Earticle

빠르게 발전하고 있는 재생에너지 중 하나인 풍력에너지는 기후변화 대응에 맞추어 개발 및 투자가 이루어지고있다. 신재생에너지 정책과 발전소 설치가 추진됨에 따라 국내 풍력 보급이 점차 확대되어 수요를 정확히 예측하기 위한 시도들이 확대되고 있다. 본 논문에서는 전남지역과 경북지역의 풍력 발전량 예측을 위하여 시계열 기법인 ARIMA, ARIMAX 모형과 기계학습 모형인 SVR, Random Forest, XGBoost 모형들을 비교 분석하였다. 모형의 예측 결과를 비교하기 위한 지표로서 mean absolute error (MAE)와 mean absolute percentage error (MAPE)를 사용하였다. 2018년 1월 1일부터 2020년 10월 24일까지의 시간별 원 데이터를 차분한 후 모형을 훈련시켜 2020년 10월 25일부터 2020년 10월 31일까지의 168시간에 대한 풍력 발전량을 예측하였다. 모형의 예측력 비교 결과, Random Forest와 XGBoost 모형이 전남지역, 경북지역 순으로 가장 우수한 성능을 보였다. 향후 연구에서는 기계학습뿐 아니라 최근 활발한 연구가 이루어지는 데이터 마이닝 기법 기반의 풍력 발전량 예측을 시도할 것이다.

Wind energy is one of the rapidly developing renewable energies which is being developed and invested in response to climate change. As renewable energy policies and power plant installations are promoted, the supply of wind power in Korea is gradually expanding and attempts to accurately predict demand are expanding. In this paper, the ARIMA and ARIMAX models which are Time series techniques and the SVR, Random Forest and XGBoost models which are machine learning models were compared and analyzed to predict wind power generation in the Jeonnam and Gyeongbuk regions. Mean absolute error (MAE) and mean absolute percentage error (MAPE) were used as indicators to compare the predicted results of the model. After subtracting the hourly raw data from January 1, 2018 to October 24, 2020, the model was trained to predict wind power generation for 168 hours from October 25, 2020 to October 31, 2020. As a result of comparing the predictive power of the models, the Random Forest and XGBoost models showed the best performance in the order of Jeonnam and Gyeongbuk. In future research, we will try not only machine learning models but also forecasting wind power generation based on data mining techniques that have been actively researched recently.

딥러닝을 포함한 머신러닝 기법을 기반으로 비행체의 궤적 설계, 제어, 최적화, 예측 등의 작업을 수행하기 위해서는 일정한 양 이상의 비행체 궤적 데이터를 필요로 한다. 그러나 다양한 이유(예를 들어 비행체 궤적 데이터셋 구축에 필요한 비용, 시간, 인력 등)로 일정한 양 이상의 비행체 궤적 데이터를 확보하기 어려운 경우가 존재한다. 이러한 경우 합성 데이터 생성이 머신러닝을 가능하게 하는 방법 중 하나가 될 수 있다. 본 논문에서는 이와 같은 가능성을 탐구하기 위하여 시계열 생성적 적대 신경망을 이용하여 비행체 궤적 합성 데이터를 생성하고 평가하였다. 또한 비행체의 상태를 인식하기 위한 비행체 궤적 예측 작업에서 합성 데이터의 활용 가능성을 탐구하기 위하여 다양한 ablation study(비교 실험)를 수행하였다. 본 논문에서 제시된 생성 평가 및 비교 실험 결과는 비행체 궤적 합성 데이터 생성 및 비행체 궤적 관련 작업에서 합성 데이터의 활용 가능성에 대한 연구를 수행하고자 하는 연구자들에게 실질적인 도움이 될 것으로 예상한다.

In order to perform tasks such as design, control, optimization, and prediction of flight vehicle trajectories based on machine learning techniques including deep learning, a certain amount of flight vehicle trajectory data is required. However, there are cases in which it is difficult to secure more than a certain amount of flight vehicle trajectory data for various reasons. In such cases, synthetic data generation could be one way to make machine learning possible. In this paper, to explore this possibility, we generated and evaluated synthetic flight vehicle trajectory data using time-series generative adversarial neural network. In addition, various ablation studies (comparative experiments) were performed to explore the possibility of using synthetic data in the aircraft trajectory prediction task. The experimental results presented in this paper are expected to be of practical help to researchers who want to conduct research on the possibility of using synthetic data in the generation of synthetic flight vehicle trajectory data and the work related to flight vehicle trajectories.

부산항의 부두 장치율은 지난 3년동안 지속적으로 상승하였다. 부두 장치율 상승은 컨테이너 재조작을 야기하여 부두 노동자의 업무 강도를 증가시킨다. 또한, 장치율 상승이 장기화될 경우 선주의 대기시간을 증가시켜 항만의 서비스 수준이 하락할 수 있다. 이에 본 연구는 부두 장치율 상승 문제를 해결하기 위한 방안으로 수요예측치의 신뢰구간 추정을 활용한 항만 물동량 이상감지 방안을 제안하였다. 수요예측 방법론은 ARIMA 모형을 사용하였으며 실증 분석을 위해 사용된 자료는 2013년 1월 1일부터 2020년 10월 12일까지 총 2841일 동안의 부산항 전체 일별 물동량 자료 및 9개 부두의 일별 물동량 자료이다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점을 맞추었다. 일별, 부두별 부산항 물동량 자료를 활용하여 단기 물동량을 예측하고 예측치를 기반으로 부두 장치율 관리 방안을 제시한 본 연구는 충분한 가치가 있다고 판단된다.

