• 대한원격탐사학회지
• /
• 제26권2호
• /
• pp.239-249
• /
• 2010

세계 최초로 정지궤도에 위치한 해색 위성의 위성자료를 처리/분석하는 시스템인 해양자료처리 시스템(GDPS)의 개발은 정지궤도 해색탑재체(GOCI)의 하드웨어 개발과 동시에 시작되었다. GOCI의 관측 영역에 특화된 대기 알고리즘 및 해양 분석 알고리즘을 개발하고 소프트웨어 모듈화 하여, GOCI가 수신한 총 복사휘도 정보인 레벨 1B 자료에서 레벨 2와 3의 해양 분석 자료를 생성할 수 있는 기능을 개발하였다. 해양자료처리시스템은 해양위성센터에서 표준 운영시스템으로 활용될 뿐만 아니라, 일반 사용자에게 기본 GOCI 자료처리시스템으로 활용될 수 있도록 다양한 버전으로 개발되었다. 부가적인 기능으로 GOCI 이미지 위성 배포파일(LRIT) 생성, 복사보정계수 계산, 영역 분할/병합, 시계열 분석 등을 제공한다. 개발된 GDPS 시스템은 30분 이내에 자료를 안정적으로 생산하여, 이용자 요구사양을 만족시켰다. 해양자료처리 시스템은 여러 해양환경분석 알고리즘을 통해 해양의 장단기 환경특성 변화를 감시하는데 훌륭한 역할을 할 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1229-1235
• /
• 2018

본 연구는 우리나라의 1990-2014년 시계열 자료를 활용하여 물 효율성, 경제성장, 전력생산 및 이산화탄소 배출 간의 장 단기 인과관계를 실증적으로 분석하였다. 기존 연구들이 경제성장, 이산화탄소 배출 및 전력 및 에너지에 국한되어 분석을 한 반면 본 연구는 기존 변수들과 더불어 물 효율성과의 관계를 설명하였다는 기여를 가지고 있다. 실증분석결과를 살펴보면, 네 변수들은 단기조정관계를 통해 장기적으로 균형상태에 도달한다는 것과 변수들 간의 인과관계에서 이산화탄소 배출과 경제성장은 물 효율성의 원인이 되고 이산화탄소 배출과 경제성장 및 물 효율성은 전력생산의 원인이 된다는 사실을 발견하였다. 또한 물 효율성에 대한 장기 영향계수 추정결과를 통해 전력생산의 증가와 경제성장 및 이산화탄소 배출의 감소는 물 효율성을 증가시키며, 일정 수준 이상의 경제성장은 물 효율성의 증가속도를 감소시킨다는 경제성장과 물 효율성의 역U자형 관계를 확인하였다.

• 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.

• 한국수자원학회논문집
• /
• 제46권1호
• /
• pp.47-58
• /
• 2013

최근 들어 전 세계적인 기후변화 양상에 따라 짧은 시간에 큰 유출양상을 보이는 국지적 돌발성 홍수의 발생이 증가하는 추세이며 이로 인한 인명 및 재산의 피해가 국내뿐만 아니라 전 세계적으로 발생하고 있다. 이와 같이 소규모 지역의 집중된 강우로 발생하는 국지적 돌발성 홍수는 빠른 수문반응으로 인하여 홍수피해를 예방하기 위한 예 경보 시간이 부족한 것이 특징이다. 국지 홍수로 인한 피해를 막기 위해서는 한계유량을 초과하여 제내지의 피해발생 가능성이 있는 홍수사상에 대한 심도예측이 중요하다. 본 논문의 목적은 소규모 유역에서 발생하는 홍수사상의 심각성 정도를 정량화할 수 있는 새로운 홍수지수(New Flood Index)를 개발하고 새로운 홍수지수와 강우특성과의 회귀분석을 통하여 국지 돌발홍수예측에 적용하고자 하였다. 2개의 시범유역들에 대한 홍수유출수문곡선은 장기간 관측된 연최대치계열 실측 강우자료를 이용하여 강우-유출 모형을 통하여 산정하였다. 새로운 홍수지수 NFI는 2년 빈도 홍수량으로 가정된 한계유량을 초과하는 홍수사상에 대하여, 첨두홍수량비, 상승부경사, 초과홍수지속시간 등 홍수 유출수문곡선의 특성을 이용한 3가지 상대심도계수의 기하학적 평균값으로산정하였다. 분석결과 3시간최대강우가 새로운 홍수지수NFI와 가장높은 상관관계가 있음을 확인하였다. 새로운 홍수지수와 강우특성과의 회귀분석을 통해 얻어진 최적 관계식은 소규모 미계측 유역에서의 국지적 홍수 심도예측을 위한 예비정보의 기초자료로 활용될 수 있을 것으로 기대된다.

