• Korean Journal of Ecology and Environment
• /
• v.56 no.3
• /
• pp.268-279
• /
• 2023

Nowadays, artificial intelligence model approaches such as machine and deep learning have been widely used to predict variations of water quality in various freshwater bodies. In particular, many researchers have tried to predict the occurrence of cyanobacterial blooms in inland water, which pose a threat to human health and aquatic ecosystems. Therefore, the objective of this study were to: 1) review studies on the application of machine learning models for predicting the occurrence of cyanobacterial blooms and its metabolites and 2) prospect for future study on the prediction of cyanobacteria by machine learning models including deep learning. In this study, a systematic literature search and review were conducted using SCOPUS, which is Elsevier's abstract and citation database. The key results showed that deep learning models were usually used to predict cyanobacterial cells, while machine learning models focused on predicting cyanobacterial metabolites such as concentrations of microcystin, geosmin, and 2-methylisoborneol (2-MIB) in reservoirs. There was a distinct difference in the use of input variables to predict cyanobacterial cells and metabolites. The application of deep learning models through the construction of big data may be encouraged to build accurate models to predict cyanobacterial metabolites.

• Journal of Korea Water Resources Association
• /
• v.54 no.spc1
• /
• pp.1023-1035
• /
• 2021

The electricity cost of a desalination facility was also predicted and reviewed, which allowed the proposed model to be incorporated into the future design of such facilities. Input data from 2003 to 2014 of the Korea Hydrographic and Oceanographic Agency (KHOA) were used, and the structure of the model was determined using the trial and error method to analyze as well as hyperparameters such as salinity and seawater temperature. The future seawater quality was estimated by optimizing the prediction model based on machine learning. Results indicated that the seawater temperature would be similar to the existing pattern, and salinity showed a gradual decrease in the maximum value from the past measurement data. Therefore, it was reviewed that the electricity cost for seawater desalination decreased by approximately 0.80% and a process configuration was determined to be necessary. This study aimed at establishing a machine-learning-based prediction model to predict future water quality changes, reviewed the impact on the scale of seawater desalination facilities, and suggested alternatives.

• Journal of Aerospace System Engineering
• /
• v.18 no.1
• /
• pp.21-28
• /
• 2024

In this paper, two prediction models based on deep neural network that could predict cross-sectional stiffness of a rotor blade were proposed. Herein, we employed structural and material information of cross-section. In the case of a prediction model that used material properties as the input of the network, it was designed to predict the cross-sectional stiffness by considering elastic modulus of each cross-sectional member. In the case of the prediction model that used structural information as a network input, it was designed to predict the cross-sectional stiffness by considering the location and thickness of cross-sectional members as network input. Both prediction models based on a deep neural network were realized using data obtained by cross-sectional analysis with KSAC2D (Konkuk section analysis code - two-dimensional).

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.31-34
• /
• 2024

태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.

• Korean Chemical Engineering Research
• /
• v.58 no.2
• /
• pp.197-208
• /
• 2020

This study was carried out to analyze spatial and temporal incidence characteristics of scrub typhus and predict the future incidence of scrub typhus since the incidences of scrub typhus have been rapidly increased among vector-borne diseases. A maximum entropy (MaxEnt) ecological model was implemented to predict spatial distribution and incidence rate of scrub typhus using spatial data sets on environmental and social variables. Additionally, relationships between the incidence of scrub typhus and critical spatial data were analyzed. Elevation and temperature were analyzed as dominant spatial factors which influenced the growth environment of Leptotrombidium scutellare (L. scutellare) which is the primary vector of scrub typhus. A temporal number of diseases by scrub typhus was predicted by a deep neural network (DNN). The model considered the time-lagged effect of scrub typhus. The DNN-based prediction model showed that temperature, precipitation, and humidity in summer had significant influence factors on the activity of L. scutellare and the number of diseases at fall. Moreover, the DNN-based prediction model had superior performance compared to a conventional statistical prediction model. Finally, the spatial and temporal models were used under climate change scenario. The future characteristics of scrub typhus showed that the maximum incidence rate would increase by 8%, areas of the high potential of incidence rate would increase by 9%, and disease occurrence duration would expand by 2 months. The results would contribute to the disease management and prediction for the health of residents in terms of public health.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.777-780
• /
• 2014