Port congestion rate at Busan Port has increased for three years. Port congestion causes container reconditioning, which increases the dockyard labor's work intensity and ship owner's waiting time. If congestion is prolonged, it can cause a drop in port service levels. Therefore, this study proposed an anomaly detection method using ARIMA(Autoregressive Integrated Moving Average) model with the daily volume data from 2013 to 2020. Most of the research that predicts port volume is mainly focusing on long-term forecasting. Furthermore, studies suggesting methods to utilize demand forecasting in terms of port operations are hard to find. Therefore, this study proposes a way to use daily demand forecasting for port anomaly detection to solve the congestion problem at Busan port.

국내 코로나19의 감염자 수가 백신과 사회적 거리 두기, 백신 등 여러 가지 노력 덕분에 차츰 줄어드는 듯 보였으나 2020년 2월 20일 특정한 사건 이후 감염자 수가 증가한 것처럼, 2020년 12월부터 또다시 급격히 감염자 수가 증가하는 추세이며 꾸준히 일일 500명가량의 감염자 수가 이어지고 있다. 따라서 Kaggle의 데이터셋을 이용해서 Prophet 알고리즘을 통해 미래 코로나19를 예측하고 사이킷런을 통해 결정계수, 평균 절대 오차, 평균 백분율 오차, 평균 제곱 차, 평균 제곱근 편차를 통해 이 예측에 대한 설명력을 더한다. 또한 코로나19가 급격히 특정한 사건이 없었을 경우 국내 감염자 수를 예측해 앞으로 우리가 미래의 질병에 대해서 방역과 방역 수칙 실천의 중요함을 강조한다.

The number of people infected with Covid-19 in Korea seemed to be gradually decreasing thanks to various efforts such as social distancing and vaccines. However, just as the number of infected people increased after a particular incident on February 20, 2020, the number of infected people has been increasing rapidly since December 2020 by approximately 500 per day. Therefore, the future Covid-19 is predicted through the Prophet algorithm using Kaggle's dataset, and the explanatory power for this prediction is added through the coefficient of determination, mean absolute error, mean percent error, mean square difference, and mean square deviation through Scikit-learn. Moreover, in the absence of a specific incident rapidly increasing the cases of Covid-19, the proposed method predicts the number of infected people in Korea and emphasizes the importance of implementing epidemic prevention and quarantine rules for future diseases.

정부는 공유수면 매립사업의 계획적인 관리를 위해, 10년 주기의 공유수면 매립기본계획을 수립하고 있다. 그러나 수시변경을 통한 매립사업을 추진하는 경우가 상당한 비중을 차지하고 있는 것으로 나타났다. 이에 기본계획의 실효성에 대한 의문이 제기되고 있으며, 이를 보완하기 위한 장기 매립 수요 추세 분석에 대한 필요성이 증가하고 있다. 이에 본 연구에서는 그간의 연간 매립 실적 자료를 활용하여 매립 수요 추세 분석을 수행하였다. 분석 결과, 국내 공유수면 매립 수요는 지속적으로 하락하는 추세인 것으로 나타났으며, 특히 매립기본계획 체제로 전환된 1990년대 이후에는 그 추세가 뚜렷하게 나타나고 있는 것으로 나타났다. 또한 2021-2030년까지 총 매립 수요는 최대 13.8 km²에서 최소 1.7 km² 수준으로 산정되었다.

The Korean government is developing a 10-year master plan pertaining to the Public Waters Management and Reclamation Act. However, it was observed that implementation of the reclamation project through frequent changes would occupy a significant proportion. Thus, questions are being raised about the effectiveness of the master plan. In view of this, the need for a trend analysis on long-term reclamation demand is growing. Accordingly, in this study, a trend analysis of reclamation demand was carried out using the annual reclamation performance data. The results of the analysis indicate that the demand for reclamation of public waters continued to decline, and the trend has been particularly evident since the 1990s, when it was converted into a reclamation master plan. In addition, the total demand for reclamation during 2021-2030 was calculated to be at a maximum of 13.8 km² and minimum of 1.7 km².

최근 환경 문제에서 중요한 화두로 떠오른 초미세먼지(PM2.5)는 미세먼지(PM10)보다도 작은 부유물질이다. PM2.5는 안구나 호흡기 질환을 일으키며 뇌혈관에까지 침투할 수 있어서 시간별로 수치를 예측하여 대비하는 것이 중요하다. 그러나 PM2.5의 생성과 이동에 관한 명확한 설명이 아직까지는 제시되지 않고 있어서 예측에 어려움이 따른다. 따라서 PM2.5 예측뿐만 아니라 예측 결과에 대한 설명력을 갖는 예측 방법이 제시될 필요가 있다. 본 연구에서는 서울시의 시간당 PM2.5를 예측하고자 하며, 이를 위해 각기 다른 지상관측 데이터를 시계열로 전처리하고 부트스트랩수를 조정한 랜덤 포레스트(Random Forest)를 데이터 학습 및 예측에 사용하는 방법을 제안한다. 이 방법은 예측 모델이 입력 데이터의 시각별 정보를 균형 있게 학습하게 하며 예측 결과에 대한 설명이 가능하다는 장점을 갖는다. 예측 정확도 평가를 위해 기존 모델과의 비교실험을 수행한 결과 제안 방법은 모든 레이블에서 가장 뛰어난 예측 성능을 보였으며, PM2.5의 생성과 관련된 변수와 중국의 영향과 관련된 변수가 예측 결과에 중요한 영향을 미치는 것을 보여주었다.

