• 청정기술
• /
• 제27권4호
• /
• pp.341-349
• /
• 2021

연소시설에서는 화석연료에 포함된 질소와 황이 산소와 반응하여 대기 오염물질인 질소산화물(NO_X)과 황산화물(SO_X)을 발생시킨다. 인체에 유해하고 환경 오염을 야기하는 NO_X, SO_X를 저감하기 위해 전세계적으로 환경규제를 시행 중이며, 규제를 충족하기 위해 다양한 기술들을 적용하고 있다. 상용화된 NO_X 및 SO_X 저감방식들로 SCR (selective catalytic reduction), SNCR (selective non-catalytic reduction), WFGD (wet flue gas desulfurization) 등이 있으나 이 방식들의 단점들 때문에 NO_X, SO_X를 동시제거하는 연구가 근래 많이 수행되고 있다. 그러나 NO_X, SO_X 동시 제거 방식에서도 산화제 및 흡수제로 인한 폐수 발생에 대한 문제점, 특정 산화제를 활성화 하기 위한 촉매 및 전기분해 사용에 따른 비용 발생, 마지막으로 기체 산화제들 자체 유해성의 문제점을 가지고 있다. 따라서 본 연구에서는 NO_X, SO_X 동시처리 방식의 단점들을 보완하고자 고압분산기에서 생성된 마이크로버블과 환원제를 이용하여 비용절감 및 폐수처리 시 환경부하저감 가능성을 확인해 하고자 하였다. 분산기가 마이크로버블을 생성하는 것을 이미지 프로세싱과 ESR (electron spin resonance) 분석을 통해 확인하였으며, 마이크로버블만을 이용하여 온도에 따른 NO_X, SO_X 제거율 성능 테스트도 진행하였다. 뿐만 아니라 폐수를 저감하기 위해 환원제와 마이크로버블을 이용하여 습식으로 NO_X 제거율 약 75%, SO_X 제거율 99%를 달성하였다. 본 마이크로버블 시스템에 산화제를 함께 투여할 경우 NO_X, SO_X제거율 모두 99%이상을 달성 하였다. 이러한 연구 결과를 토대로 습식산화제거방식을 적용하는 시설의 단점이었던 비용 및 환경 문제를 해결함에 기여할 수 있을 것으로 기대 된다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.239-251
• /
• 2019

본 논문은 학습데이터의 크기에 따른 사례기반추론기법이 주가예측력에 어떻게 영향을 미치는지 살펴본다. 삼성전자 주가를 대상을 학습데이터를 2000년부터 2017년까지 이용한 경우와 2015년부터 2017년까지 이용한 경우를 비교하였다. 테스트데이터는 두 경우 모두 2018년 1월 1일부터 2018년 8월 31일까지 이용하였다. 시계 열데이터의 경우 과거데이터가 얼마나 유용한지 살펴보는 측면과 유사사례개수의 중요성을 살펴보는 측면에서 연구를 진행하였다. 실험결과 학습데이터가 많은 경우가 그렇지 않은 경우보다 예측력이 높았다. MAPE을 기준으로 비교할 때, 학습데이터가 적은 경우, 유사사례 개수와 상관없이 k-NN이 랜덤워크모델에 비해 좋은 결과를 보여주지 못했다. 그러나 학습데이터가 많은 경우, 일반적으로 k-NN의 예측력이 랜덤워크모델에 비해 좋은 결과를 보여주었다. k-NN을 비롯한 다른 데이터마이닝 방법론들이 주가 예측력 제고를 위해 학습데이터의 크기를 증가시키는 것 이외에, 거시경제변수를 고려한 기간유사사례를 찾아 적용하는 것을 제안한다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.43-62
• /
• 2019

