Earticle

Due to the increased use of digital maps in the construction industry, there is a growing demand for high-quality digital map analysis. With the large amounts of data found in digital maps at earthwork sites, there is a particular need to enhance the accuracy and speed of digital map analysis. To address this issue, our study aims to develop new technology and verify its performance to address non-ground and range mismatch issues that commonly arise. Additionally, our study presents a new digital map analysis framework for earthwork sites that utilizes three newly developed technologies to improve the performance of digital map analysis. Through this, it achieved about 95% improvement in analysis performance compared to the existing framework. This study is expected to contribute to the improvement of the quality of digital map analysis data of earthworks.

As mechanical facilities are interacting with each other, the failure of some equipment can affect the entire system, so it is necessary to quickly detect and diagnose the abnormality of mechanical equipment. This study proposes a deep learning model that can effectively diagnose abnormalities in rotating machinery and equipment. CNN is widely used for feature extraction and LSTMs are known to be effective in learning sequential information. In LSTM, the number of parameters and learning time increase as the length of input data increases. In this study, we propose a method of segmenting an input segment signal into shorter-length sub-segment signals, sequentially inputting them to CNN through a time-distributed method for extracting features, and inputting them into LSTM. A failure diagnosis test was performed using the vibration data collected from the motor for ventilation equipment installed at the urban railway station. The experiment showed an accuracy of 99.784% in fault diagnosis. It shows that the proposed method is effective in the fault diagnosis of rotating machinery and equipment.

This study analyzes structural landscape changes over a time-series for a small and medium-sized city, Gangneung-Si, based on area and distribution patterns, and according to the type of land cover. Among the types of land cover, the area ratio of urbanized areas increased by 2.02% in the late 2010s as compared to the late 1980s, while there was a decrease of 2.69% in farmland and 0.69% in grassland areas. On analyzing the changes in land cover use by applying the Fragstats program, it was confirmed that landscape changes in urban and management areas were relatively severe according to the Landscape Shape Index, Largest Patch Index, and Aggregation Index. A pattern of concentrated expansion was also found around certain areas. In particular, from the analysis, it was established that the proportion of urbanized area had considerably increased and that the extent of farmland damage to management areas, including planned management areas, was large. Additionally, the Total Core Area generally indicated a reduction in the core areas of farmland and forest within urban and management areas. A medium-sized city showed significant changes besides large cities in terms of landscape structure. The developmental pressure on management areas, in particular, was quite high.

Purpose: A statistical similarity evaluation to compare pharmacokinetics(PK) profile data between nonclinical and clinical experiments has become a significant issue on many drug development processes. This study proposes a new similarity index by considering important parameters, such as the area under the curve(AUC) and the time-series profile of various PK data. Methods: In this study, a new profile similarity index(PSI) by using the concept of a process capability index(Cp) is proposed in order to investigate the most similar animal PK profile compared to the target(i.e., Human PK profile). The proposed PSI can be calculated geometric and arithmetic means of all short term similarity indices at all time points on time-series both animal and human PK data. Designed simulation approaches are demonstrated for a verification purpose. Results: Two different simulation studies are conducted by considering three variances(i.e., small, medium, and large variances) as well as three different characteristic types(smaller the better, larger the better, nominal the best). By using the proposed PSI, the most similar animal PK profile compare to the target human PK profile can be obtained in the simulation studies. In addition, a case study represents differentiated results compare to existing simple statistical analysis methods(i.e., root mean squared error and quality loss). Conclusion: The proposed PSI can effectively estimate the level of similarity between animal, human PK profiles. By using these PSI results, we can reduce the number of animal experiments because we only focus on the significant animal representing a high PSI value.

