• 전자공학회논문지 IE
• /
• 제43권3호
• /
• pp.41-48
• /
• 2006

본 논문에서는 인터넷 트래픽 입력율의 예측성을 이용하여 큰 시간 스케일 (large time scale)에서 트래픽 입력율 예측을 통한 새로운 동적 큐 관리 기법 (Active Queue Management (AQM))을 제안한다. RED를 비롯한 대부분의 기존 AQM 기법들은 큐 길이를 기반으로 망의 혼잡 정도를 판단하여 패킷 폐기 확률을 설정하고 이에 따라 입력 패킷을 폐기하므로 동적으로 변화하는 망 환경에 제어 인자들이 적절히 적응하지 못하거나 적응시간이 긴 단점을 가진다. 제안 기법은 패킷 측정을 통해 얻은 입력율 정보를 자기 회기 (Auto-Regressive (AR)) 시 계열 모델에 적용하여 향후 트래픽 입력율을 예측하고, 이를 기반으로 향후 망 혼잡 수준을 결정한다. 혼잡이 예측되는 경우 향후 트래픽 입력율이 라우터의 서비스율과 근사하도록 패킷 폐기 확률을 결정함으로써 제안 기법은 패킷 폐기율은 기존 기법과 유사하게 유지하면서 링크 효율을 높이고 평균 큐 길이를 망 환경변화에 무관하게 안정적으로 유지할 수 있게 해준다. 본 논문에서는 ns-2 시뮬레이터를 이용하여 제안기법과 RED, adaptive RED (ARED), REM, Predictive AQM (PAQM)과의 성능 비교를 통해 다양하게 변화하는 망 환경에서 제안기법의 성능이 평균 큐 길이와 망 적응성 측면에서 우수하다는 사실을 검증하였다.

• Asian-Australasian Journal of Animal Sciences
• /
• 제30권3호
• /
• pp.328-337
• /
• 2017

Objective: An experiment was conducted to determine the relationship between the KAP11.1 and the regulation wool fineness. Methods: In previous work, we constructed a skin cDNA library and isolated a full-length cDNA clone termed KAP11.1. On this basis, we conducted a series of bioinformatics analysis. Tissue distribution of KAP11.1 mRNA was performed using semi-quantitative reverse transcription polymerase chain reaction (RT-PCR) analysis. The expression of KAP11.1 mRNA in primary and secondary hair follicles was performed using real-time PCR (real-time polymerase chain reaction) analysis. The expression location of KAP11.1 mRNA in primary and secondary hair follicles was performed using in situ hybridization. Results: Bioinformatics analysis showed that KAP11.1 gene encodes a putative 158 amino acid protein that exhibited a high content of cysteine, serine, threonine, and valine and has a pubertal mammary gland) structural domain. Secondary structure prediction revealed a high proportion of random coils (76.73%). Semi-quantitative RT-PCR showed that KAP11.1 gene was expressed in heart, skin, and liver, but not expressed in spleen, lung and kidney. Real time PCR results showed that the expression of KAP11.1 has a higher expression in catagen than in anagen in the primary hair follicles. However, in the secondary hair follicles, KAP11.1 has a significantly higher expression in anagen than in catagen. Moreover, KAP11.1 gene has a strong expression in inner root sheath, hair matrix, and a lower expression in hair bulb. Conclusion: We conclude that KAP11.1 gene may play an important role in regulating the fiber diameter.

• 한국항해항만학회지
• /
• 제47권3호
• /
• pp.167-173
• /
• 2023

한국 경제에 근간이 되는 산업은 제조업이고, 그중 석유화학산업은 전량 원유를 수입하여 우리나라의 기술력으로 가공하여 재수출하는 전략적 성장 산업이다. 수많은 제조업의 원료가 되는 원유를 전량 해상운송을 통해 수입하는 우리나라는 변동성이 심한 유조선 운임 시장에 대해 기민하게 대응해야 한다. 유조선 운임 시장의 위기는 관련 해운회사의 위기에서 끝나지 않고 원유를 사용하는 산업에서부터 국민의 생활까지 영향을 미칠 수 있으므로, 본 연구에서 신호접근법을 활용한 조기경보모형을 제시했다. BDTI 운임지수를 활용하여 유조선 해운시장 위기를 정의하고, 38개의 거시경제, 금융, 원자재 지표 그리고 해운시장 데이터를 활용해 시차상관관계를 분석하여 유조선 해운시장 위기에 선행적으로 반응하는 종합선행지수를 도출했다. 연구 결과, 종합선행지수는 두 달 전 가장 높은 0.499의 시차상관계수 값을 가졌으며, 5개월 전부터 유의미한 상관계수 값을 나타냈다. QPS 값은 0.13으로 위기 예측에 대해 높은 정확성을 지니는 것으로 검증됐다. 더불어 기존의 다른 시계열 예측모형 연구들과 달리 본 연구는 경제 위기와 유조선 해운시장의 위기 간의 시차를 계량적으로 접근하여, 관련 해운산업 종사자들과 정책 입안자들에게 위기에 효과적으로 대처할 수 있는 전략의 기틀을 제공함에 의의가 있다.

