• 인터넷정보학회논문지
• /
• 제21권5호
• /
• pp.139-148
• /
• 2020

전염병은 오래전부터 인류를 괴롭혀 왔으며 이를 예측 하고 예방하는 것은 인류에게 있어 큰 과제였다. 이러한 이유로 지금까지도 전염병을 예측하기 위해 다양한 연구가 진행되고 있다. 초기의 연구 중 대부분은 CDC(Centers for Disease Control and Prevention)의 역학 데이터에 의존한 연구였으며, CDC에서 제공하는 데이터는 일주일에 한 번만 갱신돼 실시간 질병 발생 건수를 예측하기 어렵다는 문제점을 갖고 있었다. 하지만 최근 IT 기술의 발전으로 여러 인터넷 매체들이 등장하면서 웹 데이터를 통해 전염병의 발생을 예측하고자 하는 연구가 진행되었고 이 중 우리가 조사한 연구 중 대부분은 단일 웹 데이터를 사용하여 질병을 예측하는 연구였다. 하지만 단일 웹 데이터를 통한 질병 예측은 "COVID-19" 같이 최근에 등장한 전염병에 대해서는 많은 양의 학습 데이터를 수집하기 어려우며 이러한 모델을 통해 정확한 예측을 하기 어렵다는 단점을 가지고 있다. 이에 우리는 전염병 발생을 LSTM 모델을 통해 예측할 때 여러 개의 웹 데이터를 사용하는 모델이 단일 웹 데이터를 사용하는 모델보다 정확도가 더 높음을 실험을 통해 증명하고 전염병 예측에 적절한 모델을 제안하고자 한다. 본 실험에서는 단일 웹 데이터를 사용하는 모델과 우리가 제안하는 모델을 사용하여 "말라리아"와 "유행성이하선염"의 발생을 예측했다. 우리는 2017년 12월 31 일부터 2019년 12월 28일까지 총 104주 분량의 NEWS, SNS, 검색 쿼리 데이터를 수집했는데, 이 중 75주는 학습 데이터로, 29주는 검증 데이터로 사용됐다. 실험 결과 우리가 제안한 모델의 예측 결과와 단일 웹 데이터를 사용한 모델의 예측 결과를 비교했을 때 검증 데이터에 대해서 피어슨 상관계수가 0.94, 0.86로 가장 높았고 RMSE 또한 0.19, 0.07로 가장 낮은 오차를 보여주었다.

• 생물환경조절학회지
• /
• 제26권4호
• /
• pp.258-267
• /
• 2017

The price competitiveness of photovoltaic system (PV system) has risen recently due to the growth of industries, however, it is rarely applied to the greenhouse compared to other renewable energy. In order to evaluate the application of PV system in the greenhouse, power generation and optimal installation area of PV panels should be analyzed. For this purpose, the prediction of the heating and cooling loads of the greenhouse is necessary at first. Therefore, periodic and maximum energy loads of a multi-span greenhouse were estimated using Building Energy Simulation(BES) and optimal installation area of PV panels was derived in this study. 5 parameter equivalent circuit model was applied to analyzed power generation of PV system under different installation angle and the optimal installation condition of the PV system was derived. As a result of the energy simulation, the average cooling load and heating load of the greenhouse were 627,516MJ and 1,652,050MJ respectively when the ventilation rate was $60AE{\cdot}hr^{-1}$. The highest electric power production of the PV system was generated when the installation angle was set to $30^{\circ}$. Also, adjustable PV system produced about 6% more electric power than the fixed PV system. Optimal installation area of the PV panels was derived with consideration of the estimated energy loads. As a result, optimal installation area of PV panels for fixed PV system and adjustable PV system were $521m^2$ and $494m^2$ respectively.

