• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.104-104
• /
• 2021

연안에 발생하는 지진해일은 많은 인명 및 재산 피해를 유발할 수 있다. 이에 따라 주요 선진국은 자국의 피해 뿐 아니라 세계 주요도시에 거주하는 자국민의 안전과 대피에 대한 경보발령을 목적으로 전지구 지진해일 시스템을 구축하여 상시 운영중에 있다. 우리나라의 지진해일 예측시스템은 지진해일의 발생과 전파, 그리고 전세계 주요 연안에 도달할 때의 해일고 모의 등에서 우수한 성과를 보이는 것으로 인정되고 있으나, 실제적인 위험경보를 발령하기 위해서 필요한 해일도달 시 조위와의 상호작용에 대한 기능은 현재 없는 상태이다. 해일에 의한 주된 피해는 연안으로의 범람에 대한 것으로 이를 파악하기 위해서는 해일 도달 당시의 조위를 예측하고 해일과 조석과의 상호작용을 반영한 예측시스템 구축이 필요하다. 이에 따라 본 연구에서는 현재 사용되고 있는 지진해일 예측모델에서 조석-지진해일 상호작용을 고려하기 위해 조석과 지진해일을 동시에 모의할 수 있는 예측 알고리즘을 제시한다. 지진해일의 전파 및 범람에 조석이 상당한 영향을 미칠 수 있음은 관련 연구자들에 의해 꾸준히 지적되어왔으나 과거 연구는 이상적인 지형이나 조석 조건에 대해서만 일부 이루어졌으며, 아직까지 실제 조석을 활용한 충분한 연구는 미흡한 실정이다. 향후 실제 조석에 의한 지진해일의 변화를 모의하기 위해 지진해일 예측모델에서 실제 조석과 조류 조건에서 지진해일을 동시에 모의할 수 있도록 예측 알고리즘을 개발하였다.

• Journal of Digital Convergence
• /
• v.18 no.11
• /
• pp.259-266
• /
• 2020

Many developments have been steadily carried out by researchers with applying knowledge-based expert system or machine learning algorithms to the financial field. In particular, it is now common to perform knowledge based system trading in using stock prices. Recently, deep learning technologies have been applied to real fields of stock trading marketplace as GPU performance and large scaled data have been supported enough. Especially, LSTM has been tried to apply to stock price prediction because of its compatibility for time series data. In this paper, we implement stock price prediction using LSTM. In modeling of LSTM, we propose a fitness combination of model parameters and activation functions for best performance. Specifically, we propose suitable selection methods of initializers of weights and bias, regularizers to avoid over-fitting, activation functions and optimization methods. We also compare model performances according to the different selections of the above important modeling considering factors on the real-world stock price data of global major companies. Finally, our experimental work brings a fitness method of applying LSTM model to stock price prediction.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.328-330
• /
• 2002

본 논문에서는 역전파 신경망(Backpropagation Neural Network)을 시계열 데이터인 주가 데이터를 이용한 주가 예측의 정확도를 향상시키기 위한 학습 방법으로 적용하였다. 실제 증권거래소의 종목 데이터에서 비교적 등락폭이 안정적인 각 산업분야별 5개 기업의 5일 이동평균선 데이터 240개를 훈련 데이터로, 20개는 테스트 데이터로 이용하였다. 선정된 입력 데이터를 은닉층의 개수와 은닉 노드의 개수 등을 달리 하면서 10,000번의 훈련을 통해서 실험 하였으며, 그 결과 1개의 은닉층을 사용한 네트워크1은 20개의 테스트 데이터 사이의 19개의 신호 중 14개를 예측하였고, 2개의 은닉층을 사용한 네트워크 2는 16개를 예측하였다. 시험 결과를 통해서 보듯이 은닉층을 2개 사용하였을 때 보다 좋은 실험 결과를 얻을 수 있었으며, 역전파 신경망 모델이 주가 예측에 적합하다는 것이 증명되었다.

