• 한국방재안전학회논문집
• /
• 제15권3호
• /
• pp.1-14
• /
• 2022

최근 기후변화와 하천 제방의 노후화로 인해 수재해 위험이 가중되고 있으나 기존의 재래적인 하천 제방의 점검은 많은 인력과 예산 소모로 많은 한계점들이 존재하다. 이에 따라 효과적인 홍수 대응을 위해 새로운 모니터링과 예/경보 시스템 구축이 필요한 상황이다. 본 연구는 인공위성(Sentinel-1)을 이용한 하천 제방 변위 산출, 수문학적 요인과의 관계 분석 항목들을 결합한 하천 제방 건강상태 모니터링 방법을 제안한다. 본 연구에서 산정한 변동성 지수를 계산하여 4등급으로 구분하였고, 토양 수분의 급증한 결과를 토대로 제방 붕괴 구간이 변동성이 급증한 취약지점 상태로 판단하였다. 향후에는 원격 기술과 분석 항목들을 결합한 포렌식 기법을 통해 기존 제방관리 시스템의 고도화가 가능할 것으로 기대한다.

• 상하수도학회지
• /
• 제36권3호
• /
• pp.149-165
• /
• 2022

The water consumption data of individual consumers must be analyzed and forecast to establish an effective water demand management plan. A k-mean cluster model that can monitor water use characteristics based on hourly water consumption data measured using automated meter reading devices and demographic factors is developed in this study. In addition, the quantification model that can estimate the daily water consumption is developed. K-mean cluster analysis based on the four clusters shows that the average silhouette coefficient is 0.63, also the silhouette coefficients of each cluster exceed 0.60, thereby verifying the high reliability of the cluster analysis. Furthermore, the clusters are clearly classified based on water usage and water usage patterns. The correlation coefficients of four quantification models for estimating water consumption exceed 0.74, confirming that the models can accurately simulate the investigated demographic data. The statistical significance of the models is considered reasonable, hence, they are applicable to the actual field. Because the use of automated smart water meters has become increasingly popular in recent year, water consumption has been metered remotely in many areas. The proposed methodology and the results obtained in this study are expected to facilitate improvements in the usability of smart water meters in the future.

• International Journal of Computer Science & Network Security
• /
• 제23권9호
• /
• pp.1-7
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.

• International Journal of Computer Science & Network Security
• /
• 제23권8호
• /
• pp.210-216
• /
• 2023

Demand prediction is an essential component of any business or supply chain. Large retailers need to keep track of tens of millions of items flows each day to ensure smooth operations and strong margins. The demand prediction is in the epicenter of this planning tornado. For business processes in retail companies that deal with a variety of products with short shelf life and foodstuffs, forecast accuracy is of the utmost importance due to the shifting demand pattern, which is impacted by an environment of dynamic and fast response. All sectors strive to produce the ideal quantity of goods at the ideal time, but for retailers, this issue is especially crucial as they also need to effectively manage perishable inventories. In light of this, this research aims to show how Machine Learning approaches can help with demand forecasting in retail and future sales predictions. This will be done in two steps. One by using historic data and another by using open data of weather conditions, fuel, Consumer Price Index (CPI), holidays, any specific events in that area etc. Several machine learning algorithms were applied and compared using the r-squared and mean absolute percentage error (MAPE) assessment metrics. The suggested method improves the effectiveness and quality of feature selection while using a small number of well-chosen features to increase demand prediction accuracy. The model is tested with a one-year weekly dataset after being trained with a two-year weekly dataset. The results show that the suggested expanded feature selection approach provides a very good MAPE range, a very respectable and encouraging value for anticipating retail demand in retail systems.

