• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1077-1093
• /
• 2020

해수면 온도는 전 세계 해양, 기상 현상에 영향을 주고 해양 환경 변화와 생물에게 영향을 주는 중요한 요소이다. 특히, 우리나라 남해안을 비롯한 연안 지역의 경우 어업 및 양식업 등의 수산업이 많이 발달하여, 매년 고수온 현상으로 인한 사회·경제적 피해가 발생하고 있다. 따라서 위성 자료와 같은 광범위한 지역을 감시할 수 있는 자료를 활용한 해수면 온도 및 공간적 분포의 예측기술 개발을 통하여 피해를 예방할 수 있는 시스템을 구축할 필요가 있다. 해수면 온도 예측은 기존의 수치 모델을 통해서 예측을 진행하였지만, 다수의 역학적 요인들을 사용하여 예측 결과 산출 시 복잡함이 존재한다. 최근 기계학습 및 딥러닝 기법이 발달함에 따라 해양 분야의 예측에 적용하는 연구가 진행되고 있다. 본 연구는 그 중 시·공간적인 일관성 및 정확도가 높은 장단기 기억(Long Short Term Memory, LSTM)과 합성곱 장단기 기억(Convolutional Long Short Term Memory, ConvLSTM) 딥러닝 기법을 사용하여 남해지역의 해수면온도 예측 및 2017년부터 2019년까지의 고수온 발생 건에 대해서 예측 결과의 공간 분포와 공간 분포와 예측 가능성에 대해 분석을 하였다. 1일 예측 모델의 정확도는 RMSE 기준으로 ConvLSTM(전체: 0.33℃, 봄: 0.34℃, 여름: 0.27℃, 가을: 0.32℃, 겨울: 0.36℃)이 LSTM 기반의 예측 모델(전체: 0.40℃, 봄: 0.40℃, 여름: 0.48℃, 가을: 0.39℃, 겨울: 0.34℃)보다 우수한 성능을 보였다. 2017년 고수온 발생 사례에 대해 해수면 온도 예측과 고수온 탐지 성능에서 ConvLSTM은 5일까지 경보를 탐지하였지만, LSTM의 경우 2일 예측 이후 해수면 온도를 과소 추정하는 경향이 커짐에 따라 탐지하지 못하였다. 시공간적인 해수면 온도 예측 시 ConvLSTM이 LSTM에 비해 적절한 모델로 판단된다.

• 한국습지학회지
• /
• 제13권2호
• /
• pp.329-341
• /
• 2011

본 연구는 경기도 파주시에 위치한 문산천의 유사량을 직접 실측하여 유사특성을 분석하고, 이를 수치모형에 적용하여 장기적인 하상변동을 예측하였다. 직접 실측된 유사랑을 이용하여 유량-총유사량 관계식을 유도하였으며, 기존의 추정공식을 통해 산정된 총유사량과의 비교를 통해 적절한 유사량 추정방법을 평가하였다. 실측에 의한 문산천의 연간 총유사량은 5,478ton/year, 비유사량은 29.23ton/$km^2$/year로 나타났으며, 기존의 공식과 비교한 결과 Ackers & White공식이 실측치와 매우 유사한 값을 산정하였다. 실측된 유사량 및 지형, 수문자료를 입력변수로 하여 HEC-6와 GSTARS 모형을 비교, 평가하였다. 이를 통해 HEC-6 모형이 문산천의 장기하상변동 예측에 적합한 모형으로 신뢰할 수 있는 결과를 도출할 수 있다고 판단하였으며, 본 연구의 장기하상변동 예측에 적용하였다. HEC-6 모형을 이용한 장기하상변동 예측결과 문산천의 경우 하류부에서는 지속적으로 퇴적이 나타나고 상류부에서는 전반적으로 침식이 발생하였으며, 향후 20년 후의 하상상태로 안정화 될 것으로 판단되었다. 하상 변동량은 20년동안 1m 이내로 유의한 수준에 있다. 그러나 감조부의 영향을 받는 하류부에서는 유출구로부터 2,000m~7,000m 사이의 구간에 퇴적이 지속적으로 증가하고 있어 향후 하천관리계획 수립시 고려해야 할 것으로 판단되었다.

