• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권9호
• /
• pp.457-464
• /
• 2017

실내 공기 품질 측정은 측정 대상 공간의 대기 상태 유지, 외부 변인으로 인한 대기 이상 현상을 검출하려는 방법이다. 실내 공기 품질을 주기적으로 기록하면서 변인에 따른 공기 변화에 특정 패턴이 발생함을 관측할 수 있었으나, 파라미터를 설정하고 계수를 찾아 나가기엔 파라미터의 개수나 그 영향력을 추산하기 어렵고 결과가 시간에 의존적이라는 문제가 있다. 따라서 본 실험은 이것을 공식화하는 대신, 측정 주기마다 추이를 예측하는 관측치 중심의 기계 학습 모델을 개발하는 것을 목표로 한다. 본 논문은 실내 대기 품질을 주기적으로 전송 및 저장하는 측정기의 기록 데이터로 공기 품질 변화를 예측하는 모델을 설명하고 시계열 분석 모델을 구축한다.

• 한국수자원학회논문집
• /
• 제53권7호
• /
• pp.533-543
• /
• 2020

지하수자원의 적절한 관리를 위한 정보제공을 위해서는 강수량과 지하수위 시계열자료 간의 지체시간 계산을 통한 지하수위 상승시기 추정 및 지하수위 변동특성 파악이 필요하다. 본 연구에서는 제주도 남동쪽 표선유역 중산간지역에 위치한 9개 지하수위 관측정 지점을 대상으로 선행강수를 고려하기 위해 이동평균법을 활용하여 생성한 이동평균 강수량 시계열자료와 지하수위 시계열자료 간의 일단위 총 지체시간 및 교차상관계수를 계산하고 추정결과를 비교분석 하였다. 분석결과 이동평균 강수량 시계열자료를 사용시 원시 강수량 시계열자료를 사용한 경우보다 모든 관측정에서 지하수위 시계열자료와의 상관성이 증가함으로써 보다 명확한 강수량-지하수위 지체시간 추정이 가능하였다. 이동평균 강수량 시계열자료 사용시 지하수위 시계열자료와 최대 0.57~0.58까지의 교차상관계수를 보였으며 평균적으로 약 24일의 선행강수를 고려할 경우 상대적으로 높은 상관성을 보였다. 총 지체시간은 평균적으로 약 32일 이었으며 이동평균 강수일이 총 지체시간 계산에 큰 영향을 미침으로써 선행강수의 고려가 총 지체시간 추정시 중요한 역할을 하는 것을 확인하였다. 또한 이동 평균 강수량 시계열자료 사용을 통해 원시 강수량 시계열자료 사용에 의한 총 지체시간 추정오류를 발견하였다. 본 연구에서 사용한 총 지체시간 추정방법과 본 논문의 부록에 제시된 총 지체시간 추정용 R 코드의 활용을 통해 향후 다른 지역에 대한 총 지체시간을 비교적 쉽게 추정할 수 있을 것으로 판단된다.

• KDI Journal of Economic Policy
• /
• 제14권1호
• /
• pp.121-145
• /
• 1992

본고(本稿)에서는 현재의 경제상황을 잘 반영하는 건설투자활동(建設投資活動)의 단기예측모형(短期豫測模型)을 정립하고자 먼저 관련 시계열자료의 안정성(安定性) 여부(與否)와 순환성(循環性), 계절성(季節性)의 특성을 살펴본 후 여러 단기모형의 예측력(豫測力), 정합성(整合性), 설명력(說明力)을 비교 검토했다. 단위근(單位根) 검정(檢定)과 자기상관계수(自己相關係數) 스펙트랄 밀도함수 분석의 결과, 건설관련 시계열자료들이 대체로 단위근(單位根)을 갖지 않음으로써 안정적이고 주기적인 순환변동을 하고 있으며, 시차변수의 설명력이 높은 특성을 나타내었다. 또한 건설투자자료의 특성이 선행지표(先行指標)인 건축허가연면적(建築許可延面積) 및 건설수주액(建設受注額)과 아주 유사하여 건설투자 단기예측에 있어서 두 지표 사이의 시차관계(時差關係) 파악이 중요함을 알 수 있었다. 제(第)III장(章)에서는 단변량(單變量) 시계열모형(時系列模型)으로 ARIMA모형(模型)과 승법선형추세예측모형(乘法線型趨勢豫測模型)을, 다변량(多變量) 시계열모형(時系列模型)으로는 첫째, 선행지표(先行指標)를 이용한 1차자기회귀모형(次自己回歸模型), VAR모형(模型), 둘째 GNP자료를 이용한 거시경제모형의 단순한 축약형모형(縮約型模型)과 VAR모형(模型)을 제시하고 이들을 비교 평가하였다. 이에 따르면 단변량 시계열모형보다는 다변량 시계열모형이 시간이 경과할수록 예측오차(豫測誤差)가 커지지 않는다는 점에서 우수한 것으로 나타났으며, 다변량모형 중에서도 벡터자기회귀모형이 여타 모형보다 절대예측오차평균(絶對豫測誤差平均), 평균자승근(平均自乘根) 퍼센트 오차(誤差), 결정계수(決定係數) 등 모든 면에서 우수한 것으로 평가되었다. 이는 최근 건설투자가 추세에서 벗어난 급증세를 지속하고 있음을 고려할 때 타당한 결론이라 생각된다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1995년도 제12회 음성통신 및 신호처리 워크샵 논문집 (SCAS 12권 1호)
• /
• pp.175-178
• /
• 1995