한때, 이상 탐지 분야는 특정 데이터로부터 도출한 기초 통계량을 기반으로 이상 유무를 판단하는 방법이 지배적이었다. 이와 같은 방법론이 가능했던 이유는 과거엔 데이터의 차원이 단순하여 고전적 통계 방법이 효과적으로 작용할 수 있었기 때문이다. 하지만 빅데이터 시대에 접어들며 데이터의 속성이 복잡하게 변화함에 따라 더는 기존의 방식으로 산업 전반에 발생하는 데이터를 정확하게 분석, 예측하기 어렵게 되었다. 따라서 기계 학습 방법을 접목한 SVM, Decision Tree와 같은 모형을 활용하게 되었다. 하지만 지도 학습 기반의 모형은 훈련 데이터의 이상과 정상의 클래스 수가 비슷할 때만 테스트 과정에서 정확한 예측을 할 수 있다는 특수성이 있고 산업에서 생성되는 데이터는 대부분 정답 클래스가 불균형하기에 지도 학습 모형을 적용할 경우, 항상 예측되는 결과의 타당성이 부족하다는 문제점이 있다. 이러한 단점을 극복하고자 현재는 클래스 분포에 영향을 받지 않는 비지도 학습 기반의 모델을 바탕으로 이상 탐지 모형을 구성하여 실제 산업에 적용하기 위해 시행착오를 거치고 있다. 본 연구는 이러한 추세에 발맞춰 적대적 생성 신경망을 활용하여 이상 탐지하는 방법을 제안하고자 한다. 시퀀스 데이터를 학습시키기 위해 적대적 생성 신경망의 구조를 LSTM으로 구성하고 생성자의 LSTM은 2개의 층으로 각각 32차원과 64차원의 은닉유닛으로 구성, 판별자의 LSTM은 64차원의 은닉유닛으로 구성된 1개의 층을 사용하였다. 기존 시퀀스 데이터의 이상 탐지 논문에서는 이상 점수를 도출하는 과정에서 판별자가 실제데이터일 확률의 엔트로피 값을 사용하지만 본 논문에서는 자질 매칭 기법을 활용한 함수로 변경하여 이상 점수를 도출하였다. 또한, 잠재 변수를 최적화하는 과정을 LSTM으로 구성하여 모델 성능을 향상시킬 수 있었다. 변형된 형태의 적대적 생성 모델은 오토인코더의 비해 모든 실험의 경우에서 정밀도가 우세하였고 정확도 측면에서는 대략 7% 정도 높음을 확인할 수 있었다.

• 해양환경안전학회지
• /
• 제28권7호
• /
• pp.1209-1215
• /
• 2022

선택적 촉매 환원법(SCR)은 질소산화물(NO_x)을 저감하는 매우 효율적인 방법으로 알려져 있으며 발생된 질소산화물(NO_x)을 질소(N₂)와 수증기(H₂O)로 환원시키는데 촉매 작용을 한다. 질소산화물(NO_x) 저감 성능을 결정하는 요소 중 하나인 촉매는 셀 밀도가 증가하면 촉매효율이 증가하는 것으로 알려져 있다. 본 연구에서는 실습선 세계로호에 설치되어 있는 발전 기관의 배기가스 조건을 모사한 실험장치를 통하여 100CPSI(60Cell)촉매의 부하에 따른 질소산화물(NO_x) 저감 성능을 확인하고 세계로호에 설치되어 있는 25.8CPSI(30Cell) 촉매의 기존 연구 자료와의 비교를 통해, 셀 밀도가 질소산화물(NO_x)의 저감에 미치는 영향에 대하여 고찰하였다. 실험용 촉매는 셀 밀도만 변화를 주었고 형태는 벌집형(honeycomb), 조성물질은 V₂O₅-WO₃-TiO₂를 동일하게 사용하여 제작하였다. 실험결과 100CPSI(60Cell) 촉매의 질소산화물(NO_x) 농도 저감율은 평균적으로 88.5%이며 IMO specific NOx 배출량은 0.99g/kwh로 IMO Tier III NOx 배출기준을 만족하였다. 25.8CPSI(30Cell) 촉매의 경우, 질소산화물(NO_x) 농도 저감율은 78%, IMO specific NOx 배출량은 2.00g/kwh 이었다 두 촉매의 NOx 농도 저감율과 IMO specific NOx 배출량을 비교하였을 때, 100CPSI(60Cell)촉매가 25.8CPSI(30Cell) 촉매보다, NOx 농도 저감율은 10.5% 높고 IMO specific NOx 배출량은 약 2배 적은 것을 확인하였다. 따라서 촉매의 셀 밀도를 높임으로써 효율적인 탈질효과를 기대할 수 있으며 향후 실선 테스트를 통하여 검증한다면 촉매의 부피 저감을 통한 제작 비용을 줄이고 협소한 선박 기관실을 효율적으로 사용하기 위한 실용적인 자료로서 기대된다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.172-191
• /
• 2023