PM2.5 which is a very tiny air particulate matter even smaller than PM10 has been issued in the environmental problem. Since PM2.5 can cause eye diseases or respiratory problems and infiltrate even deep blood vessels in the brain, it is important to predict PM2.5. However, it is difficult to predict PM2.5 because there is no clear explanation yet regarding the creation and the movement of PM2.5. Thus, prediction methods which not only predict PM2.5 accurately but also have the interpretability of the result are needed. To predict hourly PM2.5 of Seoul city, we propose a method using random forest with the adjusted bootstrap number from the time series ground data preprocessed on different sources. With this method, the prediction model can be trained uniformly on hourly information and the result has the interpretability. To evaluate the prediction performance, we conducted comparative experiments. As a result, the performance of the proposed method was superior against other models in all labels. Also, the proposed method showed the importance of the variables regarding the creation of PM2.5 and the effect of China.

효율적인 연안관리 업무를 추진하기 위해서는 다양한 요인에 의해 변화하는 지형의 특성을 지속적으로 모니터링하는 것이 중요하다. 본 연구에서는 격포해수욕장을 대상으로 시계열 UAV 영상을 촬영하였으며, UAV 위치정확도 평가를 위해 VRS 측량성과와 비교한 결과 ±11cm(X), ±10cm(Y), ±15cm(Z)의 표준편차를 얻었으며 따라서 수치지도 작업규정상의 허용오차를 만족하는 것으로 확인되었다. 또한 UAV 영상을 통해 구축한 수치표면모델을 이용하여 침식 및 퇴적 변화 모니터링을 실시한 결과 2018년 6월과 2018년 12월 사이에는 평균 0.01m의 퇴적이 발생하였으며, 2018년 12월과 2019년 6월 사이에는 0.03m의 침식이 발생된 것으로 분석되었다. 따라서 2018년 6월과 2019년 6월 사이에는 전체적으로 0.02m의 침식이 발생된 것을 알 수 있었다. 그리고 시계열로 분석한 지형변화 모니터링 결과로부터 침식 및 퇴적 높이 구간별 면적을 분석한 결과 ±0.5m 구간에서 침식과 퇴적면적이 가장 넓게 분포함을 알 수 있었다. 본 연구에서 제시한 시계열적 UAV 영상을 이용한 3차원 지형 모델링 성과를 활용하여 해안지역의 지형변화를 지속적으로 모니터링 한다면 양빈이나 준설 등과 같은 연안관리 업무를 보다 효과적으로 지원할 수 있을 것이다.

In order to promote efficient coastal management, it is important to continuously monitor the characteristics of the terrain, which are changed by various factors. In this study, time series UAV images were taken of Gyeokpo beach. And the standard deviation of ±11cm(X), ±10cm(Y), and ±15cm(Z) was obtained as a result of comparing with the VRS measurement performance for UAV position accuracy evaluation. Therefore, it was confirmed that the tolerance of the digital map work rule was satisfied. In addition, as a result of monitoring the erosion and sedimentation changes using the DSM(digital surface model) constructed through UAV images, an average of 0.01 m deposition occurred between June 2018 and December 2018, and in December 2018 and June 2019. It was analyzed that 0.03m of erosion occurred. Therefore, 0.02m of erosion occurred between June 2018 and June 2019. From the topographical change analysis results, the area of erosion and sediment height was analyzed, and the area of erosion and sedimentation was widely distributed in the ±0.5m section. If we continuously monitor the topographical changes in the coastal regions by using the 3D terrain modeling results using the time series UAV images presented in this study, we can support the coastal management tasks such as supplement or dredging of sand.

본 연구에서는 인공지능기법을 이용하여 진동만의 용존산소량 예측을 하였다. 관측자료에 존재하는 결측 구간을 보간하기 위해 양방향재귀신경망(BRITS, Bidirectional Recurrent Imputation for Time Series) 딥러닝 알고리즘을 이용하였고, 대표적 시계열 예측 선형모델인 ARIMA(Auto-Regressive Integrated Moving Average)과 비선형모델 중 가장 많이 이용되고 있는 LSTM(Long Short-Term Memory) 모델을 이용하여 진동만의 용존산소량을 예측하고 그 성능을 평가했다. 결측 구간 보정 실험은 표층에서 높은 정확도로 보정이 가능했으나, 저층에서는 그 정확도가 낮았으며, 중층에서는 실험조건에 따라 정확도가 불안정하게 나타났다. 실험조건에 따라 정확도가 불안정하게 나타났다. 결과로부터 LSTM 모델이 중층과 저층에서 ARIMA 모델보다 우세한 정확도를 보였으나, 표층에서는 ARIMA모델의 정확도가 약간 높은 것으로 나타났다.

In this study, we used artificial intelligence algorithms for the prediction of dissolved oxygen in Jindong Bay. To determine missing values in the observational data, we used the Bidirectional Recurrent Imputation for Time Series (BRITS) deep learning algorithm, Auto-Regressive Integrated Moving Average (ARIMA), a widely used time series analysis method, and the Long Short-Term Memory (LSTM) deep learning method were used to predict the dissolved oxygen. We also compared accuracy of ARIMA and LSTM. The missing values were determined with high accuracy by BRITS in the surface layer; however, the accuracy was low in the lower layers. The accuracy of BRITS was unstable due to the experimental conditions in the middle layer. In the middle and bottom layers, the LSTM model showed higher accuracy than the ARIMA model, whereas the ARIMA model showed superior performance in the surface layer.

