• Advances in environmental research
• /
• 제6권2호
• /
• pp.83-94
• /
• 2017

Air quality planning and management requires accurate and consistent records of the air quality parameters. Limited number of monitoring stations and inconsistent measurements of the air quality parameters is a very serious problem in many parts of India. It becomes difficult for the authorities to plan proactive measures with such a limited data. Estimation models can be developed using soft computing techniques considering the physics behind pollution dispersion as they can work very well with limited data. They are more realistic and can present the complete picture about the air quality. In the present case study spatio-temporal models using Linear Genetic Programming (LGP) have been developed for estimation of air quality parameters. The air quality data from four monitoring stations of an Indian city has been used and LGP models have been developed to estimate pollutant concentration of the fifth station. Three types of models are developed. In the first type, models are developed considering only the pollutant concentrations at the neighboring stations without considering the effect of distance between the stations as well the significance of the prevailing wind direction. Second type of models are distance based models based on the hypothesis that there will be atmospheric interactions between the two stations under consideration and the effect increases with decrease in the distance between the two. In third type the effect of the prevailing wind direction is also considered in choosing the input stations in wind and distance based models. Models are evaluated using Band Error and it was observed that majority of the errors are in +/-1 band.

• Journal of the Korean Data and Information Science Society
• /
• 제27권3호
• /
• pp.803-814
• /
• 2016

Recent times have seen an exponential increase in the amount of spatial data, which is in many cases associated with temporal data. Recent advances in computer technology and computation of hierarchical Bayesian models have enabled to analyze complex spatio-temporal data. Our work aims at modeling data of daily average nitrogen dioxide (NO2) levels obtained from 25 air monitoring sites in Seoul between 2003 and 2010. We considered an independent Gaussian process model and an auto-regressive model and carried out estimation within a hierarchical Bayesian framework with Markov chain Monte Carlo techniques. A Gaussian predictive process approximation has shown the better prediction performance rather than a Hierarchical auto-regressive model for the illustrative NO2 concentration levels at any unmonitored location.

• 대한원격탐사학회지
• /
• 제37권6_3호
• /
• pp.1931-1942
• /
• 2021

최근 고해상도 광학 위성영상의 활용성이 강조되면서 이를 이용한 지표 모니터링 연구가 활발히 수행되고 있다. 그러나 고해상도 위성영상은 낮은 시간 해상도에서 획득되기 때문에 그 활용성에 한계가 있다. 이러한 한계를 보완하기 위해 서로 다른 시간 및 공간 해상도를 갖는 다중 위성영상을 융합해 높은 시공간 해상도의 합성 영상을 생성하는 시공간 자료 융합을 적용할 수 있다. 기존 연구에서는 중저해상도의 위성영상을 대상으로 시공간 융합 모델이 개발되어 왔기 때문에 고해상도 위성영상에 대한 기개발된 융합 모델의 적용성을 평가할 필요가 있다. 이를 위해 이 연구에서는 KOMPSAT-3A 영상과 Sentinel-2 영상을 대상으로 기개발된 시공간 융합 모델의 적용성을 평가하였다. 여기에는 예측을 위해 사용하는 정보가 다른 Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model (ESTARFM)과 Spatial Time-series Geostatistical Deconvolution/Fusion Model (STGDFM)을 적용하였다. 연구 결과, 시간적으로 연속적인 반사율 값을 결합하는 STGDFM의 예측 성능이 ESTARFM 보다 높은 것으로 나타났다. 특히 KOMPSAT 영상의 낮은 시간 해상도로 같은 시기에서 KOMPSAT 및 Sentinel-2 영상을 동시에 획득하기 어려운 경우, STGDFM의 예측 성능 향상이 더욱 크게 나타났다. 본 실험 결과를 통해 연속적인 시간 정보를 결합해 상대적으로 높은 예측 성능을 가지는 STGDFM을 이용해 낮은 재방문 주기로 인한 고해상도 위성영상의 한계를 보완할 수 있음을 확인하였다.

• 응용통계연구
• /
• 제25권2호
• /
• pp.351-362
• /
• 2012

일기 산출기 모형은 가상의 일기 자료를 생성하는 통계 모형이다. 본 연구는 시공간 상관성이 고려된 다중지점에서의 일기산출 모형을 제안하고, 온실가스 배출 미래 시나리오에 따라 강수량과 평균 기온 일기산출이 가능한 알고리즘을 개발하였다. 제안된 알고리즘은 다단계 일반화 선형모형 하에서 필요한 모수들을 추정하고, 적합된 모형 하에서 일기변수들을 랜덤하게 산출하는 절차이다. 과거 30년간 관측된 우리나라 4대강 유역의 일 강수량 자료와 평균 기온 자료를 가지고 모형을 적합하고, 미래 일별 일기자료 산출에 적용하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1183-1191
• /
• 2016

우리나라는 결핵에 의한 사망률이 OCED 국가 중 1위라는 불명예를 안고 있다. 이러한 오명을 씻고자 최근 여러 가지 연구와 정책적인 대책이 수립되었고, 그 성과들이 어느 정도 나타나고 있다. 하지만, 이러한, 정책의 수립 및 결정은 명확한 근거에 기반해야 하고 이러한 근거는 감염성 질환인 결핵의 특성상 결핵 발병률이나 사망률 자료의 경우 시간적 공간적 상관성 등을 충분히 고려하여 분석되어야한다. 본 논문에서는 2000년부터 2011년까지의 결핵등록자료를 활용하여 결핵으로 인한 사망률이 시간적으로 어떻게 변화되어 왔고 또한 공간적인 특성이 어떠한지를 분석하기 위해 INLA R 패키지로 구현된 시공간모형을 이용하여 분석한 결과를 제시한다.

• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.681-692
• /
• 2019

이 논문에서는 작물 분류를 목적으로 작물의 시공간 특징을 고려할 수 있는 딥러닝 모델 2D convolution with bidirectional long short-term memory(2DCBLSTM)을 제안하였다. 제안 모델은 우선 작물의 공간 특징을 추출하기 위해 2차원의 합성곱 연산자를 적용하고, 추출된 공간 특징을 시간 특징을 고려할 수 있는 양방향 LSTM 모델의 입력 자료로 이용한다. 제안 모델의 분류 성능을 평가하기 위해 안반덕에서 수집된 다중시기 무인기 영상을 이용한 밭작물 구분 사례 연구를 수행하였다. 비교를 목적으로 기존 딥러닝 모델인 2차원의 공간 특징을 이용하는 2D convolutional neural network(CNN), 시간 특징을 이용하는 LSTM과 3차원의 시공간 특징을 이용하는 3D CNN을 적용하였다. 하이퍼 파라미터의 영향 분석을 통해, 시공간 특징을 이용함으로써 작물의 오분류 양상을 현저히 줄일 수 있었으며, 제안 모델이 공간 특징이나 시간 특징만을 고려하는 기존 딥러닝 모델에 비해 가장 우수한 분류 정확도를 나타냈다. 따라서 이 연구에서 제안된 모델은 작물의 시공간 특징을 고려할 수 있기 때문에 작물 분류에 효과적으로 적용될 수 있을 것으로 기대된다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -2
• /
• pp.1188-1191
• /
• 2002

A number of studies have recently been published concerning neuron models and asynchronous neural networks. In the case of large-scale neural networks having neuron models, the neural network should be constructed using analog hardware, rather than by computer simulation via software, because of the limitation of the computational power, In this paper, we discuss the circuit structure of a synaptic section model having the spatio-temporal summation of inputs and utilizing CMOS processing.

• 한국산학기술학회논문지
• /
• 제11권7호
• /
• pp.2632-2637
• /
• 2010

유비쿼터스 환경에서 획득되는 정보들은 시공간의 틀 속에서 서로 만나 관계성을 가지게 됨으로써 지식화되고, 업무 또는 어플리케이션 모델과 결합하여 지능화된 콘텐츠로 변화하게 된다. 따라서, 유시티 콘텐츠를 구성하는 개체들은 복잡한 관계들을 가진다. 유시티 콘텐츠는 사용자의 의도를 파악하여 개인화된 응답을 제공하는 지능성을 갖추어야 한다. 본 연구에서는 SPIRIT의 공간 온톨로지 설계 방법을 확장하여 사람 또는 사물에 대하여도 유형, 관계, 인스턴스의 세 가지 온톨로지로 구성하였다. 공유된 개념의 관계 모델이 없는 경우의 인스턴스들 간의 관계는 어떤 시공간적 사건을 통한 관계로 설정하였다. 이렇게 함으로써 문자열 매칭에 의한 연관어에 비하여, 반드시 의미적 관련성을 갖는 연관어들을 추천할 수 있게 하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권2호
• /
• pp.327-337
• /
• 2017

조사를 통한 자료생성은 시간과 경제적인 제약이 많고, 조사 방법 및 특성에 따라 자료의 질이 결정되며, 수집된 조사정보를 통계정보로 활용하기까지 오랜 시간이 소요된다. 이와 같은 어려움을 줄이고자 조사 표본설계 단위 보다 작은 지역 또는 다른 영역에 대한 자료를 기존에 조사된 자료 및 행정자료를 이용하여 추정하는 소지역추정 통계방법 활용 연구는 꾸준히 진행되고 있다. 따라서 본 논문에서는 소지역추정기법을 이용하여 인간이 기본적인 삶을 영위하는데 반드시 필요한 필수재이며, 동시에 우리나라에서 투자재로서의 특징을 나타내는 주택과 관련하여, 요즈음 새로운 주거형태를 차지하는 전세와 월세 지수에 모형기반 소지역추정기법을 적용하고자 한다. 적용된 소지역추정 모형은 회귀모형 추정법, 계층적 베이지안 추정법, 시-공간적 추정법이며, 분석결과 전세와 월세에서 시-공간적 추정모형이 가장 효율적인 것으로 나타났다.

• Journal of Information Science Theory and Practice
• /
• 제10권spc호
• /
• pp.135-142
• /
• 2022

Recently, with the development of data processing technology and the increase of computational power, methods to solving social problems using Artificial Intelligence (AI) are in the spotlight, and AI technologies are replacing and supplementing existing traditional methods in various fields. Meanwhile in Korea, heavy rain is one of the representative factors of natural disasters that cause enormous economic damage and casualties every year. Accurate prediction of heavy rainfall over the Korean peninsula is very difficult due to its geographical features, located between the Eurasian continent and the Pacific Ocean at mid-latitude, and the influence of the summer monsoon. In order to deal with such problems, the Korea Meteorological Administration operates various state-of-the-art observation equipment and a newly developed global atmospheric model system. Nevertheless, for precipitation nowcasting, the use of a separate system based on the extrapolation method is required due to the intrinsic characteristics associated with the operation of numerical weather prediction models. The predictability of existing precipitation nowcasting is reliable in the early stage of forecasting but decreases sharply as forecast lead time increases. At this point, AI technologies to deal with spatio-temporal features of data are expected to greatly contribute to overcoming the limitations of existing precipitation nowcasting systems. Thus, in this project the dataset required to develop, train, and verify deep learning-based precipitation nowcasting models has been constructed in a regularized form. The dataset not only provides various variables obtained from multiple sources, but also coincides with each other in spatio-temporal specifications.