본 논문에서는 휴대용 기기 사용자들의 이동 궤적을 기록한 대용량의 GPS 위치 데이터 집합으로부터 각 사용자의 이동 패턴 모델을 학습해내고, 이 모델을 적용하여 각 사용자의 다음 방문 장소를 효율적으로 예측할 수 있는 맵리듀스 기반의 분산 데이터 마이닝 시스템을 소개한다. 본 시스템은 크게 사용자별 이동 패턴 모델을 학습하는 후단부와 실시간으로 다음 방문 장소를 예측하는 전단부로 구성된다. 이 중에서 후단부는 주요 장소 추출, 이동 궤적 변환, 이동 패턴 모델 학습 등 총 3개의 맵리듀스 작업 모듈들로 구성된다. 이에 반해, 본 시스템의 전단부는 이동 경로 후보군 생성, 다음 장소 예측 등 총 2개의 맵리듀스 작업 모듈들로 구성된다. 그리고 본 시스템을 구성하는 각각의 작어마다 분산처리를 극대화할 수 있도록 맵과 리듀스 함수를 설계하였다. 끝으로, 대용량의 GeoLife 벤치마크 데이터 집합을 이용하여 본 논문에서 소개한 시스템의 예측 성능을 분석하기 위한 실험을 수행하였고, 이를 통해 본 시스템의 높은 성능을 확인할 수 있었다.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.2
• /
• pp.51-59
• /
• 2024

This study examines the relationship between the release of the news and the individual stock returns. Investors utilize a variety of information sources to maximize stock returns when establishing investment strategies. News companies publish their articles based on stock recommendation reports of analysts, enhancing the reliability of the information. Defining release of a stock-recommendation news article as an event, we examine its economic impacts and propose a binary classification model that predicts the stock return 10 days after the event. XGBoost and LightGBM models are applied for the study with accuracy of 75%, 71% respectively. In addition, after categorizing the recommended stocks based on the listed market(KOSPI/KOSDAQ) and market capitalization(Big/Small), this study verifies difference in the accuracy of models across four sub-datasets. Finally, by conducting SHAP(Shapley Additive exPlanations) analysis, we identify the key variables in each model, reinforcing the interpretability of models.

• Journal of Broadcast Engineering
• /
• v.26 no.2
• /
• pp.184-196
• /
• 2021

This paper proposes statistics adaptive linear regression-based object size prediction method for object detection. YOLOv2 and YOLOv3, which are typical deep learning-based object detection algorithms, designed the last layer of a network using statistics adaptive exponential regression model to predict the size of objects. However, an exponential regression model can propagate a high derivative of a loss function into all parameters in a network because of the property of an exponential function. We propose statistics adaptive linear regression layer to ease the gradient exploding problem of the exponential regression model. The proposed statistics adaptive linear regression model is used in the last layer of the network to predict the size of objects with statistics estimated from training dataset. We newly designed the network based on the YOLOv3tiny and it shows the higher performance compared to YOLOv3 tiny on the UFPR-ALPR dataset.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.18-18
• /
• 2020