Economic indicators are a factor that affects air cargo volume. This study analyzes the different factors affecting air cargo volume by each Chinese cities according to the main characteristics. The purpose of this study is to help companies related to China, airlines, and other stakeholders predict and prepare for the fluctuations in air cargo volume and make optimal decisions. To this end, 20 economic data were used, and the entire data was reduced to 5 dimensions through factor analysis to build a dataset necessary and evaluated the influencing factors by multi regression. The result shows that Macro-Economic Indicators, Production/Service indicators are significant for every cities and Chinese manufacture/Customer indicators, Korean manufacture/Oil Price indicators, Trade/Current indicators are significant for each other city. All adjusted R2 values are high enough to explain our model and the result showed excellent performance in terms of analyzing the different factors which affects air cargo volume. If companies that are currently doing business with China can identify factors affecting China's cargo volume, they can be flexible in response to changes in plans such as plans to enter China, production plans and inventory management, and marketing strategies, which can be of great help in terms of corporate operations.

본 연구의 목적은 (1) MCD12Q1 자료를 이용하여 시계열 마스크 맵 작성하여 (2) 시계열 마스크 맵의 연차별 논벼 재배면적 변화를 추출하고, (3) MYD13Q1 NDVI와 단수와의 상관계수를 비교하여 (4) 적용성을 검토하는 것이다. 이를 위해 2002년부터 2019년까지의 연도별 MCD12Q1 PFT 자료를 수집하여 시계열 마스크 맵을 작성하고 고정형 마스크 맵과 비교하였다. 그 결과, 시계열 마스크 맵에 의한 논벼 재배면적이 실제 논벼 재배면적의 변동 특성을 잘 반영하고 있는 것으로 나타났으며, 고정형 마스크 맵과 비교하여 NDVI와 논벼 단수와의 상관계수도 높게 나타나 시계열 마스크 맵이 논벼 고유의 식생지수 추출 및 작황 모니터링, 단수 추정의 정확도를 높이는 방법임을 확인하였다.

The objectives of this study were (1) to develop a temporal mask map using MCD12Q1 data, and (2) to extract the annual variations in paddy, (3) to investigate the correlation analysis between MYD13Q1 NDVI and rice yield, and (4) to review its applicability. For these purposes, the temporal mask map was created using annual MCD12Q1 PFT data from 2002 to 2019, and compared with the fixed mask map. As a result, it found that the temporal mask map well reflected the variations of the paddy area. In addition, the correlation coefficient between NDVI and rice yield was also high significant as compared to the fixed mask map. Therefore, the temporal mask map will be useful for NDVI extraction, crop monitoring, and estimation of rice yield.

본 연구는 현대 사회에서 가장 가치 있는 문화자산이자 한류의 흐름에서 특히 중요한 위치를 차지하는 디지털 음악에 초점을 두었다. 디지털 음악에 대하여 공신력 있는 음원 차트인 '가온 차트'에 진입한 음원들의 73주간 순위 변화를 수집하였으며 유사한 특징을 가지는 패턴들로 분류하였다. 이후 각 순위 변화 패턴으로부터 주목할 만한 특징에 대한 설명적 분석을 수행하였다. 구체적으로 음원에 대한 신뢰도 이슈가 발생하기 이전 기간의 국내 발매된 디지털 음원들로 한정하여 시점을 일치시킨 후 시계열 군집분석을 통해 패턴을 도출하고자 하였다. 데이터 수집과 전처리를 통하여 742건의 중복되지 않는 음원들을 확보하였고, 시계열 순위 변화에 대한 시계열 군집분석 결과 16개의 패턴들이 도출되었다. 이후 도출된 패턴들을 기반으로 '스테디셀러'와 '원 히트 원더'의 두 가지 유형의 대표적인 패턴을 확인하였다. 나아가 두 패턴에 대하여 차트 내에서 음원의 생존 기간과 음원 순위에 관점에서 다섯 가지의 세분화된 패턴으로 분류하였다. 각 패턴들이 가지는 중요한 특징들은 다음과 같다. 원 히트 원더형 패턴에서 아티스트의 슈퍼스타 효과와 편승효과가 강하게 나타났으며, 소비자들의 디지털 음원 선택에 강한 영향을 미친다는 것을 확인하였다. 나아가 스테디셀러형 패턴을 통해서 매우 오랜시간 소비자들의 선택을 받는 음원들을 확인하였고, 소비자의 니즈를 관통하며 가장 많은 선택을 받는 음원들이 오히려 원 히트 원더형 패턴이 아니라 스테디셀러: 중기 패턴에 포진하고 있음을 확인하였다. 특히 주목할 만한 점은 스테디셀러형 패턴을 통해 기존의 패턴과는 상반되는 '차트 역주행' 현상을 확인했다는 것이다. 본 연구는 디지털 음원을 중심으로 상대적으로 소외되었던 분야인 시간의 흐름에 따른 음원의 순위 변화에 초점을 두었고, 음원의 흥행과 순위를 예측하는 것이 아니라 순위 변화의 패턴을 세분화함으로써 음원 연구에 대한 새로운 접근을 시도하였다는 점에서 의의가 있다.