본 연구는 국내 자율주행차 시범운행지구 지정 및 운영에 따라 자율주행차 혼재 시 예상되는 교통 변화를 분석하여, 시범운행지구의 자율주행차 혼재 교통운영전략 수립을 목적으로 한다. 시범운행지구가 자율주행차의 안정적 상용화를 위한 테스트 베드로서의 역할을 해내기 위해서는 안전하고 효율적인 교통운영전략 수립이 요구됨에도 현재까지는 자율주행차 혼재에 따른 교통운영전략은 부재하다. 이에 본 연구에서는 자율주행차 혼재 시 자율주행차 시범운행 지구의 교통운영전략을 수립하고자 한다. 자율주행차 도입 단계별 교통운영전략 수립을 위해 자율주행차 혼입률에 따른 교통 효율성 및 안전성 분석을 수행하였으며, 분석 결과를 토대로 자율주행차 혼입률 30%, 70%를 기준으로 도입기, 과도기, 안정기로 구분하였다. 본 연구에서 자율주행차 도입 단계별로 제시한 교통류와 교통안전 관점의 교통운영전략은 다음과 같다. 교통류 운영전략은 자율주행차 도입기에는 기존 도로 인프라 첨단화, 과도기에는 자율주행차 전용차로 및 일반차 마일리지 제도 운영, 안정기에는 자율주행차 전용차로 확대 운영 및 제한속도 완화를 제시하였다. 교통안전 전략은 도입기에는 자율주행차 사고 발생 대응 매뉴얼 및 법 제도 마련, 과도기에는 자율주행차 사고 원인 분석 및 예방정책 시행, 안정기에는 자율주행차 시스템 고도화 및 보안정책 강화를 제시하였다. 본 연구에서 제시한 교통운영전략을 통해 향후 자율주행차 시범운행지구 내 자율주행차 혼재로 인해 예상되는 교통류 및 교통안전 관에서 선제적으로 대응할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제28권1호
• /
• pp.263-286
• /
• 2022

본 연구는 웹 크롤링을 이용하여 1990년부터 2022년까지 총 32개년에 해당하는 NBA 통계 정보를 획득하고, 탐색적 데이터 분석을 통해 관심 변수를 관찰하고 관련된 파생변수를 생성한다. 입력 데이터에 대한 정제 과정을 거쳐 무의미한 변수들을 제거하고, 남은 변수에 대한 상관관계 분석, t 검정 및 분산분석을 수행하였다. 관심 변수에 대해 플레이오프 진출/미진출 그룹 간 평균의 차이를 검정하였고, 이를 보완하기 위해 순위를 기준으로 하는 3개 집단(상위/중위/하위) 간 평균 차이를 재확인하였다. 입력 데이터 중 올해 시즌 데이터만을 테스트 세트로 활용하였고, 모델 훈련을 위해서는 훈련 세트와 검증 세트를 분할하여 5-fold 교차검증을 수행하였다. 교차검증 결과와 시험 세트를 이용한 최종 분석 결과를 비교하여 성능 지표에서 차이가 없음을 확인함으로써 과적합 문제를 해결하였다. 원시 데이터의 품질 수준이 높고, 통계적 가정을 만족하기 때문에 적은 수준의 데이터 세트임에도 불구하고 대부분 모델에서 좋은 결과를 나타냈다. 본 연구는 단순히 머신러닝을 이용하여 NBA의 경기 결과를 예측하거나 플레이오프 진출 여부만을 분류하는 것에서 그치지 않고, 입력 특성의 중요도를 파악하여 높은 중요도를 갖는 주요 변수에 본 연구의 관심 대상 변수가 포함되는지를 확인하였다. Shap value의 시각화를 통해 특성 중요도의 결과만으로 해석할 수 없었던 한계를 극복하고, 변수의 진입/제거 과정에서 중요도 산출에 일관성이 부족하다는 점을 보완할 수 있었다. 본 연구에서 관심 대상으로 분류했던 3점 및 실책과 관련된 다수의 변수가 미국 프로농구에서의 플레이오프 진출에 영향을 미치는 주요 변수에 포함되는 것으로 나타났다. 본 연구는 기존의 스포츠 데이터 분석 분야에서 다루었던 경기 결과, 플레이오프 및 우승 예측 등의 주제를 포함하고 분석을 위해 여러 머신러닝 모델을 비교 분석했다는 점에서 유사성이 있지만, 사전에 관심 속성을 설정하고, 이를 통계적으로 검증함으로써 머신러닝 분석 결과와 비교하였다는 측면에서 차이가 있다. 또한 XAI 모델 중 하나인 SHAP를 이용하여 설명 가능한 시각화 결과를 제시함으로써 기존 연구와 차별화하였다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.427-435
• /
• 2023

