• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.301-304
• /
• 2012

홍수예경보는 강우로 인하여 발생되는 홍수의 규모와 시간을 가능한 한 정확하고 빨리 예측하여 홍수에 대비할 수 있도록 유관기관 및 지역주민에게 사전에 홍수에 관한 정보 즉 예측되는 수위와 시간을 제공함으로써 홍수로부터의 피해를 최소화하는 것이다. 이와 같은 목적을 성공적으로 완수하기 위해서는 홍수시 급변하는 하천유량에 영향을 미치는 모든 수문학적 기상학적 자료를 신속 정확하게 수집할 수 있는 관측 시스템의 구축 뿐 아니라 이들 수집된 자료를 이용하여 실시간 홍수추적을 할 수 있는 효율적인 유출량 계산모형이 조화를 이룰 때 가능하다. 이에 본 연구에서는 중 소하천에서 홍수예경보를 위한 지능형 U-River 시스템의 실시간 모니터링 기술을 조사하고 하천수위를 이용한 예측시스템에 대해 연구하였다. 기존의 홍수예경보의 문제점을 해결하기 위해 간단한 입력자료만으로 홍수예측이 가능한 인공지능 기반의 신경망 모형을 이용 하였으며, 예측 모형의 효율성과 적용성을 높이기 위해 유사한 수문 사상을 가지는 상 하류간 입력 자료를 동시에 사용하였다. 또한 하천수위를 이용한 모델의 수행은 각 지점별 훈련성과를 토대로 최적의 은닉층 노드수를 선발하여 실시간 수위예측에 활용하였으며 수치적 기준을 적용하여 실측 수위와 모형에 의해 예측된 수위를 이용하여 평가하였다.

• Journal of Advanced Navigation Technology
• /
• v.17 no.4
• /
• pp.435-441
• /
• 2013

This paper proposes a neural net based-predictive connection admission control (CAC) scheme for multiclass users in wireless cognitive radio networks. We classifies cognitive users(cu) into real and non real time services, and then permit only real time services to reserve the demanded resource for spectrum handoff in guard channel for provisioning the desired QoS. Neural net is employed to predict primary user's arrival on time and demanded channels. Resource scheduling scheme is based on $C_IA$(cognitive user I complete access) shown in this paper. For keeping primary users from interference, the CAC is performed on only cognitive user not primary user. Simulation results show that our schemes can guarantee the desired QoS by cognitive real time services.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.241-243
• /
• 2003

일반적으로 사용되는 반도체 공정에 대한 진단 기법은 한 공정을 진행하기 전에 테스트 공정을 수행하여 공정의 진행 여부를 결정하고, 한 공정의 진행을 완료한 후에 다시 테스트 공정을 수행하여 공정의 결과를 진단하는 방법이다. 본 논문에서 제안하는 실시간 자동 진단 시스템은 기존 방법의 문제점인 자원의 낭비를 막고, 실시간으로 진단함으로써 시간의 낭비를 막는 진단 시스템을 제안한다. 실시간 자동 진단 시스템은 크게 시스템 초기화 단계, 학습 단계 그리고 예측 단계로 나누어진다. 초기화 단계는 진단할 공정에 대한 사전 입력값을 받아 시스템을 초기화하는 과정으로 공정장비 파라미터별 중요도 자동 설정 과정과 초기화 클러스터링으로 이루어진다. 학습 단계는 실시간으로 저장된 공정장치별 데이터와 계측기로부터 획득된 데이터를 이용하여 최적의 유사 클래스를 결정하는 단계와 결정된 유사 클래스를 이용하여 가중치를 학습하는 단계로 나누어진다. 예측 단계는 공정 진행 중 획득된 실시간 데이터를 학습 단계에서 결정된 파라미터별 가중치를 사용하여 공정에 대한 진단을 한다. 본 시스템에서 사용하는 클러스터링 알고리즘은 DTW(Dynamic Time Warping)를 이용하여 파라미터 데이터에 대한 특징을 추출하고 LBG(Linde, Buzo and Gray) 알고리즘을 사용하여 데이터를 군집화 한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2018.11a
• /
• pp.55-56
• /
• 2018

대규모 해군 사업인 장보고-III 시설사업의 간략한 사업개요와 공사시 또는 완공후의 원활한 시설운용을 위한 파고예측시스템을 개발 및 적용하였다. 진해만의 지리적 특성을 고려하여 풍파가 주요파라메타로 설정하였으며, 인근 기상대 바람예보 자료를 활용하여 주요지점에 대해 파고를 예측할 수 있는 시스템을 개발하였으며, 향후 공사시 활용할 수 있다. 또한, 특정사업 및 특정 지역에 대한 간략 파고예측시스템의 제작으로 시공 및 현장에 유익한 정보 전달이 가능하다.

