• 국제초고층학회논문집
• /
• 제3권4호
• /
• pp.255-271
• /
• 2014

A method of smart system identification of super high-rise buildings is proposed in which super high-rise buildings are modeled by a shear-bending system. The method is aimed at finding the story shear and bending stiffnesses of a specific story only from the horizontal floor accelerations. The proposed method uses a set of closed-form expressions for the story shear and bending stiffnesses in terms of the limited floor accelerations and utilizes a reduced shear-bending system with the same number of elements as the observation points. A difficulty of prediction of an unstable specific function in a low frequency range can be overcome by introducing an ARX model and discussing its relation with the Taylor series expansion coefficients of a transfer function. It is demonstrated that the shear-bending system can simulate the vibration records with a reasonable accuracy. It is also shown that the vibration records at two super high-rise buildings during the 2011 Tohoku (Japan) earthquake can be simulated with the proposed method including a technique of inserting degrees of freedom between the vibration recording points. Finally it is discussed further that the time-varying identification of fundamental natural period and stiffnesses can be conducted by setting an appropriate duration of evaluation in the batch least-squares method.

• 디지털콘텐츠학회 논문지
• /
• 제19권2호
• /
• pp.377-383
• /
• 2018

사물인터넷(IoT) 서비스는 스마트 환경이 발전하면서 다양한 데이터를 생산하고 있다. 이 데이터는 사용자의 상황을 판단하는 중요한 데이터로 사용된다. 그렇기 때문에 센서의 이상 상태를 실시간으로 모니터링하고 이상 데이터를 탐지하는 것이 중요하다. 하지만 데이터 구조와 프로토콜이 다양하기 때문에 표준화된 데이터 구조로 변환하는 과정이 필요하다. 그럼으로써 데이터의 품질을 보장하고 정확한 분석을 통해 서비스의 품질까지 좋아지는 효과를 기대할 수 있다. 본 논문은 수집된 센서의 이상탐지를 위해 빅데이터 기반의 이상탐지 시스템을 제안한다. 제안한 시스템은 이상탐지를 위해 데이터 표준화 전처리와 시계열 기반의 이상탐지가 우수한 SVM(Support Vector Machine) 모델을 적용하였다. 실험에서는 전처리와 전처리되지 않은 데이터를 각각 학습시키고 비교하였다. 그 결과, 전처리된 데이터는 이상 장애를 정확히 탐지하고 예측하였다.

• 디지털융복합연구
• /
• 제18권7호
• /
• pp.223-228
• /
• 2020

주가는 사람들의 심리를 반영하고 있으며, 주식시장 전체에 영향을 미치는 요인으로는 경제성장률, 경제지료, 이자율, 무역수지, 환율, 통화량 등이 있다. 국내 주식시장은 전날 미국 및 주변 국가들의 주가지수에 영향을 많이 받고 있으며 대표적인 주가지수가 다우지수, 나스닥, S&P500이다. 최근 주가뉴스를 이용한 주가분석 연구가 활발히 진행되고 있으며, 인공지능 기반한 분석을 통하여 과거 시계열 데이터를 기반으로 미래를 예측하는 연구가 진행 중에 있다. 하지만, 주식시장은 예측시스템에 의해서 단기간 적중이 되더라도, 시장은 더 이상의 단기 전략대로 움직여지지 않고, 새롭게 변할 수밖에 없다. 따라서, 본 모델을 삼성전자 주식데이터와 뉴스 정보를 텍스트 마이닝으로 모니터링하여 분석한 결과를 나타내어 예측이 가능한 모델을 제시하였으며, 향후 종목별 예측을 통하여 실제 예측이 정확한지 확인하여 발전시켜 나갈 예정임.

• Nuclear Engineering and Technology
• /
• 제52권1호
• /
• pp.37-50
• /
• 2020

A passive containment cooling system (PCCS) has been developed as advanced safety feature for innovative power reactor (iPOWER). Passive systems are inherently less stable than active systems and the PCCS encountered the flashing-induced instability previously identified. The objective of this study is to develop stability maps for flashing-induced instability using MARS (Multi-dimensional Analysis of Reactor Safety) code. Firstly, we conducted a series of sensitivity analysis to see the effects of time step size, nodalization, and alternative MARS user options on the onset of flashing-induced instability. The riser nodalization strongly affects the prediction of flashing in a long riser of the PCCS, while time step size and alternative user options do not. Based on the sensitivity analysis, a standard input and an analysis methodology were set up to develop the stability maps of PCCS. We found out that the calculated equilibrium quality at the exit of the riser as a stability boundary above 5 kW/㎡ was approximately 1.2%, which was in good agreement with Furuya's results. However, in case of a very low heat flux condition, the onset of instability occurred at the lower equilibrium quality. In addition, it was confirmed that inlet throttling reduces the unstable region.