이상기상으로 인한 봄꽃 개화 시기의 변화는 식물의 생장기간 뿐 아니라 생물계절을 포함한 생태계의 모든 측면에 영향을 미친다. 따라서 봄꽃 개화 시기를 예측하는 것은 산림 생태계의 효과적인 관리에 필수적이다. 본 연구에서는 464곳의 산림에서 수집된 날씨정보를 기반으로 대한민국 산림의 대표적인 5가지 수종(미선나무, 아까시나무, 철쭉, 산철쭉, 마가목)의 2023년 개화 시기를 예측하기 위해 과정 기반 모형을 사용하였다. 이를 위해 28개 지역의 9년간(2009-2017) 개화 시기 자료를 활용하여 모형을 개발하였다. 개화 시기는 식물의 세 개 이상의 위치에서 처음으로 꽃이 피는 것을 기준으로 측정되었다. 본 연구에서는 STDD와 GDD 과정 기반 모형을 사용하여 개화 시기를 예측하였으며, 두 모형 모두 일반적으로 우수한 성능을 보였다. 과정 기반 모형의 주요 입력변수인 날씨 자료는 산악기상관측시스템과 기상청에서 제공하는 기온 정보를 융합하여 1km의 공간 해상도로 일 단위 기온 자료를 생성하였다. 지역별 보정 계수를 생산하고 적용하기 위해 랜덤포레스트 기계 학습을 활용하여 STDD와 GDD 모형을 기반으로 예측 정확도를 개선하였다. 결과적으로 보정 계수가 적용될 때 대부분의 수종에서 개화 시기의 예측 오차가 작았으며, 특히, 미선나무, 아까시나무, 철쭉에서 평균제곱근오차가 각각 1.2, 0.6, 1.2일로 매우 낮았다. 모형 성능을 평가하기 위해 10회의 무작위 샘플링 테스트를 실시하고, 최적의 결정계수 값을 가진 모형을 선택하여 모형의 성능을 평가하였다. 그 결과, 마가목을 제외한 모든 수종에서 보정 계수가 적용된 모형에서 결정계수가 최소 0.07에서 최대 0.7 증가하였으며 최종적으로 75%에서 90%의 설명력을 가졌다. 이를 기반으로 수종별 보정 계수를 산출하였으며, 1km 해상도의 전국 단위 개화시기예측 지도를 제작하였다. 본 연구는 식물의 계절 변화에 대한 자료로 활용될 것으로 예상되며, 수종 및 지역별로 개화 시기를 상세히 설명하여 기후 변화로 인한 계절 변화를 연구하는 데에 유용할 것으로 기대된다. 또한 우리나라 산림의 주요 수종에 대한 정확도 높은 개화 시기 예측 서비스는 산림 방문객들의 산림 경험 만족도를 크게 높일 수 있으며, 양봉업 등 임업 종사자들의 경제적 향상에 기여할 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제56권12호
• /
• pp.993-1003
• /
• 2023

