• Proceedings of the Korea Society of Environmental Toocicology Conference
• /
• 2004.05a
• /
• pp.88-88
• /
• 2004

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 1998.10a
• /
• pp.322-323
• /
• 1998

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.12
• /
• pp.579-586
• /
• 2021

Time series forecasting refers to predicting future time information based on past time information. Accurately predicting future information is crucial because it is used for establishing strategies or making policy decisions in various fields. Recently, a transformer model has been mainly studied for a time series prediction model. However, the existing transformer model has a limitation in that it has an auto-regressive structure in which the output result is input again when the prediction sequence is output. This limitation causes a problem in that accuracy is lowered when predicting a distant time point. This paper proposes a sequential decoding model focusing on the style transformation technique to handle these problems and make more precise time series forecasting. The proposed model has a structure in which the contents of past data are extracted from the transformer-encoder and reflected in the style-based decoder to generate the predictive sequence. Unlike the decoder structure of the conventional auto-regressive transformer, this structure has the advantage of being able to more accurately predict information from a distant view because the prediction sequence is output all at once. As a result of conducting a prediction experiment with various time series datasets with different data characteristics, it was shown that the model presented in this paper has better prediction accuracy than other existing time series prediction models.

• KIPS Transactions on Computer and Communication Systems
• /
• v.11 no.2
• /
• pp.67-72
• /
• 2022

Recently, various intelligent application services using artificial intelligence are being actively developed. In particular, research on artificial intelligence-based real-time prediction services is being actively conducted in the manufacturing industry, and the demand for artificial intelligence services that can detect and predict fire and odors is very high. However, most of the existing detection and prediction systems do not predict the occurrence of fires and odors, but rather provide detection services after occurrence. This is because AI-based prediction service technology is not applied in existing systems. In addition, fire prediction, odor detection and odor level prediction services are services with ultra-low delay characteristics. Therefore, in order to provide ultra-low-latency prediction service, edge computing technology is combined with artificial intelligence models, so that faster inference results can be applied to the field faster than the cloud is being developed. Therefore, in this paper, we propose an LSTM algorithm-based learning model that can be used for fire prediction and odor detection/prediction, which are most required in the manufacturing industry. In addition, the proposed learning model is designed to be implemented in edge devices, and it is proposed to receive real-time sensor data from the IoT terminal and apply this data to the inference model to predict fire and odor conditions in real time. The proposed model evaluated the prediction accuracy of the learning model through three performance indicators, and the evaluation result showed an average performance of over 90%.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2002.11a
• /
• pp.393-394
• /
• 2002

현대 산업 사회의 급속한 발전으로 인해 대기 중에는 다양한 오염원을 통해서 많은 오염물질이 배출됨에 따라 이를 평가하고 방지할 대책이 필요하게 되었다. 이러한 대책 중의 하나로 배출원에서 배출되는 오염물질의 경로 및 발생량을 예측하는 방법이 있는데, 대기 상에 배출되는 오염물질의 농도를 예측할 경우 보통 대기 확산 모델링을 통하여 배출원 주변의 오염물질 확산 및 농도값을 산정한다. 현재 국내에서는 주로 가우시안 확산 모델인 ISC, CALPUFF 모델 등을 사용하여 모델링을 계산하게 된다. (중략)

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.302-305
• /
• 2004

최근 들어 개발 및 보급이 확산되고 있는 포터블 임베디드 시스템에서는 전력이 중요한 성능 지표로 작용한다. 특히 메모리 시스템의 전력 소모량은 전체 전력 중 매우 큰 비중을 차지하므로, 정확한 전력 분석에 기초하여 전력 소모를 줄일 수 있는 구조에 관한 연구가 수행되고 있다. 본 논문에서는 포터블 임베디드 시스템의 주요 처리 대상인 멀티미디어 응용 프로그램의 낮은 데이터 재사용성을 극복하기 위하여 참조 예측기를 포함하는 메모리 시스템의 전력 분석 모델을 제안한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.289-289
• /
• 2023

