 앞에 부분으로 고정시켜놓고, 훈련데이터를 훈련 데이터셋에 시계열상으로 바로 앞 부분부터 서서히 훈련 데이터셋의 크기를 늘려가면서 검증에 대한 정확도를 측정한다. 측정된 모든 검증 정확도 중 가장 높은 정확도를 보이는 훈련 데이터셋의 크기에 맞춰서 훈련 데이터를 절삭시킨 뒤 검증 데이터와 합쳐서 실험 데이터에 대한 정확도를 측정하였다. 분석모델로는 로지스틱 회귀분석과 SVM을 사용했으며, 우리가 제안한 역순 워크 포워드 검증의 신뢰성을 위해서 분석 모델 내부적으로도 L1, L2, rbf, poly등의 다양한 알고리즘과 정규화 파라미터를 적용하였다. 그 결과 모든 분석모델에서 기존 연구보다 향상된 정확도를 보임이 확인되었으며, 평균적으로도 1.23%p의 정확도 상승을 보였다. 선행연구를 통해 암호화폐 가격 예측의 정확도가 대부분 50%~60%사이에서 머무르는 걸 감안할 때 이는 상당한 정확도 개선이다.

• Archives of Plastic Surgery
• /
• 제49권1호
• /
• pp.91-98
• /
• 2022

Background Predicting the need for post-traumatic reconstruction of lower extremity injuries remains a challenge. Due to the larger volume of cases in adults than in children, the majority of the medical literature has focused on adult lower extremity reconstruction. This study evaluates predictive risk factors associated with the need for free flap reconstruction in pediatric patients following lower extremity trauma. Methods An IRB-approved retrospective chart analysis over a 5-year period (January 1, 2012 to December 31, 2017) was performed, including all pediatric patients (<18 years old) diagnosed with one or more lower extremity wounds. Patient demographics, trauma information, and operative information were reviewed. The statistical analysis consisted of univariate and multivariate regression models to identify predictor variables associated with free flap reconstruction. Results In total, 1,821 patients were identified who fit our search criteria, of whom 41 patients (2.25%) required free flap reconstruction, 65 patients (3.57%) required local flap reconstruction, and 19 patients (1.04%) required skin graft reconstruction. We determined that older age (odds ratio [OR], 1.134; P =0.002), all-terrain vehicle accidents (OR, 6.698; P<0.001), and trauma team activation (OR, 2.443; P=0.034) were associated with the need for free flap reconstruction following lower extremity trauma in our pediatric population. Conclusions Our study demonstrates a higher likelihood of free flap reconstruction in older pediatric patients, those involved in all-terrain vehicle accidents, and cases involving activation of the trauma team. This information can be implemented to help develop an early risk calculator that defines the need for complex lower extremity reconstruction in the pediatric population.

• International journal of advanced smart convergence
• /
• 제11권1호
• /
• pp.19-27
• /
• 2022

Across the world, 'housing' comprises a significant portion of wealth and assets. For this reason, fluctuations in real estate prices are highly sensitive issues to individual households. In Korea, housing prices have steadily increased over the years, and thus many Koreans view the real estate market as an effective channel for their investments. However, if one purchases a real estate property for the purpose of investing, then there are several risks involved when prices begin to fluctuate. The purpose of this study is to design a real estate price 'return rate' prediction model to help mitigate the risks involved with real estate investments and promote reasonable real estate purchases. Various approaches are explored to develop a model capable of predicting real estate prices based on an understanding of the immovability of the real estate market. This study employs the LSTM method, which is based on artificial intelligence and deep learning, to predict real estate prices and validate the model. LSTM networks are based on recurrent neural networks (RNN) but add cell states (which act as a type of conveyer belt) to the hidden states. LSTM networks are able to obtain cell states and hidden states in a recursive manner. Data on the actual trading prices of apartments in autonomous districts between January 2006 and December 2019 are collected from the Actual Trading Price Disclosure System of the Ministry of Land, Infrastructure and Transport (MOLIT). Additionally, basic data on apartments and commercial buildings are collected from the Public Data Portal and Seoul Metropolitan Government's data portal. The collected actual trading price data are scaled to monthly average trading amounts, and each data entry is pre-processed according to address to produce 168 data entries. An LSTM model for return rate prediction is prepared based on a time series dataset where the training period is set as April 2015~August 2017 (29 months), the validation period is set as September 2017~September 2018 (13 months), and the test period is set as December 2018~December 2019 (13 months). The results of the return rate prediction study are as follows. First, the model achieved a prediction similarity level of almost 76%. After collecting time series data and preparing the final prediction model, it was confirmed that 76% of models could be achieved. All in all, the results demonstrate the reliability of the LSTM-based model for return rate prediction.