This study focused on digital music, which is the most valuable cultural asset in the modern society and occupies a particularly important position in the flow of the Korean Wave. Digital music was collected based on the "Gaon Chart," a well-established music chart in Korea. Through this, the changes in the ranking of the music that entered the chart for 73 weeks were collected. Afterwards, patterns with similar characteristics were derived through time series cluster analysis. Then, a descriptive analysis was performed on the notable features of each pattern. The research process suggested by this study is as follows. First, in the data collection process, time series data was collected to check the ranking change of digital music. Subsequently, in the data processing stage, the collected data was matched with the rankings over time, and the music title and artist name were processed. Each analysis is then sequentially performed in two stages consisting of exploratory analysis and explanatory analysis. First, the data collection period was limited to the period before 'the music bulk buying phenomenon', a reliability issue related to music ranking in Korea. Specifically, it is 73 weeks starting from December 31, 2017 to January 06, 2018 as the first week, and from May 19, 2019 to May 25, 2019. And the analysis targets were limited to digital music released in Korea. In particular, digital music was collected based on the "Gaon Chart", a well-known music chart in Korea. Unlike private music charts that are being serviced in Korea, Gaon Charts are charts approved by government agencies and have basic reliability. Therefore, it can be considered that it has more public confidence than the ranking information provided by other services. The contents of the collected data are as follows. Data on the period and ranking, the name of the music, the name of the artist, the name of the album, the Gaon index, the production company, and the distribution company were collected for the music that entered the top 100 on the music chart within the collection period. Through data collection, 7,300 music, which were included in the top 100 on the music chart, were identified for a total of 73 weeks. On the other hand, in the case of digital music, since the cases included in the music chart for more than two weeks are frequent, the duplication of music is removed through the pre-processing process. For duplicate music, the number and location of the duplicated music were checked through the duplicate check function, and then deleted to form data for analysis. Through this, a list of 742 unique music for analysis among the 7,300-music data in advance was secured. A total of 742 songs were secured through previous data collection and pre-processing. In addition, a total of 16 patterns were derived through time series cluster analysis on the ranking change. Based on the patterns derived after that, two representative patterns were identified: 'Steady Seller' and 'One-Hit Wonder'. Furthermore, the two patterns were subdivided into five patterns in consideration of the survival period of the music and the music ranking. The important characteristics of each pattern are as follows. First, the artist's superstar effect and bandwagon effect were strong in the one-hit wonder-type pattern. Therefore, when consumers choose a digital music, they are strongly influenced by the superstar effect and the bandwagon effect. Second, through the Steady Seller pattern, we confirmed the music that have been chosen by consumers for a very long time. In addition, we checked the patterns of the most selected music through consumer needs. Contrary to popular belief, the steady seller: mid-term pattern, not the one-hit wonder pattern, received the most choices from consumers. Particularly noteworthy is that the 'Climbing the Chart' phenomenon, which is contrary to the existing pattern, was confirmed through the steady-seller pattern. This study focuses on the change in

해수면 온도는 전 세계 해양, 기상 현상에 영향을 주고 해양 환경 변화와 생물에게 영향을 주는 중요한 요소이다. 특히, 우리나라 남해안을 비롯한 연안 지역의 경우 어업 및 양식업 등의 수산업이 많이 발달하여, 매년 고수온 현상으로 인한 사회·경제적 피해가 발생하고 있다. 따라서 위성 자료와 같은 광범위한 지역을 감시할 수 있는 자료를 활용한 해수면 온도 및 공간적 분포의 예측기술 개발을 통하여 피해를 예방할 수 있는 시스템을 구축할 필요가 있다. 해수면 온도 예측은 기존의 수치 모델을 통해서 예측을 진행하였지만, 다수의 역학적 요인들을 사용하여 예측 결과 산출 시 복잡함이 존재한다. 최근 기계학습 및 딥러닝 기법이 발달함에 따라 해양 분야의 예측에 적용하는 연구가 진행되고 있다. 본 연구는 그 중 시·공간적인 일관성 및 정확도가 높은 장단기 기억(Long Short Term Memory, LSTM)과 합성곱 장단기 기억(Convolutional Long Short Term Memory, ConvLSTM) 딥러닝 기법을 사용하여 남해지역의 해수면온도 예측 및 2017년부터 2019년까지의 고수온 발생 건에 대해서 예측 결과의 공간 분포와 공간 분포와 예측 가능성에 대해 분석을 하였다. 1일 예측 모델의 정확도는 RMSE 기준으로 ConvLSTM(전체: 0.33℃, 봄: 0.34℃, 여름: 0.27℃, 가을: 0.32℃, 겨울: 0.36℃)이 LSTM 기반의 예측 모델(전체: 0.40℃, 봄: 0.40℃, 여름: 0.48℃, 가을: 0.39℃, 겨울: 0.34℃)보다 우수한 성능을 보였다. 2017년 고수온 발생 사례에 대해 해수면 온도 예측과 고수온 탐지 성능에서 ConvLSTM은 5일까지 경보를 탐지하였지만, LSTM의 경우 2일 예측 이후 해수면 온도를 과소 추정하는 경향이 커짐에 따라 탐지하지 못하였다. 시공간적인 해수면 온도 예측 시 ConvLSTM이 LSTM에 비해 적절한 모델로 판단된다.

Sea Surface Temperature (SST) is an important environmental indicator that affects climate coupling systems around the world. In particular, coastal regions suffer from abnormal SST resulting in huge socio-economic damage. This study used Long Short Term Memory (LSTM) and Convolutional Long Short Term Memory (ConvLSTM) to predict SST up to 7 days in the south sea region in South Korea. The results showed that the ConvLSTM model outperformed the LSTM model, resulting in a root mean square error (RMSE) of 0.33℃ and a mean difference of -0.0098℃. Seasonal comparison also showed the superiority of ConvLSTM to LSTM for all seasons. However, in summer, the prediction accuracy for both models with all lead times dramatically decreased, resulting in RMSEs of 0.48℃ and 0.27℃ for LSTM and ConvLSTM, respectively. This study also examined the prediction of abnormally high SST based on three ocean heatwave categories (i.e., warning, caution, and attention) with the lead time from one to seven days for an ocean heatwave case in summer 2017. ConvLSTM was able to successfully predict ocean heatwave five days in advance.

