• 환경영향평가
• /
• 제27권3호
• /
• pp.291-306
• /
• 2018

본 연구는 붉가시나무(Quercus acuta Thunb.)를 대상으로 기후변화의 영향을 평가함에 있어 분산능력을 고려해보고자 하였다. 기후변화에 따른 붉가시나무의 잠재서식지 변화를 예측하기 위하여 종의 분포자료와 기후자료를 활용하여 종분포모형을 개발하였다. 종분포모형은 9개 알고리즘을 True Skill Statistic 평가 값 가중치로 합산하는 앙상블모형을 적용하여 불확실성을 줄이고자 하였다. 미래의 시간적 범위는 2050년과 2070년을 대상으로 하였으며, 기후변화 시나리오는 RCP4.5와 RCP8.5를 선정 하였다. 최종적인 미래 잠재서식지는 현재 적합서식지에서 분산능력에 따라 분산가능한지의 여부를 고려하여 결정하였다. 분산능력은 제한이 없는 경우(Unlimited)와 거리에 따른 분산 확률 함수에 3가지 계수값 (${\theta}=-0.005$, ${\theta}=-0.001$, ${\theta}=-0.0005$)을 적용하여 R 패키지인 Migclim을 사용하여 구현하였다. 2050년 RCP4.5 시나리오에서 계수값이 ${\theta}=-0.005$일 때 붉가시나무의 잠재서식지가 감소하였다. 그 이외의 경우에는 분산능력이 낮은 경우에도 한반도 내의 잠재서식지가 늘어났다. 하지만 분산능력을 고려하였을 경우 붉가시나무의 미래 잠재서식지 확장에는 한계가 분명하게 나타났다. 따라서 기후변화에 따른 미래 잠재서식지 예측에 있어서 분산능력을 고려하는 것이 중요하다고 판단된다.

• 정보처리학회논문지D
• /
• 제15D권6호
• /
• pp.767-776
• /
• 2008

마이크로어레이 기술은 최근 실험적 분자생물학 분야에서 활발히 사용되고 있는 기술이다. 마이크로어레이 데이터는 한 번의 실험으로 수 만개의 유전자에 대한 발현값을 얻을 수 있으므로, 여러 질병의 발현형질을 연구하는데 매우 유용하게 사용된다. 마이크로어레이 데이터의 문제점은 참여하는 유전자의 수에 비해 참여하는 샘플(생물조직샘플)의 수가 매우 적고, 분류분석 기법을 사용하여 얻어진 분류자의 해석이 어렵다는 점이다. 본 연구에서는 위의 문제점을 해결하고자, 샘플 내 순위를 이용하여 동일한 생물학적 목적으로 수행된 공개 마이크로어레이 데이터를 통합하고, 순위 비교를 기반으로 하는 다양한 유전자 개수로 이루어진 암 분류 결정 규칙들로 이루어진 분류자를 제안한다. 본 분류자는 k개의 규칙으로 이루어진 앙상블 방법을 기반으로 하며, 하나의 규칙은 최대N개의 유전자, 관련유전자간의 순위비교 관계식, 판별클래스로 이루어져 있다. 하나의 규칙에 참여하는 유전자의 수를 다양하게 함으로써 좀더 신뢰성 높은 분류자를 생성할 수 있다. 또한 본 분류자는 생물학적 해석이용이하며, 분류자를 구성하는 유전자를 명확히 식별할 수 있고, 총 개수가 많지 않으므로 임상환경에서의 사용가능성도 생각해 볼 수 있다.

