• 대기
• /
• 제33권1호
• /
• pp.21-32
• /
• 2023

Characteristics of downslope windstorm (DW) has been examined mainly based on 1-min average wind and the other meteorological conditions in the Yeongdong region for 2000~2020. First, a classification procedure for the downslope windstorm is proposed using surface wind speed (greater than 99 percentile), 1-hour longevity of strong wind (SW), westerly wind direction, low humidity (less than 20 percentile), and leeside warming. The number of DW days satisfying the proposed criteria is 221 (2.9% of total days and 47.5% of SW days) while the number of SW days is 465 (6.1% of total days) for 2000~2020. The occurrences of both SW and DW shows distinctive annual variation with its peak in April. In addition, mean wind speed of DW days is 8.2 m s^-1 with its duration of 2 hr 30 min and relative humidity of 28% at Gangneung. An episode (7 May 2021) was selected by applying the proposed criteria to SW days of 2021. The sounding shows that the layer of wind speed greater than 25 m s^-1 was lowered down to 925 hPa at Gangneung (leeside) relative to 850 hPa at Hoengseong (Wonju), in the afternoon along with significant warming and drying. Froude numbers of Wonju and Gangneung for the DW events were increased 4 and 5 times greater than those of normal days, respectively. This kind of DW long-term statistics in the leeside of the mountains is thought to build a foundation of further understanding DW mechanism.

• International Journal of Computer Science & Network Security
• /
• 제24권7호
• /
• pp.87-100
• /
• 2024

Modern logistics significantly influences the globalization and internationalization processes. Logistics systems are becoming increasingly important in today's rapidly changing environment. On the other hand, the development of global economic integration, business globalization contributes to the creation and development of international logistics systems and global supply chains towards the international market. The aim of the article was to investigate the national logistics systems of developing countries in the context of their integration capabilities. The main methods used in this study are statistical analysis, index, graphical and analytical methods, methods for estimating structural dynamic shifts, comparisons. Commonly used methods of economic research, as well as statistical analysis and interstate comparisons, economic modelling (trend analysis to determine the forecast level of LPI for Ukraine), etc. were also involved. It is noted that the problem of development of logistics systems in developing countries was insufficiently covered in scientific research. The study suggests that the integration capabilities of national logistics systems are determined by the logistics performance of each country and the favourable logistics environment for integration transformations. This allowed analysing the state of the logistics systems of Poland, Bulgaria, India and Ukraine, and identifying the factors that determine it. The logistics environment of Poland, Bulgaria, India and Ukraine, as well as the factors of its formation are evaluated. The components of the logistic portrait of the country in the context of integration capabilities of the logistic system are offered. Trend analysis of LPI was carried out on the example of Ukraine, which showed positive trends in the logistics system and allowed drawing conclusions about increasing integration into international logistics channels based on its geopolitical location, improving the characteristics of the logistics environment, including customs regulation, and improving the efficiency of the national logistics system. Prospects for further research involve studies of the impact of pandemics, globalization, digitalization on logistics systems, including that of developing countries.

• 응용통계연구
• /
• 제31권1호
• /
• pp.77-96
• /
• 2018

주택연금은 계약기간이 확정되어 있지 않기 때문에 계약 종료 시점에 대한 확률분포 예측이 장수리스크 관리를 위하여 중요하다. 따라서 고령화의 주요인인 기대수명의 연장은 연금 재정건전성에 심각한 영향을 끼칠 수 있기 때문에 사망률의 개선 추세가 적절히 반영된 사망률 예측 연구가 선행될 필요가 있다. 본 연구에서는 Lee-Carter (LC) 모형과 연생모형을 이용하여 주택연금 계리모형에 사망률 개선 효과를 반영하였다. 전통적 LC 모형을 통한 사망률 예측 방식은 미래 사망률이 지나치게 개선되는 현상을 보이고 있기 때문에 사망률 개선효과를 조금 더 적절한 수준으로 보정하고자 본 연구에서는 사망확률 분포의 편중을 나타내는 왜도를 활용한 LC 모형을 적용하였다. 왜도 예측 방식을 LC 모형에 적용한 방법론을 사용하여 주택연금 월 지급금을 산출해본 결과 전통적 LC 모형의 사망률 예측보다 사망률 개선효과를 더 적게 반영하여 더 큰 월 지급금이 산출되었고, 왜도 활용 LC 모형에 의한 이러한 결과는 장수 리스크를 덜 왜곡한다는 데 의의가 있다고 볼 수 있다. 본 연구 결과는 사망률 감소 추세를 적절하게 반영한 위험률을 계산하여 주택연금의 발행기관 및 보증기관의 적정한 월 지급금 지급과 차후 월 지급금의 과대지급으로 인한 지급불능을 방지할 수 있는 리스크 관리 방법으로 이용될 수도 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.18-18
• /
• 2011