기존이 연속 출력 분포형 HMM은 시계열의 과도적 변화에 대하여 표현 능력이 부족하다는 단점이 있다. 이것을 보완하기 위해 본 논문에서는 음성의 동적 변화를 반영하기 위한 특징 파라메타로서 여러 개의 프레임을 결합하여 세그멘트를 구성하여 각각에 대해 한 개의 벡터를 만들었다. 이것을 그대로 이용하면 세그멘트의 프레임수에 대응하는 파라메타의 차원수가 증가하기 때문에 학습 데이터가 불충분한 경우 모델의 파라메타를 잘 추정할 수 없으므로 K-L 전개로서 파라메타의 차원을 압축하여 파라메타수를 감소시켰다. 인식실험은 한국어 단음절에 대하여 멜켑스트럼ㅇ르 K-L 전개로 압축한 벡터를 이용한 결과와 멜켑스트럼, 멜켑스트럼 선형회귀계수를 파라메타로 이용한 경우를 비교하였다. 실험결과 K-L 전개로 압축한 벡터만을 이용한 경우는 멜켑스트럼 + 선형회귀계수를 파라메타로 이용한 경우보다 인식율이 낮앗으나 멜켑스트럼 + K-L 전개로 압축한 경우와 거의 동등한 결과를 얻을 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.92-92
• /
• 2023

본 연구에서는 대한민국 도시 유역에 대하여 딥러닝 네트워크 기반의 분산형 수문 모형을 개발하였다. 개발된 모형은 완전연결계층(Fully Connected Layer)으로 연결된 여러 개의 장단기 메모리(LSTM-Long Short-Term Memory) 은닉 유닛(Hidden Unit)으로 구성되었다. 개발된 모형을 사용하여 연구 지역인 중랑천 유역을 분석하기 위해 1km² 해상도의 239개 모델 격자 셀에서 10분 단위 레이더-지상 합성 강수량과 10분 단위 기온의 시계열을 입력으로 사용하여 10분 단위 하도 유량을 모의하였다. 모형은 보정과(2013~2016년)과 검증 기간(2017~2019년)에 대한 NSE 계수는각각 0.99와 0.67로 높은 정확도를 보였다. 본 연구는 모형을 추가적으로 심층 분석하여 다음과 같은 결론을 도출하였다: (1) 모형을 기반으로 생성된 유출-강수 비율 지도는 토지 피복 데이터에서 얻은 연구 지역의 불투수율 지도와 유사하며, 이는 모형이 수문학에 대한 선험적 정보에 의존하지 않고 입력 및 출력 데이터만으로 강우-유출 분할과정을 성공적으로 학습하였음을 의미한다. (2) 모형은 연속 수문 모형의 필수 전제 조건인 토양 수분 의존 유출 프로세스를 성공적으로 재현하였다; (3) 각 LSTM 은닉 유닛은 강수 자극에 대한 시간적 민감도가 다르며, 응답이 빠른 LSTM 은닉 유닛은 유역 출구 근처에서 더 큰 출력 가중치 계수를 가졌는데, 이는 모형이 강수 입력에 대한 직접 유출과 지하수가 주도하는 기저 흐름과 같이 응답 시간의 차이가 뚜렷한 수문순환의 구성 요소를 별도로 고려하는 메커니즘을 가지고 있음을 의미한다.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• pp.166-166
• /
• 2017