• 한국항행학회논문지
• /
• 제23권1호
• /
• pp.84-89
• /
• 2019

본 연구는 복합재 항공기의 비행 데이터를 활용한 기계학습 기반 구조건전성 모니터링 시스템 연구의 예비 연구이다. 본 연구에서는 구조건전성 모니터링에 이용되기에 가장 적합한 기계학습 알고리즘을 선별하고, 실 기체 데이터에 대한 적용을 위해 차원 축소를 수행하였다. 이를 위해 외팔보를 통해 모사된 항공기 날개 구조와 부가 질량을 통해 손상 모사 실험을 진행하고, 분류 알고리즘을 통해 데이터를 손상의 위치와 정도에 따라 구분하였다. 이를 위해 FBG (fiber bragg grating) 센서를 부착한 외팔보의 진동 실험을 통해 정상상태와 12개의 손상상태에 대한 데이터를 취득하고, MATLAB 환경에서 tree, discriminant, SVM (support vector machine), kNN, ensemble 알고리즘의 비교와 파라미터 튜닝을 통해 가장 적합한 알고리즘을 도출하였다. 또한 NCA (neighborhood component analysis)를 이용한 특징 선택을 통해, 실 기체에서 나올 수 있는 고차원 데이터의 관리를 위해 필요한 차원 축소를 수행하였다. 그 결과, quadratic SVM이 NCA를 적용하지 않은 모델에서 98.7%, NCA를 적용한 모델에서 95.9%로 가장 높은 정답률을 보였다. 또한 NCA 적용 후 모델의 예측 속도, 학습 시간, 용량이 모두 향상되었다.

• 한국수자원학회논문집
• /
• 제55권9호
• /
• pp.657-668
• /
• 2022

하천 유량이 증가된 상태에서 집중호우의 발생은 유량과 강우량 모두 하천변 홍수피해에 영향을 미치게 된다. 또한, 하천변 사회·경제적 영향 수준에 따라 피해정도에 차이를 보이게 되며, 특히, 인구 및 자산 밀집도가 높은 경우 홍수대응에 필요한 충분한 예보 선행시간의 확보가 요구된다. 본 연구에서는 홍수대응에 필요한 시간적 여유의 확보를 통한 피해저감 효과를 증대하기 위해 앙상블 강우유출모델링을 활용한 홍수위험매트릭스를 구축하고, 그 적용성을 판단하고자 한다. 홍수위험매트릭스는 홍수피해 자료를 활용한 홍수피해 영향수준(X축)을 구성하고, 기상청 LENS 강우자료를 이용한 앙상블 강우유출모델링의 결과로 위험 홍수량의 발생 가능성을 예측(Y축)하여 확률예보에 기반한 예측이 가능하다. 이를 위해 과거 홍수피해 자료 및 정량적 홍수피해 평가방법을 이용한 홍수피해 영향수준 결정 방법을 제시하였다. 낙동강권역의 태화강유역 및 형산강유역의 홍수특보지점에 대하여 기존 홍수특보 자료 그리고 피해 발생 상황과 비교하였다. 그 결과 최대 3일전부터 홍수위험 발생시간 및 정도에 대한 예측이 가능한 것으로 분석되었다. 따라서 홍수대응에 필요한 예보 선행시간 확보를 통한 피해저감 활동에 도움이 되리라 판단된다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.284-301
• /
• 2023

본 연구에서는 1km 고해상도 앙상블 신기후변화 시나리오(공통사회 경제경로 시나리오) 자료를 기반으로 하여 남한을 포함한 한반도 전체의 벼 기후생산성(CYP) 변화를 평가하였다. 이때, 기후변화 시나리오자료에서 제공하는 제한적인 변수를 활용하기 위해 일조시간을 대신하여 일사량을 이용하였다. 연구 결과에 따르면, 현재 기후에 비해 온난화된 미래 기후조건에서 CYPmax 값은 감소하고 최적출수일은 점차 늦춰지는 경향이 나타났다. 이는 고도가 높은 한반도 북동부의 산악 지역을 제외하고 모든 지역에서 나타나는 현상이며, 특히 온난화가 빠르게 진행되는 SSP585시나리오 일수록 더욱 뚜렷하게 나타났다. 이러한 결과는 낮은 배출 시나리오의 이점을 보여주는 동시에 온실 가스 배출을 제한하기 위해 더 많은 노력을 기울일 필요가 있음을 강조한다. 한편, CYPmax의 시계열에서 넓은 폭의 앙상블 스프레드가 나타났는데, 이는 단일모형 혹은 작은 수의 모형을 선택하였을 때 미래 변화 분석에 내재된 불확실성을 보여주며 앙상블 예측의 중요성을 보여준다. 본 연구를 통해 분석된 장기간의 기온 및 일사 조건의 변화에 따른 기후학적 벼 생산성 변화 및 불확실성에 대한 분석은 기후변화 대응을 위한 기초정보로써 가치가 있다.

