• 대한토목학회논문집
• /
• 제38권6호
• /
• pp.783-791
• /
• 2018

낮은 밀도의 강우관측망과 레이더 강우의 편향적인 추정은 좁은 지역에서 발생하는 돌발홍수에 대한 적용에는 한계가 있다. 이를 개선하기 위해서는 더 많은 강우정보의 생산이 필요하다. 본 연구에서는 최근에 개발되어 활용되고 있는 차량용 강우센서를 이용하여 적용성을 분석하였다. 개발된 강우센서를 차량에 부착하여 차량의 이동에 따른 강우 관측을 수행하였다. 분석 방법은 강우센서와 인근 강우관측소의 관측값에 대하여 시계열 및 평균 강수량을 이용하였다. 차량별로 부착된 센서(1~10번)의 관측 강우를 분석한 결과 전체적으로 센서별로 상대적으로 차이가 발생하고 있으나 강우 사상에 따른 관측값의 경향은 일정한 패턴을 나타내고 있는 것을 알 수 있었다. 이는 강우센서의 관측위치와 인근 강우관측소와의 거리 차이, 차량의 이동 속도, 강우관측 방법 등 다양한 원인에 의해 발생하는 것으로 분석되었다. 이 결과는 차량용 강우센서를 이용한 강우관측의 가능성을 보여주었으며 향후 다양한 조건에서의 실험 및 강우센서 개선을 통하여 보다 정밀한 강우관측이 가능할 것으로 검토되었다.

• 스마트미디어저널
• /
• 제11권10호
• /
• pp.65-75
• /
• 2022

딥러닝은 기존의 분석 모델이 갖는 한계를 극복하고 텍스트, 이미지, 음악 등 다양한 형태의 결과물을 생성할 수 있는 창의적인 도구로 활용되고 있다. 본 고에서는 Niko's MIDI Pack 음원 파일 1,609개를 데이터 셋으로 삼아 전처리 과정을 수행하고, 양방향 장단기 기억 순환 신경망(Bi-LSTM) 모델을 이용하여, 효율적으로 음악을 생성할 수 있는 전처리 방법과 예측 모델을 제시한다. 생성되는 으뜸음을 바탕으로 음악적 조성(調聲)에 적합한 새로운 시계열 데이터를 생성할 수 있도록 은닉층을 다층화하고, 디코더의 출력 게이트에서 인코더의 입력 데이터 중 영향을 주는 요소의 가중치를 적용하는 어텐션(Attention) 메커니즘을 적용한다. LSTM 모델의 인식률 향상을 위한 파라미터로서 손실함수, 최적화 방법 등 설정 변수들을 적용한다. 제안 모델은 MIDI 학습의 효율성 제고 및 예측 향상을 위해 높은음자리표(treble clef)와 낮은음자리표(bass clef)를 구분하여 추출된 음표, 음표의 길이, 쉼표, 쉼표의 길이와 코드(chord) 등을 적용한 다채널 어텐션 적용 양방향 기억 모델(Bi-LSTM with attention)이다. 학습의 결과는 노이즈와 구별되는 음악의 전개에 어울리는 음표와 코드를 생성하며, 화성학적으로 안정된 음악을 생성하는 모델을 지향한다.

