• 한국재난정보학회 논문집
• /
• 제17권4호
• /
• pp.684-693
• /
• 2021

연구목적: 아두이노를 이용하여 실시간 대지저항 데이터를 취득할 수 있는 스마트 대지저항 측정장치를 개발하여 낙뢰 등 이상전압으로부터 안전한 설비환경을 구축하는것에 목적이 있다. 연구방법: 본 논문은 아두이노와 전력선 통신(PLC) 체계를 갖춘 대지저항 취득 및 분석 시스템을 개발하여 설계모델과 적용사례를 연구하였다. 경남지역의 풍력발전 단지 내 일부 부지를 테스트 베드로 선정하여 신기술을 적용한 실시간 대지저항 데이터를 취득하였다. 전극배열은 웨너(Wenner) 4전극배열과 슐렘버거(Schlumberger) 전극배열을 혼용한 스마트 전극배열을 채택하였다. 연구결과: 본 기술의 특징은 첫 번째로 스마트 다 전극의 깊이를 각기 다르게 편성해 층간에 특이성을 가지는 지층 구조에도 취득 데이터의 오차범위를 축소하였다. 두 번째로 스마트 접지전극에서 취득한 대지저항 데이터의 정보를 사물인터넷으로 실시간 송·수신이 가능하도록 IT융합 기술을 적용하였다. 마지막으로 규칙적인 관리 체계를 구축하고 Server에 축적된 빅 데이터를 분석하여 다양한 요소들의 변화추이를 확인할 수 있으며, IT융합 환경에 최적의 접지 알고리즘과 접지시스템 설계 모델링이 가능하다. 결론: 본 기술은 4차 산업 시대에 근간이 되는 도시 기반시설에 낙뢰로 인한 서지(Surge)의 피해를 줄이고 최적화된 접지시스템 모델을 설계하여 사용자의 안전과 생명을 보호 할 것이다. 또한 순수 국산 기술력의 지적재산권을 확보하여 포스트 코로나 시대에 팬데믹으로 정체되어있는 우리산업의 일자리 창출과 활기를 불어넣는 효과도 기대된다.

• 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.

• 한국콘텐츠학회논문지
• /
• 제21권1호
• /
• pp.277-283
• /
• 2021

차종별 교통량 자료는 건축·도시·교통 등의 다양한 분야에서 기초 자료로 활용되는 중요한 자료이다. 교통량 자료는 상시조사와 수시조사를 통해 수집되어 도로교통량 통계연보에 매년 연평균일교통량(AATD)으로 제공된다. 상시조사는 매설형 교통량 수집 장비 (AVC)를 통해 수집되며, AVC는 교통량을 검지하는 루프센서와 축수를 검지하는 피에조 센서로 구성되어 있다. 교통량 수집 장비는 매설형의 특성상 검지 장비 고장 등으로 인한 결측자료가 발생된다. 기존방법에서는 과거 데이터와 지점 주변의 교통량 추세를 통해 보정한다. 그러나 이러한 방법은 시간적·공간적 특성을 반영하지 못하고 보정에 활용되는 기데이터 또한 보정값일 수도 있다는 단점이 있다. 본 연구에서는 차량의 축을 검지할수 있는 피에조센서를 활용하여 획득되는 누적 축수를 통해 축보정계수를 산출하여 결측된 교통량을 보정하는 방안을 제안하였다. 이는 기존 방법의 한계점인 시간적·공간적 특성을 반영할 수 있다는 장점이 있으며, 비교 평가 결과 기존의 방법보다 오차율이 더 낮게 도출되었다. 축 카운트를 활용한 교통량보정시스템은 간단한 알고리즘으로 바로 현장 시스템에 적용 가능한 보정방법으로 판단된다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 한국수자원학회논문집
• /
• 제57권5호
• /
• pp.333-346
• /
• 2024