모돈의 건강 상태를 정량 지수화 하기 위한 연구를 수행 중이다. 지제이상, 섭식 불량, 수면 패턴 등의 운동 특성 분석을 위하여 복수의 초음파 센서를 이용하였다. 시계열 계측 신호를 분석하여 정량 지수화를 수행하는 과정에서 주파수 도메인 분석을 시도하였다. 이 과정에서 주파수 도메인의 분해능에 따른 편차 극복을 위한 비선형 모델링을 수행하였다. 또한 인접한 시계열 데이터 구간 간의 상관성 분석이 가능하면 대용량 데이터의 실시간 처리로 인한 지연 시간 극복 및 기대되는 예후에 대한 조기 진단이 가능할 것이다. 본 연구에서는 구글에서 제공하는 Tensorflow와 NVIDIA에서 제공하는 CUDA 엔진을 동시 적용한 심층 학습 시스템을 이용하였다. 전 처리를 위하여 주파수 분해능 (2분, 3분, 5분, 7분, 11분, 13분, 17분, 19분)에 따른 데이터 집합을 1단계로 두고, 상위 10 순위 안에 드는 파워 스펙트럼 밀도의 크기를 2단계로 하여, 총 2~10개의 입력 노드를 순차적으로 선정하였고, 동일한 방식으로 인접한 시계열의 파워 스펙터럼 밀도를 순위를 변화시켜 지정하였다. 대표적인 심층학습 모델인 Softmax regression with a multilayer convolutional network를 이용하여 Recursive feature selection 경우의 수를 $8{\times}9{\times}9$로 총 648 가지 선정하고, Epoch는 10,000회로 지정하였다. Calibration 모델링의 경우 Cost function이 10% 이하인 경우 해당 경우의 학습을 중단하였으며, 모델 간 상호 교차 검증을 수행하기 위하여 $_8C_2{\times}_8C_2{\times}_8C_2$ 경우의 수에 대한 Verification test를 수행하였다. Calibration 과정 상 모든 경우에 대하여 10% 이하의 Cost function 값을 보였으나, 검증 테스트 과정에서 모든 경우에 대하여 $r^2$ < 0.5 인 결정 계수 값이 나타났다. 단적으로 심층학습 모델의 과도한 적합(Over fitting) 방식의 한계를 보인 것이라 판단할 수 있다. 적합한 Feature selection 및 심층 학습 모델에 대한 지속적이고 추가적인 고려를 통해 과도적합을 해소함과 동시에 실효적이고 활용 가능한 Classification을 위한 입, 출력 노드 단의 전후 Indexing, Quantization에 대한 고려가 필요할 것이다. 이를 통해 모돈 생체 정보 정량화를 위한 지능형 현장 진단 기술 연구를 지속할 것이다.

• 한국산림과학회지
• /
• 제95권4호
• /
• pp.476-483
• /
• 2006

본 연구는 산악형 국립공원의 탐방집중도를 분석하기 위하여 지니계수와 로렌츠곡선을 적용하여 실증분석 하였다. 탐방집중도는 크게 시간적 변화(1997-2005)와 개별 국립공원 탐방객의 여행출발지 분포 변화에 따른 공간적 집중도를 분석하였다. 그 결과, 2004년과 2005년의 지니계수는 .453괴 .446으로 다른 해에 비하여 불균등 정도가 심한 것으로 나타났다. 개별 산악형 국립공원을 탐방하는 여행출발지 분포에 따른 결과에서는 북한산과 계룡산이 각각 .916, .855로 불균등도가 극심하였으며, 반면에 덕유산과 변산반도가 .508, .628로 상대적으로 낮게 나타났다. 이러한 결과는 북한산과 계룡산 같이 배후도시에 인접하여 소재하고 있는 국립공원의 지역 탐방객 집중이 심각한 것으로 나타난 반면, 덕유산, 변산반도, 소백산 등은 상대적으로 특정지역에 편중되어 있지 않다는 것을 의미한다. 본 연구에서 적출한 탐방집중정보는 지금까지 탐방분산정책이 개별 국립공원 범위에서 수행되던 한계를 벗어나 전체 산악형 국립공원을 대상으로 시계열 변화에 따른 탐방접중도와 자원유형이 유사한 국립공원간 탐방집중도를 서로 비교하여 전 국립공원 범위에서의 탐방분산정책 수립에 기본적인 정책자료로 활용될 수 있을 것이다.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2010년도 정기 학술발표대회
• /
• pp.53.2-53.2
• /
• 2010

국내 홍수빈도해석 지침서 제공을 위한 기초 연구로서 미국 홍수빈도해석 지침서인 Bulletin 17B과 같이 국내 적합한 홍수빈도해석 기법을 제시하고자 하였다. 홍수빈도해석 지침서의 핵심은 확률분포형과 매개변수 추정법을 제시하는 것이며 이에 GEV(Generalized Extreme Value), GLO(Generalized Logistic) 분포, B-GLS(Bayesian Generalized Least Square) 기법을 대상으로 다양한 연구를 수행하였다. B-GLS 기법을 이용하여, 국내 대유역에 골고루 위치하며 댐의 영향을 받지 않는 31개 지점의 연최대 일유량 시계열의 L-변동계수(L-moment coefficient variation)와 L-왜도계수(L-moment coefficient skewness)를 추정할 수 있는 회귀모형을 제안하였다. 위 회귀모형을 구성하기 위한 유역특성으로는 유역면적, 유역경사, 유역평균강우 등을 사용하였다. Bayesian-GLS(B-GLS) 적용 결과를 OLS(Ordinary Least Square) 및 B-GLS 기법에서 지점간의 상관관계를 고려하지 않는 Bayesian-WLS(Weighted Least Square)와 비교 평가하여 그 우수성을 입증하였다. 따라서 본 연구에서 제안된 B-GLS에 의한 지역회귀모형은 국내의 미계측유역이나 또는 관측 길이가 짧은 계측유역의 홍수빈도분석을 위해 매우 유용할 것으로 기대된다. 또한 수행된 연구의 내용을 공론화하는 노력이 계속된다면 공감대가 형성된 가이드라인을 제정되는데 일조를 하리라 확신한다.

