Earticle

한국의 인구고령화는 최근 저 출산과 기대수명의 증가 등으로 세계적으로도 유례 없이 빠르게 전개되고 있다. 그렇지만 노인들이 사용 가능한 금융자산의 부족과 빈약한 공적 연금제도로 인해 노인복지문제가 큰 사회문제로 등장하고 있다. 특히 상대적으로 고령화 정도가 훨씬 심각한 농촌지역에서 노인복지문제가 더욱 빠른 속도로 악화될 것이다. 이에한국정부는 농촌노인 복지문제와 농업경쟁력을 개선하고자 농지연금제도를 도입하였다. 농지연금모형에서 농지가격, 이자율, 순 할인율의 중요한 3가지 변수는 월 연금 지급액을 결정하는 핵심 변수이다. 이들 변수들은 국제통화기금, 미국발 서브프라임 금융위기 등과 같은 외부충격에 의한 영향을 받아 월 연금 액 산정에도 직접적인 영향을 주어 연금재정의리스크로 작용할 수 있다. 이러한 점에서 본 연구는 IMF 외환위기, 서브프라임 금융위기의 경제적 간섭요인을 고려하여 농지연금의 주요 변수를 예측하였다. 분석결과, 경제적 외부충격은 농지연금 주요 변수와 여타 거시경제 지표에 영향을 미치는 것으로 확인되었다. 특히, 서브프라임 금융위기보다 IMF 금융위기에 의한 외부충격이 상대적으로 높게 나타났다. 따라서 향후 정부는 대내외적인 경제적인 요인 등을 감안하여 농지연금의 지급액 및 위험부담의 완화 등의 제도적인 장치를 마련할 필요가 있는 것으로 판단된다.

Korea represents one of the fastest growing countries either in the economic development or in ageing population due to the longer life expectancy and lower birth rate. Recently this ageing population has been, and still is a big social problem, especially in the rural area where the pension system is currently too weak. The Korean government, therefore, developed the Farmland Reverse Mortgage System to solve the issue. This system (FP) is composed of three key factors such as farmland value, change of interest, and net discount ratio. To measure the monthly payment amount of Farmland Reverse Mortgage System, these three factors should be estimated by long term estimation. However, these factors were affected by the external interruptions such as International Monetary Fund and USA subprime mortgage crises. Using Interrupted Time Series Method, this paper analyzed the external effects of International Monetary Fund, USA subprime mortgage crises and both interruptions. The findings show that, comparing with the US subprime mortgage crisis, the International Monetary Fund crisis interruption highly affects the change of farmland value, especially that of interest rate and of net discount ratio. Therefore, the government should take into consideration the domestic and foreign economic circumstances in building the Actuarial Model for the Farmland Reverse Mortgage System, given that the International Monetary Fund and USA subprime mortgage crises affected directly the change of Korean farmland price in the rural areas.

최근 기후 변화로 인해 홍수, 산사태 등으로 인한 도시 피해가 증가하고 있다. 이에 따라 극한 강우 및 집중 호우에 대한 관심이 높아지고 있는 추세이다. 설계빈도를 초과하는 강우는 홍수 및 산사태와 같은 인간의 삶에 큰 영향을 미치는 자연재해를 유발하는 주요 원인 중 하나이다. 이처럼 기후 변화로 인한 극한 강우 빈도가 늘어나고 있으며, 따라서, 본 연구에서는 대한민국의 홍수위험성을 분석하기 위해 기상관측소에서 측정된 강우량 데이터를 수집 후, 극치해석방법에 주로 사용되는 GEV분포와 시계 열 분석을 통해 각 지역별 Flood-Rich, -Poor 기간을 식별하였다. 또한, 실제빈도와 설계빈도를 이용하여 본 논문에서는 홍수에 대한 위험성을 정량화할 수 있는 Flood Load 를 계산하였다. 분석 결과, 모든 대상지역에서 Flood Load가 1을 초과한 사례가 발생하였으며, Flood Load가 가장 높은 지역은 3.83인 인제로 분석되었다. 기후변화로 인해 갈수록 빈번해지는 극한 호우로 인한 홍수 예방을 위해서는 수리시 설물의 설계빈도를 상향해야 할 필요가 있다.

