• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.879-883
• /
• 2006

본 연구는 현장에서 측정되는 수질데이터를 실시간 수집하여 데이터의 적절성을 모니터링하고 모형입력자료로써 신뢰성을 유지하도록 구성되는 시스템과 이를 2차원 수질 해석 모형인 CE-QUAL W2모형의 입력자료로 연계 활용함으로써 그 결과를 그래프 및 하천 변화 모의 동영상으로 표출하는 시스템을 개발하는데 그 목적이 있다. 수질 모형은 물 관련 모형가운데 특히 다량의 자료와 정확한 자료를 입력자료로 사용하며 그 결과 표출에 있어서도 전체적인 결과부터 세밀한 요소자료까지 결과자료가 필요하다. 본 연구에서 개발한 RTMMS(Real-time Turbidity Monitoring & Modeling System)는 현장 계측기로부터 수집되는 실시간 자료를 이용하여 데이터를 모니터링하고 CE-QUAL W2 모형을 이용하여 모델링을 수행한 후 결과를 그래프로 도출 할 수 있도록 하는 시스템이다. 특히 일반적인 어플리케이션의 GUI 환경에서 벗어나 일반 사용자들이 쉽게 프로그램을 사용할 수 있고 공간 활용도를 높이기 위하여 웹 형식의 GUI로 구성하였다. RTMMS는 기본 크기가 가로 800 픽셀, 세로 600 픽셀로 고정 사이즈이며, 주요 화면 구성으로는 좌측에 네 개의 항목이 있고 우측에는 실시간 모니터링 지점에 대한 유역도가 표시되어 사용자 편의환경을 제공하였다. 사용자는 해당 지점을 선택하여 주요 지점에 대한 정보를 분석할 수 있다. 또한 우측에는 선택된 지점에 대한 정보와 실시간 감시 내용을 조회할 수 있는 탭이 존재한다. 각각의 메뉴 항목은 주요지점의 모니터링 현황을 파악할 수 있는 기능, 수질모형의 입력자료로 변환하도록 하는 자료 동화 기능, CE-QUAL W2 모형을 수행하는 기능 및 결과자료를 분석하는 기능으로 구성되어 있으며, 각 기능을 선택하면 해당 화면으로 GUI가 전환된다. 따라서 다량의 측정자료의 신뢰성을 유지하고 이를 모형의 입력자료로 활용하는 일련의 과정을 시스템화하기 때문에 자료의 이상적 유지 관리가 이루어지며 복잡한 2차원 수질해석 모형을 수월하게 운영할 수 있는 시스템으로 개발하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.180-180
• /
• 2011

하천의 정상적인 기능 및 상태를 유지하기 위하여 필요한 최소유량을 의미하는 하천유지유량은 하천수질보전, 하천생태계보호, 하천경관보전, 염수침입 방지, 하구막힘 방지, 하천시설물 및 취수원보호, 지하수위 유지 등을 감안하여 산정하게 된다. 하천유량 변화는 하천내 동 식물에 영향을 미치며, 특히 고등 생물인 어류의 서식처, 산란장소 및 산란조건 등은 유량 및 수위변화에 민감하게 반응하므로 하천구간별 어류의 서식처 유지에 적절한 수심, 유속 등 수리 조건을 제공할 수 있는 유량을 산정하게 된다. 국내에서는 90년대 후반부터 생태계를 고려한 하천유지유량 개념이 도입되었으며, 어류의 적절한 수생 서식환경 평가를 위해 주로 유량 점증 방법론(IFIM, Instream Flow Incremental Methodology) 개념에 입각한 물리서식처 모형을 이용한 연구가 진행되어 왔다. 본 연구에서는 낙동강수계 13개 지점을 선정하여 어류상 조사를 실시하여 어류의 물리서식처 모형과 수심-유속-유량 관계곡선을 이용한 간단법을 이용하여 생태계 보전을 위한 필요유량을 산정하였다. 어류 물리서식처 모형으로는 어류서식환경 평가에 가장 광범위하게 이용되고, 생태적 특성을 반영할 수 있는 유량점증방법론의 PHABSIM(Physical HABitat SIMulation) 모형을 선택하였다. 현장 모니터링 및 문헌조사를 통해 각 지점별 대표어종을 선정하고, 유량, 수심, 저수로 하천단면, 하상재료와 같은 수리특성을 조사하고, 선정된 한계단면에 대한 유량측정을 실시하였으며, 수심-유속-유량 관계곡선을 통하여 각 지점의 대표어종이 서식할 수 있는 최소유량을 산정하였다. 또한 지점별로 서식처 적합도 지수(HSI, Habitat Suitability Index)와 가중가용면적(WUA, Weighted Usable Area)를 산정하였으며, 이는 PHABSIM 모형의 적용에 이용되었다. 물리서식처 모형과 간단법 적용결과를 비교해본 결과, 모든 지점에서 물리서식처 모형 적용결과가 간단법에 비해 크게 산정되었는데, 이는 간단법이 성어기 서식에 필요한 최소 수리조건을 선택하였지만, PHABSIM의 경우 성어기 어류서식의 최적 수심 및 유속을 이용하여 가중가용면적을 산정하기 때문인 것으로 판단된다. 어류서식과 관련된 많은 관련 데이터가 축적된다면 어류서식처에 맞는 최적의 생태유량을 보다 정확하게 산정할 수 있을 것으로 판단된다.