대기온실가스 증가로 전지구 평균기온은 산업화 이전 대비 1.1℃ 상승했고 수자원시스템의 공급능력에 상당한 변화가 예상된다. 본 연구에서는 금강수계 내 여러 중권역의 이수안전도와 기후조건의 관계(기후반응함수)를 단변량 함수로 나타내 기후민감도를 동시에 평가할 수 있는 방법을 제안하였다. 사례연구를 위해 GR6J 모형으로 중권역별 자연유출을 모의했고 이를 Water Evaluation And Planning (WEAP) 최적모형에 입력해 2030년 수요전망에 대한 공급신뢰도를 평가하였다. 여러 중권역의 이수안전도를 동시에 비교하기 위해 평균 강수량과 잠재증발산량의 비율을 독립변수 사용하여 단변량 기후민감도 함수를 개발하였다. 사례연구 결과, 1991-2020 자연유출을 이용해 수계전체 물부족을 최소화시키는 운영을 가정했을 때 공급신뢰도는 19개 중권역 중 보청천유역에서 가장 낮았다. 하천유지유량의 우선순위를 농업용수와 생공용수과 동일하게 조정한 시나리오에서는 보청천유역, 초강유역, 논산천유역의 이수안전도가 크게 감소하는 것으로 나타났다. 보청천유역, 초강유역, 논산천유역의 이수안전도는 모든 기후스트레스 테스테에서 크게 감소한 반면, 미호강유역, 금강공주유역, 금강하구유역은 아주 건조한 기후조건에서만 이수안전도가 감소했다. 대규모 인프라에서의 공급이 원활한 중권역의 기후민감도는 크게 변하지 않았다. 2021-2050 기후전망을 민감도함수에 적용했을 때 금강수계의 공급신뢰도는 대체로 좋아질 가능성이 높지만 하천유지유량 우선순위를 높이게 되면 지형적, 인위적으로 고립된 중권역에서 물부족은 심해질 것으로 분석되었다. 2021-2050기간 금강수계의 이수안전도는 기후스트레스 보다 하천관리정책의 변화에 더 큰 영향을 받을 것으로 판단된다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.119-133
• /
• 2020

Fama에 의하면 효율적 시장에서는 일시적으로 높은 수익을 얻을 수는 있지만 꾸준히 시장의 평균적인 수익을 초과하는 투자전략을 만드는 것은 불가능하다. 본 연구의 목적은 변동성의 장중 비대칭적 전이효과를 이용하는 변동성 매도전략을 기준으로 투자 성과를 추가적으로 개선하기 위하여 SVM을 활용하는 투자 전략을 제안하고 그 투자성과를 분석하고자 한다. 한국 시장에서 변동성의 비대칭적 전이효과는 미국 시장의 변동성이 상승한 날은 한국 시장의 아침 동시호가에 변동성 상승이 모두 반영되지만, 미국 시장의 변동성이 하락한 날은 한국 시장의 변동성이 아침 동시호가에서 뿐만 아니라 장 마감까지 계속해서 하락하는 이상현상을 말한다. 분석 자료는 2008년부터 2018년까지의 S&P 500, VIX, KOSPI 200, V-KOSPI 200 등의 일별 시가지수와 종가지수이다. 11년 동안의 분석 결과, 미국 시장의 변동성이 상승으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가 변동성에 모두 반영되지만, 미국 시장의 변동성이 하락으로 마감한 날은 그 영향력이 한국 시장의 아침 동시호가뿐만 아니라 오후 장 마감까지도 계속해서 유의적으로 영향을 미치고 있다. 시장이 효율적이라면 미국 시장의 전일 변동성 변화는 한국 시장의 아침 동시호가에 모두 반영되고 동시호가 이후에는 추가적인 영향력이 없어야 한다. 이러한 변동성의 장중 비정상적 전이 패턴을 이용하는 변동성 매도전략을 제안하였다. 미국 시장의 전날 변동성이 하락한 경우 한국 시장에서 아침 동시호가에 변동성을 매도하고 장 마감시에 포지션을 청산하는 변동성 데이트레이딩전략을 분석하였다. 연수익률은 120%, 위험지표인 MDD는 -41%, 위험과 수익을 고려한 성과지수인 Sharpe ratio는 0.27을 기록하고 있다. SVM 알고리즘을 이용해 변동성 데이트레이딩전략의 성과 개선을 시도하였다. 2008년부터 2014년까지의 입력자료를 이용하여 V-KOSPI 200 변동성지수의 시가-종가 변동 방향을 예측하고, 시가-종가 변동율이(-)로 예측되는 경우에만 변동성 매도포지션을 진입하였다. 거래비용을 고려하면 2015년부터 2018년까지 테스트기간의 연평균수익률은 123%로 기준 전략 69%보다 크게 높아지고, 위험지표인 MDD도 -41%에서 -29%로 낮아져, Sharpe ratio가 0.32로 개선되고 있다. 연도별로도 모두 수익을 기록하면서 안정적 수익구조를 보여주고 있고, 2015년을 제외하고는 투자 성과가 개선되고 있다.