• Journal of the Society of Disaster Information
• /
• v.13 no.4
• /
• pp.491-498
• /
• 2017

The primary objective of this research is to develop a rutting performance prediction model of flexible pavement. Extensive laboratory testings were conducted to achieve the objective. A new test method employing repetitive axial loading with confinement was also adopted to estimate the rutting performance of asphalt concrete in the research. The rutting prediction model employes a layer-strain theory. The required rutting coefficients for the prediction model were determined through the laboratory rutting characterizations of the asphalt concrete layer materials. Within the limits of this study, a laboratory rutting prediction model of flexible pavement using repetitive axial loading test was presented. It is noted that the developed rutting prediction model simulates propery the behaviors of flexible pavement layer materials.

• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 2001.11a
• /
• pp.399-400
• /
• 2001

최근 대도시의 대기 오염은 자동차에 의한 선오염원이 차지하는 비중이 전체 오염원 중에서 상대적으로 크게 증가하고 있고, 선오염원에 의한 영향도 분석에는 대기확산모델을 주로 이용한다. 우리나라에서 사용하는 선오염원 모델에는 HIWAY2, PAL, CALINE3, CAL3QHC, CAL3QHCR 등이 있다. 이와 같은 모델은 주로 환경영향평가에 이용되고 있는데, 현재 국내 환경영향평가에서 주로 사용되고있는 선오염원 예측 모델은 CALINE3이다. (중략)

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2018.07a
• /
• pp.141-142
• /
• 2018

기존 데이터의 패턴 예측에는 통계를 기반으로 한 수학적 모델이 주로 사용되었으나 새로운 데이터에 대한 피드백이 부족하기 때문에 장기간의 데이터 예측에 한계가 있다. 또한 데이터의 특성이 다양하고 복잡한 경우에는 수학적 모델의 결합 및 계산과정이 어려워진다. 따라서 본 논문에서는 데이터의 학습 및 예측에 기존 정적 모델이 아닌 기계학습 중 시계열 데이터 분석 (Time Series Analysis) 을 기반으로 연구를 진행하였다. 기계학습은 복잡한 특성을 가진 데이터를 학습하여 미래의 데이터 값을 예측하거나 분류하는데 있어서 정확도 및 처리시간 측면에서의 성능을 향상시킬 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.73-73
• /
• 2021

가뭄의 계절적 예측성을 개선하기 위해서는 대기-지면-해양의 상호 작용이 현실적으로 모의할 수 있는 지구 기후 예보 모델의 개선이 필수적이다. 제한적인 기후 예보 모델의 예측성으로 인하여 다중 기후 모델들의 다중 앙상블 계절 예보 시스템이 제안되었다. 2008년에 제안된 북미 다중 모델 다중 앙상블 시스템(North American Multimodel Multiensemble System; NMME)은 다양한 모델 개발팀의 참여로 현재까지 운영되면서 계절적 예측성 연구에 큰 이바지를 하였다. 본 연구에서는 NMME 프로젝트에 참여하는 기후 예보 모델들의 북방 여름철 근지표면 온도과 강우량의 예측성을 진단하고 이들의 상관 관계의 강도를 관측데이터와 비교 분석하였다. 대부분의 NMME 모델들에서는 관측데이터에서 보다 강한 음의 상관 관계를 보였다. 이런 근지표면 온도와 강우량의 강한 상관 관계로 우수한 근지 표면 온도 예보는 각각의 해마다 그 역할이 다른 것을 발견되었다. 예를 들어 가문 여름에는 우수한 근지표면 온도 예보가 강우량 예보에 도움이 되고 강우량이 많은 여름에는 우수한 근지표면 온도 예보는 오히려 강우량 예측성을 제한하게 된다. 따라서 기존의 기후 예보 모델들에서 근지표면 온도와 강우량의 상관관계를 사실적으로 나타낼 수 있도록 모델 개선이 요구된다. 마지막으로 관측데이터와 기후 모델데이터에서 태평양과 대서양의 해수면 온도와 미국의 북방 여름철 날씨의 관계를 비교하였다. 근지표면 온도과 강우량에 대한 제한적 예측성에 비해, 대부분의 NMME 기후 예보 모델들에서 해수면 온도의 예측기술은 우수함을 발견하였고 몇몇 모델들에서는 미국의 북방 여름철 기후에 영향력을 주는 대서양과 태평양의 지역까지 잘 모사하는 것을 발견하였다. 따라서 본 연구는 보다 우수한 기후 예보 기술을 위해 앙상블 평균 예보값만이 아닌 NMME의 계절적 예보를 선택적인 사용이 필요함을 제안하였고 앞으로 북미 대륙 뿐만이 아니라 유럽-아시아의 계절적 이상 기후 예측성에 대한 연구 필요성을 강조하였다.

