• 대한지리학회지
• /
• 제51권2호
• /
• pp.219-233
• /
• 2016

수리 또는 계량적 모형을 사용하는 사회과학연구에서 분석의 초점은 종속변수와 설명변수의 관계를 밝히는 것, 즉 설명 중심의 모형(explanatory modeling)이 지금까지 주류를 이루었다. 반면 예측(prediction) 능력 제고에 초점을 맞춘 분석은 드물었다. 본 연구에서는 이론 및 가설을 검증하거나 변수 간의 관계를 밝히는 설명 중심의 모형이 아니라 신규 관찰치에 대한 예측 오차를 줄이는, 예측 중심의 비모수 모형(non-parametric model)을 검토하였다. 서울시 강남구를 사례지역으로 선정한 후, 2011년부터 2014년까지 신고된 단독주택 실거래가를 기초자료로 하여 주택가격을 추정하였다. 적용한 비모수 모형은 기계학습 분야에서 제시된 일반가산모형(generalized additive model), 랜덤 포리스트, MARS(multivariate adaptive regression splines), SVM(support vector machines) 등이며 비교적 최근에 개발된 MARS나 SVM의 예측력이 뛰어남을 확인할 수 있었다. 마지막으로 이러한 비모수 모형에 공간적 자기상관성을 추가적으로 반영한 결과, 모형의 가격 예측력이 보다 개선되었음을 알 수 있었다. 본 연구를 계기로 그간 모수 모형에 집중되었던 부동산 가격추정 방법론이 비모수 모형으로 확대 및 다양화되기를 기대한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.304-309
• /
• 2008

기존의 태풍예측과 관련된 연구들은 전 지구적인 흐름이 직접적으로 계산되지 않은 중규모 기상모형이나 태풍모형들을 이용하여왔다. 하지만 최근 전 세계적으로 전구 규모의 모형들이 40km 이하의 고해상도 모형들이 개발되어 20km이하의 초고해상도 시물레이션이 가능해짐에 따라 지역적인 기상현상들을 전구모형을 통해서 재현해 내고 있다. 따라서 본 연구에서는 고해상도 전구모형을 이용하여 태풍 실험을 하고자 하며, 독일기상청에서 개발된 Icosahedral-hexagonal 격자체계의 GME전구 모형을 이용한 태풍모의 결과를 기상청 태풍 best track과 비교 분석 하였다. 실험에 사용된 모형 분해능은 연직 47layer (7 soil layer 포함), 수평 약 40km와 20km으로 구성되었다. 최근 3년($2005{\sim}2007$)간의 동아시아지역을 지나간 태풍을 대상으로 하였다. 태풍모의 시작시간은 각 TD(Tropical Depression)발생 24시간 전 자료를 이용하였으며, 각 태풍의 소멸 24시간 후까지 모의하였다. GME 모형을 이용한 태풍모의 결과에서 best track의 경우 모의 시작 후 약 168시간 forcast 결과가 매우 유사한 경로를 따라 진행해 가고 있으며, 태풍의 전향이 이루어지는 시각은 ${\pm}3$시간 내외의 오차를 보이고 있다. 태풍경로의 경우 40km 결과에 비해 20km 모의 결과가 best track에 더 가까운 결과를 보이고 있다. 중심기압변화의 경우 40km의 결과가 20km 결과에 비해 변화경향이 유사한 형태를 보이고 있으며, 20km 결과의 경우 중심기압의 변화가 다소 급하게 나타나는 경향을 보이는 특성을 가지고 있지만 40km결과에 비해 최저 중심기압이 더욱 뚜렷하게 나타나고 있으며 특히, MANYI case의 경우 관측값 930hPa보다 더 낮은 911.4hPa의 결과를 보이고 있다. 풍속의 경우도 중심기압변화와 유사한 결과를 보이고 있으나, 최대 풍속의 경우 40km 결과에 비해 20km결과가 관측과의 오차범위가 $2{\sim}3\;m/s$ 내외로 나타나고 있다. 그리고 GME모형의 경우 태풍(TD) 발생 약168시간 이전에 예측이 가능한 결과를 보인다. 이 연구의 결과는 다른 기상모형에서 태풍 강도가 약하게 모의되던 현상이 상당히 개선된 것을 알 수 있으며, 이는 20km 고해상도 GME 모형이 태풍예측모형으로 활용이 간능 할 것으로 사료 된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.38-38
• /
• 2017