• 한국정보과학회논문지:시스템및이론
• /
• 제37권3호
• /
• pp.147-160
• /
• 2010

최근 서버의 통합을 통해 시스템 자원의 효율적인 활용을 제공할 수 있는 시스템 가상화가 많은 주목을 받고 있다. 이 시스템 가상화 기술을 통하여 보다 효과적으로 시스템 자원을 활용하고 가상화 소프트웨어의 성능을 향상시킬 수 있는 방안이 다양하게 연구되고 있다. 이러한 연구들은 CPU 측면에서 동적으로 가상머신에 할당된 양을 조절하거나 마이그레이션 기능을 활용하여 머신 간 자원 관리 등의 다양한 측면에서 활발하게 진행되고 있으나 메모리 측면에서는 그 연구가 매우 부족한 실정이다. 따라서 서버 통합에서의 메모리 자원의 이용은 가상머신 탑재 시에 정적으로 할당된 메모리를 사용하는 수준에서 머물고 있다. 하지만 본 논문의 성능 비교 환경인 Xen 가상화에서 가상머신에 정적으로 메모리를 할당하는 방식은 유휴메모리를 다량 발생시켜 메모리 이용률을 낮추게 된다. 메모리 이용률을 높이기 위하여 가상머신에 할당하는 메모리양을 줄일 경우 다른 시스템 자원에도 영향을 미치게 되며 가상머신에서 운영되는 서비스의 성능 저하를 유발하게 된다. 본 논문에서는 가상머신 사이의 메모리 할당량을 조절하여 가상머신의 서비스에 성능저하가 없으면서 이용률을 향상시킬 수 있는 메모리의 동적 할당을 제안한다. 메모리 사용량 예측을 위한 AR 모델과 메모리 이용률 최적화를 위한 개미 군집 알고리즘을 사용하여 구현한 메모리의 동적 할당 시스템을 통하여 정적 할당의 경우에 비하여 더 많은 수의 가상머신을 운영할 수 있게 되고 서버로 운영되는 가상머신의 서비스 성능 저하 없이 약 1.4배의 이용률 향상을 얻을 수 있었다.

• 한국해양공학회지
• /
• 제33권6호
• /
• pp.590-596
• /
• 2019

Numerous deaths and substantial property damage have occurred recently due to frequent disasters of the highest intensity according to the abnormal climate, which is caused by various problems, such as global warming, all over the world. Such large-scale disasters have become an international issue and have made people aware of the disasters so they can implement disaster-prevention measures. Extensive information on disaster prevention actively has been announced publicly to support the natural disaster reduction measures throughout the world. In Japan, diverse developmental studies on disaster prevention systems, which support hazard map development and flood control activity, have been conducted vigorously to estimate external forces according to design frequencies as well as expected maximum frequencies from a variety of areas, such as rivers, coasts, and ports based on broad disaster prevention data obtained from several huge disasters. However, the current reduction measures alone are not sufficiently effective due to the change of the paradigms of the current disasters. Therefore, in order to obtain the synergy effect of reduction measures, a study of the establishment of an integrated system is required to improve the various disaster prevention technologies and the current disaster prevention system. In order to develop a similar typhoon search system and establish a disaster prevention infrastructure, in this study, techniques will be developed that can be used to forecast typhoons before they strike by using artificial intelligence (AI) technology and offer primary disaster prevention information according to the direction of the typhoon. The main function of this model is to predict the most similar typhoon among the existing typhoons by utilizing the major typhoon information, such as course, central pressure, and speed, before the typhoon directly impacts South Korea. This model is equipped with a combination of AI and DNN forecasts of typhoons that change from moment to moment in order to efficiently forecast a current typhoon based on similar typhoons in the past. Thus, the result of a similar typhoon search showed that the quality of prediction was higher with the grid size of one degree rather than two degrees in latitude and longitude.

• 대기
• /
• 제28권1호
• /
• pp.99-112
• /
• 2018

In this study, the accuracy of ocean analysis data, which are produced from the Korea Meteorological Administration (KMA) Nucleus for European Modelling of the Ocean/Variational Data Assimilation (NEMO/NEMOVAR, hereafter NEMO) system and the HYbrid Coordinate Ocean Model/Navy Coupled Ocean Data Assimilation (HYCOM/NCODA, hereafter HYCOM) system, was evaluated using various oceanic observation data from March 2015 to February 2016. The evaluation was made for oceanic thermal environments in the tropical Pacific, the western North Pacific, and the Korean peninsula. NEMO generally outperformed HYCOM in the three regions. Particularly, in the tropical Pacific, the RMSEs (Root Mean Square Errors) of NEMO for both the sea surface temperature and vertical water temperature profile were about 50% smaller than those of HYCOM. In the western North Pacific, in which the observational data were not used for data assimilation, the RMSE of NEMO profiles up to 1000 m ($0.49^{\circ}C$) was much lower than that of HYCOM ($0.73^{\circ}C$). Around the Korean peninsula, the difference in RMSE between the two models was small (NEMO, $0.61^{\circ}C$; HYCOM, $0.72^{\circ}C$), in which their errors show relatively big in the winter and small in the summer. The differences reported here in the accuracy between NEMO and HYCOM for the thermal environments may be attributed to horizontal and vertical resolutions of the models, vertical coordinate and mixing scheme, data quality control system, data used for data assimilation, and atmosphere forcing. The present results can be used as a basic data to evaluate the accuracy of NEMO, before it becomes the operational model of the KMA providing real-time ocean analysis and prediction data.