원격탐사를 이용한 작황정보 생산은 작물의 생물계절을 이용하여 작물 분류, 생육 모니터링, 생산량 추정 분석이 선행되어야 한다. 생물계절에 추정을 위한 시계열 영상 자료가 필요하지만 KOMPSAT(Korea Multi-Purpose Satellite)만으로 획득하는 것은 물리적 제한이 있으므로 타 지구관측위성과의 융합 활용이 필요하다. 위성자료의 융합 활용을 위해서는 각 위성이 가지는 고유의 방사학적 센서 특성 차이를 극복해야 한다. 본 연구는 위성자료의 융·복합 활용을 위한 첫 단계로서 KOMPSAT-3와 Landsat-8 위성의 교차검보정을 수행하였다. Libya-4 PICS(Pseudo Invariant Calibration Sites)에서 2년간 수집된 위성자료에 대해 초분광위성을 이용하여 산정된 SBAF(Spectral Band Adjustment Factor)를 적용하여 대기상단 반사도를 비교하였다. 교차검보정 결과 KOMPSAT-3와 Landsat-8 위성은 Blue, Green, Red 밴드에서 약 4%, NIR밴드에서 6%의 반사율 차이를 보였다. 온보드 켈리브레이터가 없는 KOMPSAT-3는 Ladnsat-8에 비해 Radiometric Stability가 낮은 것으로 나타났다. 향후 교차검보정의 정확도를 높이기 위해 BRDF(Bidirectional reflectance distribution function) 보정 및 지형보정을 통하여 정규화 된 반사율 자료를 생산하기 위한 노력이 필요하다.

In order to produce crop information using remote sensing, we use classification and growth monitoring based on crop phenology. Therefore, time-series satellite images with a short period are required. However, there are limitations to acquiring time-series satellite data, so it is necessary to use fusion with other earth observation satellites. Before fusion of various satellite image data, it is necessary to overcome the inherent difference in radiometric characteristics of satellites. This study performed Korea Multi-Purpose Satellite-3 (KOMPSAT-3) cross calibration with Landsat-8 as the first step for fusion. Top of Atmosphere (TOA) Reflectance was compared by applying Spectral Band Adjustment Factor (SBAF) to each satellite using hyperspectral sensor band aggregation. As a result of cross calibration, KOMPSAT-3 and Landsat-8 satellites showed a difference in reflectance of less than 4% in Blue, Green, and Red bands, and 6% in NIR bands. KOMPSAT-3, without on-board calibrator, idicate lower radiometric stability compared to ladnsat-8. In the future, efforts are needed to produce normalized reflectance data through BRDF (Bidirectional reflectance distribution function) correction and SBAF application for spectral characteristics of agricultural land.

일별 최대전력 수요 예측은 국가의 전력 수급운영에 중요한 과제로서 과거부터 다양한 방법들이 끊임없이 연구되어 왔다. 일별 최대전력 수요를 정확히 예측함으로써 발전설비에 대한 일일 운용계획을 작성하고 효율적인 설비 운용을 통해 불필요한 에너지 자원의 소비를 감소하는데 기여할 수 있으며 여름 겨울철 냉난방수요로 인해 발생하는 전력소비 과다로 인한 전력예비율 감소 문제 등에 선제적으로 대비할 수 있는 장점을 가진다. 이러한 일별 최대전력수요 예측을 위하여 본 논문에서는 Seasonal ARIMA, TBATS, Seasonal Reg-ARIMA, NNETAR 모형에 평일, 주말, 특수일에 대한 효과와 온도에 대한 영향을 함께 고려하여 다음날의 일별 최대전력을 예측하는 모형을 연구하였다. 본 논문을 통한 모형들의 예측 성능 평가 결과 요일, 온도를 고려할 수 있는 Seasonal Reg-ARIMA 모형과 NNETAR 모형이 이를 고려할 수 없는 다른 시계열 모형보다 우수한 예측 성능을 나타내었고 그 중 인공신경망을 활용한 NNETAR 모형의 예측 성능이 가장 우수하였다.

Varied methods have been researched continuously because the past as the daily maximum electricity demand expectation has been a crucial task in the nation's electrical supply and demand. Forecasting the daily peak electricity demand accurately can prepare the daily operating program about the generating unit, and contribute the reduction of the consumption of the unnecessary energy source through efficient operating facilities. This method also has the advantage that can prepare anticipatively in the reserve margin reduced problem due to the power consumption superabundant by heating and air conditioning that can estimate the daily peak load. This paper researched a model that can forecast the next day's daily peak load when considering the influence of temperature and weekday, weekend, and holidays in the Seasonal ARIMA, TBATS, Seasonal Reg-ARIMA, and NNETAR model. The results of the forecasting performance test on the model of this paper for a Seasonal Reg-ARIMA model and NNETAR model that can consider the day of the week, and temperature showed better forecasting performance than a model that cannot consider these factors. The forecasting performance of the NNETAR model that utilized the artificial neural network was most outstanding.