본 연구는 내수침수에 의한 침수면적 예측을 위한 강우특성과 1차원 유출모형의 유출특성 및 월류특성 자료를 이용한 침수면적의 정확도를 다양한 호우사상을 적용하여 분석하였다. 국내에서 침수 취약지역 예측을 위해서 강우-유출모형의 유출량 예측 즉 홍수추적을 중심으로 이루어지고 있는 실정이다. 기존 모형이 홍수추적을 중심으로 이루어진 것은 대유역의 경우에 XP-SWMM 모형과 같은 정밀모형을 이용할 경우 긴 모의시간으로 인하여 예경보 발령을 위한 골든타임 확보가 어려우며, 홍수량 예측을 통하여 예측된 침수피해에 대한 정밀도 확보가 어렵기 때문에 실제 상황에 적용하기 어려운 문제점이 발생하고 있다. 컴퓨터 하드웨어의 발전에 따른 연산속도의 증가와 빅데이터 처리기술을 발전에 따라서 10년 전과 비교하여 2차원 침수면적 예측시간이 단축되기는 하였지만, 실제 침수면적 예측에 적용하기는 어려운 실정이다. 따라서, 모의시간이 짧은 1차원 강우-유출모형, 1차원 도시유출모형을 이용한 침수면적 예측방법에 대하여 연구하였다. 홍수피해 예측을 위하여 다양한 수문학적 인자의 영향 분석을 위해서 XP-SWMM 모형의 다양한 형태의 강우입력자료에 따른 1차원 유출 모의결과와 2차원 지표류 모의결과를 이용하여, 2차원 침수면적 예측결과를 추정하기 위한 수문학적 인자의 적용방법에 대하여 분석하였다. 모의시간이 짧은 강우-유출모형과 1차원 도시유출모형을 이용하여 도출한 수문학적 인자를 이용한 침수면적의 추정방법을 분석을 비교분석함으로써 침수면적 예측 시스템 구축방안에 대하여 구체적인 수문학적 인자들 생성을 위한 단계적 모형 적용방안 수립을 위한 자료로 활용할 수 있을 것이다.

• 대한인간공학회:학술대회논문집
• /
• 대한인간공학회 1996년도 춘계학술대회논문집
• /
• pp.2-7
• /
• 1996

인간이 마우스를 사용하면서 느끼는 감성은 불확실하고 모호하여 정량화하고 모형화하는데 많은 어려 움이 있었다. 본 연구에서는 퍼지로직을 이용하여 기존의 통계적 분석방법의 한계를 극복하고 좀 더 실제적인 감성예측을 위한 모형화의 방법론을 제시하고자 한다. 즉 퍼지회구식을 이용하여 인간이 마 우스를 사용할 때의 감성을 모형화 하였으며 이를 통하여 새로운 모델에 대한 감성의 예측의 방법을 제 시하였다. 본 연구에서 제시된 방법을 적용하기 위해 시판되고 있는 볼마우스 9종, 대학원생 6명을 대상으로 실험을 실시한 결과, 퍼지회귀식에 의한 감성의 예측을 예측값의 중심뿐만이 아니라 개략적인 산포도 함께 제시함으로써 보다 현실적인 예측이 가능하였다.