수량과 수질 및 수생태를 동시에 고려한 수자원 관리를 위해서는 신뢰도 높은 중기 유량 예측 기술이 필수적이다. 이를 위해서는 기상자료의 특성에 대한 이해와 더불어, 시공간 해상도가 낮은 기상예측 정보를 고해상도 분포형 수문모형에서 효과적으로 활용하는 기술이 중요하다. 본 연구에서는 분포형 수문모형 WRF-Hydro와 선행시간 288시간까지의 기상정보를 제공하는 Global Data Assimilation and Prediction System (GDAPS)를 활용해 고해상도 중기 유량 예측을 수행하고 적용성을 검토하였다. 이를 위해 대상 유역인 낙동강 지류 금호강 유역에 대해 100 m 공간해상도의 WRF-Hydro모형을 구축하고 기상지상관측자료 Automatic Weather Stations (AWS)& Automated Synoptic Observing Systems (ASOS), 기상수치예보모형 GDAPS, 기상재분석자료 Global Land Data Assimilation System (GLDAS)를 입력자료로 적용한 유량 예측 모의 결과를 비교하였다. 2020~2022년 기간 3개의 강우사상에 대해 유역 평균 누적 강우량을 분석 결과, AWS&ASOS대비 GDAPS는 36%~234%, GLDAS 재분석자료는 80%~153% 범위의 과소 및 과대 산정되었음을 확인하였다. AWS&ASOS입력자료로 한 유량 예측 결과는 KGE, NSE지표가 유역 말단 강창교 지점 기준 0.6이상이었으나, GDAPS 기반 유량 모의는 강우 사상에 따라 KGE 값이 0.871~-0.131로 큰 변동성이 확인되었다. 한편, 첨두 유량 오차는 GDAPS가 GLDAS보다 크거나 비슷했지만, 첨두 홍수 발생시간의 오차는 AWS&ASOS, GDAPS, GLDAS가 각각 평균 3.7시간, 8.4시간, 70.1시간으로, 첨두 발생시간 측면에서는 GDAPS의 오차가 GLDAS보다 적었다. GDAPS를 입력자료로 한 WRF-Hydro 고해상도 중기 유량 예측은 첨두 유량의 불확실성은 크지만, 첨두 유량 발생시점에 대한 정확도는 상대적으로 높아 수자원 시설 운영에 효과적으로 활용될 수 있을 것으로 판단된다.

• 한국지구과학회지
• /
• 제39권3호
• /
• pp.228-240
• /
• 2018

2015년부터 최근까지 차세대도시농림융합기상사업단에서는 수도권에 위치한 도시기상 관측소에서 관측된 기상자료(14소), 운고계(2소) 그리고 마이크로웨이브 라디오미터(MWR, 7소) 자료를 이용하여 태양에너지를 산출하였다. 수도권지역에 위치한 운고계에서 관측된 후방산란계수와 MWR에서 추정된 액상물량을 이용하여 구름광학두께와 운량을 산출하였다. 각각의 원격탐사장비에서 산출된 운량을 태양복사모델에 입력하여 지표면에 도달하는 태양에너지를 계산하였다. 추정된 태양에너지를 관측과 비교한 결과, 중랑과 광화문지점에서는 과소추정이 나타났다. 선형회귀분석한 결과 0.8이하의 기울기를 나타냈고 $-20W/m^2$의 음의 편차와 $120W/m^2$의 평방근오차(RMSE)가 나타났다. 그리고 MWR을 이용하여 추정된 태양에너지의 정확도(평균 결정계수$(R^2)=0.8$)와 오차율(평균 $RMSE=110W/m^2$)이 향상되었다. 월별 산출된 운량과 태양에너지는 운고계를 이용하여 산출하였을 때 운량이 0.09 이상 크게 나타났으며 태양에너지가 $50W/m^2$ 이상 낮게 산출되었다. 지점에 따라 차이는 있었으나 대체로 7월과 9월의 RMSE가 $50W/m^2$ 이상 크게 계산되었다. 결과적으로 일누적 태양에너지는 광화문지점에서 가장 높은 상관성이 나타났고($R^2=0.80$, RMSE=2.87 MJ/Day), 구로지점에서 상관성이 가장 낮았다($R^2=0.63$, RMSE=4.77 MJ/Day).

• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.441-448
• /
• 2015

식량수급을 이해하기 위한 농업 현황 정보가 부족한 북한을 대상으로 위성영상과 기후자료를 이용하여 객관적이고 재현 가능한 벼 수량을 추정하는 방법을 개발하는 것을 본 연구의 목적으로 하였다. 2002년부터 2014년까지의 MODIS 위성 식생지수 평균 NDVI 최대값과 27개 관측지점의 9월 강수량 자료를 이용하여 북한의 벼 수량 값을 추정하였다. 모형의 결정계수는 0.44, RMSE는 0.27 ton/ha로 다소 크게 나타났고, 분산분석결과 F비가 3.0983, 유의확률이 0.1008을 보였다. 벼논 지역의 MODIS 평균 NDVI 최대값과 등숙기의 기후자료를 이용하여 추정한 북한의 벼 수량은 2007년이 2.71 ton/ha로 가장 낮게, 2006년이 3.54 ton/ha로 가장 높게 나타났다. 통계 값과 추정 값의 산점도를 통하여 비교한 결과 벼 수량이 약 3.3 ton/ha 보다 적을 때는 모형의 추정 값이 높고 그 이상일 때는 통계 값이 더 높게 나타나는 경향이었다. 모형의 종속변수와 독립변수로 사용되는 위성영상의 품질, 단일 시기의 벼논 마스크 영상, 기상 관측지점의 수와 자료의 품질, 통계 값의 품질 등으로 벼 수량에 대한 추정 성능의 한계가 있지만 객관적 자료를 사용하여 재현 가능한 방법을 제시하였다는 의미를 가진다. 모형 구동을 위해 사용되는 자료의 품질을 높여 나가야 하는 과제를 안고 있다.

• 대한환경공학회지
• /
• 제28권3호
• /
• pp.308-315
• /
• 2006

유입 하수의 성상은 하수처리장의 효율을 결정하는 중요한 요인이다. 따라서 하수의 성상을 이해하고 실시간으로 측정하는 기술은 유입 하수 성상에 상응하는 적절한 운전 전략을 결정하는데 중요한 역할을 할 수 있을 것이다. 본 연구에서는 2005년 10월 1일부터 11월 21일까지 대도시 하수종말처리장 유입 수문에서 두 시간 간격으로 하수를 채취하여 성상을 분석하였다. 그 결과 하수의 유량 및 구성성분의 농도가 1일 단위로 일정한 형태를 갖는 것으로 밝혀졌는데, 오전 11시와 1시 사이에 가장 높은 값을 보였고, 새벽 5시에서 7시 사이에 가장 낮은 값을 갖는 것으로 나타났다. 상관관계 평가에서 300 nm에서 측정한 하수의 흡광도는 하수 구성성분의 농도와 매우 밀접한 것으로 밝혀졌다. 실시간 측정이 가능한 흡광도와 유량, 그리고 반복되는 하수 성상을 이용하여 구성성분의 농도를 추정하는 기법을 개발하고자 하였다. 첫 번째로 흡광도와 구성성분의 농도와의 1차 회귀분석을 수행하였고, 두 번째로 흡광도와 하수 유량, 유입시간을 이용하여 훈련시킨 인공신경망을 이용하였다. 그 결과 두 방법 모두 하수 구성성분의 농도를 예측하는데 높은 정확성을 보였는데, 인공 신경망을 사용한 경우 예측값과 실측값의 RMSE(root mean square error) 값이 TSS의 경우 19.3에서 14.4, TCOD의 경우 26.7에서 25.1로, TN의 경우 5.4에서 4.1로, TP의 경우 0.45에서 0.39로 각각 향상되는 것으로 나타났다.

