• 한국인터넷방송통신학회논문지
• /
• 제19권1호
• /
• pp.51-56
• /
• 2019

본 논문은 nonconstant modulus 특성의 높은 스펙트럼 효율을 갖는 16-QAM 신호 전송 시 채널에 의한 부호간 간섭을 줄이기 위한 CCA (Compact Constellation Algorithm)와 RMMA (Region-based MMA) 블라인드 적응 등화 알고리즘의 성능 비교에 관한 것이다. CCA는 결정 장치의 출력인 sliced symbol과 16개의 모든 신호점들을 compact화한 통계적 심볼을 이용하여 탭 계수 갱신을 위한 오차 신호의 분산을 줄여 초기 수렴과 misadjustment를 개선하지만 연산량이 증대되며, RMMA는 신호점이 속하는 영역을 기준으로 4개의 constant modulus 신호로 변환한 후 오차 신호를 얻으므로 빠른 수렴속도와 misadjustment 및 채널 추적 능력이 연산량 증가없이 개선되는 효과를 얻을 수 있다. 논문에서는 동일한 채널에서 이들 알고리즘을 구현한 후 블라인드 적응 등화 성능을 등화기 출력 신호의 성상도, 잔류 isi양, MSE 및 SER을 적용하여 비교하였다. 시뮬레이션의 결과 출력 신호 성상도, 잔류 isi 및 MSE에서는 RMMA가 CCA보다 우월하였지만 수렴 속도는 약1.3배 정도 늦어짐을 알 수 있었다. 또한 잡음에 대한 robustness를 나타내는 SER 성능에서는 SNR이 적을때는 CCA가 우월하지만 6dB 이상에서는 RMMA가 우월하였다.

• Korean Chemical Engineering Research
• /
• 제59권2호
• /
• pp.209-218
• /
• 2021

ORV의 열교환 효율 향상 및 운전 최적화를 위한, first principle 기반 모델링 연구들이 수행되어왔지만, ORV의 열 전달 계수는 시간, 위치에 따라 불규칙한 시스템으로, 복잡한 모델링 과정을 거친다. 본 연구는 복잡한 시스템에 대한 데이터 기반 모델링의 실효성을 확인하고자, LNG 재기화 공정의 실제 운전데이터를 이용해, ORV의 해수 유량, 해수온도, LNG 유량 변화에 따른 토출 NG 온도 및 토출 해수 온도의 동적 변화 예측이 가능한, FNN, LSTM 및 AutoML 기반 모델링을 진행하였다. 예측 정확도는 MSE 기준 LSTM > AutoML > FNN 순으로 좋은 성능을 보였다. 기계학습 모델의 자동설계 방법인 AutoML의 성능은 개발된 FNN보다 뛰어났으며, 모델 개발 전체소요시간은 복잡한 모델인 LSTM 대비 1/15로 크게 차이를 보여 AutoML의 활용 가능성을 보였다. LSTM과 AutoML을 이용한 토출 NG 및 토출 해수 온도의 예측은 0.5 K 미만의 오차를 보였다. 예측모델을 활용해, 겨울철 ORV를 이용해 처리 가능한 LNG 기화량의 실시간 최적화를 수행하여, 기존 대비 최대 23.5%의 LNG를 추가 처리 가능함을 확인하였고, 개발된 동적 예측모델 기반의 ORV 최적 운전 가이드라인을 제시하였다.