Recently, there has been a growing interest in extreme and intense rainfall events due to climate change, which leads to increased urban damage from flooding, landslides, and more. Rainfall exceeding design frequencies is a primary cause of natural disasters that significantly affect human life, such as floods and landslides. As the frequency of extreme rainfall events increases due to climate change, this study collected rainfall data from meteorological stations to analyze flood risks in Kangwon province, and identified periods rich and poor in floods using the GEV distribution and time series analysis, which are common methods for analyzing extreme events. In addition, using the actual frequency and design frequency, the flood load that can quantify the risk of flooding was calculated in this paper. As a result of the analysis, cases in which the flood load exceeded 1 occurred in all target areas, and the area with the highest flood load was analyzed as a factor of 3.83. In order to prevent floods caused by extremely frequent heavy rains due to climate change, it is necessary to increase the design frequency of repair facilities.

본 연구는 국면전환모형을 적용하여 수출 및 수출보험의 시계열 자료가 시간 경과에 따라 어 떤 구조적 국면 전환을 나타내는지 분석하였다. 구체적인 분석 대상은 2005년부터 2024년까지 우리나라의 분기별 수출액과 수출신용보험 자료이며, 이를 토대로 자기회귀 마르코프-국면전 환모형(Markov Regime Switching-AR model)을 추정하고 충격반응함수 분석을 수행하였다. 추 정 결과와 분석을 요약하면, 수출과 수출보험은 모두 저변동성과 고변동성의 두 가지 국면을 보였으며, 국면별 지속성과 충격 반응에서 뚜렷한 차이가 나타났다. 특히 수출은 고변동성 국 면에서 장기적 지속성이 두드러졌고, 수출보험은 단기적으로 충격에 민감하게 반응하였으나 장기적으로는 안정성을 유지하는 특징을 보였다. 이러한 결과는 특히 글로벌 경제 위기 시 수 출보험 정책 시행의 속도와 범위에 대한 정교한 평가와 정책적 고려가 필요함을 의미한다. 또 한 수출 시장 변화에 따라 국면전환모형을 활용한 모니터링 시스템을 구축하여 수출보험 정책 의 시의성과 효과성을 주기적으로 점검해야 한다. 결론적으로, 수출보험은 단순한 보험 지원 제도를 넘어, 불확실성이 확대되는 글로벌 환경에서 수출 안정화와 촉진을 동시에 지원할 수 있는 전략적 무역정책 수단이다. 본 연구의 결과는 급변하는 수출 환경에 대응하는 수출보험 정책의 시의성과 효과성을 평가하고 제도 개선 방향을 모색하는 데 중요한 학술적·정책적 기여를 제공한다.

Purpose : This study examines how the time series characteristics and response patterns of exports and export insurance change in each context. Research design, data, methodology : This study uses a regime switching model to identify structural turning points in export and export insurance data over time. The methodology establishes a Markov Regime Switching-AR model to analyzes the time-series characteristics of Korea’s exports and export insurance from 2005 to 2024. Results : The empirical results reveal that both exports and export insurance exhibit two regimes —low-volatility and high-volatility—with distinct differences in persistence and shock responses. Specifically, exports show longer persistence in high-volatility regimes, while export insurance responds more sensitively to short-term shocks but provides greater stability in the long run. These findings highlight the role of export insurance as a policy stabilizer during economic fluctuations. Conclusions : Export insurance is not merely a financial instrument but a strategic trade policy tool that can simultaneously stabilize exports and promote growth under rising global uncertainty. These research findings provide important academic and policy insights for assessing the effectiveness and timeliness of export insurance and guiding future institutional reforms.