In this paper, we propose an automatic composition method using time series embedding of RNN Auto-Encoder. RNN Auto-Encoder can learn existing songs and can compose new songs from the trained RNN decoder. If one song is fully trained in the RNN Auto-Encoder, the song is embedded into the vector values of RNN nodes in the Auto-Encoder. If we train a lot of songs and apply a specific vector to the decoder of Auto-Encoder, then we can obtain a new song that combines the features of trained multiple songs according to the given vector. From extensive experiments we could find that our method worked well and generated various songs by selecting of the composition vectors.

This paper proposes a combined very-short-term and short-term multi-variate time-series model for 24 hour load forecasting. First, the best model for very-short-term and short-term load forecasting is selected by considering the least error value, and then they are combined by the optimal forecasting time. The actual load data of industry complex is used to show the effectiveness of the proposed model. As a result the load forecasting accuracy of the combined model has increased more than a single model for 24 hour load forecasting.

전력 공급 시스템의 효율적인 운영을 위해 전력수요예측은 필수적이다. 본 연구에서는 군집분석과 분류분석을 이용하여 일 단위 시간별 전력수요량 시계열 패턴의 유형을 살펴보고자 한다. 전력거래소에서 수집된 2008년 1월 1일부터 2012년 12월 31일까지의 일 단위 시간별 전력수요량 데이터를 추세성분, 계절성분, 오차 성분으로 구성된 시계열 자료로 변환하여 사용하였다. 추세성분을 제거한 시계열 자료의 패턴을 구분하기 위한 군집 분석방법은 k-평균 군집분석 (k-means), 가우시안혼합모델 혼합 모델 군집분석 (Gaussian mixture model), 함수적 군집분석 (functional clustering)을 고려하였다. 주성분분석을 통해 24시간 자료를 2개의 요인로 축소한 후 k-평균 군집분석과 가우시안 혼합 모델, 함수적 군집분석을 수행하였다. 군집분석 결과를 토대로 2008년부터 2011년까지 총 4년간 데이터를 4가지 분류분석방법인 의사결정나무, RF (random forest), Naive bayes, SVM (support vector machine)을 통해 훈련시켜 2012년 군집을 예측하였다. 분석 결과 가우시안 혼합 분포기반 군집분석과 RF를 이용한 군집예측 결과의 성능이 가장 우수하였다.

The purpose of this study is to identify the pattern of daily electricity demand through clustering and classification. The hourly data was collected by KPS (Korea Power Exchange) between 2008 and 2012. The time trend was eliminated for conducting the pattern of daily electricity demand because electricity demand data is times series data. We have considered k-means clustering, Gaussian mixture model clustering, and functional clustering in order to find the optimal clustering method. The classification analysis was conducted to understand the relationship between external factors, day of the week, holiday, and weather. Data was divided into training data and test data. Training data consisted of external factors and clustered number between 2008 and 2011. Test data was daily data of external factors in 2012. Decision tree, random forest, Support vector machine, and Naive Bayes were used. As a result, Gaussian model based clustering and random forest showed the best prediction performance when the number of cluster was 8.

인터넷 기술이 발전함에 따라 온라인상의 데이터는 급격하게 증가하고 있고, 증가하는 데이터에 대해 점진적인 기계학습 기법을 통해 효율적으로 학습하기 위한 연구가 진행되고 있다. 온라인상의 문서는 대부분 게시일, 출판일과 같은 시계열적 정보를 포함하고 있고, 이를 분류에 반영한다면 효율적인 분류가 가능할 것이다. 본 연구에서는 웹 문서상에서 나타나는 어휘의 시계열적 변화를 분석하였고, 분석한 시계열 정보를 기반으로 데이터 집합을 분할하여 효율적인 분류 학습 기법을 제안한다. 실험 및 검증을 위해 온라인상의 뉴스 기사 100만 건을 시계열 정보를 포함하여 수집하였다. 수집된 데이터를 바탕으로 데이터 집합을 분할하여 $Na{\ddot{i}}ve$ Bayes 및 SVM 분류기를 사용하여 실험을 진행하였고, 각 모델에서 전체 데이터 집합 학습 대비 최대 2.02% 포인트, 2.32% 포인트의 성능 향상을 확인하였다. 본 연구를 통해 시계열적 어휘의 변화를 분류에 반영하여 분류의 성능을 향상시킬 수 있음을 확인하였다.