• Journal of Radiation Protection and Research
• /
• 제39권4호
• /
• pp.159-167
• /
• 2014

국내에서는 2012년 천연방사성핵종이 포함된 가공제품의 규제를 위해 생활주변방사선 안전관리법이 시행되었지만, 해당 가공제품 사용에 대한 인체 피폭선량을 평가할 수 있는 기초자료나 피폭선량 평가기술이 미비하다. 따라서 본 연구는 사용자 피폭선량을 정량적으로 평가하기 위한 방법을 제안하고, 방사선의 종류 및 에너지에 따른 피폭선량 특성의 확인을 목적으로 한다. 피폭선량 평가를 위해서 몬테칼로 방법을 사용한 Monte Carlo N-Particle Extended (MCNPX) 코드를 통해 International Commission on Radiological Protection (ICRP)의 기준팬텀이 전산모사 되었으며, 대표적 천연방사성핵종인 우라늄 계열에서 발생되는 알파선, 베타선, 감마선의 최소, 중간, 최대 에너지가 선원항으로 사용되었다. 연간 유효선량은 가공제품 사용시간 및 사용위치를 고려한 피폭시나리오를 기반으로 평가되었다. 짧은 비정의 알파선 및 베타선은 대부분의 선량을 피부에 전달한 반면, 감마선은 대부분의 장기에 유사한 선량을 전달하였다. 방사능이 $1Bq{\cdot}g^{-1}$ 인 돌침대에 포함된 천연방사성핵종의 함유율이 10%라고 가정하고 한국인 평균 수면시간인 7시간 50분간 돌침대를 사용하였을 때 최대 연간 유효선량은 알파선, 베타선, 감마선에 대해서 각각 0.0222, 0.0836, $0.0101mSv{\cdot}y^{-1}$로 평가되었다.

• 한국수자원학회논문집
• /
• 제54권5호
• /
• pp.301-309
• /
• 2021

본 연구에서는 시계열 순서의 의미가 희석될 수 있는 기존의 U-net 기반 딥러닝 강우예측 모델의 성능을 개선하고자 하였다. 이를 위해서 데이터의 연속성을 고려한 ConvLSTM2D U-Net 신경망 구조를 갖는 모델을 적용하고, RainNet 모델 및 외삽 기반의 이류모델을 이용하여 예측정확도 개선 정도를 평가하였다. 또한 신경망 기반 모델 학습과정에서의 불확실성을 개선하기 위해 단일 모델뿐만 아니라 10개의 앙상블 모델로 학습을 수행하였다. 학습된 신경망 강우예측모델은 현재를 기준으로 과거 30분 전까지의 연속된 4개의 자료를 이용하여 10분 선행 예측자료를 생성하는데 최적화되었다. 최적화된 딥러닝 강우예측모델을 이용하여 강우예측을 수행한 결과, ConvLSTM2D U-Net을 사용하였을 때 예측 오차의 크기가 가장 작고, 강우 이동 위치를 상대적으로 정확히 구현하였다. 특히, 앙상블 ConvLSTM2D U-Net이 타 예측모델에 비해 높은 CSI와 낮은 MAE를 보이며, 상대적으로 정확하게 강우를 예측하였으며, 좁은 오차범위로 안정적인 예측성능을 보여주었다. 다만, 특정 지점만을 대상으로 한 예측성능은 전체 강우 영역에 대한 예측성능에 비해 낮게 나타나, 상세한 영역의 강우예측에 대한 딥러닝 강우예측모델의 한계도 확인하였다. 본 연구를 통해 시간의 변화를 고려하기 위한 ConvLSTM2D U-Net 신경망 구조가 예측정확도를 높일 수 있었으나, 여전히 강한 강우영역이나 상세한 강우예측에는 공간 평활로 인한 합성곱 신경망 모델의 한계가 있음을 확인하였다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1095-1105
• /
• 2021