• 한국수자원학회논문집
• /
• 제52권1호
• /
• pp.51-60
• /
• 2019

본 연구에서는 Cosmic-ray 토양수분량 관측시스템 구축 시 필요한 검증 네트워크 설계 기법 개발에 목적을 두고 유전율식(dielectric constant) 장비인 Frequency Domain Reflectometry (FDR)와 연계하여 Cosmic-ray 검증시스템을 구축 운영하였다. Cosmic-ray 검증시스템 평가에 필요한 시범지역은 기존 계측 장비와의 연계성과 다양한 수문자료의 활용성을 고려하여 설마천 유역에 구축하였다. 시범지역은 Cosmic-ray 장비와 FDR 센서(10개소)로 구축하였으며 2018년 7월부터 현재까지 운영되고 있다. 본 연구에서는 검증시스템의 신뢰도를 높이기 위해 코어법(soil core sampling method)을 통해 산출한 용적수분함량(volumetric water content)을 유전율식 장비와 정기적으로 검증하였다. 연구기간 중 수행한 코어법과 FDR 센서를 검증한 결과, 두 자료의 통계량이 $bias=-0.03m^3/m^3$과 $RMSE=0.03m^3/m^3$의 유의한 값을 보였다. 또한 연구기간 동안 FDR 센서의 시계열 특성은 모든 강우에 정상적으로 반응하였다. 그러나 일부 지점에서는 낙엽 및 캐노피의 차단과 상부사면의 유출 등으로 인해 상이한 특성을 보였다. Cosmic-ray 영향원(influence line) 내 FDR 센서의 대표성 분석은 시간 안정성 해석법(temporal stability analysis, TSA)을 이용하여 토심별(10 cm, 20 cm, 30 cm, 40 cm)로 분석하였다. 10개소에 대한 토심별 토양수분량의 대표성을 TSA로 분석한 결과, 토심 10 cm에서는 FDR 5, 토심 20 cm에서는 FDR 8, 토심 30 cm에서는 FDR 2, 토심 40 cm에서는 FDR 1에서 가장 우수한 대표 특성을 보였다. 본 연구의 시범지역 운영 기간이 짧다는 한계는 있지만 지금까지의 분석 결과를 토대로 하여 볼 때, Cosmic-ray 관측시스템 구축 시에는 검증 장비로는 유전율식을 활용하고, Cosmic-ray 영향원 내 토양수분량의 대표성 분석은 TSA 방법으로 수행하는 것이 바람직할 것으로 판단된다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.67-88
• /
• 2018