As the Internet technology advances, data on the web is increasing sharply. Many research study about incremental learning for classifying effectively in data increasing. Web document contains the time-series data such as published date. If we reflect time-series data to classification, it will be an effective classification. In this study, we analyze the time-series variation of the words. We propose an efficient classification through dividing the dataset based on the analysis of time-series information. For experiment, we corrected 1 million online news articles including time-series information. We divide the dataset and classify the dataset using SVM and $Na{\ddot{i}}ve$ Bayes. In each model, we show that classification performance is increasing. Through this study, we showed that reflecting time-series information can improve the classification performance.

수문 시계열의 분석은 수문자료를 활용한 수자원의 효율적인 운영 및 관리에 필수적인 부분이며, 특히 장기적인 수문량 예측에 널리 활용되고 있다. 이러한 수문 시계열 분석은 전통적으로 하나의 자료계열을 하나의 요인으로 파악하여 자료를 분석하고 예측해왔지만 시계열 자료가 여러 가지 요인으로 혼합되 어 하나의 자료계열로 나타내질 수 있다는 가정 하에 각 요인들을 분해하여 분석하는 방법도 널리 연구되고 있다. 본 연구에서는 경험적 모드분해법을 이용하여 주어진 수문 시계열을 다중 성분으로 분해하고 분해된 각 요소를 시계열 모형으로 재구축한 후, 구축된 요소별 시계열 모형으로부터 예측된 값을 합하여 시계열을 예측하는 방법을 이용하였으며 이를 국내 댐 유입량에 적용한 후 그 결과를 나타내었다. 기존 시계열 모형과 경험적 모드분해법을 이용한 방법의 정확도를 비교한 결과, 기존의 시계열 모형을 이용하여 자료를 예측한 결과보다 경험적 모드분해법을 적용하여 자료를 분해한 후 시계열 자료를 예측한 결과가 주어진 시계열 자료를 더 잘 나타내는 것을 알 수 있었다.

The analysis of hydrologic time series data is crucial for the effective management of water resources. Therefore, it has been widely used for the long-term forecasting of hydrologic variables. In tradition, time series analysis has been used to predict a time series without considering exogenous variables. However, many studies using decomposition have been widely carried out with the assumption that one data series could be mixed with several frequent factors. In this study, the empirical mode decomposition method was performed for decomposing a hydrologic time series data into several components, and each component was applied to the time series models, autoregressive moving average (ARMA). After constructing the time series models, the forecasting values are added to compare the results with traditional time series model. Finally, the forecasted estimates from ARMA model with empirical mode decomposition method showed better performance than sole traditional ARMA model indicated from comparing the root mean square errors of the two methods.

Real-life time series characteristic data has significant amount of non-stationary components, especially periodic components in nature. Extracting such components has required many ad-hoc techniques with external parameters set by users in a case-by-case manner. In this study, we used Empirical Mode Decomposition Method from Hilbert-Huang Transform to extract them in a systematic manner with least number of ad-hoc parameters set by users. After the periodic components are removed, the remaining time-series data can be analyzed with traditional methods such as ARIMA model. Then we suggest a different way of setting control chart limits for characteristic data with periodic components in addition to ARIMA components.