• 한국인터넷방송통신학회논문지
• /
• 제13권1호
• /
• pp.101-107
• /
• 2013

현실세계에서는 광범위한 업무영역에서 대용량의 시계열자료들이 실시간으로 발생되고 있다. 하지만 동적인 특징으로 표현되는 시계열자료들의 이해와 설명을 위한 최적의 모형을 결정하는 일은 쉽지가 않다. 이러한 시계열자료들의 특징을 잘 설명할 수 있는 모형을 추정하기 위하여 본 연구에서는 시계열데이터의 모형추정에 적합한 은닉마아코프모델을 통해 시계열자료의 장, 단기 예측모형을 추정하였고 이를 통해 미래의 운동패턴예측을 확인하였다. 실제 주식시장의 여러 자료들을 통해 최적의 모형추정을 위한 정보기준과 가장 효율적인 자료길이를 통해 모형의 상태수를 정확하게 추정하는지를 확인하였다. 실험결과 유효한 상태의 수 추정과 단기의 예측이 장기예측보다 유사운동패턴 예측률이 더욱 유사함을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.299-309
• /
• 2022

최근 한반도 주역 해역의 수온이 꾸준히 증가하고 있다. 수온변화는 어업생태계에 영향을 미칠 뿐만 아니라 해양에서의 군사작전과도 밀접히 연관되어 있다. 본 연구는 딥러닝 기술을 기반으로 하는 다양한 예측모델을 통해 단기간 수온예측을 시도함으로써 어떠한 모델이 수온예측분야에 더욱 적합한지를 제시하는 것에 목적을 두었다. 예측을 위해 사용한 데이터는 국립수산과학원에서 해양 관측부이를 통해 관측한 2016년부터 2020년까지 동해 지역(고성, 양양, 강릉, 영덕)의 수온 데이터이다. 또한 예측을 위한 모델로는 시계열 데이터 예측에 우수한 성능을 보이는 Long Short-Term Memory (LSTM), Bidirectional LSTM 그리고 Gated Recurrent Unit (GRU) 기법을 사용하였다. 기존 연구가 LSTM만을 활용하였던데 반해 이번 연구에서는 LSTM 외에 다양한 기법을 적용함으로써 각 기법의 예측 정확도와 수행시간을 비교하였다. 연구결과, 1시간 예측을 기준으로 모든 관측지점에서 Bidirectional LSTM과 GRU 기법이 실제값과 예측값의 오차가 가장 적은 것으로 확인되었으며, 학습시간에 있어서는 GRU가 가장 빠른 것으로 확인되었다. 이를 통해, 예측 오차를 줄이면서 정확도를 향상하기 위한 수온예측에는 Bidirectional LSTM을 활용하고 대잠작전처럼 정확도 외에 실시간 예측이 필요한 분야에 있어서는 GRU 기법을 활용하는 방안이 더욱 적절할 것으로 판단된다.