• 대한원격탐사학회지
• /
• 제21권4호
• /
• pp.253-271
• /
• 2005

Landsat 시계열 영상과 실측수온자료를 이용하여 한강 수계 댐호들의 표면수온과 계절적 성층현상을 분석하였다. 1994년에서 2004년까지 29회에 걸쳐 얻어진 Landsat-5, 7 열적외선 영상으로부터 NASA 경험식을 이용하여 호수의 표면수온을 추출하였고, 이를 하천형 댐호인 파로호, 춘천호, 의암호, 청평호, 팔당호의 표층수온, 그리고 호소형 댐호인 소양호의 상층수온(수심 10m) 자료와 비교하였다. 십 수 년간 매월 1회 측정된 수온자료를 위성관측 날짜에 보간하여 사용하였음에도 불구하고, 하천형 댐호들에서는 수온오차(위성관측수온-실측보간수온)의 표준 편차가 $2^{\circ}C$ 이하인 영상이 94개로서, 새로운 통계적 대기보정을 적용할 수 있었다. 실측보간수온과 위성관측수온의 상관계수는 소양호가 0.915 (대기보정 후 0.950), 다른 호수는 0.951-0.980 (대기보정 후 0.979-0.997)로서, 높은 상관성을 보여주었다. 이는 수심이 얕고 인위적인 물의 유입과 유출이 연중 계속되는 하천형 댐호의 표층에는 혼합층이 상시 존재하고 수온의 일변화 및 월변화가 비교적 연속적이기 때문인 것으로 해석되었다. 그러나 소양호에서는 4-7월에 위성관측수온이 실측보간수온보다 $3-5^{\circ}C$ 더 높게 나타나는 이상 수온오차가 관찰되었다. 한강 수계의 최상류에 위치하며 수심이 깊고 자연적인 유입량만이 존재하는 소양호에서 이 시기는 상층수의 물리적 혼합현상이 없이 매우 안정적이고, 일조량 증가에 따라 호수 상층부에 수온약층이 발달하기 때문에, 수심 10m에서 측정된 실측수온보다 위성으로 관측된 표면수온이 연중 비교적 건조한 이 시기에 더 높게 나타나는 것으로 밝혀졌다.

• 한국수자원학회논문집
• /
• 제53권5호
• /
• pp.337-345
• /
• 2020

지하수자원의 적절한 관리를 위한 정보제공을 위해서는 강수량과 지하수 취수가 지하수위에 미치는 영향분석이 필요하다. 본 연구에서는 제주도 남동쪽 표선유역 중 산간지역 9개 지하수위 관측정 지점을 대상으로 정규화된 표준편차에 의해 변환된 시계열자료와 교차상관계수를 이용하여 강수량-지하수위 및 지하수취수량-지하수위 간의 상관성을 비교분석하였다. 먼저 일단위 원시 시계열자료를 이용하여 강수량-지하수위의 교차상관계수를 산정한 결과 최대 0.3의 낮은 교차상관계수를 가졌으나 정규화된 표준편차를 이용한 결과는 최대 0.8의 교차상관계수를 얻음으로써 더욱 명확한 상관성을 확인할 수 있었다. 또한 강수량의 변동성과 지하수위의 변동성은 대부분 양의 교차상관계수를 가졌으나, 취수량의 변동성과 지하수위의 변동성은 대부분 음의 교차상관계수를 가짐으로써 본 연구 대상지역의 지하수위는 취수량의 영향은 거의 받지 않고 강수량의 영향을 크게 받음을 확인하였다. 마지막으로 성판악과 교래 강우관측소가 관측정 지하수위에 미치는 상대적인 영향을 비교분석한 결과 상대적으로 하류쪽에 위치한 교래 강우관측소의 강수량이 더 영향을 미치는 것으로 분석되었다. 본 연구에서 사용한 지하수위 변동분석 방법은 향후 다른 지역의 강수량과 지하수 취수량이 지하수위 변동성에 미치는 영향분석에 간편하게 활용될 수 있을 것으로 판단된다.