본 논문에서는 시공간 정보를 포함하는 트윗 스트림에서 비정상적인 이벤트에 대한 상관관계를 사용자에게 시각적으로 분석하는 방법을 다양한 실험을 통하여 제안한다. 제안하는 방법으로는 트윗에서 토픽 모델링을 수행한 다음 계절요인과 추세요인을 반영한 시계열 분석 기법을 이용하여 비정상적인 이벤트 후보군을 추출한다. 추출된 토픽이 포함되어 있는 데이터를 대상으로 다시 한 번 토픽을 추출하여 시계열 분석을 수행한 다음 앞서 추출한 토픽과의 상관관계를 분석하여 비정상적인 이벤트를 탐지할 수 있도록 하였다. 비정상 이벤트를 탐지하는 모든 과정에 시각적 분석 방법을 이용하여 단순한 수치 정보가 아닌 시각적 패턴 형태로 나타냄으로써 사용자는 직관적으로 비정상 이벤트의 동향과 주기적인 패턴을 분석할 수 있도록 하였다. 실험은 2014년 1월 1일부터 2014년 6월 30일까지 국내에서 발생한 트윗을 대상으로 2개의 사건[경주 마우나 리조트 붕괴 사건(2014.02.17.), 진도 여객선 침몰 사건(2014.04.16.)]에 대해 시각적 분석 시스템을 적용하여 사용자는 쉽게 데이터를 분석하고 이해할 수 있음을 보였다.

In this paper, we present a visual analytics system that uses serial-correlation to detect an abnormal event in spatio-temporal data. Our approach extracts the topic-model from spatio-temporal tweets and then filters the abnormal event candidates using a seasonal-trend decomposition procedure based on Loess smoothing (STL). We re-extract the topic from the candidates, and then, we apply STL to the second candidate. Finally, we analyze the serial-correlation between the first candidates and the second candidate in order to detect abnormal events. We have used a visual analytic approach to detect the abnormal events, and therefore, the users can intuitively analyze abnormal event trends and cyclical patterns. For the case study, we have verified our visual analytics system by analyzing information related to two different events: the 'Gyeongju Mauna Resort collapse' and the 'Jindo-ferry sinking'.

미국 달러에 대한 한국원화의 17년간 일별 원/달러 환율 시계열 데이터에 대하여 정상 시계열 ARIMA 모형과 변동성을 포함한 시계열 모형인 ARIMA+IGARCH 모형을 적합하여 비교하고 예측을 실시하였다. 또한 환율 데이터에 구조변화가 있어 보이므로 선형구조를 포함한 구조 변화 모형과 자기상관 구조를 포함한 구조 변화 모형을 이용하여 변화점을 추정하고자 한다.

ARIMA and ARIMA+IGARCH models are fitted and compared for daily Korean won/US dollar exchange rate data over 17 years. A linear structural change model and an autoregressive structural change model are fitted for multiple change-point estimation since there seems to be structural change with this data.

본 논문은 1998년부터 2011년까지 강릉 지역의 지방 방사능 측정소에서 측정된 공간 감마선량률의 통계 적인 성질을 조사하였다. Autocorrelation Function Analysis(ACF), Rescaled Range Analysis(R/S Analysis), Detrended Fluctuation Analysis(DFA)의 방법들이 사용되었으며, 이 중 DFA는 non-stationary한 시계열의 장거리 상관성을 보여주는 좋은 방법으로 알려져 있다. 우리는 이 연구를 통해 다음의 사실을 알았다. 첫 번째, 공간 감마선량률은 두 가지 다른 경향을 갖는 크로스 오버가 나타난다. 이것은 연중 공간 감마선량률은 강한 장기 기억 특성이 나타나는데 비해 연간으로 넘어가면 상관성이 사라지는 것을 의미한다. 두 번째, 각 분석 방법들의 지수들이 있는데 이 지수들 사이의 관계식이 맞음을 확인 하였다.

In this work, we investigate the statistical properties of gamma exposure rates using well-known analysis methods, such as Autocorrelation Function Analysis(ACF), Rescaled Range Analysis(R/S Analysis), and Detrended Fluctuation Analysis(DFA). Especially, DFA is an important method to reliably detect long-range correlations in non-stationary time series. Our data are measured by Gangneung regional radiation monitoring station over the period of 1998 to 2011. First, we find a crossover indicating two different governing regimes in fluctuations of gamma exposure rates. Within a year, they show a strong long-ranged memory while this property vanishes over the range of time period longer than one year. Second, our finding is very securely supported by a variety of analysis tools. Those tools yield many relevant exponents which satisfies the well known relation between them.