본 연구는 인천국제공항의 월별 국제 항공 화물 처리량 예측을 위해 Temporal Fusion Transformer(TFT) 의 성능을 평가한다. 항공 화물 수요는 시간적 의존성, 계절성, 거시경제 여건, 비용 요인, 그리고 외생적 충격의 영향을 받기 때문에, 본 문제는 다변량 다중 시계열 예측 문제로 설정된다. 이를 위해 월별 데이터를 기반으로 TFT 기반 예측 프레임워크를 구축하였으며, 과거 목표 변수, 관측된 과거 입력 변수, 그리고 알려진 미래 입력 변수를 포함하여 시간적 타당성을 유지하였다. 또한 SARIMA, vanilla LSTM, Transformer 모형과 비교하여 MAE, RMSE, MAPE 기준으로 성능을 평가하였다. 분석 결과, TFT는 모든 비교 모형 중 가장 높은 예측 정확 도를 보였으며, 12개월 예측 구간 전반에 걸쳐 보다 안정적인 오차 패턴을 나타냈다. 또한 예측 구간과 해석 가능 한 결과를 제공하였으며, 시차 화물 처리량, 글로벌 교역 여건, 산업 생산 지수가 주요 영향 변수로 확인되었다. 이러한 결과는 TFT가 공항 운영 계획을 위한 실질적으로 유용한 예측 프레임워크임을 시사한다.

This study evaluates the Temporal Fusion Transformer (TFT) for forecasting monthly international air cargo throughput at Incheon International Airport. Since air cargo demand is influenced by temporal dependence, seasonality, macroeconomic conditions, cost factors, and external disruptions, the problem is formulated as a multivariate multi-horizon forecasting task. A TFT-based framework is implemented using monthly data, incorporating past target sequences, observed past inputs, and known future inputs to preserve temporal realism, and is compared with SARIMA, vanilla LSTM, and Transformer using MAE, RMSE, and MAPE. The results show that TFT achieves the highest forecasting accuracy and exhibits a more stable error profile over the 12-month horizon, while providing informative prediction intervals and interpretable results, with lagged cargo throughput, global trade conditions, and industrial production identified as key predictors, supporting its practical usefulness for operational planning.

VR의 빠른 보급과 사용자간 자연스러운 상호작용 필요에 따라, 본 연구는 HMD가 얼굴 주요 부위를 가리 는 환경에서 표정 인식(FER) 문제를 다룬다. 상·하·전체 얼굴 스트림을 병렬 처리하는 멀티-리전 퓨전 아키텍처와 시공간적 중요 프레임을 강조하는 시간 인지 어텐션 메커니즘을 제안했다. 합성 가림이 적용된 DFEW 데이터셋에 서 CNN-LSTM, C3D, Transformer 모델과 비교 평가한 결과, 제안 모델은 가림 환경에서 12.3 FPS에 81.2% 정확도를 달성해 최상위 기준 모델 대비 19.9%p 향상을 보이며 견고한 실시간 FER을 입증했다. 이 접근법은 공간 별 처리와 시퀀스 동적 결합이 몰입형 VR에서 효과적인 감정 인식을 가능하게 함을 확인하며, 소셜 VR, 게임, 원격 협업 등 다양한 애플리케이션에서 감정 소통과 사용자 경험을 개선할 실용적 솔루션을 제공한다.

Driven by VR’s rapid adoption and the need for natural interaction, this study tackles FER when head-mounted displays (HMDs) occlude key facial regions. We propose a multi-region fusion architecture that processes upper-face, lower-face, and full-face streams in parallel, enhanced by a temporal attention mechanism to emphasize crucial frames. On the DFEW dataset with synthetic occlusion, we benchmarked CNN-LSTM, C3D, Transformer, and our model. Ours achieves 81.2% accuracy at 12.3 FPS under occlusion—a 19.9-point gain over the best baseline—demonstrating robust, real-time FER and maintaining competitive inference speed. This confirms that combining spatial region processing with temporal dynamics yields effective emotion detection in immersive VR, offering practical solutions to enhance emotional communication and user experience across social VR, gaming, and remote collaboration.