• 한국대기환경학회지
• /
• 제32권1호
• /
• pp.114-126
• /
• 2016

Many cohort studies have reported associations of individual-level long-term exposures to $PM_{10}$ and health outcomes. Individual exposures were often estimated by using exposure prediction models relying on $PM_{10}$ data measured at national regulatory monitoring sites. This study explored spatial and temporal characteristics of regulatory $PM_{10}$ measurement data in South Korea and suggested $PM_{10}$ concentration metrics as long-term exposures for assessing health effects in cohort studies. We obtained hourly $PM_{10}$ data from the National Institute of Environmental Research for 2001~2012 in South Korea. We investigated spatial distribution of monitoring sites using the density and proximity in each of the 16 metropolitan cities and provinces. The temporal characteristics of $PM_{10}$ measurement data were examined by annual/seasonal/diurnal patterns across urban background monitoring sites after excluding Asian dust days. For spatial characteristics of $PM_{10}$ measurement data, we computed coefficient of variation (CV) and coefficient of divergence (COD). Based on temporal and spatial investigation, we suggested preferred long-term metrics for cohort studies. In 2010, 294 urban background monitoring sites were located in South Korea with a site over an area of $415.0km^2$ and distant from another site by 31.0 km on average. Annual average $PM_{10}$ concentrations decreased by 19.8% from 2001 to 2012, and seasonal $PM_{10}$ patterns were consistent over study years with higher concentrations in spring and winter. Spatial variability was relatively small with 6~19% of CV and 21~46% of COD across 16 metropolitan cities and provinces in 2010. To maximize spatial coverage and reflect temporal and spatial distributions, our suggestion for $PM_{10}$ metrics representing long-term exposures was the average for one or multiple years after 2009. This study provides the knowledge of all available $PM_{10}$ data measured at national regulatory monitoring sites in South Korea and the insight of the plausible longterm exposure metric for cohort studies.

• KNOM Review
• /
• 제24권2호
• /
• pp.13-23
• /
• 2021

최근 IoT 기기들의 활성화에 의해 네트워크가 복잡해짐에 따라, 네트워크의 혼잡을 예측하고 미리 대비하기 위해 단기 트래픽 예측을 넘어 장기 트래픽 예측 연구가 활성화되고 있다. 단기 트래픽 예측 결과를 입력으로 재사용하는 재귀 전략은 멀티 스텝 트래픽 예측으로 확장되었지만, 재귀 단계가 진행될수록 오류가 축적되어 예측 성능 저하를 일으킨다. 이 논문에서는 다중 출력 전략을 사용한 LSTM 기반 멀티스텝 트래픽 예측 기법을 소개하고그 성능을 평가한다. 실제 DNS 요청 트래픽을 기반으로 실험한 결과, 제안된 LSTM기반 다중출력 전략 기법은 재귀 전략 기법에 비해 비정상성 트래픽에 대한 트래픽 예측 성능의 MAPE를 약 6% 줄일 수 있음을 확인하였다.

• Journal of Astronomy and Space Sciences
• /
• 제14권2호
• /
• pp.381-385
• /
• 1997

해석적 방법을 이용한 정지위성의 장기 궤도예측 알고리즘을 개발하였다. 적용된 섭동모델에는 5 $\times$5 지구중력포텐셜, 달과 태양의 중력, 태양복사압에 의한 섭동들이 포함되었으며, 모든 섭동들은 장반경, 이심률 백터, 궤도경사각 백터, 평균경도의 구성요소로 이루어진 춘분점 궤도요소의 영년변화, 단주기 변화, 장주기변화 섭동항들로 급수전개되었다. 해석적 방법에 의한 무궁화 위성의 궤도예측의 결과를 코웰방법을 이용한 궤도예측의 결과와 비교하였다. 이 비교를 통해서 새로 개발된 해석적 방법을 이용한 궤도예측 알고리즘은 3개월동안 약$pm35m$ 이내로 장반경을 정밀하게 예측할 수 있다는 것을 알 수 있다.

• 산업경영시스템학회지
• /
• 제46권1호
• /
• pp.105-111
• /
• 2023

Recently, research on prediction algorithms using deep learning has been actively conducted. In addition, algorithmic trading (auto-trading) based on predictive power of artificial intelligence is also becoming one of the main investment methods in stock trading field, building its own history. Since the possibility of human error is blocked at source and traded mechanically according to the conditions, it is likely to be more profitable than humans in the long run. In particular, for the virtual currency market at least for now, unlike stocks, it is not possible to evaluate the intrinsic value of each cryptocurrencies. So it is far effective to approach them with technical analysis and cryptocurrency market might be the field that the performance of algorithmic trading can be maximized. Currently, the most commonly used artificial intelligence method for financial time series data analysis and forecasting is Long short-term memory(LSTM). However, even t4he LSTM also has deficiencies which constrain its widespread use. Therefore, many improvements are needed in the design of forecasting and investment algorithms in order to increase its utilization in actual investment situations. Meanwhile, Prophet, an artificial intelligence algorithm developed by Facebook (META) in 2017, is used to predict stock and cryptocurrency prices with high prediction accuracy. In particular, it is evaluated that Prophet predicts the price of virtual currencies better than that of stocks. In this study, we aim to show Prophet's virtual currency price prediction accuracy is higher than existing deep learning-based time series prediction method. In addition, we execute mock investment with Prophet predicted value. Evaluating the final value at the end of the investment, most of tested coins exceeded the initial investment recording a positive profit. In future research, we continue to test other coins to determine whether there is a significant difference in the predictive power by coin and therefore can establish investment strategies.