Climate change is impacting and will increasingly impact both the quantity and quality of the world's water resources in a variety of ways. In some areas warming climate results in increased rainfall, surface runoff, and groundwater recharge while in others there may be declines in all of these. Water quality is described by a number of variables. Some are directly impacted by climate change. Temperature is an obvious example. Notably, increased atmospheric concentrations of $CO_2$ triggering climate change increase the $CO_2$ dissolving into water. This has manifold consequences including decreased pH and increased alkalinity, with resultant increases in dissolved concentrations of the minerals in geologic materials contacted by such water. Climate change is also expected to increase the number and intensity of extreme climate events, with related hydrologic changes. A simple framework has been developed in New Zealand for assessing and predicting climate change impacts on water resources. Assessment is largely based on trend analysis of historic data using the non-parametric Mann-Kendall method. Trend analysis requires long-term, regular monitoring data for both climate and hydrologic variables. Data quality is of primary importance and data gaps must be avoided. Quantitative prediction of climate change impacts on the quantity of water resources can be accomplished by computer modelling. This requires the serial coupling of various models. For example, regional downscaling of results from a world-wide general circulation model (GCM) can be used to forecast temperatures and precipitation for various emissions scenarios in specific catchments. Mechanistic or artificial intelligence modelling can then be used with these inputs to simulate climate change impacts over time, such as changes in streamflow, groundwater-surface water interactions, and changes in groundwater levels. The Waimea Plains catchment in New Zealand was selected for a test application of these assessment and prediction methods. This catchment is predicted to undergo relatively minor impacts due to climate change. All available climate and hydrologic databases were obtained and analyzed. These included climate (temperature, precipitation, solar radiation and sunshine hours, evapotranspiration, humidity, and cloud cover) and hydrologic (streamflow and quality and groundwater levels and quality) records. Results varied but there were indications of atmospheric temperature increasing, rainfall decreasing, streamflow decreasing, and groundwater level decreasing trends. Artificial intelligence modelling was applied to predict water usage, rainfall recharge of groundwater, and upstream flow for two regionally downscaled climate change scenarios (A1B and A2). The AI methods used were multi-layer perceptron (MLP) with extended Kalman filtering (EKF), genetic programming (GP), and a dynamic neuro-fuzzy local modelling system (DNFLMS), respectively. These were then used as inputs to a mechanistic groundwater flow-surface water interaction model (MODFLOW). A DNFLMS was also used to simulate downstream flow and groundwater levels for comparison with MODFLOW outputs. MODFLOW and DNFLMS outputs were consistent. They indicated declines in streamflow on the order of 21 to 23% for MODFLOW and DNFLMS (A1B scenario), respectively, and 27% in both cases for the A2 scenario under severe drought conditions by 2058-2059, with little if any change in groundwater levels.

• 지능정보연구
• /
• 제20권1호
• /
• pp.35-48
• /
• 2014

2013년 건설 경기 전망 보고서에 따르면 주택건설경기 침체 상황의 지속으로 건설 기업의 유동성 위기가 지속될 것으로 전망된다. 건설업은 파산으로 인한 사회적 파급효과가 다른 산업에 비해 큰 편이지만, 업종의 특성상 다른 산업과는 상이한 자본구조와 부채비율, 현금흐름을 가지고 있어서 기업의 파산 예측이 더 어려운 측면이 있다. 건설업은 레버리지가 큰 산업으로 부채비율이 매우 높은 업종이며 현금흐름이 프로젝트 후반부에 집중되는 특성이 있다. 그리고 경기사이클에 따른 부침이 매우 심하여 경기하강국면에선 파산이 급증하는 양상을 보인다. 건설업이 레버리지 산업인 이상 건설업체의 파산율 증가는 여신을 공여한 은행에 큰 부담으로 작용한다. 그럼에도 그간의 파산예측모델이 주로 금융기관에 집중되어 왔고 건설업종에 특화된 연구는 드물었다. 기업의 재무 자료를 바탕으로 한 파산 예측 모델에 대한 연구는 오래 전부터 다양하게 진행되었다. 하지만, 일반적인 기업 전체를 대상으로 하는 모델이기 때문에, 건설 기업과 같이 유동성이 큰 기업의 예측에는 적절하지 못할 수 있다. 건설 산업은 오랜 사업 기간과 대규모 투자, 그리고 투자금 회수가 오래 걸리는 특징을 갖는 자본 집약 산업이다. 이로 인해 다른 산업과는 상이한 자본 구조를 갖기 마련이고, 다른 산업의 기업 재무 위험도를 판단하는 기준과 동일한 적용이 곤란할 수 있다. 최근에는 기계 학습을 바탕으로 한 기업 파산 예측 연구가 활발하다. 기계 학습의 대표적 응용 분야인 패턴 인식을 기업의 파산 예측에 응용한 것이다. 기업의 재무 정보를 바탕으로 패턴을 작성하고 이 패턴이 파산 위험 군에 속하는지 안전한 군에 속하는지 판단하는 것이다. 전통적인 Z-Score와 기계 학습을 이용한 파산 예측과 같은 기존 연구들은 특정 산업 분야가 아닌 일반적인 기업을 대상으로 하기 때문에 기업들의 특성을 전혀 고려하고 있지 못하다. 본 논문에서는 건설 기업을 규모에 따라 각 기법들의 예측 능력을 비교하여 적응형 부스팅이 가장 우수함을 확인하였다. 본 논문은 건설 기업을 자본금 규모에 따라 세 등급으로 분류하고 각각에 대해 적응형 부스팅의 예측력을 분석하였다. 실험 결과 적응형 부스팅이 다른 기법에 비해 예측 결과가 좋았고, 특히 자본금 규모가 500억 이상인 기업의 경우 아주 우수한 결과를 보였다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.79-96
• /
• 2012