최근 들어 IITS는 스마트 시티관련 산업계에서 중요한 주제로 떠오르고 있다. IITS의 주요 목적인 교 통체증 (차량 사고에 기인한) 예방책들이 발전된 센서 및 통신 기술의 도움을 받아 다양하게 시도되었다. 관 련 연구들에서는 자동차 사고와 사고 위치적 특성, 날씨, 운전자 행동, 시간 등 다양한 요인들과 상관 관계가 있음을 보여주고 있다. 우리 연구는 자동차 사고와 사고 발생 시간 사이의 상관관계에 주제를 집중했다. 본 논문에서는 ARIMA (Auto-Regressive Integrated Moving Average) 자동 회귀, 정상 및 지연 순서를 결정 하는 세 가지 요소를 확인하기 위해 ADF (Augmented Dickey-Fuller)를 포함한 ARIMA 테스트를 수행했 다. 본 연구 결과로서 시간 별 자동차 충돌 수 예측에 대한 요약을 제시하며, 한국 내 자동차 사고 데이터는 ARIMA 모델에 적용될 수 있음을 보여주었고, 국내 자동차 사고는 하루를 기준으로 일정한 주기가 존재하는 성격을 가지고 있다는 것을 제시했다.

Recently, IITS (intelligent integrated transportation system) has been important topic in Smart City related industry. As a main objective of IITS, prevention of traffic jam (due to car accidents) has been attempted with help of advanced sensor and communication technologies. Studies show that car accident has certain correlation with some factors including characteristics of location, weather, driver’s behavior, and time of day. We concentrate our study on observing auto correlativity of car accidents in terms of time of day. In this paper, we performed the ARIMA tests including ADF (augmented Dickey-Fuller) to check the three factors determining auto-regressive, stationarity, and lag order. Summary on forecasting of hourly car crash counts is presented, we show that the traffic accident data obtained in Korea can be applied to ARIMA model and present a result that traffic accidents in Korea have property of being recurrent daily basis.

본 연구에서는 시계열 자료처리를 통해 예측정확도를 개선시키는 방안에 대해 연구하였다. 단일 예측 모형의 단점을 개선하기 위해 유사한 시계열 자료를 선정하여 이들로부터 모델을 유도하였다. 이 모델로부터 유효 규칙을 생성해내 향후 자료의 변화를 예측하였다. 실험을 통해 예측정확도에 있어 유의한 수준의 개선효과가 있었음을 확인하였다. 예측모델 구성을 위해 고정구간과 가변구간을 두고 모델링하여 고정구간, 창이동, 누적구간 방식으로 구분하여 예측정확도를 측정하였다. 이중 누적구간 방식이 가장 정확도가 높게 나왔다.

A method for improving prediction accuracy through processing time series data has been studied in this research. We have designed techniques to model multiple similar time series data and avoided the shortcomings of single prediction model. We predicted the future changes by effective rules derived from these models. The methods for testing prediction accuracy consists of three types: fixed interval, sliding, and cumulative method. Among the three, cumulative method produced the highest accuracy.