• 정보처리학회 논문지
• /
• 제13권4호
• /
• pp.199-207
• /
• 2024

지역 저수지들은 농업용수 공급의 중요한 수원공으로 가뭄과 같은 극단적 기후 조건을 대비하여 안정적인 저수율 관리가 필수적이다. 저수율 예측은 국지적 강우와 같은 지역적 기후 특성뿐만 아니라 작부시기를 포함하는 계절적 요인 등에 크게 영향을 받기 때문에 적절한 예측 모델을 선정하는 것만큼 입/출력 데이터 간 상관관계 파악이 무엇보다 중요하다. 이에 본 연구에서는 1991년부터 2022년까지의 전라북도 400여 개 저수지의 광범위한 다변량 데이터를 활용하여 각 저수지의 복잡한 수문학·기후학적 환경요인을 포괄적으로 반영한 저수율 예측 모델을 학습 및 검증하고, 각 입력 특성이 저수율 예측 성능에 미치는 영향력을 분석하고자 한다. 신경망 구조에 따른 저수율 예측 성능 개선이 아닌 다변량의 입력 데이터와 예측 성능 간의 상관관계에 초점을 맞추기 위하여 실험에 사용된 예측 모델로 합성곱신경망 또는 순환신경망과 같은 복잡한 형태가 아닌 완전연결계층, 배치정규화, 드롭아웃, 활성화 함수 등의 조합으로 구성된 기본적인 순방향 신경망을 채택하였다. 추가적으로 대부분의 기존 연구에서는 하루 단위의 단기 예측 성능만을 제시하고 있으며 이러한 단기 예측 방식은 10일, 한 달 단위 등 중장기적 예측이 필요한 실무환경에 적합하지 않기 때문에, 본 연구에서는 하루 단위 예측값을 다음 입력으로 사용하는 재귀적 방식을 통해 최대 한 달 뒤 저수율 예측 성능을 측정하였다. 실험을 통해 예측 기간에 따른 성능 변화 양상을 파악하였으며, Ablation study를 바탕으로 예측 모델의 각 입력 특성이 전체 성능에 끼치는 영향을 분석하였다.

• 한국수자원학회논문집
• /
• 제31권1호
• /
• pp.95-103
• /
• 1998

댐 퇴사량 예측방법은 수리학적 메커니즘을 이용하는 방법과 실측자료를 설계치로 적용하는 경험적 방법으로 구분할 수 있다. 전자는 물리적 해석방법으로 단기간에 이루어지는 현상을 규명하는데 적용할 수 있으며, 후자는 댐사수량 결정등 장기적인 설계변수 추정에 용이하게 이용할 수 있다. 이중 경험적 자료인 배사비 곡선식을 이용하면 월단위의 저수지 운영이 가능하며, 저류량에 대응하는 퇴사량을 정보변수로 추적하면 퇴사관리의 최적운영이 가능하다. 이와 같은 접근방법은 퇴사량에 의하여 시간적으로 변하는 댐 유효저수용량을 최적으로 관리할 수 있는 운영방안을 제공할 수 있다. 본 연구는 배사비 곡선을 이용한 장기 댐 퇴사량 예측방법을 제시하고 잇다. 개발된 방법을 중국 황하유역에 위치한 분하댐을 대상으로 장기간의 댐 운영을 모의하여 예상되는 퇴사량과 용수공급능력 분석에 적용하였다.