기후변화에 따른 집중호우, 태풍 등의 발생빈도의 증가로 인하여 댐 운영의 고도화가 요구되고 있다. 일반적으로 댐 운영의 경우 강우예측, 강우-유출, 홍수추적 등 다양한 수리수문학적 요소들을 반영하여 수행되나 기 계획된 특정 규칙에 기반한 댐 운영 모형의 경우, 때때로 개별 모듈들의 불확실성과 복합적인 인자들로 인하여 댐의 방류량을 능동적으로 제어하는데 제약이 있을 수 있다. 본 연구는 남강댐 직하류 홍수피해 예방을 위하여 댐의 방류량 결정 등 효율적인 댐 운영을 지원하기 위해 딥러닝 기반 LSTM (Long Short-Term Memory) 모형을 구축하고, 선행시간별 댐직하류 수위예측 정확도를 분석하는 것을 목적으로 한다. LSTM 모형의 입력자료는 댐 운영에 사용되는 기초자료 및 하류 장대동 수위관측소의 수위 자료를 시 단위로 2009년부터 2021년 7월까지 수집하였다. 2009년부터 2018년 자료는 모형의 학습과 검증 및 2019년부터 2021년 7월 자료는 선행시간을 7개(1 h, 3 h, 6 h, 9 h, 12 h, 18 h, 24 h)로 구분하여 관측 수위와 예측 수위를 비교·분석하였다. 그 결과, 선행시간 1시간의 예측결과는 평균적으로 MAE가 0.01 m, RMSE가 0.015 m, NSE가 0.99 로 관측 수위에 매우 근접한 예측 결과를 나타내었다. 또한, 선행시간이 길어질수록 예측 정확도는 근소하게 감소하였지만, 관측 수위의 시간적 패턴을 유사하게 안정적으로 예측하는 것으로 분석되었다. 따라서 수리수문학적 비선형의 복잡한 자료간의 특징을 자동으로 추출하여 예측 자료를 생산하는 LSTM 모형은 댐 방류량 의사결정에 있어 활용이 가능할 것으로 판단된다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.79-96
• /
• 2012

기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.

• 한국항만경제학회지
• /
• 제37권2호
• /
• pp.73-89
• /
• 2021

핸디사이즈 벌크선 시장은 중대형 선박으로 운송이 불가능한 다양한 화물을 운송할 수 있으며, Spot용·대선 시장이 활성화 되어 있고 중대형 벌크선과 독립적인 성격의 시장으로 단기간에 변화하는 시황 및 용선료 변동성에 의한 위험이 보다 많은 시장이다. 본 연구에서는 부정기 벌크선 선형에서 핸디사이즈 운임지수(BHSI)와 Spot용선료에 영향을 미치는 요인들을 검정하고 요인들의 과거 값을 이용하여 종속변수의 동태적 반응을 파악 및 단기 예측을 위하여 벡터자기회귀모형(VAR)을 이용하여 분석을 하였다. 인과성 검정 결과 핸디사이즈의 주요 선적 화물인 원료탄, 일본후판, 열연강판의 가격과 선복량, 선박유가와 인과관계가 나타났으며, VAR모형의 적정시차와 안정성을 확인 후 충격반응함수와 예측오차분해분석을 실시하였다. 충격반응함수 분석 결과 원료탄 가격, 열연강판 가격, 선박유가 3가지 변수는 신뢰구간 상한과 하한이 모두 같은 구간으로 유의하다고 나타났으며, 열연강판 가격의 충격이 가장 유의한 영향을 미치는 것으로 확인되었다. 운임지수(BHSI)와 Spot용선료 두 종속변수 모두 거의 동일한 결과로 나타났으며 t시점에서 발생한 원료탄가격의 표준편차 1단위의 충격에 양(+)의 영향, 열연강판 가격의 충격에 양(+)의 영향, 선박유가의 충격에는 음(-)의 영향의 결과를 보였다. 예측오차 분산분해분석 결과 운임지수(BHSI)와 Spot용선료에 영향을 미치는 설명력은 열연강판 가격, 원료탄 가격, 선박유가, 일본후판 가격, 선복량 순으로 동일하게 나타났으며 열연강판 가격의 설명력은 3기부터 점차 상승하여 운임지수에는 30%, Spot용선료에는 26%까지 영향을 미친다고 나타났다. 기존 선행연구와 차별화하여 단기적인 시차 영향을 알아보기 위해 주요 선적화물의 월간 가격 데이터를 사용하여 분석을 수행하였으며, 월 단위 시황 예측이 가능한 유의미한 결과를 도출하였다. 이 연구가 핸디사이즈 선박을 운항하는 선사와 핸디사이즈 용·대선 시장 관계자들에게 단기적인 시황 예측에 도움이 될 수 있다는데 의의가 있다고 생각한다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.103-128
• /
• 2021

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가 예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능 기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위 기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.