As global demand for energy, energy prices, and power generation has increased worldwide, the government is turning to supply-oriented electricity supply and demand policies, such as behavior-based energy efficiency programs. In order to measure the implementation effect of the behavior-based energy efficiency program, the energy reduction must be accurately calculated by calculating the customer baseline load.

Nowadays, portable digital cameras such as smart phone cameras are being popularly used for entertainment and visual information recording. Given a database of geo-tagged images, a visual location recognition system can determine the place depicted in a query photo. One of the most common visual location recognition approaches is the bag-of-words method where local image features are clustered into visual words. In this paper, we propose a new bag-of-words-based visual location recognition algorithm using time-series streetview database. The proposed algorithm selects only a small subset of image features which will be used in image retrieval process. By reducing the number of features to be used, the proposed algorithm can reduce the memory requirement of the image database and accelerate the retrieval process.

최근 들어 경리단길처럼 빠른 성장세를 보이는 골목상권에 대한 사회적 관심이 높아지면서 골목상권 성장요인에 대한 분석의 필요성이 커지고 있다. 이 연구에서는 서울시의 골목상권 매출액 자료에 동적타임워핑(DTW)을 적용한 시계열 군집분석을 통해 성장 골목상권을 찾아내고 로지스틱 회귀분석을 통해 골목상권의 성장에 영향을 미치는 요인들을 분석하였다. 군집분석 결과, 성장상권은 서남권과 동북권, 동남권에 많이 분포하는 것으로 나타났지만 성장상권의 권역 내 비중은 서북권, 동북권, 서남권이 높게 나타난 반면 동남권은 낮게 나타났다. 로지스틱 회귀분석 결과, 20~30대가 매출액에 미치는 영향은 50대에 비해 낮지만 성장에 미치는 영향은 더 큰 것으로 나타났다. 또한, 소득이 높은 지역에 위치한 골목상권들은 성장 한계에 도달한 경우가 많아 정체 또는 쇠퇴하는 경향이 나타났다. 지하철에 가까운 골목상권일 경우 매출액은 더 많지만 성장성은 오히려 떨어지는 것으로 나타났다. 본 연구는 기존연구에서 다루어지지 않던 골목상권의 성장요인을 처음으로 분석했다는 점에서 의의를 둘 수 있다.

Recently, growing social interest in alley markets, which have shown rapid growth like Gyeonglidan-gil street in Seoul, has led to the need for an analysis of growth factors. This paper aims at exploring growing alley markets through time-series clustering using DTW (Dynamic Time Warping) and examining the growth factors through logistic regression. According to cluster analysis, the number of growing markets of the Northeast, the Southwest, and the Southeast were much more than the Northwest but the proportion in region of the Northwest, the Northeast, and the Southwest were much more than the Southeast. Logistic regression results show that people in 20s and 30s have a lower impact on sales than those in 50s, but have a greater impact on growth of alley market. Alley markets located in high-income areas often reached their growth limits, indicating a tendency to stagnate or decline. The proximity of a subway station effected positive on sales but negative on growth. This research is an advanced study in that the causes of sales growth of alley markets is examined, which has not been examined in the preceding study.

본 연구는 강원대학교 학술림을 대상으로 현장조사 기반(Field Survey Based)에 의한 감염목(FSB_감염목)과 객체분류기반(Object Classification Based)에 의한 감염목(OCB_감염목)을 추출하고 감염목에 대한 공간적 분포특성 및 발생강도 평가를 목적으로 하였다. OCB 최적 가중치는 Scale 11, Shape 0.1, Color 0.9, Compactness 0.9, Smoothness 0.1로 선정되었으며, 전체 분류정확도는 약 94%, Kappa 계수는 0.88로 매우 높았다. OCB_감염목 지역은 약 2.4ha로 전체 면적의 약 0.05% 발생하였다. OCB_감염목와 FSB_감염목의 임분구조 분포특성 및 지형 지리적 요인을 비교 하면, OCB_감염목 영급은 IV영급의 분포비율이 약 44%로 가장 높았으며, FSB_감염목의 영급도 IV영급의 분포비율이 약 55%로 가장 높았다. OCB_감염목의 IV영급 비율은 FSB_감염목보다 약 11% 낮았다. OCB_감염목 경급은 소경목과 중경목이 약 93%로 대부분을 차지한 반면, FSB_감염목 경급은 중경목과 대경목이 약 87%로 전체 대상지의 경급 분포와 상이하였다. 한편, OCB_감염목 표고 분포비율은 401-500m에서 약 30%로 가장 높은 반면, FSB_감염목은 301-400m에서 약 45%로 상이하였으며, 임도로부터 접근성 분포 비율은 OCB_감염목과 FSB_감염목 모두 100m이하에서 각각 약 24%와 31%로 가장 높아 임도로부터 접근성이 높을수록 감염목이 높았다. OCB_감염목 핫스팟은 31임반과 32임반으로 영급과 경급이 높은 지역에서 높게 분포하였다.