• 대한원격탐사학회지
• /
• 제37권6_2호
• /
• pp.1891-1900
• /
• 2021

직경 2.5 ㎛ 이하인 초미세먼지는 급격한 도시화와 인구 증가로 인해 대도시에서 많이 발생하며, 유아 및 청소년기는 성인에 비해 초미세먼지에 취약하고 만성 질환으로 이어질 가능성이 높다. 특히 대부분의 청소년들은 학교에서 가장 많은 시간을 보내고 있으며, 다양한 이유에 의해 실외에서 발생한 초미세먼지가 실내로 유입된다. 본 연구는 외부 요인에 의해 발생하는 학교 초미세먼지를 예측하고 학교별 초미세먼지 범주화를 수행하였다. 10-fold cross validation과 grid-search method를 적용한 random forest (RF) 모델에 화학과 기상 인자, 위성 기반의 aerosol optical depth (AOD)를 입력 자료로 하여 학교 초미세먼지를 예측하고 정확도 평가를 위해 4가지 통계 지표를 이용하였다. 학교 미세먼지 범주화를 위해 6가지 유형을 가진 느슨한 기준과 엄격한 기준을 정의하였으며, 범주화 결과 느슨한 기준의 경우 유형 2와 3에, 엄격한 기준의 경우 유형 3과 4에 가장 많은 학교가 포함되었다.

• 한국항해항만학회지
• /
• 제45권6호
• /
• pp.284-297
• /
• 2021

본 연구에서는 선박의 운항 데이터를 기반으로 조종성능을 모사할 수 있는 단순 운동학 모델을 제안하였다. 수평면 3자유도 각 방향의 속도 성분을 1차 미분방정식의 해 형태의 단순모델로 두고, 계수에 대한 운항데이터 학습을 수행하였다. 실제 선박의 충분한 운항 데이터의 확보는 어렵거나 제한적이므로, 본 연구에서는 실 운항 데이터 대신 공개된 동역학 모델을 활용하여 임의의 제어입력에 대한 시뮬레이션 결과를 얻고, 이를 운항데이터 학습에 활용하였다. 제어입력인 프로펠러 회전수 및 타각을 임의로 부가하여 동역학 시뮬레이션을 수행하고 각 속도 성분 출력을 얻었다. 충분한 시간 동안 동역학 시뮬레이션의 제어 입력과 속도 출력을 학습하여 각 제어 입력에 대한 운동학 모델 내 계수인 시정수 3개, 수렴속도성분 3개의 분포를 도출하였다. 추가로 임의의 제어 입력에 의한 선회 시뮬레이션 결과들과 비교함으로써 단순 운동학 모델의 성능을 검증하였다. 도출된 시정수들의 분포에는 다소 분산이 있으며, 제어 입력 이외의 관련 변수를 더 추가하여 정확도를 높이는 추후 연구가 필요하다.

• Healthcare Informatics Research
• /
• 제24권4호
• /
• pp.300-308
• /
• 2018

Objectives: Prompt detection is a cornerstone in the control and prevention of infectious diseases. The Integrated Disease Surveillance Project of India identifies outbreaks, but it does not exactly predict outbreaks. This study was conducted to assess temporal correlation between Google Trends and Integrated Disease Surveillance Programme (IDSP) data and to determine the feasibility of using Google Trends for the prediction of outbreaks or epidemics. Methods: The Google search queries related to malaria, dengue fever, chikungunya, and enteric fever for Chandigarh union territory and Haryana state of India in 2016 were extracted and compared with presumptive form data of the IDSP. Spearman correlation and scatter plots were used to depict the statistical relationship between the two datasets. Time trend plots were constructed to assess the correlation between Google search trends and disease notification under the IDSP. Results: Temporal correlation was observed between the IDSP reporting and Google search trends. Time series analysis of the Google Trends showed strong correlation with the IDSP data with a lag of -2 to -3 weeks for chikungunya and dengue fever in Chandigarh (r > 0.80) and Haryana (r > 0.70). Malaria and enteric fever showed a lag period of -2 to -3 weeks with moderate correlation. Conclusions: Similar results were obtained when applying the results of previous studies to specific diseases, and it is considered that many other diseases should be studied at the national and sub-national levels.