• Journal of Digital Convergence
• /
• v.18 no.7
• /
• pp.223-228
• /
• 2020

The stock price reflects people's psychology, and factors affecting the entire stock market include economic growth rate, economic rate, interest rate, trade balance, exchange rate, and currency. The domestic stock market is heavily influenced by the stock index of the United States and neighboring countries on the previous day, and the representative stock indexes are the Dow index, NASDAQ, and S & P500. Recently, research on stock price analysis using stock news has been actively conducted, and research is underway to predict the future based on past time series data through artificial intelligence-based analysis. However, even if the stock market is hit for a short period of time by the forecasting system, the market will no longer move according to the short-term strategy, and it will have to change anew. Therefore, this model monitored Samsung Electronics' stock data and news information through text mining, and presented a predictable model by showing the analyzed results.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.29 no.3C
• /
• pp.115-125
• /
• 2009

The preconsolidation pressure has been commonly determined by oedometer test. However, it can also be determined by insitu test, such as piezocone test with theoretical and(or) empirical correlations. Recently, Neural Network (NN) theory was applied and some models were proposed to estimate the preconsolidation pressure or OCR. It was already found that NN model can come over the site dependency and prediction accuracy is greatly improved when compared with present theoretical and empirical models. However, since the optimization process of synaptic weights of NN model is dependent on the initial synaptic weights, NN models which are trained with different initial weights can't avoid the variability on prediction result for new database even though they have same structure and use same transfer function. In this study, Committee Neural Network (CNN) model is proposed to improve the initial weight dependency of multi-layered neural network model on the prediction of preconsolidation pressure of soft clay from piezocone test result. Prediction results of CNN model are compared with those of conventional empirical and theoretical models and multi-layered neural network model, which has the optimized structure. It was found that even though the NN model has the optimized structure for given training data set, it still has the initial weight dependency, while the proposed CNN model can improve the initial weight dependency of the NN model and provide a consistent and precise inference result than existing NN models.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.364-369
• /
• 2010

본 논문에서는 뉴스 텍스트 마이닝을 수행하여 2005년 1월부터 2008년 12월까지 4년 간의 뉴스 데이터에 대해 주가에 호재인지 악재인지 여부에 대해 학습을 하고, 이를 근거로 신규 발행된 뉴스가 주가 상승 또는 하락에 영향을 미치는지를 예측하는 알고리즘을 제안한다. 뉴스 텍스트 마이닝을 위해 변형된 Bag of Words 모델과 Naive Bayesian 분류기법을 사용하였으며, 특히 주가 예측에 있어서 뉴스 마이닝에만 의존하던 기존의 관련 연구와는 달리 예측의 정확성을 높이기 위해 주가의 시계열 데이터 분석기법인 RSI를 추가로 작용하였다. 2009년 11월부터 2010년 2월까지 4개월간 42,355건의 뉴스 데이터에 대해 실험한 결과, 기존 연구 대비 의미 있는 결과인 55.01%의 예측성공률을 얻었다.