원격탐사 방법을 활용한 변화지역 탐지, 재난재해 지도 작성, 작황 모니터링 등 다중시기의 위성영상을 활용한 결과를 도출하기 위해서는 시계열 영상 정보를 서로 비교할 수 있는 공통의 스케일로 정규화 하는 것이 필요하다. 다중시기 영상에 대한 정규화 방법은 절대복사보정과 상대복사 보정으로 나눌 수 있으며, 본 연구에서는 상대복사 보정을 통한 시계열 위성영상처리 기법을 다루고자 한다. 2011년 3월 해일 피해가 발생했던 일본 센다이 지역을 연구대상지로 선정하였고, KOMPSAT-2 다중분광영상을 이용한 사고 전, 후의 피해지역 탐지에 있어 상대복사 보정의 실효성을 분석하였다. 다양한 상대복사 보정 기법 중에서 정준상관분석을 통해 PIFs(Pseudo Invariant Features) 지역을 자동으로 추출하는 MAD(Multivariate Alteration Detection) 기법을 적용하였다. 본 사례연구 분석결과 MAD 방식에 의한 자동 PIFs 지역의 추출은 비교적 높은 정확도 수준에서 이루어짐을 확인할 수 있었으며, 상대복사 보정된 시계열 위성영상을 사용함으로써 변화지역 자동탐지의 신뢰수준을 높일 수 있는 것으로 나타났다.

It is necessary to normalize spectral image values derived from multi-temporal satellite data to a common scale in order to apply remote sensing methods for change detection, disaster mapping, crop monitoring and etc. There are two main approaches: absolute radiometric normalization and relative radiometric normalization. This study focuses on the multi-temporal satellite image processing by the use of relative radiometric normalization. Three scenes of KOMPSAT-2 imagery were processed using the Multivariate Alteration Detection(MAD) method, which has a particular advantage of selecting PIFs(Pseudo Invariant Features) automatically by canonical correlation analysis. The scenes were then applied to detect disaster areas over Sendai, Japan, which was hit by a tsunami on 11 March 2011. The case study showed that the automatic extraction of changed areas after the tsunami using relatively normalized satellite data via the MAD method was done within a high accuracy level. In addition, the relative normalization of multi-temporal satellite imagery produced better results to rapidly map disaster-affected areas with an increased confidence level.

기술의 발전과 융합이 빠르게 이루어지고 있는 오늘날 유망기술을 어떻게 파악하여, 다양한 후보군들 중에서 최적의 R&D 대상을 어떻게 선정할 것인가에 대한 문제는 주요한 경영의사결정문제 중 하나로 부상하고 있다. 본 연구에서는 이러한 R&D 기술 선정 의사결정을 지원할 수 있는 새로운 지능형 의사결정지원시스템을 제안한다. 본 연구의 의사결정지원시스템은 크게 3가지 모듈로 구성되는데, 우선 첫 번째 모듈인 '기술가치 평가' 모듈에서는 기업이 관심을 갖고 있는 분야의 특허들을 분석하여 유망기술 파악에 요구되는 다양한 차원의 기술가치 평가지수 값들을 산출하는 작업이 이루어진다. 이를 통해, 현재 시점에서의 각 기술의 가치가 다양한 차원에서 평가가 이루어지고 나면, 두 번째 모듈인 '미래기술가치 예측' 모듈에서 이들의 시간 흐름에 따른 변화를 학습한 인공지능 모형을 토대로 각 후보기술들이 미래 시점에 어떤 가치지수값을 갖게 될 것인지 예측값을 산출하게 된다. 마지막 세 번째 모듈인 '최적 R&D 대상기술 선정 지원' 모듈에서는 앞서 두 번째 모듈에서 산출된 각 차원별 예상 가치지수값들을 적절히 가중합하여 기술의 종합적인 미래가치 예측값을 산출하여 의사결정자에게 제공하는 기능을 수행한다. 이를 통해 의사결정자가 자사에 적합한 최적의 R&D 대상기술을 선정할 수 있도록 하였다. 본 연구에서는 제안된 시스템의 적용 가능성을 검증하기 위해, 10년치 특허데이터에 인공신경망 기법을 적용하여 실제 기술가치 예측모형을 구축해 보고, 그 효과를 살펴본다.