• 융합정보논문지
• /
• 제11권2호
• /
• pp.82-89
• /
• 2021

본 연구의 목적은 투자자의 은퇴 시점뿐만 아니라 시장의 예측 변동성을 동시에 고려하여 Target Date Fund의 위험자산 편입 비율을 동적으로 조정하는 새로운 Glide Path를 제안하고, 은퇴 시점만 고려하여 위험자산 편입 비율이 정해지는 전통적 Glide Path와 투자 성과를 비교 분석하는 것이다. 시장 변동성의 예측치로는 역사적 변동성, 시계열모형인 GARCH 변동성, 그리고 변동성지수인 VKOSPI를 활용하였으며, 2003년부터 2020년까지의 분석 기간에서 변동성을 고려하는 새로운 동적 Glide Path의 투자 성과가 우수함을 보여주었다. 3가지 변동성 예측모형 모두에서 은퇴 시점만을 고려하는 Glide Path보다 수익률은 더 높고 위험은 더 낮아지면서 투자 성과 지표인 Sharpe Ratio가 개선되었다. 실증 분석 결과는 은퇴예정자뿐만 아니라 Target Date Fund 운용업계에 새로운 Glide Path의 활용 가능성을 제시하고 있다.

• 한국정보통신학회논문지
• /
• 제26권3호
• /
• pp.341-346
• /
• 2022

지구온난화 및 이상 기후로 인해 홍수의 빈도 및 피해 규모가 늘어나고 있으며, 홍수 취약 지역에 노출된 사람이 2000년도에 비하여 25% 증가하였다. 홍수는 막대한 금전적, 인명적 손실을 유발하며, 홍수로 인한 손실을 줄이기 위해 홍수를 미리 예측하고 빠른 대피를 결정해야 한다. 본 논문은 홍수 예측을 위한 핵심 데이터인 강우량과 수위 데이터를 활용하여 시기적절한 대피 결정이 이루어질 수 있도록 CNN기반 분류 모델을 활용하여 홍수 위험도 판별 모델을 제안한다. 본 논문에서 제안한 CNN 기반 분류 모델과 DNN 기반의 분류 모델의 결과를 비교하여 더 좋은 성능을 보이는 것을 확인하였다. 이를 통해 홍수의 위험도를 판별하여, 대피 여부 판단하며 최적의 시기에 대피 결정을 내릴 수 있도록 하는 초기 연구로서 활용할 수 있을 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제53권4호
• /
• pp.273-283
• /
• 2020

지하수자원의 변동성 및 취약성 평가를 위한 지하수위의 정량적 예측은 매우 중요하다. 이를 위해 다양한 시계열 분석 기법과 머신러닝 기법 등이 사용되어 왔다. 본 연구에서는 제주도 한경면 지역에 설치된 11개 지하수위 관측정의 일 수위자료를 대상으로 인공신경망 알고리즘의 하나인 Long short term memory (LSTM)에 기반한 예측 모델을 개발하였다. 제주도의 지하수위는 일반적으로 조석에 의한 자기상관성이 높고 강수에 의한 영향이 잘 반영되는 것으로 알려져 있다. 이러한 자료 특성을 고려한 입출력 텐서를 구성하기 위해 각 지하수 관측정의 수위변동 관측 자료와 같은 기간의 강수량 자료를 추가 입력자료로 선택하였다. 4계절을 나타내는 초기 365일 자료를 이용하여 LSTM 모델을 학습시켰으며 나머지 자료를 검증에 활용하여 예측 모델의 적합도를 평가하였다. 모델의 개발은 Python기반 딥러닝 프레임워크인 Keras를 이용하였고, 학습속도를 향상시키고자 NVIDIA CUDA 아키텍처를 도입하였다. LSTM 모델을 이용하여 지하수위 변화를 학습시키고 검증한 결과 결정계수가 평균 0.98로 나타나 개발된 예측모델의 적합성이 매우 높은 것으로 확인되었다.