본 연구는 살인, 강도, 절도, 강간, 폭력 등 주요범죄의 계절적 주기, 월별 계절요인을 도출하여 범죄 발생의 계절적 추세 분석에 기초한 범죄 예방, 치안정책 수립에 기여하는데 그 목적이 있다. 이와 같은 목적을 달성하기 위하여 2002년부터 2010년까지의 살인, 강도, 절도, 강간, 폭력 등 주요범죄에 대한 월별 발생건수를 IBM PASW(SPSS) 19.0을 사용하여 시계열 순차도표(N), 시계열 자기상관(A), 시계열 계절분해(S)를 실시하였다. 이와 같은 연구목적과 연구방법을 통하여 도출한 연구결과는 다음과 같다. 살인 범죄는 자기상관함수 분석에서 12개월 주기로 진행되고, 계절요인은 8월(118.0%), 7월(116.9%), 9월(115.3%), 5월(108.8%), 10월(106.0%), 6월(104.1%), 4월(102.9%), 3월(96.7%), 11월(86.9%), 12월(86.1%), 1월(80.1%), 2월(78.2%) 순으로 나타났다. 강도 범죄는 자기상관함수 분석에서 12개월 주기로 진행되고, 계절요인은 5월(136.2%), 4월(120.1%), 3월112.1%), 9월(108.9%), 10월(102.6%), 6월(98.5%), 7월(98.1%), 8월(97.4%), 2월(82.4%), 1월(81.7%), 11월(81.6%), 12월(80.5%) 순으로 나타났다. 절도 범죄는 자기상관함수 분석에서 12개월 주기로 진행되고, 계절요인은 5월(116.0%), 10월(109.5%), 9월(108.6%), 6월(107.2%), 11월(103.0%), 12월(103.0%), 4월(102.6%), 7월(102.6%), 8월(100.4%), 3월(96.6%), 1월(75.4%), 2월(75.1%) 순으로 나타났다. 강간 범죄는 자기상관함수 분석에서 12개월 주기로 진행되고, 계절요인은 7월(117.9%), 5월(114%), 8월(113.8%), 9월(113.2%), 6월(109.2%), 10월(109.2%), 4월(97.2%), 11월(96.4%), 3월(92.6%), 12월(88.2%), 1월(77.2%), 2월(71.3%) 순으로 나타났다. 폭력 범죄는 자기상관함수 분석에서 12개월 주기로 진행되고, 계절요인은 10월(109.7%), 7월(109.1%), 9월(107.5%), 6월(105.7%), 8월(104.7%), 5월(103.2%), 11월(101.1%), 12월(96.7%), 3월(95.7%), 4월(94.9%), 1월(91.9%), 2월(79.8%) 순으로 나타났다.

The purpose of this study is to contribute to crime prevention and policing policies through deriving seasonal cycle and monthly seasonal factors of major crime, such as murder, robbery, burglary, rape, violence, etc. In order to achieve this purpose, Sequential Chart of Time Series(N), Autocorrelation Analysis of Time Series(A), Seasonal Decomposition of Time Series(S) was performed. The following is the result of the study. Murder crime is in progress a cycle of 12 months in the analysis Autocorrelation Function and its Seasonal factors are in August(118.0%), July(116.9%), September(115.3%), May(108.8%), October(106.0%), June(104.1%), April(102.9%), March(96.7%), November(86.9%), December(86.1%), January(80.1%) and February(78.2%). Robbery crime is in progress a cycle of 12 months in the analysis Autocorrelation Function and its Seasonal factors are in May(136.2%), April (120.1%), March 112.1%), September(108.9%), October(102.6%), June(98.5%), July(98.1%), August(97.4%), February(82.4%), January(81.7%), November(81.6%), and December(80.5%). Burglary crime is in progress a cycle of 12 months in the analysis Autocorrelation Function and its Seasonal factors are in May(116.0%), October(109.5%), September(108.6%), June(107.2%), November(103.0%), December(103.0%), April(102.6%), July(102.6%), August(100.4%), March(96.6%), January(75.4%), and February(75.1%). Rape crime is in progress a cycle of 12 months in the analysis Autocorrelation Function and its Seasonal factors are in July(117.9%), May(114%), August(113.8%), September(113.2%), June(109.2%), October(109.2%), April(97.2%), 11month(96.4%), March(92.6%), December(88.2%), January(77.2%), and February(71.3%). Violence crime is in progress a cycle of 12 months in the analysis Autocorrelation Function and its Seasonal factors are in October(109.7%), July(109.1%), September(107.5%), June(105.7%), August(104.7%), May(103.2%), November(101.1%), December(96.7%), March(95.7%), April(94.9%), January(91.9%) and February(79.8%).