• 지식경영연구
• /
• 제23권1호
• /
• pp.89-109
• /
• 2022

최근 COVID-19, 동학개미운동 등 투자환경의 변화로 시스템 처리 허용 수준을 상회하는 트랜잭션이 발생하고 이로 인해 전산장애가 자본시장에서 빈번하게 나타나고 있다. 자본시장 IT시스템들은 장애 영향도가 매우 큰 시스템들로서, 2020년에 예측하지 못한 큰 규모의 트랜잭션이 상당한 기간 유입되어 전산장애가 급증하였다. 다수의 기업들이 높은 수준의 IT시스템 용량계획 정책을 유지하고 있던 상황임에도 불구하고, 이를 상회하는 트랜잭션이 유입된 것은 용량계획에 대한 새로운 접근 방법이 필요함을 시사하고 있다. 이에 본 연구는 다양한 머신러닝 기법을 활용하여 자본시장 IT시스템 용량계획 모델들을 개발하고 성능을 비교 분석한다. 또한, 동학개미운동과 같이 예측하기 힘든 투자자의 행동을 반영할 수 있는 심리지수를 예측에 활용함으로써 용량계획 모델의 성능을 높인다. COVID-19 기간을 포함한 실증데이터를 이용하여 본 연구에서 개발한 용량계획 모델은 실무에서 활용 가능한 수준의 높은 성능과 안정성을 가질 수 있다. 본 연구는 기업의 비용 효율성과 IT시스템 용량 변경에 수반되는 운영상의 제약을 모두 고려한 최적의 파라미터를 제시하였는데, 이것은 자본시장 도메인에서 유용하게 사용될 수 있다. 또한, 본 연구는 투자자의 심리를 반영하는 심리지수가 IT 시스템 용량계획에 중요한 예측요인이 될 수 있는 것을 입증함으로써, 심리지수가 다양한 수요예측에 적극적으로 활용될 수 있음을 보여준다.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.146-164
• /
• 2022

최근 정부에서는 수도권 주요거점을 30분대에 연결하기 위해 광역급행철도 건설을 추진하고 있으며, 광역급행철도의 정거장은 대부분 기존 노선과 환승역으로 연결되어 환승에 대한 중요성이 증가하고 있다. 환승저항이 경로선택에 미치는 영향에 관한 많은 연구가 이루어져 왔으나, 대부분 일반 지하철을 대상으로 하여 광역급행철도의 환승행태에 관한 연구는 전무한 실정이다. 이에 본 연구에서는 수도권의 대표적 급행노선인 신분당선을 대상으로 환승행태 분석을 수행하였다. 통행량 집중정도와 요금지불 유무에 따른 환승행태 분석을 위해 요일, 시간대, 이용자 특성에 따라 데이터를 구분하여 경로선택모형을 구축하였다. 분석 결과, 광역급행철도 이용자는 환승이동시간에 비해 환승대기시간에 큰 저항을 가지며, 특히 첨두시간대에는 환승대기시간의 차내시간 한계대체율(EIVM)은 3.51배로 나타났다. 본 연구에서 광역급행철도 환승 1회당 EIVM은 2.6분으로 분석되었으며, 일반 지하철을 대상으로 한 선행연구의 결과에 비해 현저히 낮은 값이다. 이는 일반지하철과 광역급행철도의 환승저항에 차이가 존재하며, 지하철 교통수요 예측 시 일반지하철과 광역급행철도 환승페널티를 차등 적용할 필요성이 있음을 시사한다.

• 한국농림기상학회지
• /
• 제25권1호
• /
• pp.37-47
• /
• 2023

The black cutworm, Agrotis ipsilon (Hufnagel), is an important crop pest worldwide that feeds more than 80 plant species including cabbage, potato, maize, wheat and bean, and this moth is a typical pest attacking underground parts of crops. It has been known in farm booklets that the larvae of A. ipsilon overwinter in the soil in Korea, but no definitive data exist yet. This study was conducted to evaluate that the specific appearance time of A. ipsilon observed actually in the field could be explained when we assumed that this pest overwinters in a form of larvae or pupae. Degree day-based phenology models were applied for tracking forward or backward to find the predicted developmental stage which developed at a specific stage found in the field. As a result of the analysis, it was confirmed that an initial population could be established in a group that does not overwinter as larvae or pupae in Korea. In other words, the appearance of adults in early March to April could not be explained by the presence of domestic overwintering populations. Populations that overwinter as larvae or pupae in Korea were able to emerge as adults in June to July at the earliest. Therefore, the group of adults appearing in early spring is highly likely to be a population that migrated from outside Korea. Taken together, it was estimated that the colony of A. ipsilon in Korea would be formed by a mixture of a migrant population through long-distance migration and a overwintering population.

