• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.511-511
• /
• 2023

기후변화로 동절기 기온 저하에 따른 수도계량기의 동파는 지속적으로 심화되고 있으며, 이는 계량기 교체 비용, 누수, 누수량 동결에 의한 2차 피해, 단수 등 사회적 문제를 야기한다. 이와같은 문제를 해결하고자 구조적 대책으로 개별 가정에서 동파 방지형 계량기를 설치할 수 있으나 이를 위한 비용발생이 상당하고, 비구조적 대책으로는 기상청의 동파 지도 알림 서비스를 활용하여 사전적으로 대응하고자 하나, 기상청자료는 대기 온도를 중심으로 제공하고 있기 때문에 해당서비스만으로는 계량기의 동파를 예측하는데 필요한 추가적인 다양한 변수를 활용하는데 한계가 있다. 최근 정부와 공공부문에서 22개 지역, 110개소 이상의 수도계량기함내 IoT 온도센서를 시범 설치하여 계량기 함내의 상태 등을 확인할 수 있는 사업을 수행했다. 전국적인 계량기 상태의 예측과 진단을 위해서는 추가적인 센서 설치가 필요할 것이나, IoT센서 설치 비용 등의 문제로 추가 설치가 더딘 실정이다. 본 연구에서는 겨울 동파 예방을 위해 실제 온도센서를 기반으로 가상센서를 구축하고, 이를 혼합한 하이브리드 방식으로 동파위험 기준에 따라 전국 동파위험 지도를 구축하였다. 가상센서 개발을 위해 독립변수로 위경도, 고도, 음·양지, 보온재 여부 및 기상정보(기온, 강수량, 풍속, 습도)를 활용하고, 종속변수로 실제 센서의 온도를 사용하여 기계학습 모델을 개발하였다. 지역 특성에 따라 정확한 모델을 구축하기 위해 위치정보 및 보온재여부 등의 변수를 활용하여 K-means 방법으로 군집화 하였으며, 각 군집별로 3가지의 기계학습 회귀모델을 적용하였다. 최적의 군집 수를 검토한 결과 4개가 적정한 것으로 판단되었다. 군집의 특성은 지역별 구분과 유사한 패턴을 보이며, 모든 군집에서 Gradient Boosting 회귀모델을 적용하는 것이 적합한 것으로 나타났다. 본 연구에서 개발한 모델을 바탕으로 조건에 따라 동파 예측 알람서비스에 실무적으로 활용할 수 있도록 양호·주의·위험·매우위험 총 4개의 기준을 설정하였다. 실제 본 연구에서 개발된 알고리즘을 국가상수도정보 시스템에 반영하여 테스트 수행중에 있으며, 향후 지속 검증을 할 예정에 있다. 이를 통해 동파 예방 및 피해 최소화, 물절약 등 직간접적 편익이 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.152-155
• /
• 2021

최근 많은 이슈가 되고 있는 제 4 차 산업혁명 기술을 건설 분야에 적용하여 다양한 형태의 센서를 활용한 IoT 의 활용가치를 높이고 근로자의 위험사항을 사전에 예방함과 동시에 건설현장에서 IoT 기반 스마트 건설안전시스템 전호구축을 위한 아키텍처를 개발하는 것을 목적으로 하고 있다. 이를 위해 IoT 의 개념을 살펴보고, 현장 안전관리 프로세스를 근로자 편리성을 감안한 아키텍처로 전환연구를 하고자 한다. IoT 기반 스마트 건설안전시스템 구축을 위해서 활용 가능한 위험지역을 도식화하고, 적용 가능한 영역을 파악하였고, 다양한 사전예측분석 알고리즘을 활용하여 안전사고 예방에 관한 사전예측 유형을 분석하였다. 이를 바탕으로 위험지역에 대한 근로자의 동선을 파악한 후 위험지역에 사전정보 제공을 통한 건설현장의 IoT 기반 스마트 건설안전시스템을 전환해서 재해율 감소에 기여하고자 한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.6
• /
• pp.1255-1262
• /
• 2021