본 연구에서는 시계열 자료를 베이지안 정보기준을 통해 클러스터링 한다. 보다 안정적인 클러스터를 생산하기 위해 다중 중심점을 모델링한 후 이를 이용하여 클러스터를 생성시킨다. 대상 시계열 자료에 대해 예측할 경우 클러스터에 속한 시계열 자료 중 가장 유사한 시계열 자료를 선택하여 모델링한다. 모델로부터 마코프 규칙을 유도해 내고 이 규칙을 이용해 예측정확도를 측정한다. 시계열 자료를 단독으로 모델링한 후 예측한 결과보다 클러스터에 속한 유사시계열 모델링을 통한 예측정확도가 좀 더 높았음을 확인하였다.

Bayesian information criterion is used to do clustering for time series data. To acquire more stable clusters, multiple seeds are chosen first for the algorithm. Once clusters being set up, most similar time series data in the cluster to the one under consideration are to be chosen for prediction test. These chosen time series data are used to extract valid Markov rules by which we test the prediction accuracy. We confirmed that clustering with multiple seeds led to better prediction performance.

본 논문에서는 파킨슨병의 분자병리적 기작 중 하나인 미토콘드리아 기능 장애로 인한 신경세포 사멸과정을 유전자 제어 네트워크 관점에서 분석하고자 하였다. 유전자 상호 간의 미치는 영향을 추정하기 위해 상태변수와 관측변 수로 구성된 상태공간 모델을 이용하였으며, 상태공간 모델의 파라미터는 파킨슨병 실험모델로부터 얻어진 시계열 마이 크로어레이 데이터를 통해 계산하였다. 유전자 제어 네트워크는 상태공간 모델의 파라미터를 통해 계산된 유전자-유전 자 상호작용 행렬로부터 구축되었으며, 지속적인 발현 유지를 가능하게 하는 양의 self-loop 구조를 보이는 15개 유전 자가 관측되었으며, 이 가운데 8개는 허브 유전자였다. 이들 유전자는 세포 사멸과정에서 지속적인 발현을 유지하면서 중요한 역활을 감당할 것으로 판단되며 미토콘드리아 기능 장애로 발병되는 파킨슨병에 대한 치료전략 개발에 실마리를 제공할 수 있을 것으로 기대된다.

In this paper, we aimed to analyze the neuronal cell death process resulting from mitochondrial dysfunction, which is one of the molecular pathological mechanisms of Parkinson's disease from the perspective of a gene regulatory network. To estimate the influence between genes, a state space model consisting of state variables and observation variables was utilized, and the parameters of the state-space model were calculated through time-series microarray data obtained from a Parkinson's disease experimental model. The gene regulatory network was constructed from the gene-gene interaction matrix calculated through the parameters of the state-space model. Fifteen genes showing a positive self-loop structure that enables continuous gene expression were observed, among which eight were hub genes. These genes are judged to play a critical role while maintaining continuous expression during the cell death process, and it is expected that they can provide insights for developing therapeutic strategies for Parkinson's disease caused by mitochondrial dysfunction.

오늘날 우리는 전쟁과 기후 위기 등에 의해 에너지 위기 요소를 안고 있게 되었다. 이러한 에너지 위기를 대비 하기 위해 많은 연구자가 에너지 관리 시스템이라는 에너지 절감 및 관리와 같은 에너지 모니터링 및 에너지 절감에 대한 시스템에 대한 연구를 지속하고, 이에 발맞춰 국가에서도 에너지 다소비 사업장에서 이를 의무화하고 있다. 이러한 공장은 공간과 에너지적 한계가 존재하여 이를 개선 하고자 낮은 성능의 임베디드 디바이스로 데이터 수집 시스템을 구동 하는 방안에 대해 연구를 진행한다. 이때 임베디드 디바이스에서 기존의 데이터베이스가 아닌 Key-value store인 RocksDB의 최적화 버전이 시계열 데이터에 우수한 성능을 보임을 평가를 통해 보인다. 또한 이를 평가하기 위한 범용 데이터베이스 평가 도구를 통해 이종 데이터베이스와 평가를 진행한다. 그 결과 낮은 성능의 디바이스에서 타 데이터베이스 대비 11배 짧은 소요 시간을 기록하는 것을 볼 수 있었다.