• 한국응용곤충학회지
• /
• 제62권3호
• /
• pp.215-220
• /
• 2023

최근 국내에서 외래 곤충인 (가칭)마른나무흰개미(Cryptotermes domesticus)가 서울에 위치한 주택에서 발견되었다. 이 종은 국내에 정착할 경우 잠재적으로 목재나 목조건물에 피해를 줄 수 있어 시급한 국내 발생 조사가 필요하다. 본 연구에서는 종 분포 모델 기법을 활용하여 마른나무흰개미의 정착 가능성과 관련된 기후적합성을 추정하는 것을 목표로 하였다. 문헌 자료를 바탕으로 전세계 분포 정보를 수집하고, 생물기후변수를 활용하여 4개의 모델링 알고리즘으로 기후적합성 예측 모델을 구동하였다. 개발한 모델들의 결과를 종합하여 최종적으로 마른나무흰개미의 평균 발생 확률로 표현되는 앙상블 모델을 개발하였다. 그 결과 마른나무흰개미는 열대 지방에서에서 해양성 기후를 보이는 연안이나 도서지역에서 기후적합성이 높을 것으로 예상되었다. 국내에서는 기후적합성이 전반적으로 낮을 것으로 추정되었다. 하지만, 마른나무흰개미의 정착 및 확산 가능성을 염두해두고, 최근 발생이 보고된 지점을 중심으로 정밀 역학 조사가 필요할 것으로 보인다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.109-130
• /
• 2011

연속발생 데이터는 데이터의 원천으로부터 데이터 저장소로 연속적으로 축적이 되는 데이터를 말한다. 이렇게 축적된 데이터의 크기는 시간이 지남에 따라 점점 커진다. 또한 이러한 대용량 데이터에서 정보를 추출하기 위해서는 저장공간, 시간, 그리고 많은 자원이 필요하다. 이러한 연속발생 데이터의 특성은 시간이 지남에 따라 축적된 대용량 데이터의 이용을 어렵고 고비용이 되게 한다. 만약 정보나 패턴을 추출할 때 누적된 전체 발생 데이터 중에서 최근의 일부만 사용 한다면 적은 일부 표본의 사용의 문제로 인하여 전체 데이터 사용에서 발견될 수 있는 유용한 정보의 유실이 있을 수 있다. 이러한 문제점을 해결하기 위해서 본 연구는 연속발생 데이터를 발생 시점에서 계속 모으기 보다 이러한 발생되는 데이터에서 규칙을 추출하여 효율적으로 지식을 관리하고자 한다. 이 방법은 기존의 방법에 비하여 적은 양의 데이터 저장공간을 필요로 한다. 또한 이렇게 축적된 규칙집합은 미래에 예측을 위해서 언제든 실시간 예측을 할 수 있게 준비가 된다. 여러 예측 모델을 결합시키는 방법인 앙상블 이론에 의하면 본 연구가 제시하는 데로 체계적으로 규칙집합을 시간에 따라 융합시킬 경우 더 나은 예측 성과가 가능하다. 본 연구는 주식시장의 변동성을 예측하기 위하여 주식시장 데이터를 사용하였다. 본 연구는 이 데이터를 이용해 본 연구가 제시하는 방법과 기존의 방법의 예측 정확도를 비교 하였다.