The proportion of students dropping out of universities is increasing year by year, and they are trying to identify risk factors and eliminate them in advance to prevent dropouts. However, there is a problem in the management of students at risk of dropping out and the forecast is inaccurate because crisis students are managed through the univariable analysis of specific risk factors. In this paper, we identify risk factors for university dropout and analyze multivariables through machine learning method to predict university dropout. In addition, we derive the optimization method by evaluation performance for various prediction methods and evaluate the correlation and contribution between risk factors that cause university dropout.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.346-346
• /
• 2015

홍수로 인한 인명 및 재산의 피해는 자연재해 중 가장 많은 부분을 차지한다. 홍수의 심각성과 빈도가 증가함에 따라, 홍수 재해와 관련된 경제적 손실을 감소할 필요성에 대해 국제적인 우려가 늘어나고 있다. 홍수로 인해 야기되는 재해는 적절한 예방 대책을 통해 저감시킬 수 있는데 그 중 홍수위험지역을 예측하는 것은 홍수를 완화시킬 중요한 해결책이 될 수 있다. 따라서 미국과 유럽 등에서는 홍수위험지역을 예측하여 실시간으로 국민들에게 정보를 제공해주어 위험성을 미리 인식시키고 대비할 수 있도록 국가적인 지원을 하고 있다. 아직 국내에서는 홍수통제소 등의 국가기관에서 주요 국가하천에서의 홍수위만을 실시간으로 제공하고 있어 홍수위험지도의 제작 및 제공이 필요한 실정이다. 이러한 실시간 홍수위험지도를 제작하기 위한 연구는 지속되어 왔으나 범람구역의 설정 및 복잡한 수리해석 등의 어려움을 동반하여 적용을 위한 노력이 필요한 상황이다. 본 연구에서는 1차원 모형인 FLDWAV 모형을 이용하여 실시간 홍수위험지도 제작을 위한 기초 자료 제공으로 홍수위험지역을 선정해보았다. 국내 홍수예 경보시스템에서 사용하는 FLDWAV 모형을 이용하여 실시간으로 홍수위를 산정하여 홍수위험지역을 선정할 수 있었으며, 그 결과도 홍수흔적도와 상당히 일치하는 것으로 나타났다. 본 연구를 통해 빠르고 정확한 홍수위험지역 선정이 가능할 것으로 판단되며, 정확한 수리계산이 필요한 지역이나 홍수보험의 가입이 필요한 지역의 선정 등에 기여할 수 있을 것으로 판단된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.455-456
• /
• 2024

현재 폐교된 학교의 데이터들과 후에 폐교될 위험이 있는 학교들의 데이터를 활용하여, 민간, 국가기관 모두에 유용한 데이터를 제공할 수 있는 시스템을 구축하였다. 사용한 데이터로는 22년도 출산율, 14년도 출산율, 지역별 폐교 이용 현황, 전체 폐교 데이터, 현재 학교 인원 현황에 관한 자료를 활용했다. 이같은 데이터를 통해 현재 운영되고 있는 학교 중 폐교 위험의 범주 안에 들어가 있는 학교를 가중치 전략으로 추출할 수 있게 만들었다. 시스템 예측 결과, 현재까지 폐교된 학교들보다 더 많은 학교들이 폐교위기에 처해있고, 더 많은 학교들이 폐교될 것으로 예상된다. 급감하는 출산률을 보아 폐교되는 추세를 줄일 수 없다. 따라서 정부 차원에서 폐교 대부와 경매, 폐교활용 조건을 완화시키고, 학교 건물들을 대책없이 방치시키는 일을 미리 대비해야 한다고 사료된다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.332-335
• /
• 2006

최근 건설되고 있는 교량 대부분은 장대교라 명명할 정도로 그 길이가 매우 길게 되어 교량의 노후화, 차량의 증가 및 대형화로 인한 교량의 피로 축적, 예기치 않은 자연재해 등에 의해 붕괴 위험에 노출되어 있다. 따라서 이러한 위험을 사전에 예측하기 위해서는 효율적인 교량모니터링 시스템의 설계가 필수적으로 요구된다. 본 연구에서는 최근 각광을 받고 있는 유비쿼터스 센서 네트워크 기술을 이용한 효율적인 교량 모니터링 시스템을 제안하고 이의 유용성을 확인해 보고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11c
• /
• pp.2447-2450
• /
• 2002