• Journal of Intelligence and Information Systems
• /
• v.20 no.4
• /
• pp.121-139
• /
• 2014

Predicting corporate failure has been an important topic in accounting and finance. The costs associated with bankruptcy are high, so the accuracy of bankruptcy prediction is greatly important for financial institutions. Lots of researchers have dealt with the topic associated with bankruptcy prediction in the past three decades. The current research attempts to use ensemble models for improving the performance of bankruptcy prediction. Ensemble classification is to combine individually trained classifiers in order to gain more accurate prediction than individual models. Ensemble techniques are shown to be very useful for improving the generalization ability of the classifier. Bagging is the most commonly used methods for constructing ensemble classifiers. In bagging, the different training data subsets are randomly drawn with replacement from the original training dataset. Base classifiers are trained on the different bootstrap samples. Instance selection is to select critical instances while deleting and removing irrelevant and harmful instances from the original set. Instance selection and bagging are quite well known in data mining. However, few studies have dealt with the integration of instance selection and bagging. This study proposes an improved bagging ensemble based on instance selection using genetic algorithms (GA) for improving the performance of SVM. GA is an efficient optimization procedure based on the theory of natural selection and evolution. GA uses the idea of survival of the fittest by progressively accepting better solutions to the problems. GA searches by maintaining a population of solutions from which better solutions are created rather than making incremental changes to a single solution to the problem. The initial solution population is generated randomly and evolves into the next generation by genetic operators such as selection, crossover and mutation. The solutions coded by strings are evaluated by the fitness function. The proposed model consists of two phases: GA based Instance Selection and Instance based Bagging. In the first phase, GA is used to select optimal instance subset that is used as input data of bagging model. In this study, the chromosome is encoded as a form of binary string for the instance subset. In this phase, the population size was set to 100 while maximum number of generations was set to 150. We set the crossover rate and mutation rate to 0.7 and 0.1 respectively. We used the prediction accuracy of model as the fitness function of GA. SVM model is trained on training data set using the selected instance subset. The prediction accuracy of SVM model over test data set is used as fitness value in order to avoid overfitting. In the second phase, we used the optimal instance subset selected in the first phase as input data of bagging model. We used SVM model as base classifier for bagging ensemble. The majority voting scheme was used as a combining method in this study. This study applies the proposed model to the bankruptcy prediction problem using a real data set from Korean companies. The research data used in this study contains 1832 externally non-audited firms which filed for bankruptcy (916 cases) and non-bankruptcy (916 cases). Financial ratios categorized as stability, profitability, growth, activity and cash flow were investigated through literature review and basic statistical methods and we selected 8 financial ratios as the final input variables. We separated the whole data into three subsets as training, test and validation data set. In this study, we compared the proposed model with several comparative models including the simple individual SVM model, the simple bagging model and the instance selection based SVM model. The McNemar tests were used to examine whether the proposed model significantly outperforms the other models. The experimental results show that the proposed model outperforms the other models.