최근까지도 중소기업의 지속성장 및 경쟁력 확보에 대한 중요함을 인식함에 따라, 정부 차원에서의 유형 자원(R&D 인력, 자금 등)에 대한 지원이 주로 투입되어 왔다. 그러나 사업지원의 적절성이나 효과성, 효율성 면에서 서로 상충되는 정책부분이 존재하여 과소 지원이나 중복 지원 등 지원체계의 비효율성 문제가 제기되어온 것도 사실이다. 정부나 기업 관점에서는 중소기업의 한정된 자원으로 인해, 외부와의 협력을 통한 기술개발 및 역량강화가 기업의 경쟁우위를 창출하는 근간이라 보고 있으며, 이를 위한 가치창출 활동을 강조하고 있다. 기업 레벨에서의 지식생태계 구축을 통해 일련의 가치사슬로부터 기업거래 관계를 분석하고 결과를 가시화할 수 있는 밸류체인 네트워크 분석이 필요한 것도 이 때문이다. 특허/제품/기업명 검색을 통해 관련 제품의 정보나 특허 보유 기업의 기술(제품) 현황 정보를 제공하는 기술기회발굴시스템(Technology Opportunity Discovery system), 기업(재무)정보와 신용정보을 열람하게 해주는 CRETOP이나 KISLINE 등은 존재하고 있으나 밸류체인 네트워크 분석기반으로 유사(경쟁)기업의 리스트나 향후 거래 가능한 잠재 거래처 정보를 제공해주는 시스템은 부재한 실정이다. 따라서, 본 고에서는 KISTI에서 개발 운영중인 기업 비즈니스 전략수립 지원 파트너인 '밸류체인 네트워크 시스템(Value Chain Network System : VCNS)'을 중심으로, 탑재된 네트워크 기반 분석모듈의 유형, 이를 지원하는 참조정보 및 데이터베이스(D/B)의 구성 로직과 시스템 활용방안을 고찰하며, 산업구조를 이해하고 기업의 신제품 개발을 위한 핵심정보가 되고 있는 지능형 밸류체인 분석 시스템의 네트워크 가시화 기능을 살펴보기로 한다. 한 기업이 다른 기업 대비 경쟁우위를 확보하기 위해서는 보유 특허 또는 현재 생산하고 있는 제품에 대한 경쟁자 식별이 필요하며, 세부 업종별 유사(경쟁)기업을 탐색하는 일은 대상기업의 사업화 경쟁력 확보에 핵심이 된다. 또한 기업간 비즈니스 활동인 거래정보는 유사 분야로 진출할 경우 잠재 거래처 정보를 제공하는 중요한 역할을 수행한다. 이러한 기업간 판매정보를 기반으로 구축된 네트워크 맵을 활용하여 기업 또는 업종 수준의 경쟁자를 식별하는 일은 밸류체인 분석의 핵심모듈로 탑재될 수 있다. 밸류체인 네트워크 시스템(VCNS)은 단순 수집된 종래의 기업정보에 밸류체인(value chain) 및 산업구조 분석개념을 접목하여 개별 기업의 시장경쟁 상황은 물론 특정 산업의 가치사슬 관계를 파악할 수 있다. 특히 업종구조 파악, 경쟁사 동향 파악, 경쟁사 분석, 판매처 및 구매처 발굴, 품목별 산업동향, 유망 품목 발굴, 신규 진입기업 발굴, VC별 핵심기업 및 품목 도출, 해당 기업별 보유 특허 파악 등 기업 레벨에서의 유용한 정보분석 툴로 활용 가능하다. 또한, 거래처 정보 및 재무데이터로부터 분석된 결과의 객관성 및 신뢰성을 기반으로, 현재 국내에서 이용 중인 15,000여개 회원기업과 연구개발서비스업 종사자, 출연(연) 및 공공기관 등에서 사업평가 정보지원, R&D 의사결정 지원 및 중 단기 수요예측 전망 등 다양한 목적(용도)에 밸류체인 네트워크 시스템을 활용할 수 있을 것으로 기대된다. 기업의 사업경쟁력 강화를 위해 정부기관 및 민간 연구개발서비스 기업을 중심으로 기술(특허) 및 시장정보가 제공되어 왔으며, 이는 특허분석(등급, 계량분석 위주) 또는 시장분석(시장보고서 기반 시장규모 및 수요예측 위주)의 형태로 지원되어 왔다. 그러나 기업이 사업화진출 단계에서 겪게 되는 애로요인의 하나인 정보부족을 해결하는데 한계가 있었으며, 특히 경쟁기업 및 거래가능 기업 후보군에 대한 탐색정보는 입수하기 어려웠다. 본 연구를 통해 제안된 네트워크맵 및 보유 데이터 기반의 실시간 밸류체인 가시화 서비스모듈이 중견 중소기업이 당면한 신규시장 진출시 경쟁기업 대비 예상점유율, (예상)매출액 수준, 어느 기업을 컨택하여 유통망(원자재/부품에 대한 공급처, 완제품/모듈에 대한 수요처)을 확보할 지에 대한 핵심정보를 제공할 수 있을 것으로 기대된다. 향후 연구에서는 대체기업(또는 대체품목) 경쟁지표의 개발과 연구주체의 참여를 통한 경쟁요인별 지표의 고도화 연구, VCNS의 성능향상을 위한 데이터마이닝 기술 및 알고리즘을 추가 반영하도록 수행하고자 한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 한국수자원학회논문집
• /
• 제53권4호
• /
• pp.273-283
• /
• 2020