주가지수선물시장은 주식투자에 따르는 위험을 효과적으로 관리할 수 있는 제도적 장치로서 오늘날 불안한 주식시장 현황에 있어서 더욱더 중요한 위치를 갖고 있다. 현재 이러한 주가지수선물거래에 있어서 Moving Average 를 예측하고자 하는 여러 트레이딩 시스템을 선보이고 있다. 이 논문에서는 과거의 데이터를 토대로 한 Moving Average Line 분석에 있어서 일반적으로 기존방법보다 효과적이라고 알려진 유전자 알고리즘을 이용하여 Moving Average 의 최적 Period 예측 시스템을 구현한다.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.12
• /
• pp.267-275
• /
• 2022

This paper proposed a Deep Neural Network Model system utilizing Keras for predicting air pollution risk of the cardiovascular disease through the effect of each component of air on the harmful virus using past air information, with analyzing 18,000 data sets of the Seoul Open Data Plaza. By experiments, the model performed tasks with higher accuracy when using methods of sigmoid, binary_crossentropy, adam, and accuracy through 3 hidden layers with each 8 nodes, resulting in 88.92% accuracy. It is meaningful in that any respiratory disease can utilize the risk prediction system if there are data on the effects of each component of air pollution and fine dust on oil-borne diseases. It can be further developed to provide useful information to companies that produce masks and air purification products.

• The KIPS Transactions:PartD
• /
• v.10D no.4
• /
• pp.689-696
• /
• 2003

Criticality prediction models that determine whether a design entity is fault-prone or non fault-prone are used for identifying trouble spots of software system in analysis or design phases. Many criticality prediction models for identifying fault-prone modules using complexity metrics have been suggested. But most of them need training data set. Unfortunately very few organizations have their own training data. To solve this problem, this paper builds a new prediction model, KSM, based on Kohonen SOM neural networks. KSM is implemented and compared with a well-known prediction model, BackPropagation neural network Model (BPM), considering internal characteristics, utilization cost and accuracy of prediction. As a result, this paper shows that KSM has comparative performance with BPM.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.426-426
• /
• 2023

대설은 일반적으로 해양과 대륙의 온도차가 큰 지역, 바다·호수와 같이 상대적으로 따뜻한 곳이 인접해 있어 기단 변질이 잘 일어나는 지역, 산악에 의해 습윤한 공기가 강제 상승되는 지역에서 자주 발생한다. 우리나라는 찬 대륙고기압 공기가 해수 온도 차로 눈 구름대가 만들어지거나, 고기압 가장자리에서 한기를 동반한 상층 기압골이 우리나라 상공을 통과하면서 대설이 발생한다. 최근 우리나라에서 빈번하게 발생하는 대설피해는 직접피해와 간접피해로 나뉘며, 이에 따라 사회·경제적으로 막대한 피해를 야기한다. 우리나라 대설피해양상은 지역적 특성, 방재 대책, 대처능력 등에 따라 달라지는 것이 특징이며, 지역적으로 다르게 발생하는 대설피해를 효과적으로 대비할 수 있는 연구가 필요하다. 따라서 본 연구에서는 지역적 특성을 고려한 차등화된 대설 피해를 예측하는 연구를 진행하고자 하였다. 본 연구에서는 기상요소 및 사회·경제적 요소 등을 입력자료로 활용하고, DPSIR 분석을 통해 Red Zone, Orange Zone, Yellow Zone, Green Zone으로 위험 등급을 분류 및 등급 별 대설피해 예측기법을 개발하였다. 최종적으로 1994년부터 2020년까지의 과거 대설 피해액 자료와 다중회귀분석을 이용하여 기법을 개발하였고, 기법의 예측력 평가를 위해 RMSE와 RMSE를 표준화한 NRMSE의 두 가지 통계 지표를 사용하여 평가하였다. 모형별 예측력 평가 결과 Yellow 등급 모형이 가장 우수한 예측력을 보였다. 추후 본 연구결과를 통해 대설피해 범위를 예측하는 연구가 진행된다면 사전에 대설피해에 대한 대응방안 수립과 지역별제설 우선순위를 결정할 수 있는 지표가 개발될 것으로 기대된다.