• Journal of Korean Society of Transportation
• /
• v.20 no.7
• /
• pp.117-133
• /
• 2002

열차운영계획은 수송수요 산정, 운행노선계획, 열차시간표 작성 기관차 및 인원의 할당 등 광범위한 내용을 포괄하고 있으나, 본 논문에서는 계획의 초기단계에서 결정 가능한 운행노선계획을 대상으로 범위를 설정하였다. 운영목표에 따른 전략은 사용자, 운영자, 사회전체의 입장에서 고려될 수 있는데, 이러한 전략에 의해 운행 될 수 있는 열차운행패턴을 운영비용의 최소화, 통행시간의 최소화. 운영자 수익의 최대화 모형으로 해결하고자 하였다. 2004년 이후에 운행이 예상되는 고속철도/기존철도는 운영계획의 변경이 예상되는 바, 상기의 목표에 따라 열차운영패턴을 작성하여 개발된 효과척도의 적용을 통해 정책적인 적용가능성을 평가하였으며 기존 계획된 철도청의 운영계획과도 아울러 비교, 최적대안을 선정하였다. 본 고에서는 수리계획모형인 비선형정수계획모형(MINLP)으로서 국내 철도망에 부합하는 운영계획을 작성하였으며, 이에 따른 열차-km는 수익최대화 모형, 인-km는 철도청의 열차운영계획이 가장 많은 것으로 나타났다. 인-hour는 수익 최대화 모형과 통행시간 최소화 모형이 가장 적은 것으로 나타났는데, 이는 장거리 노선의 편성이 증가된 것으로 사료된다. 이러한 결과를 산출함에 있어. 어려운 점은 각 구간의 기하급수적 증가, 결정변수의 초기값 선정 등이 있으나, 그동안 연구된 각종 경험적 기법의 적용과 실제 편성 가능한 변수의 적용을 통해 이를 해결하였다. 추후 설정된 모형의 비교에 적합한 효과척도의 개발과 전국적으로 사례구간의 확장 및 모형의 최적대안 선택 시 효과척도의 가중치에 대한 연구가 필요할 것으로 사료된다.

• Journal of the Korea Convergence Society
• /
• v.10 no.11
• /
• pp.71-77
• /
• 2019

This paper defines a multi-selection knapsack problem and presents an algorithm for seeking its optimal solution. Multi-selection means that all members of the particular group be selected or excluded. Our branch-and-bound algorithm introduces a simplex containing the feasible region of the original problem to exploit the fact that the most tightly underestimating function on the simplex is linear. In bounding operation, the subproblem defined over the candidate simplex is minimized. During the branching process the candidate simplex is splitted into two one-less dimensional subsimplices by being projected onto two hyperplanes. The approach of this paper can be applied to solving the global minimization problems under various types of the knapsack constraints.

• The Korean Journal of Applied Statistics
• /
• v.28 no.3
• /
• pp.561-571
• /
• 2015

When we consider an optimal design to predict the response corresponding to the point outside the design region, we are extremely careful about choosing the design criteria for selecting the support points. The assumed model and its accompanying error structure should be assumed to extend beyond the design region for the selected design criteria to be valid. Thus, we modify the existing design criteria such as extrapolation-optimality to be suited to those situations. We propose some maximin approaches in this paper. Simple and quadratic regression models are tested to find the basic characteristics of such maximin approaches. Some main findings are discussed in the conclusion.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.307-310
• /
• 2003