4차산업 혁명이 도래한 이후로 전세계적으로 AI 기술이 유래 없는 속도로 발달 및 활용되고 있으며, 다양한 분야에서 AI 기법을 도입한 연구가 활발히 진행 중에 있다. 최근 수자원 분야에서는 단기 강우 예측, 댐 유입량 예측 및 하천 수위 예측 등의 분야에서 AI 기술이 접목되어 꾸준한 기술 개발이 이루어지고 있다. 그러나 단변량으로 축척된 자료를 활용하여 중·장기 모형 개발 연구가 다수 진행되고 있지만, 급격한 기후변화 현상과 복잡한 매커니즘을 보이고 있는 기상현상의 경우 단변량 분석으로서는 정확도가 저하 될 수 있는 우려가 있는 것이 현실이다. 이에 본 연구에서는 상기에 제시된 단점을 극복하고자 다양한 기상자료를 검증·예측인자로 활용함과 동시에 Deeplearning 모형과 결합하여 신뢰성 있는 단기 강수 예측이 가능한 모형을 개발하였다. 본 연구에서는 유럽중기예보센터(ECMWF, European Center for Medium-Range Weather Forecasts)에서 제공하고 있는 ERA5 재해석 자료를 활용하였으며, Deeplearning 모형과 결합하여 단기 강우 예측이 가능한 모형을 개발하였다. 1차적으로 격자자료(25km×25km)로 제공되고 있는 ERA5 자료를 상세화(downscaling) 모형에 적용하여 기상청 관측소와 비교·검증하였으며, Deeplearning 모형을 통해 단기 예측이 가능한 모형으로 확장하였다. 이때 Deeplearning의 다양한 모형 중 시계열 분석에 있어 예측 성능이 높은 LSTM 모형을 활용하였으며, 제공되고 있는 대기 변수의 상호관계를 노드간 연결을 통해 결과의 정확도와 신뢰성을 확보하였다. 본 연구 결과는 기관별로 제공하고 있는 예측 수준을 상회하는 결과를 도출하였으며, 홍수기에 집중되는 강우량을 예측하여 대비·대책을 선제적으로 마련할 수 있는 자료로써의 활용성이 높을 것으로 사료된다.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2006.04a
• /
• pp.59-63
• /
• 2006

지하수 모델 개발은 모델의 목적 설정, 자료수집, 개념모델의 수립, 모델 설계, 모델 보정 및 민감도 분석, 예측, 결과제시, 사후검사의 순으로 수행된다. 본 연구의 목표는 신뢰성 있는 지하수 모델 개발을 위해 주요 수문요소(hydraulic features)들을 개념화하는 단계에서 부딪히게 되는 문제점들을 국내의 지하수 환경에 비추어 고찰하였고, 하천 및 지하수 분수령에 대한 경계조건 설정, 암반층의 하부 경계면 설정 등과 같은 수문요소들이 내포하는 불확실성을 논의하였다. 또한 시범지역의 지하수 모델에 대한 민감도 분석을 통하여 이들이 모델 결과에 미치는 영향을 정량적으로 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.357-357
• /
• 2021

홍수로 인한 침수피해 발생을 최소화하기 위해 정확한 하천의 수위 예측과 리드타임 확보가 매우 중요하다. 특히 조석현상의 영향을 받는 감조하천의 경우 기존의 물리적 수문모형의 적용이 제한되어 하천수위 예측의 정확도가 떨어지기도 한다. 따라서 본 연구에서는 이러한 감조하천 수위 예측의 정확도를 높이기 위해 조석현상을 분리하고 인공신경망을 활용하는 하이브리드 모델을 제안 하였으며 다중 선형회귀분석과 비교 분석하였다. 감조하천에 위치한 교량의 수위데이터에서 Stationary Wavelet Transform으로 조석현상을 분리하였으며, 이외의 수위에 영향을 주는 time series data와 인공신경망(ANN)을 활용하여 1시간, 2시간, 3시간 후의 수위를 예측하였다. 하이브리드 모델은 96% 이상의 정확도를 보였으며 다중 선형회귀 분석과 비교하여도 높은 정확성을 보여주었다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.33 no.1
• /
• pp.101-113
• /
• 2013

This paper intends to develop mechanical analysis models that are able to predict complete nonlinear behavior in the bolted connector subjected to cyclic loads. In addition, experimental data which were obtained from loading tests performed on the T-stub connections are utilized to validate the accuracy of analytical prediction and the adequacy of numerical modeling. The behavior of connection components including tension bolt uplift, bending of the T-stub flange, stem elongation, relative slip deformation, and bolt bearing are simulated by the multi-linear stiffness models obtained from the observation of their individual force-deformation mechanisms in the connection. The component springs, which involve the stiffness properties, are implemented into the simplified joint element in order to numerically generate the behavior of full-scale connections with considerable accuracy. The analytical model predictions are evaluated against the experimental tests in terms of stiffness, strength, and deformation. Finally, it can be concluded that the mechanical models proposed in this study have the satisfactory potential to estimate stiffness response and strength capacity at failure.