As the pace of competition dramatically accelerates and the complexity of change grows, a variety of research have been conducted to improve firms' short-term performance and to enhance firms' long-term survival. In particular, researchers and practitioners have paid their attention to identify promising technologies that lead competitive advantage to a firm. Discovery of promising technology depends on how a firm evaluates the value of technologies, thus many evaluating methods have been proposed. Experts' opinion based approaches have been widely accepted to predict the value of technologies. Whereas this approach provides in-depth analysis and ensures validity of analysis results, it is usually cost-and time-ineffective and is limited to qualitative evaluation. Considerable studies attempt to forecast the value of technology by using patent information to overcome the limitation of experts' opinion based approach. Patent based technology evaluation has served as a valuable assessment approach of the technological forecasting because it contains a full and practical description of technology with uniform structure. Furthermore, it provides information that is not divulged in any other sources. Although patent information based approach has contributed to our understanding of prediction of promising technologies, it has some limitations because prediction has been made based on the past patent information, and the interpretations of patent analyses are not consistent. In order to fill this gap, this study proposes a technology forecasting methodology by integrating patent information approach and artificial intelligence method. The methodology consists of three modules : evaluation of technologies promising, implementation of technologies value prediction model, and recommendation of promising technologies. In the first module, technologies promising is evaluated from three different and complementary dimensions; impact, fusion, and diffusion perspectives. The impact of technologies refers to their influence on future technologies development and improvement, and is also clearly associated with their monetary value. The fusion of technologies denotes the extent to which a technology fuses different technologies, and represents the breadth of search underlying the technology. The fusion of technologies can be calculated based on technology or patent, thus this study measures two types of fusion index; fusion index per technology and fusion index per patent. Finally, the diffusion of technologies denotes their degree of applicability across scientific and technological fields. In the same vein, diffusion index per technology and diffusion index per patent are considered respectively. In the second module, technologies value prediction model is implemented using artificial intelligence method. This studies use the values of five indexes (i.e., impact index, fusion index per technology, fusion index per patent, diffusion index per technology and diffusion index per patent) at different time (e.g., t-n, t-n-1, t-n-2, ${\cdots}$) as input variables. The out variables are values of five indexes at time t, which is used for learning. The learning method adopted in this study is backpropagation algorithm. In the third module, this study recommends final promising technologies based on analytic hierarchy process. AHP provides relative importance of each index, leading to final promising index for technology. Applicability of the proposed methodology is tested by using U.S. patents in international patent class G06F (i.e., electronic digital data processing) from 2000 to 2008. The results show that mean absolute error value for prediction produced by the proposed methodology is lower than the value produced by multiple regression analysis in cases of fusion indexes. However, mean absolute error value of the proposed methodology is slightly higher than the value of multiple regression analysis. These unexpected results may be

제주도 지하수위, 지하수온, 전기전도도의 변동특성 및 상관관계를 평가하고 또 지하수위변동법을 이용하여 지하수 함양률을 추정하였다. 자기상관분석을 통하여 각 관정 별 수위의 지연시간과 조절시간을 산정한 결과 자기상관성은 JM안성 관정이 가장 컸다. 그라고 교차상관분석으로 전기전도도-수위, 강수량-수위, 기온-수온간의 상관성을 분석하고 비교하였다. 분석결과 전기전도도-수위는 JR서광2, 강수량-수위는 JD하모, 기온-수온은 JI원종장2가 상호연관성이 가장 높았다. 지하수 함양률과 함양량을 산정한 결과 함양률은 평균 39.61%, 함양량은 평균 1,153,490,407 $m^3/yr$으로 산정되어 기존의 연구결과와 유사하였다.

We examined temporal variations in and relationships among groundwater level, groundwater temperature, and electric conductivity, and estimated groundwater recharge at Jeju Island. The time lag and regulation time of groundwater level data revealed that monitoring well in Ansung (JM-AS) has the highest auto-correlation. The cross-correlations for electric conductivity-water level, precipitation-water level, and air temperature-water temperature revealed that monitoring well in Seogwi-2 (JR-SG2) (electric conductivity-water level), monitoring well in Hamo (JD-HM) (precipitation-water level), and monitoring well in Wonjongjang-2 (JT-WJJ2) (air temperature-water temperature) had the highest cross-correlations. The average groundwater recharge ratio was 39.61%, and the average groundwater recharge amount was 1,153,490,407 $m^3/yr$, which is consistent with the results of previous studies.