The objectives of this study were to extract "Field Survey Based Infection Tree of Pine Wilt Disease(FSB_ITPWD)" and "Object Classification Based Infection Tree of Pine Wilt Disease(OCB_ITPWD)" from the Research Forest at Kangwon National University, and evaluate the spatial distribution characteristics and occurrence intensity of wood infested by pine wood nematode. It was found that the OCB optimum weights (OCB) were 11 for Scale, 0.1 for Shape, 0.9 for Color, 0.9 for Compactness, and 0.1 for Smoothness. The overall classification accuracy was approximately 94%, and the Kappa coefficient was 0.85, which was very high. OCB_ITPWD area is approximately 2.4ha, which is approximately 0.05% of the total area. When the stand structure, distribution characteristics, and topographic and geographic factors of OCB_ITPWD and those of FSB_ITPWD were compared, age class IV was the most abundant age class in FSB_ITPWD (approximately 55%) and OCB_ITPWD (approximately 44%) - the latter was 11% lower than the former. The diameter at breast heigh (DBH at 1.2m from the ground) results showed that (below 14cm) and (below 28cm) DBH trees were the majority (approximately 93%) in OCB_ITPWD, while medium and (more then 30cm) DBH trees were the majority (approximately 87%) in FSB_ITPWD, indicating different DBH distribution. On the other hand, the elevation distribution rate of OCB_ITPWD was mostly between 401 and 500m (approximately 30%), while that of FSB_ITPWD was mostly between 301 and 400m (approximately 45%). Additionally, the accessibility from the forest road was the highest at "100m or less" for both OCB_ITPWD (24%) and FSB_ITPWD (31%), indicating that more trees were infected when a stand was closer to a forest road with higher accessibility. OCB_ITPWD hotspots were 31 and 32 compartments, and it was highly distributed in areas with a higher age class and a higher DBH class.

산림지역은 계절에 따라 생장 및 활력 특성이 변화하기 때문에 산림피해를 정확하게 탐지하기 위해서는 과거 동일한 계절적 시기의 영상정보 확보가 필요하다. 그러나 고해상도 또는 중해상도 영상은 영상촬영주가 높지 않아 동일 시기의 영상 정보들을 확보하는 것은 쉽지 않다. 따라서 본 연구에서는 산림생태계의 피해를 평가하기 위해 시계열 영상정보를 통해 피해발생 이전 과거 동일 시점의 분광정보를 추정하여 산림피해 평가의 기준정보로 활용하는 방법을 연구했다. 연구대상지는 2017년 우박과 가뭄으로 인해 대규모 산림피해가 발생한 전라남도 화순지역이며, 과거 3년간 해당 지역에서 촬영된 모든 Landsat 8 영상의 시계열 식생지수(NDVI, EVI, NDMI) 자료를 구축하고 이를 일별 연속자료로 자료보간을 실시하였다. 그리고 이를 통해 교란 발생 이전의 정상적인 일별 식생지수 추정 지도를 제작하였으며, 동일 날짜의 일별 평년 식생지수와 교란발생 이후의 식생지수의 차이값을 구하고 피해등급 기준을 적용하여 최종적인 위성자료 기반의 피해등급지도가 산출되었다. 위성기반 피해등급지도는 기존의 항공사진 기반 피해등급지도에 비해 미세한 식생활력도 변화를 효과적으로 탐지하였으며, 피해극심지역을 대상으로 비교하였을 때 SWIR 밴드를 이용한 식생지수(NDMI)가 기존의 피해등급평가 결과와 유사한 결과를 산출하여 활용도가 높은 것으로 평가되었다. 결과적으로, 일별 평년식생활력도 지도의 제작을 통해 신속하고 정확한 피해지 탐지가 가능해졌다.

Tree growth and vitality in forest shows seasonal changes. So, in order to detect forest damage accurately, we have to use satellite images before and after damages taken at the same season. However, temporal resolution of high or medium resolution images is very low,so it is not easy to acquire satellite images of the same seasons. Therefore, in this study, we estimated spectral information of the same DOY using time-series Landsat images and used the estimates as reference values to assess forest damages. The study site is Hwasun, Jeollanam-do, where forest damage occurred due to hail and drought in 2017. Time-series vegetation index (NDVI, EVI, NDMI) maps were produced using all Landsat 8 images taken in the past 3 years. Daily normal vegetation index maps were produced through cloud removal and data interpolation processes. We analyzed the difference of daily normal vegetation index value before damage event and vegetation index value after event at the same DOY, and applied the criteria of forest damage. Finally, forest damage map based on daily normal vegetation index was produced. Forest damage map based on Landsat images could detect better subtle changes of vegetation vitality than the existing map based on UAV images. In the extreme damage areas, forest damage map based on NDMI using the SWIR band showed similar results to the existing forest damage map. The daily normal vegetation index map can used to detect forest damage more rapidly and accurately.

본 논문에서는 토지피복도에서 공간구조를 검출하고 시계열 공간구조 변화를 검출하는 시스템을 제안한다. 서로 다른 시간의 토지피복도에서 패치를 검출하고 패치의 측정요소를 계산하여 공간구조 패턴을 분석한다. 검출된 시계열 패치에 대해 패치 매핑을 이용하여 유지, 생성, 소멸, 분할, 병합, 혼합적 변환 등의 변화 유형을 결정한다. 또한, 시계열 토지피복도의 패치 기반 공간구조 패턴을 이진으로 저장하여 변화를 추출하였다. 본 논문에서는 제안하는 토지피복도 공간구조 변화검출 시스템을 통해 해당 지역(도시)의 난개발 현상을 진단하고, 향후 도시공간구조의 재구축을 위한 계획수립에 근거 자료로 활용될 수 있음을 보여주고 있다.