• 한국농림기상학회지
• /
• 제23권2호
• /
• pp.122-133
• /
• 2021

작물 모형의 품종모수를 추정하기 위한 기상자료는 일반적으로 생육 관측 자료가 수집된 시험지의 인근에 위치한 종관기상 관측자료가 사용되어왔으나, 지형적인 원인이나 시험지와 기상관측소 사이의 거리로 인해 실제 시험지의 기상과 차이가 발생할 수 있다. 반면, 비교적 높은 밀도로 분포하는 방재기상 관측자료를 활용할 경우 이러한 문제점을 보완할 수 있을 것이다. 본 연구에서는 종관기상 관측자료와 방재기상 관측자료를 각각 사용하여 출수기에 영향을 미치는 DSSAT 모형의 모수들을 추정하고, 추정된 모수들의 신뢰도를 비교하고자 하였다. 모수 추정을 위해 사용한 재배관리 및 생육 관측값은 지역장려품종 선발시험과 작황시험으로부터 수집하였다. 모수 추정은 Generalized Likelihood Uncertainty Estimation (GLUE) 방법을 사용하였으며, 불확실성을 고려하여 100번의 반복 추정을 통해 100개의 모수 집합을 생성하였다. 모수 추정에 소요되는 시간을 단축하기 위해 도커 컨테이너를 기반으로 병렬적으로 GLUE를 구동하였다. 추정된 모수들을 사용하여 모의된 출수기의 평균은, 방재기상자료를 사용하였을 때 최대 4일로, 종관기상자료를 사용하였을 때 최대 오차가 7일이었던 것에 비하여 크게 개선되었다. 그러나, 방재기상자료의 원활한 활용을 위해서는 해당 자료에 대한 접근성이 향상되어야 할 것으로 예상되었다.

• 대한원격탐사학회지
• /
• 제38권3호
• /
• pp.237-250
• /
• 2022

본 연구에서는 딥러닝 기반 다중 객체 추적 모델을 활용하여 수중드론으로 촬영된 영상으로부터 특정 해역의 조식동물 현존량을 추정하는 방법을 제안한다. 수중드론 영상 내에 포함된 조식동물을 클래스 별로 탐지하기 위해 YOLOv5 (You Only Look Once version 5)를 활용하였으며, 개체수 집계를 위해 DeepSORT (Deep Simple Online and real-time tracking)를 활용하였다. GPU 가속기를 활용할 수 있는 워크스테이션 환경에서 두 모델의 성능 평가를 수행하였으며, YOLOv5 모델은 평균 0.9 이상의 모델의 정확도(mean Average Precision, mAP)를 보였으며, YOLOv5s 모델과 DeepSORT 알고리즘을 활용하였을 때, 4 k 해상도 기준 약 59 fps의 속도를 보이는 것을 확인하였다. 실해역 적용 결과 약 28%의 과대 추정하는 경향이 있었으나 객체 탐지 모델만 활용하여 현존량을 추정하는 것과 비교했을 때 오차 수준이 낮은 것을 확인하였다. 초점을 상실한 프레임이 연속해서 발생할 때와 수중드론의 조사 방향이 급격히 전환되는 환경에서의 정확도 향상을 위한 후속 연구가 필요하지만 해당 문제에 대한 개선이 이루어진다면, 추후 조식동물 구제 사업 및 모니터링 분야의 의사결정 지원자료 생산에 활용될 수 있을 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제55권5호
• /
• pp.383-392
• /
• 2022

낙동강하굿둑 기수역의 복원이 국정과제로 채택되면서, 2019~2020년의 실증실험과 2021년 시범운영을 거쳐 2022년 기수역 복원이 공식화 되었다. 해수유입 시 많은 의사결정이 실시간으로 수행되어야 하므로, 실측과 수치해석을 이용한 의사결정시스템이 체계화되었으며, 이 과정에서 정확한 해수유입량 산정이 필요하였다. 이에 본 연구에서는 해수와 담수의 밀도차이와 낙동강하굿둑 수문의 구조적인 특성을 반영한 해수유입량 산정식을 개발하였다. 낙동강하굿둑 수문은 월류와 저류방식으로 해수유입이 가능하므로, 산정식 또한 두 가지 형태로 제시하였다. 개발된 식의 정확도 확인 및 유량계수 도출을 위하여 시범운영 기간동안 ADCP를 이용하여 해수유입량을 실측하였다. 완성된 식을 이용한 계산값과 실측값의 비교 결과 약 3%의 오차를 확인하였다.