본 논문에서는 대표적인 비선형 동특성을 가지는 실제 헬리콥터의 회전 띤 자세 운동을 근사화한 모형 헬리콥터의 시스템을 소개하고 이 시스템의 정지 자세 제어를 목표로 직접 적응 웨이브렛 신경회로망 제어기를 다음의 과정에 의해 만든다. 우선 상태 공간에 적용할 웨이브렛 기준 함수를 정의하고 나서 제어기로 들어오는 입력 값의 대략적인 범위와 특성을 파악해서 웨이브렛 이론에 근거해 신축(dilation)과 이동(traslation) 변수 값을 선택하여 초기 적응 웨이브렛 신경회로망 제어기를 건설한다. 마지막으로 시스템의 안정화 제어를 위하여 선택, 교배, 돌연변이의 진화연산자에 의해 일시에 최적의 구조와 결합가중치로 진화시켜 가는 새로운 형태의 ENNC를 제안하여 연결 가중치(weight)를 조정한다. 이 직접 적응 웨이브렛 신경회로망 제어기를 비선형 시스템인 모형 헬리콥터 시뮬레이터에 적용하여 제안한 제어기의 견실성 및 그 우수성을 입증하고자 한다.

• Journal of Korean Society of Transportation
• /
• v.22 no.7 s.78
• /
• pp.155-159
• /
• 2004

Recently, there are many trials about Artificial neural networks : ANNs structure and studying method of researches for forecasting traffic volume. ANNs have a powerful capabilities of recognizing pattern with a flexible non-linear model. However, ANNs have some overfitting problems in dealing with a lot of parameters because of its non-linear problems. This research deals with the application of a variety of model selection criterion for cancellation of the overfitting problems. Especially, this aims at analyzing which the selecting model cancels the overfitting problems and guarantees the transferability from time measure. Results in this study are as follow. First, the model which is selecting in sample does not guarantees the best capabilities of out-of-sample. So to speak, the best model in sample is no relationship with the capabilities of out-of-sample like many existing researches. Second, in stability of model selecting criterion, AIC3, AICC, BIC are available but AIC4 has a large variation comparing with the best model. In time-series analysis and forecasting, we need more quantitable data analysis and another time-series analysis because uncertainty of a model can have an effect on correlation between in-sample and out-of-sample.

• The Korean Journal of Food And Nutrition
• /
• v.25 no.1
• /
• pp.17-25
• /
• 2012

이 연구는 블루베리 즙을 첨가하여 젤리의 제조조건을 최적화하고자 하였다. 16개의 블루베리 즙을 이용한 젤 시료는 Design Expert 프로그램을 이용하여 제조하였으며, 최적화를 위해 블루베리 즙(100~200 g), 설탕(40~160 g), 젤라틴(8~20 g)의 양을 독립변수로, 텍스처, pH, 관능평가 항목을 종속변수로 각각 선정하였다. 반응표면 분석법을 사용하기 위한 실험설계로 중심합성계획을 이용하였다. 각 항목별 최적조건은 Canonical 모형의 수치 최적화(numerical optimization)과 모형적 최적화(graphical optimization)를 통하여 선정하였으며, 그 중 가장 높은 desirability를 갖는 최적점을 선택하여 지점 예측(point prediction)을 통해 도출한 결과, 각 독립변수의 예측된 블루베리 즙을 첨가한 젤리의 최적값은 블루베리 주스 133.63 g, 설탕 160.0 g, 젤라틴은 12.78 g이었다.

• Journal of Intelligence and Information Systems
• /
• v.9 no.1
• /
• pp.227-249
• /
• 2003

Prediction of corporate failure using past financial data is a well-documented topic. Early studies of bankruptcy prediction used statistical techniques such as multiple discriminant analysis, logit and probit. Recently, however, numerous studies have demonstrated that artificial intelligence such as neural networks can be an alternative methodology for classification problems to which traditional statistical methods have long been applied. In building neural network model, the selection of independent and dependent variables should be approached with great care and should be treated as model construction process. Irrespective of the efficiency of a teaming procedure in terms of convergence, generalization and stability, the ultimate performance of the estimator will depend on the relevance of the selected input variables and the quality of the data used. Approaches developed in statistical methods such as correlation analysis and stepwise selection method are often very useful. These methods, however, may not be the optimal ones for the development of neural network model. In this paper, we propose a genetic algorithms approach to find an optimal or near optimal input variables fur neural network modeling. The proposed approach is demonstrated by applications to bankruptcy prediction modeling. Our experimental results show that this approach increases overall classification accuracy rate significantly.