In today's world, we find ourselves facing energy crises due to factors such as war and climate crises. To prepare for these energy crises, many researchers continue to study systems related to energy monitoring and conservation, such as energy management systems, energy monitoring, and energy conservation. In line with these efforts, nations are making it mandatory for energy-consuming facilities to implement these systems. However, these facilities, limited by space and energy constraints, are exploring ways to improve. This research explores the operation of a data collection system using low-performance embedded devices. In this context, it proves that an optimized version of RocksDB, a Key-Value store, outperforms traditional databases when it comes to time-series data. Furthermore, a comprehensive database evaluation tool was employed to assess various databases, including optimized RocksDB and regular RocksDB. In addition, heterogeneous databases and evaluations are conducted using a UD Benchmark tool to evaluate them. As a result, we were able to see that on devices with low performance, the time required was up to 11 times shorter than that of other databases.

변동성 가치에 대한 미래 예측을 분석하는 연구는 여러 분야에서 이루어지고 있다. 하지만 이러한 미래 가치분석 은 각 분야의 연구결과를 통해 각 분야에 따른 변수가 너무 많아 예측결과의 정확도가 낮으며 결과에 영향을 미치는 객관적인 핵심영향요소를 찾아내는 데 어려움이 있음을 알 수 있었다. 특히 다양한 영향인자의 중요도에 대한 객관적인 기준이 마련되지 않아 연구자의 주관에 의지하여 핵심영향인자를 판단하여 적용하는 실정이다. 이에 여러 분야에서 객관 적으로 적용할 수 있는 변동성 재화가치 예측에 영향을 미치는 핵심영향인자 추출을 위한 합리적인 Process 모델이 필요하게 되었다. 본 연구에서 총 7단계로 핵심영향인자 추출을 위한 Process 모델링을 제시 하였으며, 각 단계별로 핵심영향인자 추출을 위한 방법을 구체적으로 정의하였다. 또한, 제안된 모델링을 이용하여 원자재 분야의 주요 변동재 화 중 Ni금속을 적용하여 Simulation을 한 결과 기존 방식에 의한 예측 값 0.872%, 본 연구 모델링을 적용한 예측 값 0.864%로 예측 결과 값이 모델에서 제시한 기준에 부합함을 확인 하였다.

Research to analyze the future prediction of value is being conducted in various. However, it was found through the research results of each field that such future value analysis has too many variables according to each field, so the accuracy of the prediction result is low, and it is difficult to find objective key influencing factors that affect the result. In particular, since objective standards for the importance of various influencing factors have not been established, the key influencing factors have been judged and applied based on the researcher's subjectivity. Accordingly, there is a need for a reasonable process model for extracting key influencing factors that affect the prediction of volatility goods value that can be objectively applied in various fields. In this study, process modeling for extracting key influencing factors was conducted in seven steps, and the method for extracting key influencing factors was explained in detail in each step. In addition, as a result of simulation by applying Ni metal among the major variable goods in the field of raw materials using the proposed modeling, the predicted value by the existing method was 0.872% and the predicted value by applying the modeling of this study was 0.864%. conformance was confirmed.

현재 우리나라는 도심지 과밀도로 구조물과 인접하여 대규모, 대심도 굴착시공이 이루어지고 있다. 도심지에서 의 인접굴착공사는 흙막이 구조물 및 지하구조물의 안전성 확보가 매우 중요하다. 이에 자동화계측 시스템을 도입하 여 시설물에 대한 안전성을 관리하고 있다. 그러나 자동화계측 시스템 결과의 활용도는 매우 낮은 실정이다. 종래 평 가기법은 측정된 데이터의 최댓값에만 의존하여, 이상 거동을 과대 평가할 수 있는 기법이다. 본 연구에서는 자동화 계측 결과에 대한 분석기법을 개선하고자 한다. 시설물의 이상거동을 파악하기 위해 자동화계측 데이터 시계열 분석 기법을 제시하였다. 또한 방대한 양의 데이터를 확률통계 분석기법을 적용하여 신뢰성 높은 결과를 도출하였다. 따라 서 본 연구에서는 시설물의 방대한 양의 데이터를 처리할 수 있는 분석기법 및 평가기법을 개선하였다.