• 한국항해항만학회지
• /
• 제46권1호
• /
• pp.33-41
• /
• 2022

컨테이너 터미널의 중요한 운영 목표는 선박에 컨테이너를 싣고 내리는 안벽 크레인(QC: quay crane) 작업의 효율을 극대화하는 것이다. QC 작업 효율의 극대화를 위해서는 장치장과 QC 사이를 오가며 컨테이너를 운반하는 내부트럭(YT: yard tractor)의 운행 지연이 최소화되어야 하는데, 터미널 내부의 교통 정체가 이를 어렵게 하는 경우가 많다. 본 논문에서는 YT와 외부트럭이 혼재하여 다니는 터미널에서YT의 운영 데이터만을 기반으로 터미널 내부 교통 속도를 예측하는 모델을 학습하는 방안을 제안한다. 외부트럭에 대한 교통 데이터는 구할 수 없지만, 대신 YT 운영 데이터에는 가까운 미래의 YT 운행 경로에 관한 정보가 포함되어 있어서 교통 예측에 상당한 도움이 된다. 시뮬레이션 실험 결과 제안 방안으로 학습한 모델이 상당히 정확한 수준으로 교통 속도를 예측할 수 있음을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.184-184
• /
• 2021

2020년의 경우 대기 상층 제트기류가 크게 강화됨에 따라 작은 규모의 저기압의 발달이 평년보다 두 배 이상 증가하였고, 그로 인해 장마가 최대 54일가량 지속되며 1조 371억 원 가량의 대규모 침수피해가 발생하였다. 이와 같이 최근 기후변화로 인한 이상 기후가 빈번하게 발생하고 있으며, 그로 인해 홍수, 태풍과 같은 재난의 강도 및 파급되는 재산피해가 점차 증가하고 있는 추세이다. 따라서 본 연구에서는 기후변화를 고려하여 향후 30년간 강우량 변화 추이를 파악하고, 이에 따라 파급되는 재난피해 규모의 증가 추세를 확인하고자 하였다. 기후변화 시나리오는 IPCC AR6(Intergovernmental Panel on Climate Change - Sixth Assessment Report)에서 제시하고 있는 시나리오 중 극한 시나리오인 SSP5-8.5와 안정화 시나리오인 SSP2-4.5 시나리오를 활용하고자 하였다. GCM(General Circulation Model) 자료는 전 지구적 모형으로 공간적 해상도가 낮은 문제가 있기 때문에, 국내 적용을 위해서는 축소기법을 적용해야 한다. 본 연구에서는 공간적 축소를 위해 통계학적 기법 중 인공지능 기법을 적용하고 Reference data와 종관기상관측(ASOS)의 실측 강우 자료(1905 ~ 2014년)를 통해 학습된 모형의 정확도 검증을 수행하였다. 또한 연 강수량과 연도별 홍수피해의 규모 및 빈도를 확인하여 연도별 강수량 증가에 따른 피해 규모의 증가를 관계식을 도출하였다. 이후 최종적인 축소기법으로 모형을 통해 향후 2050년까지 부산광역시의 예측 강우량을 전망하여 연 강수량의 증가량과 피해 규모의 증가량을 전망해보고자 하였다. 본 연구 결과는 부산광역시의 예방단계 재난관리의 일환으로 적응형 기후변화 대책 수립에 기초 자료로써 활용될 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제28권7호
• /
• pp.57-65
• /
• 2023

쌀 생산량 예측의 정확성을 높이기 위한 대다수의 연구는 모델의 정확도 증진에 초점이 맞춰져 있다. 이에 비해, 예측 모델을 적용할 대상 데이터 자체에 관한 연구는 상대적으로 미흡하다. 쌀 생산량 데이터에 동일한 종속변수와 예측 모델을 사용하여 다른 특성들로 구성된 두 부류의 데이터에 적용하면, 결과의 차이가 발생하는데 이때 어느 데이터 셋이 더 우수한지 판단하기는 어려운 일이다. 이러한 문제를 해결하기 위해, 예측 모델 적용 전에 데이터 내에서 예측 결과에 큰 영향을 미칠 가능성이 있는 특성들을 선별하고, 이를 중심으로 모델링을 수행하면, 데이터의 구성이 다르더라도 안정적인 예측 결과를 얻을 수 있을 것이다. 본 연구에서는 기상청의 종관기상관측(ASOS) 데이터를 활용하여, 쌀 생산량의 안정적이고 일관된 예측을 위해 데이터 구성 특성들의 조정을 통해 최적의 기반 변수를 선별하는 방법에 대해 제안한다. 본 연구의 결과는 향후 다른 연구에서 성능평가의 유용성을 높이는 데 기여할 것으로 기대한다.