• 대한토목학회논문집
• /
• 제35권1호
• /
• pp.173-185
• /
• 2015

본 연구는 통계적 분석기법을 통하여 부산시내에서 운영 중인 11개 터널에서 발생한 교통사고 456건을 대상으로 교통사고의 발생특성, 유형화 및 예측모델을 구축하였는바 다음과 같은 결론을 얻게 되었다. 교통사고 발생특성으로는 시간대별 터널 내 교통사고 08~18시 사이가 전체의 64.9%를 차지하고 있어 기존 도로의 45.8~46.1%에 비해 높게 나타났고, 사고유형별로는 차대차 사고가 대부분을 차지하고 있으며, 차량단독사고는 기존도로에 비해 다소 높게 나타났으며, 연령층별로는 21~40세의 구성비가 높았고, 제1당사자 차종별로는 화물차의 비중이 높았고, 운량별로는 맑은 날을 제외하고 비가 오는 날이 흐린 날 보다 더욱 높은 수치를 보였다. 교통사고 영향요인에 대하여 주성분분석을 실시한 결과, 제1주성분은 도로, 터널구조 및 교통류 관련요인이, 제2주성분은 조명시설 및 도로구조 관련요인이, 제3주성분은 대기상태 및 조명시설 관련요인이, 제4주성분은 인적 및 시계열 관련요인이, 제5주성분은 인적요인이, 제6주성분은 차량적 요인과 교통류 관련 요인이, 제7주성분은 기상요인으로 대별되었다. 교통사고 발생지점에 대하여 유형화를 실시한 결과, 최적 집단수는 5개로 구분지어 졌으며, 집단별로 수량화이론 1류를 적용하여 분석한 결과, 제1집단은 예측모델의 설명력이 낮은 반면 제4집단은 예측모델의 설명력이 중간정도, 제2, 제3, 제5집단은 높은 설명력을 가진 예측모델이 구축되었다. 예측모델의 편상관계수 절대 값이 0.2(약한 상관) 이상인 항목(주성분) 중에서 도로환경적 요인이 포함된 변수를 체크하여 분석한 결과, 주요 검토항목은 적절한 교통류 처리, 횡단구성(차로폭), 터널구조(터널길이), 도로선형, 환기시설, 조명시설로 요약되었다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.131-145
• /
• 2020

산업혁신의 흐름에 발맞추어 다양한 분야에서 활용되고 있는 IoT 기술은 빅데이터의 접목을 통한 새로운 비즈니스 모델의 창출 및 사용자 친화적 서비스 제공의 핵심적인 요소로 부각되고 있다. 사물인터넷이 적용된 디바이스에서 누적된 데이터는 사용자 환경 및 패턴 분석을 통해 맞춤형 지능 시스템을 제공해줄 수 있어 편의 기반 스마트 시스템 구축에 다방면으로 활용되고 있다. 최근에는 이를 공공영역 혁신에 확대 적용하여 CCTV를 활용한 교통 범죄 문제 해결 등 스마트시티, 스마트 교통 등에 활용하고 있다. 그러나 이미지 데이터를 활용하는 기존 연구에서는 개인에 대한 사생활 침해 문제 및 비(非)일반적 상황에서 객체 감지 성능이 저하되는 한계가 있다. 본 연구에 활용된 IoT 디바이스 기반의 센서 데이터는 개인에 대한 식별이 불필요해 사생활 이슈로부터 자유로운 데이터로, 불특정 다수를 위한 지능형 공공서비스 구축에 효과적으로 활용될 수 있다. 대다수의 국민들이 일상적으로 활용하는 도시철도에서의 지능형 보행자 트래킹 시스템에 IoT 기반의 적외선 센서 디바이스를 활용하고자 하였으며 센서로부터 측정된 온도 데이터를 실시간 송출하고, CNN-LSTM(Convolutional Neural Network-Long Short Term Memory) 알고리즘을 활용하여 구간 내 보행 인원의 수를 예측하고자 하였다. 실험 결과 MLP(Multi-Layer Perceptron) 및 LSTM(Long Short-Term Memory), RNN-LSTM(Recurrent Neural Network-Long Short Term Memory)에 비해 제안한 CNN-LSTM 하이브리드 모형이 가장 우수한 예측성능을 보임을 확인하였다. 본 논문에서 제안한 디바이스 및 모델을 활용하여 그간 개인정보와 관련된 법적 문제로 인해 서비스 제공이 미흡했던 대중교통 내 실시간 모니터링 및 혼잡도 기반의 위기상황 대응 서비스 등 종합적 메트로 서비스를 제공할 수 있을 것으로 기대된다.