Currently, large-scale and deep-depth excavation construction is being carried out in the vicinity of structures due to overdensity in urban areas in Korea. It is very important to secure the safety of retaining structures and underground structures for adjacent excavation work in urban areas. The safety of facilities is managed by introducing an automated measurement system. However, the utilization of the results of the automated measurement system is very low. Conventional evaluation techniques rely only on the maximum value of the measured data, and can overestimate abnormal behavior. In this study, we intend to improve the analysis technique for the automation measurement results. In order to identify abnormal behavior of facilities, a time-series analysis method for automated measurement data was presented. By applying a probability statistical analysis technique to a vast amount of data, highly reliable results were derived. In this study, the analysis method and evaluation method that can process the vast amount of data of facilities have been improved.

본 연구는 이전보다 더욱 빠르게 변화하고 있는 시대의 변화 속에서 국내 기록관리학 연구동향에 대한 심층적인 분석을 통해 향후 국내 기록관리학 연구의 발전 방향에 대해 모색하는데 목적이 있다. 이에 본 연구는 국내 기록관리학 관련 학술지 2종과 문헌정보학 관련 학술지 4종을 대상으로 1997년부터 2016년까지 기록관리학 관련 논문을 자동 수집하였다. 수집된 데이터는 전․후기 10년, 5년 주기로 나누고 각각 토픽모델링을 수행하였다. 5년 주기로 나눈 토픽모델링은 8가지 기록관리학 주제영역과 매핑하여 각 시기별로 특정 영역과 어느 정도 상관관계가 있는지를 파악하였다. 그 결과, 전자기록, 기록정보서비스, 다양한 기록물의 기록화 방안에 관한 연구가 점차 활성화되고 있는 것으로 나타났다

The size and speed of archives and records information have recently increased. The purpose of this study is to find the direction of archives management research in Korea through an in-depth analysis of research trends in records management in the country. We collected articles related to archives management from 1997 to 2016 from two journals related to archives management and four journals related to library and information science in Korea. The collected articles from the first and second halves of the decade were subjected to five-year cycle analysis. As a result, research on electronic records, record information services, and archiving methods of various records has been gradually improved.

새로운 정보통신 기술의 발전과 더불어 보안 위협도 나날이 지능화 고도화되고 있다. 본 논문은 네트워크 장치나 사물인터넷 경량 장치에서 일련의 주기를 통해 연속적으로 입력되는 시계열 데이터를 통계적 기법을 활용하여 분석하고, 분석 정보를 기반으로 장치의 이상 유무나 비정상 징후를 탐지할 수 있는 시스템을 제안한다. 제안 시스템은 과거에 입력된 데이터를 기반으로 1차 비정상 탐지를 수행하고, 시간 속성이나 그룹의 속성을 기반으로 저장되어있는 시계열 데이터를 기반으로 신뢰구간을 설정하여 2차 비정상 탐지를 수행한다. 다단계 분석은 판정 데이터의 다양성을 통해 신뢰성을 향상시키고 오탐율을 줄일 수 있다.

As new information and communication technologies evolve, security threats are also becoming increasingly intelligent and advanced. In this paper, we analyze the time series data continuously entered through a series of periods from the network device or lightweight IoT (Internet of Things) devices by using the statistical technique and propose a system to detect abnormal behaviors of the device or abnormality based on the analysis results. The proposed system performs the first level abnormal detection by using previously entered data set, thereafter performs the second level anomaly detection according to the trust bound configured by using stored time series data based on time attribute or group attribute. Multi-level analysis is able to improve reliability and to reduce false positives as well through a variety of decision data set.