지하수자원의 변동성 및 취약성 평가를 위한 지하수위의 정량적 예측은 매우 중요하다. 이를 위해 다양한 시계열 분석 기법과 머신러닝 기법 등이 사용되어 왔다. 본 연구에서는 제주도 한경면 지역에 설치된 11개 지하수위 관측정의 일 수위자료를 대상으로 인공신경망 알고리즘의 하나인 Long short term memory (LSTM)에 기반한 예측 모델을 개발하였다. 제주도의 지하수위는 일반적으로 조석에 의한 자기상관성이 높고 강수에 의한 영향이 잘 반영되는 것으로 알려져 있다. 이러한 자료 특성을 고려한 입출력 텐서를 구성하기 위해 각 지하수 관측정의 수위변동 관측 자료와 같은 기간의 강수량 자료를 추가 입력자료로 선택하였다. 4계절을 나타내는 초기 365일 자료를 이용하여 LSTM 모델을 학습시켰으며 나머지 자료를 검증에 활용하여 예측 모델의 적합도를 평가하였다. 모델의 개발은 Python기반 딥러닝 프레임워크인 Keras를 이용하였고, 학습속도를 향상시키고자 NVIDIA CUDA 아키텍처를 도입하였다. LSTM 모델을 이용하여 지하수위 변화를 학습시키고 검증한 결과 결정계수가 평균 0.98로 나타나 개발된 예측모델의 적합성이 매우 높은 것으로 확인되었다.

• 디지털콘텐츠학회 논문지
• /
• 제12권1호
• /
• pp.85-94
• /
• 2011

QoS(Quality of Service)는 ITU-T Rec. E.800에 의해 서비스를 사용하는 형태, 특성 그리고 요구 수준에 따라 사용자의 요구에 부응하여 제공할 수 있는 네트워크 서비스의 성능지표로 표현된다. VoIP(Voice Over Internet Protocol) 서비스가 광범위하게 사용되고 있지만 QoS관련 문제점은 해결해야 할 현안 과제로 인식되고 있다. 본 연구는 NGN(Next Generation Network) 기반 환경에서 VoIP QoS 보증을 위해 어떤 체계하에서 품질이 관리 되어야 하는지를 도출하기 위해 VoIP 품질측정과 시험체계 모델을 제시 한다. 프레임워크는 VoIP 기술동향, 프로토콜 분석, 품질관리 항목 도출, 품질측정 기능개발, 프레임워크 설계, 프레임워크 검증 순서로 연구를 진행 한다. 이를 위해 QoS 측정 메트릭스, 측정구간과 측정계위, 측정도구와 측정장비, 측정방법 및 측정결과분석에 대한 일련의 프로세스와 관리체계를 모델화 하여 향후 VoIP QoS 보증활동에 응용토록 한다. 통신서비스 품질은 스스로 보장되지 않으며 끊임없이 측정되고 관리될 때 에만 목표 수준의 품질 확보가 가능하다. 특히 네트워크기술 패러다임 대 전환이 전개되고 있는 이 시기적인 중요성을 볼 때 VoIP QoS 관리에 대한 연구는 앞으로 활발하게 추진되어야 할 핵심 소재 이다. 본 연구를 통해 VoIP 품질관리 프레임워크를 적용 할 경우 품질관리가 가능함을 보여주고 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권10호
• /
• pp.391-398
• /
• 2021

전용회선은 데이터 전송에 있어서 연결된 두 지역을 독점적으로 사용하는 구조이기 때문에 안정된 품질수준과 보안성이 확보되어 교환회선의 급격한 증가에도 불구하고 기업 내부에서는 지속적으로 많이 사용하는 회선 방식이다. 하지만 비용이 상대적으로 고가이기 때문에 기업 내 네트워크 운영자의 중요한 역할 중의 하나는 네트워크 전용회선의 자원을 적절히 배치하고 활용하여 최적의 상태를 유지하는 것이 중요한 요소이다. 즉, 비즈니스 서비스 요구 사항을 적절히 지원하기 위해서는 데이터 전송 관점에서 전용회선의 대역폭 자원에 대한 적절한 관리가 필수적이며 전용회선 사용량을 적절히 예측하고 관리하는 것이 핵심 요소가 된다. 이에 본 연구에서는 기업 네트워크에서 사용하는 전용회선의 실제 사용률 데이터를 기반으로 다양한 예측 모형을 적용하고 성능을 평가하였다. 일반적으로 통계적인 방법으로 많이 사용하는 평활화 기법 및 ARIMA 모형과 요즘 많은 연구가 되고 있는 인공신경망에 기반한 딥러닝의 대표적인 모형들을 적용하여 각각의 예측에 대한 성능을 측정하고 비교하였다. 또한, 실험결과에 기초하여 전용회선 자원의 효과적인 운영 관점에서 각 모형이 예측에 대하여 좋은 성능을 내기 위하여 고려해야 할 사항을 제안하였다.