In this paper, we propose a system to detect spatial structures in land cover maps and to detect time-series spatial structure changes. At first, the proposed system detects patches in a certain area at different times and calculates their measures to analyse spatial structure patterns of the area. Then the system conducts patch mapping among the detected time-series patches and decides 6 types of patch changes such as keeping, creating, disappearing, splitting, merging, and changing in a mixed way. Also, the system stores the patch-based spatial structure patterns of time-series land cover maps in binary form to extract changes. This demonstrated that the proposed change detection system can be used as a basis for planning the reconstruction of the urban spatial structure by measuring the degree of urban sprawl.

본 연구에서는 완도 해역에서 단기적인 수온의 변화에 영향을 주는 요인을 파악하기 위하여 시계열 분석을 실시하였다. Power spectrum 결과에서 기온은 약 24 hr에서 peak를 보였으나 수온과 조위는 약 12 hr 및 24 hr에서 peak가 나타났다. 수온과 조위의 상관성을 파악하기 위해 coherence 분석을 실시한 결과, 두 변수는 반일주기에서 0.92로 높은 상관성을 보였다. 또한 수온의 시 공간적인 분포를 파악하기 위하여 수치실험을 실시하였다. 대조기에는 최강 낙조와 최강 창조 시의 평균 수온차가 $0.3^{\circ}C$인 반면, 소조기에는 평균 수온차가 $0.13^{\circ}C$로 작았다. 대조기의 수온차가 큰 이유는 비교적 수온이 낮은 외해수가 강한 조류에 의해 창조 시 유입되고 낙조 시 빠져나가기 때문인 것으로 판단된다. 전반적으로 수온은 외해보다 연안에서 높게 나타났다. 외해보다 연안은 수심이 얕기 때문에 일사량에 의해 수온이 빠르게 증가하기 때문인 것으로 사료된다.

Time series analysis was conducted to identify the factors affecting short-term variation of water temperature in Wando. Spectrum analysis showed that air temperature peaks at diurnal period, while water temperature and tide level peak at both semi-diurnal and diurnal periods. Coherence between water temperature and the tide level presented 0.92 at semi-diurnal period. Numerical experiment were carried out to understand the spatio-temporal distribution of water temperature in the study area. Average water temperature difference between maximum ebb and flood was $0.3^{\circ}C$ in spring tide, but $0.13^{\circ}C$ in neap tide. The reason for the large difference in spring tide is that relatively cold water entered with strong tidal currents at flood tide and flowed out at ebb tide. Water temperature on coasts was higher than out at sea. This is because the depth in the coast is shallower than at sea, and water temperature increases rapidly due to solar radiation.

이 연구는 공간통계 기법을 이용하여 공시지가에 대한 만족도를 시계열적으로 분석하기 위한 방법을 제시하는데 목적이 있다. 현재 GIS를 이용한 공시지가의 공간적 분포특성을 분석하거나, 공시지가 제도의 개선 방안을 정성적으로 제시하는데 머무르고 있다. 공시지가의 공시가격, 의견가격을 기준으로 이의신청 제기 강도를 그룹화 하여 공시지가에 대한 만족도 GIS DB를 구축하고, 공간밀도분석과 공간 자기상관분석을 통해서 만족도의 시계열적 변화를 비교 분석하였다. 연구 결과 공시가격과 의견가격과의 차이는 개별토지에 따라 다르나 대부분 평균 3배 이하의 상향 또는 하향을 요구하고 있는 것을 알 수 있었으며, 이를 통해 민원인들의 의견가격의 요구를 통계적으로 분석함으로써 민원인의 공시지가에 대한 만족도를 정량적으로 나타낼 수 있음을 알 수 있었다. 공시지가의 만족도를 GIS를 이용하여 분석함으로써 공시지가만이 아닌 의견가격과의 차이를 이용하여 공시지가의 만족도를 분석할 수 있음을 알 수 있었다. 공간 자기상관 분석 및 핫스팟 분석 등의 시계열적 공간통계분석 방법을 통해 공시지가 만족도의 시공간적 변화를 분석할 수 있음을 알 수 있었다. 즉, 연도별 자료를 활용한 시공간 분석을 통하여 지역적으로 양 또는 음의 유의적 관계를 규명할 수 있었다.

This study has the purpose of suggesting the method to analyze the spatiotemporal change of satisfaction concerning the officially assessed land price using geostatistical analysis. Analyzing the spatial distribution characteristic of officially assessed land price using present GIS (Geographic Information System) or is staying at qualitatively suggesting the improvement method of the officially assessed land price system. Grouping the appeal strength based on the official price and opinion price of officially assessed land price, GIS DB (Database) was constructed and the time seriate satisfaction were analyzed and compared through spatial density analysis and spatial autocorrelation analysis. As a result, it was found that the difference between the official price and the applicant's price differed depending on individual land, but most of the respondents requested the increase or the reduction of the average land price, which resulted in a large number of request. Analyzing the satisfaction of the officially assessed land price by using GIS, it was known that satisfaction of officially assessed land price could be analyzed by using the difference of the opinion price and not only the officially assessed land price. Spatiotemporal change of officially assessed land price satisfaction was known to be possible through spatiotemporal pattern analysis method such as spatiotemporal auto-corelation analysis and hotspot analysis etc using GIS. In short, regionally positive or negative significant relationship was investigated through spatiotemporal analysis using annual data.