• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.31-31
• /
• 2023

During December 2022, the northeast monsoon, which dominates the south and the Gulf of Thailand, had significant rainfall that impacted the lower southern region, causing flash floods, landslides, blustery winds, and the river exceeding its bank. The Golok River, located in Narathiwat, divides the border between Thailand and Malaysia was also affected by rainfall. In flood management, instruments for measuring precipitation and water level have become important for assessing and forecasting the trend of situations and areas of risk. However, such regions are international borders, so the installed measuring telemetry system cannot measure the rainfall and water level of the entire area. This study aims to predict 72 hours of water level and evaluate the situation as information to support the government in making water management decisions, publicizing them to relevant agencies, and warning citizens during crisis events. This research is applied to machine learning (ML) for water level prediction of the Golok River, Lan Tu Bridge area, Sungai Golok Subdistrict, Su-ngai Golok District, Narathiwat Province, which is one of the major monitored rivers. The eXtreme Gradient Boosting (XGBoost) algorithm, a tree-based ensemble machine learning algorithm, was exploited to predict hourly water levels through the R programming language. Model training and testing were carried out utilizing observed hourly rainfall from the STH010 station and hourly water level data from the X.119A station between 2020 and 2022 as main prediction inputs. Furthermore, this model applies hourly spatial rainfall forecasting data from Weather Research and Forecasting and Regional Ocean Model System models (WRF-ROMs) provided by Hydro-Informatics Institute (HII) as input, allowing the model to predict the hourly water level in the Golok River. The evaluation of the predicted performances using the statistical performance metrics, delivering an R-square of 0.96 can validate the results as robust forecasting outcomes. The result shows that the predicted water level at the X.119A telemetry station (Golok River) is in a steady decline, which relates to the input data of predicted 72-hour rainfall from WRF-ROMs having decreased. In short, the relationship between input and result can be used to evaluate flood situations. Here, the data is contributed to the Operational support to the Special Water Resources Management Operation Center in Southern Thailand for flood preparedness and response to make intelligent decisions on water management during crisis occurrences, as well as to be prepared and prevent loss and harm to citizens.

• 영재교육연구
• /
• 제25권2호
• /
• pp.339-358
• /
• 2015

본 연구에서는 영재와 평재 고등학생들이 IT 역량을 어떻게 인식하고 있는지에 대해 비교해 보고자 하였다. 이를 위해 영재학교 2개교와 IT 특성화 고등학교 1개교 그리고 공업고등학교 1개교, 총 370명을 대상으로 표집 하였으며, 이들을 대상으로 IT 기업 인재 채용 시에 중요하게 고려되는 요인, IT 역량 향상을 위해 필요한 교과목과 이를 위한 효과적인 교육방법, IT 핵심역량에 대한 생각에 대해 응답하도록 하였다. 이 중 351명을 최종 분석 대상으로 선정하여 분석한 결과, 고등학생들은 IT 기업의 신규채용 시 중요한 요인이 IT 전문역량이라고 인식하고 있었으며, IT 역량을 향상시키기 위해서는 실무중심 교육과 실습위주의 교육 등 '실습 위주 교육'이 가장 필요하다고 응답하였다. 또한, IT 핵심역량 중에서 가장 중요하다고 생각하는 하위 요인으로 영재학교와 정보과학고등학교는 '소프트웨어 기본역량'이 가장 중요하다고 인식하고 있었고, 공업고등학교는 '네트워크 및 보안 기본역량'이 가장 중요하다고 지각한 것으로 나타났다. 마지막으로, IT 역량 함양을 위해 가장 필요한 교육과정으로는 학교 유형별로 다르게 인식하고 있었는데, 영재학교 학생들은 '알고리즘'이 가장 필요하다고 인식하였고, 정보과학고등학교 학생들은 '자료구조' 및 '컴퓨터 구조'의 필요성을 가장 크게 인식하고 있었다. 공업고등학교 학생들의 경우에는 '프로그래밍 언어'가 가장 필요한 교과목이라고 응답하였다. 또한, IT 기업 채용시 중요한 요인(IT 전문역량, 학력, 기초직업능력, IT공통역량), IT 핵심역량 함양 교육방법(학교교육), IT 핵심역량 중요도(소프트웨어 기본역량, 데이터베이스 기본역량, 네트워크 및 보안 기본 역량, 통합적인 역량), IT 역량 향상을 위한 교육방법(운영체제, 하드웨어)에서 영재학생이 평재학생보다 더 중요성이나 필요성을 높게 인식하는 경향이 있는 것으로 나타났다. IT 교육을 받고 있는 영재학생, 정보과학고등학생 및 공업고등학교 학생들이 인식하는 IT 핵심역량을 비교분석한 본 연구결과가 향후 IT 인력 양성을 위한 교육과정 및 교육방법을 개선하고 보완하는데 기초자료로 활용될 수 있기를 기대한다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.65-82
• /
• 2021

주식시장에 참여하는 투자자들은 크게 외국인투자자, 기관투자자, 그리고 개인투자자로 구분된다. 외국인투자자 같은 전문투자자 집단은 개인투자자 집단과 비교하여 정보력과 자금력에서 우위를 보이고 있으며, 그 결과 시장 참여자들 사이에는 외국인투자자들이 좋은 투자 성과를 보이는 것으로 알려져 있다. 외국인 투자자들은 근래에는 인공지능을 이용한 투자를 많이 하고 있다. 본 연구의 목적은 투자자별 거래량 정보와 머신러닝을 결합하는 투자전략을 제안하고, 실제 주가와 투자자별 거래량 데이터를 이용하여 제안 모형의 포트폴리오 투자 성과를 분석하는 것이다. 일별 투자자별 매수 수량과 매도 수량 정보는 한국거래소에서 공개하고 있는 자료를 활용하였으며, 여기에 인공신경망을 결합하여 최적의 포트폴리오 전략을 도출하고자 하였다. 본 연구에서는 자기 조직화 지도 모형 인공신경망을 이용하여 투자자별 거래량 데이터를 그룹화하고 그룹화한 데이터를 변환하여 오류역전파 모형을 학습하였다. 학습 후 검증 데이터 예측결과로 매월 포트폴리오 구성을 하도록 개발하였다. 성과 분석을 위해 포트폴리오의 벤치마크를 지정하였고 시장 수익률 비교를 위해 KOSPI200, KOSPI 지수 수익률도 구하였다. 포트폴리오의 동일배분 수익률, 복리 수익률, 연평균 수익률, MDD, 표준편차, 샤프지수, 벤치마크로 지정한 시가총액 상위 10종목의 Buy and Hold 수익률 등을 사용하여 성과 분석을 진행하였다. 분석 결과 포트폴리오가 벤치마크 대비 2배 수익률을 올렸으며 시장 수익률보다 좋은 성과를 보였다. MDD와 표준편차는 포트폴리오와 벤치마크가 비슷한 결과로 성과 대비 비교한다면 포트폴리오가 좋은 성과라고 할 수 있다. 샤프지수도 포트폴리오가 벤치마크와 시장 결과보다 좋은 성과를 내었다. 이를 통해 머신러닝과 투자자별 거래정보 분석을 활용한 포트폴리오 구성 프로그램 개발의 방향을 제시하였고 실제 주식 투자를 위한 프로그램 개발에 활용할 수 있음을 보였다.