• 한국건설관리학회논문집
• /
• 제24권5호
• /
• pp.22-34
• /
• 2023

건설사업의 사업초기단계에 산정되는 공사비 예산을 적절히 예측하는 것은 발주자의 올바른 의사결정을 지원하고 건설사업의 목표를 달성하기 위해 매우 중요한 현안이다. 이는 공공 건설사업의 경우에서도 마찬가지이다. 그러나 현재 공공 건설사업의 사업초기단계에서 수행되는 공사비 예산의 예측방식은 정확성 및 신뢰성 관점에서 정교하지 못해 이에 대한 개선의 필요성이 제기되고 있다. 본 연구의 목적은 인공신경망을 활용하여 공공청사 프로젝트 사업초기단계에서 활용할 수 있는 공사비 예산 예측모델을 개발하는데 있다. 본 연구에서는 조달청에서 제공하는 데이터와 SPSS Statistics 프로그램을 활용하여 인공신경망 모델을 구축하였으며, 공사비 예산 예측의 수준을 분석하고 추가 검증을 통해 모델의 정확성을 검증하였다. 검증 결과, 개발된 인공신경망 모델은 사업초기 단계에서 활용할 수 있는 견적의 오차범위를 보여주었으며 이를 통해 다양한 프로젝트 조건(변수)을 활용하여 보다 정교하게 공사비 예산을 예측할 수 있는 가능성을 시사하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.15-17
• /
• 2022

2020년 하반기부터 2021년 초까지 발생한 조류인플루엔자의 여파로 1,780만수의 산란계가 살처분되면서 계란 공급 부족으로 계란 1판에 1만원을 넘는 사태가 벌어지기도 했다. 이에 정부는 물가 안정 대책으로 1,000억원 이상의 국고를 계란 수입에 투입하였지만, 계란 가격의 안정화는 쉽지 않았다. 계란 가격의 급격한 변동성은 소비자와 양계농가 모두에게 부정적인 영향을 미치므로 계란 가격의 안정화 방안을 위한 대책이 필요하다. 이를 위해 본 연구에서는 머신러닝 회귀분석 알고리즘을 활용하여 계란 가격을 예측하였으며, 가격 예측을 위해서 대한양계협회 2012~2021년도의 월간 산란계 생산통계와 국가통계포털(KOSIS)의 도축실적 등 총 8개의 독립변수를 선택하였다. 실제 가격과 모델에 의한 예측 가격의 차이를 나타내는 평균 제곱근 오차(RMSE)는 약 103원이며, 이는 개발된 모델이 계란 가격을 비교적 잘 예측한 결과라고 판단된다. 정확한 계란 가격 예측은 산란계 계란 생산주령의 유연한 조정과 산란계 입식에 대한 의사결정을 도울 수 있고, 계란 가격 안정성 확보에 도움을 줄 것으로 보인다.

• 대한토목학회논문집
• /
• 제44권1호
• /
• pp.85-93
• /
• 2024

안전하고 지속가능한 건설현장의 운영을 위해 소음, 분진, 진동, 온·습도 등의 환경정보 모니터링은 매우 중요하다. 하지만, 상용 센서들은 단가가 상당하고, 건설현장과 같이 가혹한 환경에서 사용하도록 설계되지 않아 쉽게 고장나거나 측정값이 불안정하며, 각 환경정보마다 개별적인 센서를 설치 및 관리해야 하기 때문에 인력/비용/공간의 확보가 어렵다는 한계점이 존재한다. 본 연구는 건설현장의 소음, 분진, 진동, 온·습도 등의 환경정보를 측정하는 통합 센싱모듈을 개발했다. 구체적으로, 설치 비용을 상용 센서의 3.3% 수준으로 낮추고, 야외의 가혹한 환경에서 사용 가능하도록 설계하며, 다수의 센서를 통합하여 설치와 관리가 편리하도록 개선했다. 또한, 건설현장에서 센싱모듈을 효과적으로 사용하기 위해 GPS, LTE, 실시간 센싱(1분 이내)을 지원한다. 센싱모듈을 검증하기 위해 국가 인증 센서와 측정 성능을 비교했고, 데이터 통신을 검증하기 위해 7곳의 현장에 25회 방문하여 테스트를 진행했다. 그 결과, 소음 측정 정확도 97.5% 및 정밀도 99.9%, 분진 측정 정확도 89.7%, 데이터 송신 안정률 93.5% 등 우수한 성능을 확인했다. 본 연구는 현장으로부터 대량 및 양질의 환경정보 데이터를 수집하도록 지원하여 (1) 관련 규정/법령의 준수 여부 평가, (2) 환경정보 시뮬레이션, (3) 환경대책 수립 등 현장 의사결정에 기여한다.