• 대한교통학회지
• /
• 제16권4호
• /
• pp.153-166
• /
• 1998

본 연구에서는 도시 가로망에서의 구간 통행시간을 예측하기 위하여 time-frequency 분석의 일종인 웨이브렛변환과 RBF신경망 모형을 이용한 예측모형을 개발하였다. 웨이브렛 변환을 이용한 시계열 자료 분석을 통해서 통행시간에 내재되어 있는 다양한 패턴의 특징을 추출함으로써 오전/오후의 첨두현상, 신호교차로의 현시주기 등 주기적으로 발생되는 요인들에 의해서 통행시간 시계열 자료의 패턴에 나타나는 규칙성을 분석해 내었다. 분석된 패턴정보에 대한 규명은 카오스 이론을 근간으로한 시간지연좌표를 이용하여 시계열 자료의 규칙성을 시각적으로 판별하여 예측모형 구축에 활용하도록 하였다. 또, RBF신경망을 이용하여 예측범위의 공간적/시간적 확대에 따른 모형 구축에 소요되는 시간을 최소화하도록 하였으며, 시내버스 노선의 정류장간 운행시간 예측을 통해서 기존 연구에서 제기되었던 현실세계의 단순화, 다단계 예측시 정확성 등의 문제를 해결하였다. 예측실험결과 웨이브렛 변환을 데이터의 전처리 과정에 삽입하여 링크 통행시간의 패턴정보 예측에 활용할 경우, 기존의 예측모형에 비해서 훨씬 정확한 예측이 가능한 것으로 나타났으며, RBF 신경망은 짧은 학습시간에도 불구하고 역전파 신경망보다 우수한 예측력을 갖고 있는 것으로 밝혀졌다.

• 대한토목학회논문집
• /
• 제26권5D호
• /
• pp.763-769
• /
• 2006

중력모형은 출발 존의 유출통행량과 도착존의 유입통행량, 그리고 출발존 중심에서 도착존 중심까지의 교통저항을 이용하여 장래 분포통행을 예측한다. 중력모형에서 존내통행 예측의 경우 교통저항이 "0"로 산정되기 때문에 중력모형에 의해 예측하지 못하고 성장율법과 같은 타 방법에 의해 예측을 행해야 하는 어려움이 존재했다. 본 연구에서는 중력모형에 의한 분포통행 예측시 구축된 중력모형을 이용하여 존내 분포통행을 예측하는 방법을 제안하였는데, 제안한 방법은 기준연도의 존내 분포통행량과 유출, 유입통행량을 존간통행에서 구축된 중력모형식에 대입하여 존내 교통저항을 산출하고 이를 다시 중력 모형에 대입하여 장래 존내 분포통행 예측을 행하는 것이다. 1988년 O-D표를 기준연도 O-D로 하고, 본 연구에서 제안한 방법과 기존의 방법인 성장률법과 회귀모형법의 1992년과 2004년 예측결과들을 실제 O-D와 $x^2$, RMSE, 상관계수 등으로 비교 분석해 본 결과, 본 연구에서 제안한 방법이 우수한 결과를 나타내었다.

• 대한교통학회지
• /
• 제29권6호
• /
• pp.39-56
• /
• 2011

본 연구에서는 서울시 자치구(행정구역) 중심의 거시적 사고예측모형을 개발하였다. 사고예측모형 개발과정에서 서울시 전체를 하나의 모형식으로 개발하지 않고 지역 토지이용(개발밀도)과 교통사고빈도와의 관계를 분석하여 토지이용 유형에 따른 사고예측모형을 개발하였다. 토지이용과 교통사고빈도와의 관계에서 개발밀도(연상면적)가 높을수록 교통사고빈도가 높게 나타나는 상관성을 파악하였으며 주거연상면적, 상업연상면적, 업무연상면적 모두 교통사고와 반응하는 특징이 다름을 확인할 수 있었다. 총 4개의 유형구분이 가능하였으며 각 유형에 대한 지역특성과 사고특성을 살펴보았다. 4개 유형의 모형에 반영된 설명변수는 공통변수와 각 유형별로 상이한 특성변수가 도출되어 지역적 특성이 모형에 반영된 것으로 판단할 수 있다. 사회 경제적 변수로는 통행을 유발 유입시키는 교통활동을 대변할 수 있는 변수가 채택되었으며 교통여건 변수로는 교통시설 및 안전과 관련된 변수가 채택되었다.