• 터널과지하공간
• /
• 제31권6호
• /
• pp.494-507
• /
• 2021

TBM의 활용이 증가하면서 최근 국내에서도 머신러닝 기법으로 TBM 데이터를 분석하여 TBM 전방의 지반을 예측하고 디스크커터의 교환주기 예측 및 굴진율을 예측하는 연구가 수행되고 있다. 본 연구에서는 TBM 굴진 시 기계 데이터를 대상으로 전통적 암반에 대한 분류 기법과 최근에 다양한 분야에서 널리 사용되고 있는 머신러닝 기법들을 접목하여 슬러리 쉴드 TBM 현장의 암반 특성에 대한 분류 예측을 하였다. 암반 특성 분류 기준 항목을 RQD, 일축압축강도, 탄성파속도로 설정하고 항목별 암반상태를 클래스 0(양호),1(보통),2(불량)의 3개 클래스로 구분한 다음, 6개의 분류 알고리즘에 대한 기계학습을 수행하였다. 그 결과, 앙상블 계열의 모델이 좋은 성능을 보여주었고 특히 학습성능과 더불어 학습속도에서 우수한 결과를 보인 LigthtGBM 모델이 대상 현장 지반에서 최적인 것으로 나타났다. 본 연구에서 설정한 3가지 암반 특성에 대한 분류 모델을 활용하면 지반정보가 제공되지 않은 구간에 대한 암반 상태를 제공할 수 있어 굴착작업 시 도움을 줄 수 있을 것으로 판단된다.

• 한국건설관리학회논문집
• /
• 제24권6호
• /
• pp.66-73
• /
• 2023

건설 프로젝트는 기획부터 완공까지 공사비 예측, 확인, 그리고 정산 단계로 이루어진다. 건설원자재 평균 가격은 변동성을 지닌다. 하지만 건설 프로젝트의 자재비 산정은 계획단계 시점의 시세를 반영하여 결정되기 때문에, 시공단계에서 자재가 투입될 시점의 시세 변동에 따라 예상한 가격과 차이가 날 수 있다. 건설 산업은 건설원자재 가격 변동으로 인한 수요예측 실패, 프로젝트 비용변경으로 인한 사용자 비용 증가, 예측 체계성 부족으로 인한 손실이 발생한다. 이에 따라 건설원자재 가격 예측의 정확도 개선이 필요하다. 본 연구는 Data Refactor 기법의 개선을 통해 건설원자재 가격 예측 및 적용성 검증을 목적으로 한다. 건설원자재의 가격 예측의 정확도를 높이기 위하여 기존의 데이터 리팩토 간의 저·고빈도의 분류 및 ARIMAX 활용법을 빈도 위주 및 ARIMA 기법 활용으로 개선하여 건설원자재 목재, 시멘트 등 6개 품목의 단기(미래 3개월), 중기(미래 6개월), 장기(미래 12개월) 가격을 예측하였다. 분석한 결과 개선된 Data Refactor 기법을 기반으로 한 예측값이 오차는 줄었고 변동성은 확장되었다. 따라서, 본 연구에서 제안된 Data Refactor 기법을 통해 건설원자재 가격을 더 정확하게 예측하여 예산을 효과적으로 관리할 수 있을 것으로 기대된다.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.63-70
• /
• 2023

최근 스마트팜 에너지 비용 중 35% 낸난방비 에너지 소비가 증가되어 에너지 소비 효율화가 요구되며, 전기료 현실화에 대한 우려로 신재생 에너지 중요성이 증가하고 있다. 신재생 에너지는 수력, 풍력, 태양광 등에 속하며, 이중 태양광 에너지는 전기에너지로 변환하는 발전기술로, 이 기술은 에너지원이 환경에 미치는 영향이 적고, 유지 보수가 간편하다는 특징을 갖고 있다. 본 연구에서는 온실 축열조, 히트펌프 데이터 기반으로 축열조 영향을 많이 미치는 요소를 선정하고 축열조 공급 온도예측 모델을 개발하고자 한다. 시계열 데이터 분석 및 예측에 효과적인 LSTM(Long Short-Term Memory)과 다른 앙상블 학습 기법보다 뛰어난 XGBoost 모델을 이용하여 예측한다. 히트펌프 축열조 온도를 예측함으로써 에너지 소비를 최적화하여 시스템 운영을 최적화할 수 있다. 또한, 태양광 활용에 따른 냉난방비 절감 및 농가의 에너지 자립도 개선 등 스마트팜 에너지 통합 운영 시스템에 연계하고자 한다. 플랫폼을 통해 폐열 에너지의 공급을 관리하고 최대 난방부하 및 계절, 시간별 작물생장에 필요한 에너지값을 도출하여 이를 기반으로 최적 에너지 운용방안을 도출하고자 한다.