• 콘크리트학회논문집
• /
• 제18권5호
• /
• pp.677-685
• /
• 2006

수화열 균열 저감 기법 중 내부구속이 지배적인 구조물에서 단면의 내외부 온도차를 관리하는 방식은 그 활용도가 매우 높다. 그러나 현 국내 기준의 내외부 온도차와 온도균열지수 관계식은 균열 발생 가능성을 과대평가하는 경향이 있다. 본 연구에서는 그러한 평가식이 유도된 배경을 단계별로 추적하여 타당성을 검증해 보았으며, 그 결과 재령에 따른 탄성계수의 변동성이 고려되지 않은 단순한 재료모델을 사용한 경우에 해당됨을 밝혔다. 개선된 재료모델로 증분형태 구성방정식인 hypoelastic 모델을 사용한 결과 온도균열지수가 기존 식보다 증가되었으며, 그 증가량은 다양한 조건들에 의존하는 것으로 나타났다. 본 연구의 분석 결과와 해외사례를 참조하여 평가식의 개선된 형태를 고찰하였으며 또한 평가시 필요한 내외부 온도차를 시공 조건들의 영향을 고려하여 용이하게 추정할 수 있는 식도 제안하였다. 추후 해석 및 실험 자료가 축적되면 구조물과 배합의 주요 특징들을 반영하여 평가식을 세분화하는 것도 바람직하다고 생각된다.

• 인터넷정보학회논문지
• /
• 제14권4호
• /
• pp.63-72
• /
• 2013

비즈니스 프로세스 인텔리전스(BPI)는 지식의 발견 및 분석 분야의 새로운 기술로서, BPM 기반 조직에 관련된 지식을 발견하고 이를 분석하기 위한 기술들을 말한다. BPI를 통해, 프로세스 기반 조직의 지식을 제어, 모니터링, 예측, 최적화할 수 있게 되는데, 본 논문에서는 특정 비즈니스 프로세스 모델에 참여하는 수행자들과 업무들간의 소속 관계를 나타내는 BPM 업무-수행자 소속성 네트워크 지식에 초점을 맞춘다. 즉, 본 논문에서는 BPM 업무-수행자 소속성 네트워크 지식을 위한 통계 분석 기법을 제안하며, 이를 업무-수행자 대응 분석 기법이라 정의한다. 제안하는 대응 분석 기법의 과정은 이분 행렬을 생성하고, 이에 대한 대응 분석 결과를 가시화하는 과정으로 구성되며, 이를 통해 비즈니스 프로세스 모델 또는 비즈니스 프로세스 패키지에 소속되는 수행자 그룹과 업무 그룹간의 연관 관계를 분석할 수 있다. 결론적으로, 제안하는 업무-수행자 대응 분석 기법을 통해 BPM 기반 조직을 위한 비즈니스 프로세스 모델 또는 비즈니스 프로세스 패키지의 계획 및 설계 과정에서, 업무와 수행자간의 연관 관계를 고려하여, 인적 자원 할당의 효과성과 효율성을 제고할 것이라 기대된다.