• 한국수자원학회논문집
• /
• 제56권6호
• /
• pp.393-402
• /
• 2023

최근 이상기후 현상으로 발생빈도 및 규모가 증가한 가뭄은 다양한 분야에서 극심한 문제를 유발하여 가뭄에 의한 물부족 발생 시 수생태 건강성 확보를 위한 합리적인 대응 방안을 마련하기 위해 가뭄 감시, 전망 및 대응기술 개발이 필요하다. 본 연구에서는 유역모델 HSPF와 수질모델 QUAL-MEV를 연계하여 가뭄 기간 물 부족 상태가 수문 순환을 통해 변동되는 수질을 예측하였다. SPI, RCP 4.5 시나리오를 검토하고 HSPF 및 QUAL-MEV를 활용하여 유량변동에 따른 수질변화를 모의하여 유량변동에 따른 수질 변화를 분석하였다. 갈수기 유량과 수질의 관계는 높으나 강수량과 수질의 관계는 미비한 것으로 나타났다. 유량 및 SPI6는 상이한 경향이 나타나 가뭄의 영향으로 변화되는 수질 예측시 중장기 가뭄지수와 관계는 미비한 것으로 나타났다. 가뭄에 의한 수질 영향을 평가하기 위해 단기간의 가뭄지수 활용 및 유량 변동에 따른 평가방안 마련이 필요한 것으로 사료된다.

• 한국지반신소재학회논문집
• /
• 제22권2호
• /
• pp.1-12
• /
• 2023

국내외적으로 다양한 산사태 발생원인 분석과 취약지역의 예측이 이루어지고 있다. 본 연구에서는 산사태에서 발생하는 재해의 분석 및 예측에 사용되는 많은 특성 중 필수적인 요소인 유효토심을 지형정보를 이용해 예측했다. 지형정보 데이터를 각 기관별로 획득한 후 100m × 100m의 격자에 속성정보로 할당하고 데이터 등급화를 통해 차원을 축소 시켜주었다. 분류기준으로 3개 깊이(얕음, 보통, 깊음)와 5개 깊이(매우 얕음, 얕음, 보통, 깊음, 아주 깊음)의 두 가지 경우에 대해 유효토심을 예측했다. K-최근접 이웃, 랜덤 포레스트, 심층인공신경망 모델을 통해 예측하고 정확도, 정밀도, 재현율, F1-점수를 계산해 그 성능을 비교했다. 예측결과 모델에 따라 50% 후반에서 70% 초반의 성능을 보였다. 3개 분류기준의 정확도가 5개 분류기준의 정확도보다 5% 정도 높았다. 본 연구에서 제시한 등급화 기준과 분류모델의 성능은 아직 미흡하지만 유효토심의 예측에 있어서 분류모델의 적용이 가능하다고 판단된다. 큰 지역을 획일적으로 가정하여 사용하는 현재의 유효토심보다 신뢰성 있는 값의 예측이 가능하다고 사료된다.

• 대기
• /
• 제34권1호
• /
• pp.55-67
• /
• 2024

This paper aims to provide a detailed introduction to the concept of the Ratio of Predictable Component (RPC) and the Signal-to-Noise Paradox. Then, we derive insights from them by exploring the paradoxical features by conducting a seasonal and regional analysis through ensemble expansion in KMA's climate prediction system (GloSea). We also provide an explanation of the ensemble generation method, with a specific focus on stochastic physics. Through this study, we can provide the predictability limits of our forecasting system, and find way to enhance it. On a global scale, RPC reaches a value of 1 when the ensemble is expanded to a maximum of 56 members, underlining the significance of ensemble expansion in the climate prediction system. The feature indicating RPC paradoxically exceeding 1 becomes particularly evident in the winter North Atlantic and the summer North Pacific. In the Siberian Continent, predictability is notably low, persisting even as the ensemble size increases. This region, characterized by a low RPC, is considered challenging for making reliable predictions, highlighting the need for further improvement in the model and initialization processes related to land processes. In contrast, the tropical ocean demonstrates robust predictability while maintaining an RPC of 1. Through this study, we have brought to attention the limitations of potential predictability within the climate prediction system, emphasizing the necessity of leveraging predictable signals with high RPC values. We also underscore the importance of continuous efforts aimed at improving models and initializations to overcome these limitations.