• Genomics & Informatics
• /
• 제21권4호
• /
• pp.50.1-50.9
• /
• 2023

Vaccine development is one of the key efforts to control the spread of coronavirus disease 2019 (COVID-19). However, it has become apparent that the immunity acquired through vaccination is not permanent, known as the waning effect. Therefore, monitoring the proportion of the population with immunity is essential to improve the forecasting of future waves of the pandemic. Despite this, the impact of the waning effect on forecasting accuracies has not been extensively studied. We proposed a method for the estimation of the effective immunity (EI) rate which represents the waning effect by integrating the second and booster doses of COVID-19 vaccines. The EI rate, with different periods to the onset of the waning effect, was incorporated into three statistical models and two machine learning models. Stringency Index, omicron variant BA.5 rate (BA.5 rate), booster shot rate (BSR), and the EI rate were used as covariates and the best covariate combination was selected using prediction error. Among the prediction results, Generalized Additive Model showed the best improvement (decreasing 86% test error) with the EI rate. Furthermore, we confirmed that South Korea's decision to recommend booster shots after 90 days is reasonable since the waning effect onsets 90 days after the last dose of vaccine which improves the prediction of confirmed cases and deaths. Substituting BSR with EI rate in statistical models not only results in better predictions but also makes it possible to forecast a potential wave and help the local community react proactively to a rapid increase in confirmed cases.

• 한국치위생학회지
• /
• 제24권1호
• /
• pp.9-16
• /
• 2024

Objectives: The demand for dental care is expected to increase as the population ages. This study aimed to predict the utilization of dental implant care following the expansion of national health insurance benefits for dental implants. Methods: Multiple linear regression analysis was performed on HIRA big data open portal data and DNN-based artificial intelligence models to forecast the utilization of dental care in relation to the national health insurance coverage for dental implants. Results: National health insurance coverage of dental implants was found to be associated with the number of patients using dental implant services and demonstrated a statistical significance. The dental implant services utilization increased with the increased dental implant health insurance benefits for the elderly population, increased mean by region, increased number of dental institutions by region, and increased health insurance coverage rate for dental implants. However, the dental implant services utilization decreased with the increased number of older people living alone and increased size of dental institutions. Conclusions: With the expansion of the national health insurance coverage for dental implants, it is predicted that the utilization of dental implant medical services will increase in the future.

• 정보처리학회 논문지
• /
• 제13권6호
• /
• pp.251-259
• /
• 2024

초미세먼지, 특히 지름이 2.5㎛ 이하인 PM2.5는 인체 건강과 경제에 큰 피해를 주는 오염물질이다. 본 연구는 대한민국 서울 지역을 중심으로, 2017년부터 2022년까지 자료를 수집하여 PM2.5 데이터 분석 및 데이터 경향성 변화 추이를 분석하고, PM2.5 중기 예측 모델을 개발하는 것을 목표로 한다. 수집, 생산된 대기질 및 기상 데이터, 재분석 데이터, 수치모델 예측 데이터를 바탕으로, 모델을 학습하고 이를 통합한 경향성 변화에도 대응할 수 있는 앙상블 기법을 제안한다. 본 연구에서 제안하는 앙상블 기법은 PM2.5 농도 예측 성능 면에서 기존 모델 대비 미래 D+3~D+6 예측일 F1 Score 기준 평균 2019년 약 42.16%, 2021년 약 58.92%, 2022년 약 34.79% 높은 성능을 보였다. 제안한 모델은 변화하는 환경 조건에도 성능을 유지함으로써 안정적인 예측을 가능하게 하며, 기존 딥러닝 기반 PM2.5 단기 예측보다 먼 예측을 수행하는 중기 예측 모델을 제시한다.