• 응용통계연구
• /
• 제28권6호
• /
• pp.1275-1288
• /
• 2015

미기상해석모듈(microscale weather analysis module)은 복사에너지, 열, 습도 등의 순환을 시-공간적으로 세밀하게 설명하고 모의실험 할 수 있도록 개발한 초고분해능($1km{\times}1km$ 이내)의 기상모델이다. 본 논문은 미기상해석모듈의 정확성을 시공간적으로 검증할 수 있도록 고안한 객체기반 검증법을 제안한다. 이 검증법은 통계그래픽을 사용하는 시각적인 방법이며, 미기상해석모듈의 평가통계출력장 구축단계, 객체식별 및 병합단계, 모듈의 정확성 검증단계로 이루진다. 이를 위해 두 가지 통계를 사용하여 삼차원의 평가통계출력장을 구축하였고, 구축된 출력장에서 정의되는 시계열통계들에 대해 합성(convolution), 가면화(masking) 및 병합작업(merging)을 시행하여 출력장에서 모듈검증대상 지역인 객체를 식별하는 알고리즘을 개발하였다. 또한, 사례연구를 통해 제안된 객체기반 검증법의 유용성을 보였다.

• 대한토목학회논문집
• /
• 제31권5B호
• /
• pp.405-414
• /
• 2011

본 연구에서는 유역에서 관측되는 강우량과 유출량의 시계열 자료를 바탕으로 최근 시계열 예측 및 시스템 제어 분야에서 성공적으로 적용되고 있는 적응형 네트워크 기반 퍼지추론 시스템(ANFIS)을 갑천 유역에 적용하여 시유출량을 모델링하였다. 입력구조, 소속함수 종류와 개수 등을 다양하게 변화시켜 ANFIS 모형을 학습하고, 평균제곱근오차(RMSE), 평균첨두유량오차(PE) 및 평균첨두시간오차(TE)를 이용하여 ANFIS의 유출해석에 대한 적용성을 평가하였다. 현재시간의 시유출량 Q(t)에 대한 ANFIS의 적용성은 우수한 것으로 평가되었으며, ANFIS 모형은 관측유출량을 적절히 모의하였다. 입력구조가 다른 입력모형을 구성하여 최대 8시간까지 ANFIS의 유출예측 적용성을 평가하였다. 예측시간 증가에 따라서 ANFIS의 유출예측 정확도는 감소하여 예측시간 4시간 이상의 시유출량에 대한 ANFIS의 유출예측 적용성은 제한적이었다. ANFIS는 입력과 출력 자료들만 이용하므로 물리기반 모형에 비교하여 모형구축이 비교적 손쉽기 때문에 홍수 유출모델링에 ANFIS을 유용하게 적용할 수 있을 것으로 판단된다.

• 지적과 국토정보
• /
• 제47권2호
• /
• pp.159-174
• /
• 2017

오피스의 수급 불균형은 도시 성장을 약화시킨다. 오피스의 초과공급이 공실률을 높이고 임대료가 하락하는 등 시장의 불안정성을 키울 수 있기 때문이다. 또한 오피스의 초과수요가 기업의 임차비용을 상승시켜 도시의 산업 성장을 제한할 수 있다. 최근 대규모의 신규 공급이 서울 오피스시장의 변동성을 높였다. 그럼에도 불구하고 오피스 공급에 대한 연구는 미미한 실정이다. 따라서 본 연구는 서울 오피스 신규 공급의 영향요인을 확인하고 수급 불균형의 주요 원인인 시차를 고려하여 결정요인들의 동태적 구조적인 움직임을 분석하였다. 이를 위해 시계열모형인 벡터오차수정모형(VECM)을 활용하여 2003년부터 2015년까지 서울 오피스시장의 분기별 자료를 분석하였다. 분석결과, 서울 오피스 신규 공급에 영향을 주는 요인은 1분기 전 오피스 신규 공급량(-), 1분기 전 오피스 고용자 수(+), 2분기 전 이자율(+), 1분기 전 cap rate(-), 2분기 전 cap rate(-)으로 확인되었다. 이를 바탕으로 영향요인들 간의 시간에 따른 상호의존성과 변동에 따른 상대적 기여도를 분석한 결과, 이자율과 cap rate은 신규 공급량에 단기적인 영향을 미친 반면 고용과 공실률은 장기적이고 지속적인 영향을 미쳤다. 따라서 예측 가능한 오피스 시장 전망을 위해서는 이러한 오피스 신규 공급 영향요인에 대한 공신력 있는 자료 구축이 필요하고 지속적인 모니터링이 필요하다. 오피스는 기업과 산업의 성장을 이끄는 핵심적인 도시인프라이기 때문이다.