• Journal of Korean Society of Transportation
• /
• v.22 no.3 s.74
• /
• pp.85-94
• /
• 2004

Loop detection systems have been used in real-time signal control system to collect traffic information for estimating queue lengths. The queue length algorithm uses speed as a key variable estimated from occupancy time and average vehicle length. The measurement of average vehicle length is affected from the lengths of feeder cable, but their effects have not yet been evaluated. In this study, the variability of average vehicle length due to the lengths of feeder cable is assessed through a field study, and a practical guidelines is proposed. By applying this result, the operational performance of real-time signal control system could be improved.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.8
• /
• pp.1005-1012
• /
• 2021

Recently, the use of various location-based services-based location information systems using maps on the web has been expanding, and there is a need for a monitoring system that can check power demand in real time as an alternative to energy saving. In this study, we developed a deep learning real-time virtual power demand prediction web system using open source-based mapping service to analyze and predict the characteristics of power demand data using deep learning. In particular, the proposed system uses the LSTM(Long Short-Term Memory) deep learning model to enable power demand and predictive analysis locally, and provides visualization of analyzed information. Future proposed systems will not only be utilized to identify and analyze the supply and demand and forecast status of energy by region, but also apply to other industrial energies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.1426-1429
• /
• 2005

실시간 통합 물관리 운영을 위한 강우예측시스템에서 제시되는 예측강우량과 강우시나리오 및 실시간 또는 단기간(10일 이내)의 용수수요와 공급을 위한 분석 기술을 RRFS에 연계함으로써 한정된 수자원의 효율적 이용을 도모하였다. 이를 위한 기술로서 용수수요량(취수량)과 하천유황을 실시간으로 취득$\cdot$관리하기 위한 물 정보관리기술을 개발하고, 장단기 하천유량의 예측을 위한 하천의 연속 유출량 예측기술을 개발하였으며 모의 운영 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.801-804
• /
• 2021

소비자의 과거 위치 데이터를 기반으로 다음 경로를 예측하는 것은 마케팅 부분에서 매우 중요한 부분이다. 그러나 전체 데이터를 이용해서 다음 위치를 제공하는 연구는 많았지만 이는 시간이 오래걸리기 때문에 서비스 제공에 이용하기에는 무리가 있다. 그래서 실시간으로 다음 경로를 예측 할 수 있는 서비스를 만들어 보았다. 데이터를 모으는 과정부터 데이터 베이스에 저장하고 활용해 시각화 하는 과정까지 총괄하는 서비스를 만들었다. 이 논문에서는 이동 데이터를 분석해 다음 위치를 예측하는 부분을 다룬다. 이동데이터를 전처리할때 학습의 편이를 위해 데이터의 형태를 [위도, 경도, 시간] 에서 [라벨값, 시간]으로 바꾸었다. 이 데이터를 CNN을 이용해 학습시킴으로서 실시간으로 예측값을 제공할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 1990.07a
• /
• pp.105-116
• /
• 1990

홍수기간중에는 강우, 유출, 저수지 및 하류 수위등의 수시로 변하는 자료들을 on-line system으로 읽어서 실시간으로 저수지를 운영하므로써 현상태에서의 최선의 방류량을 결정하는 것이 가장 바람직하며, 이를 위한 선행조건으로 정확한 강우및 유출예측모형과 하류의 홍수추적모형이 연계 된다면 저수지의 홍수조절 용량을 최대한 활용하여 최적의 방류량을 결정할 수 있다. 본 연구에서는 홍수기중 실시간 저수지 운영을 위해 여러가지 제약조건을 고려한 모델을 개발하여, 단일 저수지인 대청 다목적 댐을 대상으로 적용하였다. 예측 유입량 대신에 재현기간별 홍수수문곡선과 실제의 저수지 유입량을 이용했으며, 하류의 홍수추적 모형은 일정한 유량을 방류하는 것이 가장 안전하다고 가정하여 최대 방류량을 변화시키므로써 하도 추적모형을 대신 하였다. 본 모델은 별도의 강우 유출예측모형과 하도의 홍수추적모형과 더불어 종합적인 실시간 저수지 운영모델이 된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.364-366
• /
• 2018

본 논문에서는 Digital Twin 기반 건설기계 지능화를 위한 실시간 건설기계 데이터 처리 및 이상 유무 예측 시스템을 제안한다. 이 시스템은 빅 데이터 분산처리 기반으로 실시간 스트리밍 처리가 가능하며, CEP(Complex Event Processing)의 Sliding Window Operator를 활용한 Rule 적용을 통해 건설기계 데이터 처리 및 분석한다. 분석된 결과로 건설기계의 실시간 이상 유무를 판단할 수 있으며, 결과를 기반으로 Deep Learning 기술을 적용하고 학습된 모델을 통해 건설기계의 이상 유무를 예측하여 원활한 부품관리를 할 수 있다.