• 자원ㆍ환경경제연구
• /
• 제16권1호
• /
• pp.99-127
• /
• 2007

시간대별 차등요금제(Time-based Pricing)를 포함하여 전력시장에 존재하는 다양한 수요반응(Demand Response) 제도를 개발하고 이를 활성화하기 위한 정책적 수단들이 해외 선진국 전력시장을 중심으로 활발하게 진행되고 있다. 미국의 경우, 2005년 발효된 에너지법에 의하여 이러한 수요반응의 활성화가 준비되고 있으며, 이에 따라 미국의 각 주에서는 신뢰할 수 있고 활용 가능한 수요반응 서비스를 소비자에게 제공하기 위한 다각적인 노력을 시행하고 있다. 즉, 실시간 요금제도(Real-Time Pricing)와 지역별 요금제도(Locational Pricing)의 도입을 통해 시간과 공간에 따른 차등 요금제를 채택하고 있으며, 다양한 인센티브기반 수요반응(Incentive-based DR) 프로그램에 기초하여 기존의 공급자 위주의 수요관리 프로그램들이 시장 친화적 프로그램인 수요반응 프로그램으로 빠르게 변화하고 있다. 우리나라 전력시장에서도 1970년대 이후로 현재까지 다양한 수요관리사업들이 시행되어 오고 있으나, 해외 전력시장의 사례와 같이, 소비자 중심적이고 시장 친화적인 수요자원 활용으로의 전환이 체계적으로 이루어지지 않고 있는 실정이다. 따라서 본 논문에서는 수요반응자원을 전력시장에 도입했을 때 발생할 수 있는 다양한 이익(전력시장 효율 증진 효과, 공급비용 회피 효과, 현물시장 가격감소 효과 등)에 대한 정량적이고 이론적인 분석을 수행하였으며, 이를 통해 수요반응제도 도입의 사회경제적 이익을 계량화하기 위한 방법을 제시하였다.

• 한국수자원학회논문집
• /
• 제49권12호
• /
• pp.981-993
• /
• 2016

본 연구는 서울 삼성 1분구에 대하여 구축된 홍수 예, 경보 시스템의 한 부분인 침수면적 GIS 데이터베이스의 구축과정을 다룬다. XP-SWMM 모형을 대상 연구지역에 대하여 구축하였으며, 유역 출구에 위치한 관로에서 관측된 수위 시계열을 집중시간 산정 및 XP-SWMM 모형의 매개변수 교정에 활용하였다. 유역의 도달시간인 40분을 첫 20분, 나중 20분 두 개의 시간단계로 나누고, 가능최대강수량인 200 mm/hr 이하의 범위를 5 mm/hr 간격으로 나누어 침수를 일으키는 가능한 모든 강우 시나리오를 생성한 후, 이를 XP-SWMM 모형의 입력값으로 사용하여 침수면적의 GIS 데이터베이스를 구축하였다. 침수면적 데이터베이스의 분석을 통해 다음과 같은 결론을 얻었다: (1) 동일한 강우의 증가분에 대하여서도 침수면적이 급격 혹은 완만하게 증가할 수 있는데, 이는 홍수시 지표흐름이 지형과 관망의 공간적 분포에 큰 영향을 받기 때문이다; (2) 동일한 침수면적을 가진 경우라 할지라도 강우가 시간적으로 어떻게 분포하느냐에 따라 침수범위의 차이가 클 수 있다. (3) 동일한 설계강우량이라도 시간적 분포가 다르다면 침수면적 및 침수범위가 크게 다를 수 있다.