기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.

• 지능정보연구
• /
• 제25권3호
• /
• pp.1-17
• /
• 2019

빅데이터 시대에 정보의 양이 급증하고, 그중 많은 부분을 차지하는 문자열 정보를 정량화하여 의미를 찾아 낼 수 있는 인공지능 방법론이 함께 발전하면서, 텍스트 마이닝을 통해 주가 예측에 적용해 온라인 뉴스로 주가를 예측하려는 시도가 다양해지고 있다. 이러한 주가 예측의 방법은 대개 예측하고자 하는 기업의 뉴스로 주가를 예측하는 방식이다. 하지만 특정 회사의 뉴스만이 그 회사의 주가에 영향을 주는 것이 아니라, 그 회사와 관련성이 높은 회사들의 뉴스 또한 주가에 영향을 줄 수 있다. 그러나 관련성이 높은 기업을 찾는 것은 시장 전반의 공통적인 영향과 무작위 신호 때문에 쉽지 않다. 따라서 기존 연구들은 주로 미리 정해진 국제 산업 분류 표준에 기반을 둬 관련성이 높은 기업을 찾았다. 하지만 최근 연구에 따르면, 국제 산업 분류 표준은 섹터에 따라 동질성이 다르며, 동질성이 낮은 섹터는 그들을 모두 함께 고려하여 주가를 예측하는 것이 성능에 악영향을 줄 수 있다는 한계점을 가진다. 이러한 한계점을 극복하기 위해, 본 논문에서는 주가 예측 연구에서 처음으로 경제물리학에서 주로 사용되는 무작위 행렬 이론을 사용하여 시장 전반 효과와 무작위 신호를 제거하고 군집 분석을 시행하여 관련성이 높은 회사를 찾는 방법을 제시하였다. 또한, 이를 기반으로 관련성이 높은 회사의 뉴스를 함께 고려하며 다중 커널 학습을 사용하는 인공지능 모형을 제시한다. 본 논문의 결과는 무작위 행렬 이론을 통해 시장 전반의 효과와 무작위 신호를 제거하여 정확한 상관 계수를 찾아 군집 분석을 시행한다면 기존 연구보다 더 좋은 성능을 보여 준다는 것을 보여준다.