• 대한토목학회논문집
• /
• 제31권5B호
• /
• pp.405-414
• /
• 2011

본 연구에서는 유역에서 관측되는 강우량과 유출량의 시계열 자료를 바탕으로 최근 시계열 예측 및 시스템 제어 분야에서 성공적으로 적용되고 있는 적응형 네트워크 기반 퍼지추론 시스템(ANFIS)을 갑천 유역에 적용하여 시유출량을 모델링하였다. 입력구조, 소속함수 종류와 개수 등을 다양하게 변화시켜 ANFIS 모형을 학습하고, 평균제곱근오차(RMSE), 평균첨두유량오차(PE) 및 평균첨두시간오차(TE)를 이용하여 ANFIS의 유출해석에 대한 적용성을 평가하였다. 현재시간의 시유출량 Q(t)에 대한 ANFIS의 적용성은 우수한 것으로 평가되었으며, ANFIS 모형은 관측유출량을 적절히 모의하였다. 입력구조가 다른 입력모형을 구성하여 최대 8시간까지 ANFIS의 유출예측 적용성을 평가하였다. 예측시간 증가에 따라서 ANFIS의 유출예측 정확도는 감소하여 예측시간 4시간 이상의 시유출량에 대한 ANFIS의 유출예측 적용성은 제한적이었다. ANFIS는 입력과 출력 자료들만 이용하므로 물리기반 모형에 비교하여 모형구축이 비교적 손쉽기 때문에 홍수 유출모델링에 ANFIS을 유용하게 적용할 수 있을 것으로 판단된다.

• 한국습지학회지
• /
• 제19권1호
• /
• pp.90-102
• /
• 2017

본 연구에서는 과거 2년에 걸쳐 강우유출수 처리목적의 인공습지로부터 수집된 수질자료를 바탕으로 지금까지 국외에서 개발된 다양한 형태의 영양소 모델의 적용성을 평가하였다. 검토결과 질소제거에 가장 큰 영향을 미치는 요인은 수온과 수리학적 부하율(HLR) 이었는데 습지의 수표면적이 습지의 용량에 비해 더 중요하게 작용했음을 시사해주고 있다. 질소제거는 미국 WEF(water environment federation)가 개발한 준경험적인 형태의 모델이 적합한 것으로 밝혀졌다. 한편 인 제거 모델은 수온과 제거속도상수의 관계를 Power Model로 보고 모의했을 때 실측치와 가장 가깝게 계산치를 산출할 수 있었으며 실측치의 증가와 감소경향을 비교적 정확하게 모의할 수 있었다($R^2=0.79$). 그러나 모든 시도에서 수온이 특정온도 이하로 감소했을 때 가장 심한 오차를 발생하여 취약한 예측성능을 보였다. 한편 인공습지에서 질소제거특성을 검토한 결과 질산화에 비하여 탈질이 저조한 것으로 나타났는데 그 이유는 탄소원의 부족과 높은 용존산소 농도로 인하여 Anoxic 조건의 미형성 때문으로 분석되었다. 질소제거 향상방안으로 용존산소의 제어와 탄소원의 확보차원에서 햇빛에 노출된 개방수역과 햇빛에 노출된 식생구역, 그리고 습지의 기능적 측면을 고려한 구성요소의 배분 및 부유 수생식물 및 무기성 여재를 이용하는 방안을 논의하였다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.53-67
• /
• 2020

본 연구는 가공식품의 제조·가공 업소를 대상으로 기계학습 분야의 지도학습(Supervised Learning) 예측 모형을 적용하여 부적합이 예상되는 업체를 사전에 적발하는 단속 선별시스템을 마련하여 단속 활동의 효율성을 높이고자 하였다. 본 연구에서는 머신러닝의 예측 모델링을 위한 목적 정의, 데이터의 기초 분석과 시각화, 특성 변수 도출 및 예측 모형의 선정 및 예측 등으로 기계학습 수행의 표준적인 절차에 따라 연구를 수행하였다. 종속변수는 2014년도부터 2018년까지 과거 5년 동안 지도점검 적발 건수로 설정하였고, 목적함수는 실제 부적합업체를 사전에 판정하여 단속활동이 이루어지는 것을 최대화하는 것으로 하였다. 제조가공업소의 매출액, 영업일수, 종업원 수 등 기본속성뿐만 아니라 과거 지도점검 단속 이력 정보를 반영하여 자료를 재구성하였다. 특성 변수 추출 방법을 적용하여 부적합 판정에 영향을 미치는 업체 위험, 품목 위험, 환경 위험 및 과거 위반 이력 등을 특성 변수로 도출하여 머신러닝 알고리즘을 데이터에 적용하였다. 랜덤포레스트 모형이 식품의약품안전처 지도점검 업무 목적에 가장 적합한 것으로 나타났다. 본 연구결과를 바탕으로 식품안전 관리 국가 사무가 데이터기반의 과학적인 행정 체계로 발전할 수 있는 기반이 되기를 기대한다.