• 경영정보학연구
• /
• 제25권3호
• /
• pp.99-120
• /
• 2023

본 연구는 택배 이용자의 프라이버시 침해 경험이 프라이버시 심리와 행동에 미치는 영향을 조사하였다. 택배 이용자가 프라이버시 침해 경험을 가지고 있는가에 따라, 프라이버시 침해 사건에 대해 학습이 이루어지고, 인지가 형성되고, 감정이 형성되고, 행동이 나타난다. 이러한 택배 이용자의 프라이버시 심리의 변화 과정은 프라이버시 보호 행동 반응을 예측하는데 중요하다. 본 연구에서는 태도이론을 응용해 택배 이용자의 프라이버시 심리를 설명하기 위한 연구의 이론적 프레임워크를 개발하였다. 이 프레임워크에 기반해, 택배서비스 이용자의 프라이버시 침해 경험, 인지된 프라이버시 위험, 프라이버시 염려 (즉, 개인정보 오류에 따른 염려, 비인가된 이차 이용에 따른 염려, 개인정보 수집에 따른 염려, 부적절한 개인정보에 대한 접근 염려), 프라이버시 보호 행동의 관계를 분석하였다. 본 연구에서는 제안된 연구모델에 대해 택배서비스 이용 경험이 있는 사람들을 대상으로 설문조사를 하였고, SMART-PLS 구조방정식 소프트웨어를 이용해 실증분석을 하였다. 본 연구의 실증분석 결과는 택배 이용과정에서의 프라이버시 침해 경험, 프라이버시 위험, 프라이버시 염려, 그리고 프라이버시 보호 행동 사이에는 인과관계가 존재하는 것으로 나타났다. 본 연구결과는 안전한 택배 서비스를 위한 프리이버시 보호 행동 연구에 유용한 이론적 시사점을 제공해 주었고, 더불어 보다 안전한 택배 비즈니스 모델 개발에 유용한 실무적 시사점을 제공해 주었다.

• Korean Chemical Engineering Research
• /
• 제62권3호
• /
• pp.214-224
• /
• 2024

밸브는 유량과 압력 조절 등의 중요한 역할을 수행하며, 적절한 밸브 사이즈와 유형 선택이 필요하다. Engineering Procurement Construction (EPC) 산업에선 밸브 사이즈 계수(C_v)의 수식적 계산을 바탕으로 사이즈와 유형을 선정해왔으나 이러한 방식은 전문가의 많은 시간과 비용이 요구되어 비효율적이다. 본 연구는 이를 해결하기위해 머신 러닝기법을 이용한 밸브 사이즈 및 유형 예측 모델을 개발하였다. Artificial neural network (ANN), Random Forest, XGBoost, Catboost의알고리즘을 적용하여 모델들을 개발하였으며, 평가 지표로는 사이즈 예측에는 Normalized root mean squared error (NRMSE)와 R²를, 종류 예측에는 F1 score를 적용하였다. 또한, 유체 상에 따른 영향을 확인하고자 유체 전체, 액체, 기체, 스팀의 4개의 데이터 세트로 사례 연구를 진행하였다. 연구 결과, 사이즈의 경우 전체, 액체, 기체에선 Catboost(R²기준, 전체: 0.99216, 액체: 0.98602, 기체: 0.99300. NRMSE 기준, 전체: 0.04072, 액체: 0.04886, 기체: 0.03619)가, 스팀에선 Random Forest가(R²: 0.99028, NRMSE: 0.03493) 가장 뛰어난 모델임을 확인하였다. 종류의 경우 Catboost가 모든 데이터에서 가장 높은 성과를 제시하였다(F1 score 기준, 전체: 0.95766, 액체: 0.96264, 기체: 0.95770, 스팀: 1.0000). 본 연구에서 제안한 모델들을 적용할 경우, 주어진 조건에 따른 밸브 선택을 도와 의사결정 속도를 높여줄 것으로 기대된다.