일반적으로 설계홍수량은 강우빈도 해석으로 설계강우량을 결정하고 이를 유역유출모형에 적용하여 계산된 유출량을 정상류모의를 통하여 산정하게 된다. 이러한 기존의 설계홍수량 산정방법은 설계강우량 산정에 있어 임의성을 포함하게 된다. 따라서 본 연구에서는 대상 하천 구간의 실측 수위자료를 사용하여 홍수량을 산정하는 방법을 제시하고자 한다. 분석대상 자료로서 남한강 여주지점의 실측 시유량을 선정하였으며 충주댐 완공 이후인 1988년부터 2007년까지의 기간을 대상으로 하였다. 빈도해석을 위한 분석 자료군을 연최대치 계열과 POT(Peaks Over Threshold) 계열의 두 가지 그룹으로 추출하여 홍수량을 추정하였다. 연최대치 계열 분석 결과 Weibull 분포를 적절한 분포형으로 선정하였으며 부분시계열 POT 빈도해석을 수집자료 전체와 기간을 전, 후 10년씩 나눈 세 그룹으로 나누어 수행하였다. 빈도별 확률홍수량 추정 결과 연최대치 계열을 사용한 결과가 부분시계열 POT 방법을 사용한 결과보다 크게 산정되었으며 자료 전체 기간에 대한 POT 빈도해석 결과보다 최근 10년간의 자료를 사용한 결과가 더 크게 나타나 홍수량의 증가 경향을 확인 할 수 있었다.

본 연구는 부산지역의 먼지 농도와 황사발원지의 기후학적 요소를 주기분석 함으로써 부산지역의 먼지농도 주기에 영향을 주는 기후학적 조건, 특히 황사 발생과의 관련성에 대하여 고찰하였다. 부산지역에서 관측된 먼지 농도 시계열 자료를 이용한 단일스펙트럼분석을 수행한 결과 배출량이나 강수 효과 등에 의해 나타난 일반적인 주기(1년, 7일) 이외에, 상대적으로 3-4년 주기가 우세하게 나타났으며, 먼지 농도와 부산지역의 기상자료 및 황사발원지에서의 풍속과의 교차스펙트럼 분석을 통한 주기 분석을 수행해 본 결과, 3-4년 주기일 때 먼지농도와 풍속, 기압은 양의 상관관계, 기온, 상대습도와는 각각 음의 상관관계가 나타났다. 이는 황사 발생 조건과 잘 부합되는 것으로 나타나, 3-4년의 먼지 농도 주기는 황사의 장거리 수송과 관련이 있는 것으로 판단된다. 또한 황사 발생은 발원지의 지표 상태에 따라 발생빈도가 달라지므로, 여러 기후학적 요소들 중 황사발원지에서의 강수량과의 주기 분석을 수행해 본 결과, 발원지에서의 강수량 그 자체보다는 발원지에서의 가뭄지수(EDI)의 시계열이 우리나라 먼지 농도의 3-4년 주기와 더 연관이 있는 것으로 나타났고 이는 기후학적으로 황사 발원지에서의 지표건조 특성의 변동성과 연관이 있는 것으로 나타났다.

In order to examine how climatological condition can influence on urban scale particulate air pollutants, single and cross spectrum analysis have been performed to daily mean concentrations of particulate matters ($PM_{10}$) in Busan together with the climatological variables over the Asian dust source regions. Single power spectrum analysis of $PM_{10}$ concentrations in Busan shows that, aside from the typical and well-known periodicities, 3-4 year of peak periodicity of power spectrum density was identified. In cross spectrum analysis, this 3-4 year periodicity is found to have a strong positive correlation with the wind speed and pressure, and negative with the temperature and relative humidity, which is rather consistent with both characteristics of air mass during the Asian dust event whose periodicities have been recorded inter-annually over the Korean urban cities. Over the Asian dust source regions, $PM_{10}$ vs. precipitation shows no significant periodicity from the time series of precipitation data, but the periodicity of EDI (Effective Drought Index) shows some interannual variabilities ranging from 2 to 4 years over the various source regions, suggesting that, rather than precipitation itself, the EDI could be more closely associated with the occurrence frequency of Asian dust and interannual variability of urban particle concentrations in Korean cities.