• 지구물리와물리탐사
• /
• 제10권3호
• /
• pp.191-202
• /
• 2007

한반도 남부지역의 세부적인 지진파 감쇠특성 규명을 위해, 기존에는 적용이 불가능하였던 Q 토모그래피 역산을 위한 사전 수치검증 연구를 수행하였다. 특히 강지진동모사를 위해 일반적으로 사용되고 있는 추계학적 점지진원 지진동 모델(stochastic point-source ground-motion model; Boore, 2003)에서 사용되는 Q 값에 대한 2차원(2D; 2 Dimensional) 토모그래피 역산을 시도함으로써 역산 결과가 강지진동모사에 직접 활용될 수 있도록 하였다. 수치검증 방법으로는 Q 토모그래피 checkerboard 시험방법이 사용되었는데, 이를 위해 광역 단일 Q 모델의 추계학적 지진동모델 파라미터 역산결과의 지진원과 부지효과 모델 파라미터 값을 이용해서 관측자료와 지진규모-거리-주파수-오차 분포가 동일한 스펙트럼 합성자료를 생성하였다. 수치검증을 위한 Q 블록 격자의 총 개수는 75개(내륙지역=69개(약 $35{\times}44km^2$의 격자크기); 해양지역=6개)로 설정하였으며, $Q_0f^{\eta}$ 함수형태의 Q 블록 값은 $Q_0$=100, 500, ${\eta}=0.0{\sim}1.0$의 분포를 갖도록 하고, 파선의 깊이는 별도로 고려하지 않았다. 스펙트럼 합성자료 생성에 이용된 모델파라미터의 정해와 모델파라미터의 역산결과를 비교하기 위한 checkerboard 수치검증은 3단계에 걸쳐 수행되었는데, 1단계는 블록별 Q의 초기값 추정 단계이며, 2단계는 관측소별 부지증폭함수를 추정하는 단계, 마지막 3단계에서는 최종적인 Q를 도출하는 단계이다. 관측소별 부지증폭함수의 초기 추정값으로는 기 분류된 관측소 등급에 대한 평균 부지증폭함수(연관희, 서정희, 2007)가 사용되었으며, 3단계의 checkerboard 수치검증 결과 최종적으로 추정된 부지효과 모델에는 오차가 발생하였으나 블록별 Q의 정해는 만족할 정도로 추정할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권11호
• /
• pp.509-520
• /
• 2015

대학수학능력시험(수능)은 고등학교 3년간의 학업 성취도를 측정하는 대표적인 평가 도구로서 대한민국 대학 입시에 있어 매우 중요한 역할을 하는 시험이다. 응시생들의 학업 성취도를 효과적으로 평가하기 위해서는 수능의 난이도가 적절하게 조절되어야 하나 지금까지는 수능 난이도의 편차가 매우 크게 나타나 매 입시연도마다 여러 가지 문제점을 야기해왔다. 본 연구에서는 전문가의 판단에 의존한 기존 방식에서 벗어나 지금까지 시행된 모의고사 및 실제 시험을 통해 축적된 자료를 바탕으로 데이터마이닝 기법을 적용하여 영어영역 문제의 난이도를 예측하는 모델을 구축하고 난이도 예측에 영향을 미치는 요소를 판별하고자 한다. 이를 위해 각 문항의 특성을 판별할 수 있는 여러 지표와 함께 지문, 문제, 답안 등에 나타난 단어들의 특징을 토픽 모델링(topic modeling) 기법을 이용하여 정량화하고 이를 바탕으로 선형회귀분석 및 의사결정나무 기법을 이용하여 각 문항의 난이도를 예측하는 모델을 구축하였다. 구축된 예측 모델을 실제 문제에 적용한 결과 난이도의 상/하 구분에 대한 예측 정확도는 90% 수준으로 나타났으며, 실제 정답률 대비 오차 비율은 약 16% 이내인 것으로 나타났다. 또한 배점 및 문제 유형이 문제의 난이도에 큰 영향을 미치며 지문이 특정 주제에 관련된 경우에도 난이도에 영향을 미치는 것을 확인하였다. 본 연구에서 제시된 방법론을 이용하여 영어영역 각 문제들에 대한 기대 정답률의 범위를 추정할 수 있으며 이를 종합하여 영어영역 전체 문제에 대한 정답률 예측을 통해 적절한 난이도의 문제를 출제하는 데 기여할 수 있을 것으로 기대한다.