• 지능정보연구
• /
• 제4권1호
• /
• pp.41-58
• /
• 1998

본 연구는 여러 가지 Data Mining 기법들로부터 도출된 지식과 AHP를 이용하여 도출된 전문가의 지식을 사용된 정보의 특성에 따라 조사하고, 이러한 각각의 지식들을 중심으로 부도예측 모형을 설계한 후, 각 모형의 특성 및 부도예측력에 대한 실증적 비교연구에 그 목적을 두고 있다. 사용된 Data Mining 기법들은 통계적 다중판별분석 모형, ID3 모형, 인공신경망 모형이며, 전문가 지식의 추출은 AHP를 사용하여 45명의 전문가로부터 부도와 관련하여 인터뷰 및 설문조사를 실시하였다. 특히 부도예측에 사용된 변수의 특성을 정량적 재무정보와 정성적 비재무정보로 나누어서 각 모형의 특성을 비교연구하였다. 연구결과 부도예측시 정성적정보의 중요성을 확인하였으며, 전문가의 지식을 기반으로한 AHP 모형이 위험예측모형으로 사용될 수 있음을 실증적으로 보여주었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.956-959
• /
• 2020

본 연구에서는 아파트를 대표할 수 있는 내·외적 데이터를 수집하고 인공지능 기술들을 활용하여 아파트 가격을 예측하는 시스템을 구축하고자 한다. 구체적으로 웹크롤링 기법을 통해 수집한 아파트 내·외적 데이터의 변수들에 대한 특성 선택(Feature Selection)을 수행하였고, 다양한 인공지능 기법을 활용하여 부동산 가격 예측 모형을 개발하였다. 아파트 가격 예측 모형 생성을 위해 Linear Regression, Ridge, Xgboost, Lightgbm, Catboost 등의 기계학습 알고리즘을 사용하였고, RMSE를 사용하여 각 예측 모형 간의 성능 비교를 수행하였다. 가장 성능이 좋은 예측 모형은 Xgboost기반 예측 모형이였으며, RMSE값이 약 0.0366으로 가장 낮았으며 테스트 데이터에 대한 정확도는 약 95.1%였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.131-131
• /
• 2022

기후변화의 영향으로 극치강우의 변동성이 커지고 있으며 계획빈도를 초과하는 폭우로 피해가 증가하고 있다. 기존의 물리기반의 홍수예측모델은 개념적 및 구조적 제약과 함께 다양한 유역조건 및 수문기상 조건에 기인한 강우-유출 관계의 불확실성을 고려하는 데 한계가 있다. 특히 한정된 홍수 사상을 통해 구축된 관측 자료로 인해 새로운 홍수 사상 예측 능력이 저조할 수밖에 없다. 따라서 기존 물리모형 기반의 홍수예측과 함께, 딥러닝(deep learning) 모형을 고려한 홍수예측 모델 개발과 개선이 필요하다. 본 연구에서는 다양한 분야에서 활용되는 인공지능(artificial intelligence, AI) 기술을 종합적으로 검토하고, 홍수 예측 측면에서의 활용 가능성 및 신뢰성을 고려하여 AI 기법을 채택하였다. 한강수계에 존재하는 댐 중 일부를 선정하여 대상 댐의 수문·기상학적 자료를 전처리한 후, 인공지능 기반의 홍수예측모형을 구축 및 최적화하였다. 다양한 예측인자와 모델 구성으로 홍수예측력에 대한 평가를 다각적으로 수행함으로써 홍수예측모델의 신뢰성을 제고하였다. 전반적으로 우수한 결과를 도출하였고, 유역면적이 작을수록 결과가 좋았다. 이는 넓은 유역일수록 복잡한 강우-유출 과정이 내재되어 있기 때문으로 판단되며, 넓은 유역에는 본 연구에서 활용한 자료에 추가적인 자료를 도입하여 모형 개선이 이루어져야 할 것으로 판단하였다. 수문 예측 연구에 통계모형이나 기계학습모형의 적용은 많이 있었지만, 딥러닝 기법 활용은 새로운 시도라는 점에서 의미가 있다.