• 지능정보연구
• /
• 제21권3호
• /
• pp.117-129
• /
• 2015

인터넷을 활용한 정보 검색이 보편화됨에 따라, 상대적으로 정보가 부족했던 개인 투자자들이 인터넷 검색을 통해서 관심 기업의 정보를 지속적으로 '주의(attention)'하고 이를 통하여 시의 적절하고 유용한 정보를 획득할 수 있게 되었다. 본 연구에서는 능동적 정보검색을 통해 유도된 주의 효과가 투자자에게 정보전달의 역할을 하는지 개별 기업 주식의 변동성과 동조화를 중심으로 규명하고자 한다. 특히 기업의 본질적 가치에 대한 정보획득 및 판단이 쉽지 않은 정보기술 서비스 중심의 IT 기업을 대상으로 최근 10년간의 키워드 검색 데이터를 분석하였다. 분석 결과, 인터넷 검색을 통한 기업정보의 수집 및 확산의 용이성은 투자자가 기업의 가치를 보다 정확히 평가하는데 도움을 주고 결과적으로 시장에서의 탈동조화를 유인함을 알 수 있다. 즉, 투자자의 주의는 시장에 내재된 불완전성에 의해 본질적인 요소와 상관없이 주식들의 수익률이 동시에 같은 방향으로 움직이는 동조화 현상을 약화시키는데 영향을 미쳤다. 이러한 결과는 기업 규모가 클수록, 연도별 분석에서는 최근에 가까울수록 더 크게 영향을 미치는 것으로 나타났다. 잘 알려진 기업일수록 인터넷 검색으로 획득할 수 있는 정보의 양이 많고, 또한 시간이 지날수록 정보가 쌓이면서 이러한 현상은 더 심화될 것으로 예측할 수 있다. 반면, 인터넷 검색량과 기업의 변동성은 규모가 큰 기업의 경우에만 유의한 양의 관계를 보여주었다. 본 연구는 투자자의 주의효과를 인터넷 검색량을 이용하여 실증 분석하였다는데 의의가 있으며, 연구 결과는 기업 주식의 변동성 및 동조화 현상에 대한 이해를 높이고 투자자의 투자결정에 도움이 될 것으로 기대된다.

• 한국전자거래학회지
• /
• 제24권4호
• /
• pp.119-133
• /
• 2019

최근 태양광 발전량 예측은 태양광 발전량 설비 시스템의 안정적인 작동을 위한 조정 계획, 설비 규격 결정 및 생산 계획 일정을 수립하기 위해 필수적인 요소로 고려된다. 특히, 대부분의 태양광 발전량은 피크시간에 측정되기 때문에, 태양광 시스템 운영자의 이익 최대화와 전력 계통량 안정화를 위해 피크시간의 태양광 발전량 예측은 매우 중요한 요소이다. 또한, 기존 연구들은 광범위한 지역에서 예측된 불확실한 기후 정보들을 이용하여 태양광 발전량을 예측하는 한계점 때문에 일사량, 운량, 온도 등과 기상정보 없이 피크시간의 태양광 발전량을 예측하는 것은 매우 어려운 문제로 고려된다. 따라서 본 논문에서는 피크이전의 기후, 계절 및 관측된 태양광 발전량을 이용하여 미래의 기후 및 계절 정보 없이 피크시간의 태양광 발전량을 예측할 수 있는 LSTM(Long-Shot Term Memory) 기반의 태양광 발전량 예측 기법을 제안한다. 본 연구에서 제안한 모델을 기반으로 실 데이터를 통한 실험 결과, 단기 및 장기적 관점에서 높은 성능을 보였으며, 이는 본 연구에서 목표로 한 피크시간의 태양광 발전량 예측 성능 향상에 긍정적인 영향을 나타내었음을 보여준다.

• 한국해양학회지:바다
• /
• 제27권2호
• /
• pp.49-70
• /
• 2022

해수면 온도는 기후와 바다의 생태계 그리고 인간의 활동에까지 중요한 영향을 미치는 해수의 특성 중 하나로 이를 예측하는 것은 항상 중요하게 다뤄지는 문제다. 최근 들어 과거의 패턴을 학습하여 예측값을 생성할 수 있는 딥러닝을 활용한 해수면 온도 예측이 복잡한 수치모델을 이용한 예측의 대안으로 주목받고 있다. 딥러닝은 입력 자료 간의 비선형적인 관계를 추정할 수 있는 것이 큰 장점이며, 최근 컴퓨터 그래픽카드의 발달로 많은 양의 데이터를 반복적이고 빠르게 계산할 수 있게 되었다. 본 연구에서는 기존의 딥러닝 모델의 단점들을 보완하면서 시공간 자료를 다룰 수 있는 합성곱 신경망(Convolutional Neural Network) 기반의 U-Net을 통해 단기 해수면 온도 예측을 수행하였다. 개발한 딥러닝 모델을 이용한 한국 남부 근해 해수면 온도의 단기 예측은 예측일의 해수면 온도의 중장기 변동성에 따라 달라지는 성능을 보였다. 해수면 온도 변동성의 증감은 계절적 변동 뿐 아니라 Pacific Decadal Oscillation (PDO) 지수의 변동과도 유의미한 상관관계를 보였는데, 이는 계절 변동 및 PDO에 따른 기후 변화에 기인한 수온 전선의 강도 변화가 해수면 온도의 시공간적 변동성에 영향을 줌으로써 발생했음을 확인하였다. 본 연구는 해수면 수온 자료가 가지고 있는 계절적 변동성과 경년 변동성이 딥러닝 모델의 해수면 단기 수온 예측 성능에 기여함을 밝힌 것에 그 의의가 있다.