금강하구와 같이 막힌 대형 하구는 근본적으로 복잡한 물리화학적 프로세스와 다양한 이해당사자간의 갈등 때문에 단편적인 접근으로는 관리의 한계가 있을 수밖에 없는 환경이다. 더욱이 하굿둑의 갑문을 열어 하구순환을 복원하는 해수유통 사업은 그 자체가 가지는 환경적 효용성의 확인과 기존 용수이용 체계의 전면적 변화와 관련된 상당한 비용이 요구된다는 면에서 특별한 논란이 되어왔다. 본 연구는 해수유통으로 인한 금강 하구해역의 수리, 수질, 퇴적 및 생태 등 다양한 환경적 변화를 집중적인 현장 조사 및 통합 모델링을 통해 정량적으로 예측하고 이를 지역 이해당사자 논의 체계인 금강하구해역정책협의회에 제공함으로써 해수유통과 연관된 이해당사자 간 갈등을 완화하고 과학적 자료에 근거한 정책결정을 지원하기 위해 수행되었다(과학-정책의 통합). 조사연구는 하굿둑 갑문 개방에 따른 다양한 시나리오별로 해수유통으로 인한 영향을 하구해역(하굿둑의 바다 쪽 해역)과 하구호(하굿둑의 하천 쪽 담수역)에 미치는 영향을 검토하였다(하천-하구호-연안해역의 공간적 통합). 시나리오는 하구해역정책협의회의 요구사항을 반영하여 개발되었고, 시나리오별 영향파악은 수리(조석 및 파랑 포함), 퇴적물 이동 및 수질은 Delft3D모델을, 유역으로부터의 유량 및 오염물질 부하량은 분포형 비점모델인 STREAM을, 김양식과 이매패류 생산량을 추정하는 생태모델은 통계기반의 포인트 모델을 통해 이루어졌다(수리-퇴적-수질-생태계 모델의 통합). 시나리오 분석결과, 상시 해수유통을 제외한 대부분의 하굿둑 부분 개방 시나리오에서는 하구해역에 미치는 영향이 제한적으로 나타나는 것으로 예측되었다. 이는 하굿둑 부분 개방에 따른 담수방류량 및 이에 대응하는 해수의 유동패턴이 현재와 크게 달라지지 않음을 반영한다. 반면 하구호에 대한 영향은 하구해역에 비해 하굿둑 갑문 운영시나리오에 따라 상대적으로 민감하게 변화되는 것으로 예측되었다. 갑문의 부분 개방을 통해 하구호의 수위를 현재 대비 5cm~50cm 변화시켰을 때 1psu 염분의 저층에서의 침투거리는 하굿둑 상류 6km~18km 정도로 예측되었고 갑문 개방에 의해 염분 침투 거리의 조절이 가능할 것으로 나타났다. 단, 사용된 통합모델은 수년간의 검보정 과정을 반복적으로 수행하여 예측의 정확도를 지속적으로 개선하였지만, 모델운영 자체의 불확실성을 고려할 때 실제 해수유통을 위해서는 시범개방을 통해 모델 예측의 결과를 확인할 필요가 있다.

• Proceedings of the KOR-KST Conference
• /
• 1998.10a
• /
• pp.196-205
• /
• 1998

교통신호에서 주로 고려되는 변수는 신호주기(cycle length), 녹색시간(green split), 옵셋(offset)그리고 좌회전 현시순서(left-turn phase sequence)로 구성된다. 기존의 대부분의 연동 모델들은 고정된 주기하에서 평균적인 유입 교통량을 측정한 후, 선형최적화 이론을 적용하여 최적 신호를 산출한다. 그러나 이 방법은 어디까지나 평균적인 데이터에 대해서 계산을 한 것이기 때문에 실시간 최적화를 제공하기가 어렵다. 본 연구에서는 평균 차량 통행량 대신 실시간으로 입력되는 차량 대기행렬, 차량 도착률을 기초로 대기차량을 최소화하는 동적 신호시간 산출 모델을 개발하였다. 본 모델에서는 Peytechew가 제안한 각 진입로에서의 대기 차량 예측 모델을 기초로 하여 다음 주기에서의 차량 대기 행렬을 예측한 후, 선형 최적화 이론을 적용하여 신호시간을 산출한다. 본 모델에서 산출된 신호주기와 녹색시간은 대기차량길이를 최소화하는 신호 시간으로서 교차로간의 연동효과를 고려하여 실시산 교통상황에 따라 주기별로 변화한다. 본 모델은 3개의 교차로로 구성된 네트워크를 대상으로 적용하였다. 실험 네트워크의 주도로 교통량은 부도로의 교통량 보다 많다고 가정하였으며 각 링크사이에서의 차량 진출입은 없다고 보았다.