선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이처럼 기후변화로 인한 돌발 홍수의 발생 빈도가 증가함에 따라, 인프라 침수에 대한 신속한 예/경고의 필요성이 증가하고 있다. 따라서 본 연구에서는 빅데이터를 활용하여 정확하고 신속한 수위예측 알고리즘을 개발하고자 한다.
- 적용하였다. 또한 입력자료로 기존의 연구에서 사용된 정형자료(수위, 유량)외에 비정형자료 (트윗수)를 추가로 고려하여 비정형자료의 적용 가능성을 검토하였다. 연구대상지는 청담대교로 하였으며, 총 5년 간(2014 ~ 2018)의 자료 중 3년 (2014년~ 2016년)은 학습구간으로, 2년(2017년 ~2018년)을 평가구간으로 나눴다.
- 본 연구에서는 수위 예측 모형의 실제 모의에 앞서 LSTM 기법 내에 있는 매개변수의 최적의 값을 도출하기 위해 민감도 분석을 수행하였다. LSTM 기법 내에 설정할 수 있는 매개변수는 반복횟수(Iteration), 시퀀스 길이 (Sequence Length), 학습률(Learning Rate), 은닉층 (Hidden Layer) 로 총 4가지다.
제안 방법
- 과거 수위 예측은 수치 모형을 통해 사용되었다. DAMBRK(DAM BReaK Food Forecasting Model), DEM(Digital Elevation Model)을 이용하여 하천 범람의 위험정도와 시간별 침수구역 및 침수심을 산정하였고 강우-유출 모형을 개발하여 대유역에 관해 평가하였다. 그러나 수문 모형은 예보를 위한 선행시간 확보에 제한이 있고 검증되지 않은 시공간적인 불확실성으로 예측에 영향을 끼쳤다(정성호 외 2인, 2018).
- 유지돈 외 1인 (2018)은 주식관련 뉴스 기사의 감정 어휘 발생 빈도에 따라 주가 변동성에 영향을 미치는 것을 발견하였고 이상훈 외 3인(2015)은 로지스틱 회귀분석을 통한 영화 흥행 예측 모형을 제안하였다. 따라서, 본 연구에서는 정형자료 이외에도 실시간으로 현장의 상황을 파악하여 제공하는 민간의 정형화되지 않은 비정형자료를 이용하여 수위예측 알고리즘에 적용해보았고 새로운 형태의 데이터를 입력인자로 사용하였다.
- 따라서 수치모형이나 RNN 기법 등을 이용한 모형을 사용하기보다는 LSTM 기법을 사용한 예측 모형이 정확도와 신속도의 측면에서 더 낫다고 판단되었다. 또한 기존에 사용하였던 정형자료만을 입력인자로 선정하는 것이 아니라 비정형 자료도 입력 인자로 구축하여 수위를 예측할 때 정확도 측면에서 정형자료만을 적용하였을 때와 비정형 자료와 함께 적용하였을 때 어떠한 차이가 있는지 비교 및 분석을 하였다.
- 또한 수위예측 모형의 정확도를 향싱을 위하여 입력자료의 정규화(normalization) 를 수행하였다. 정규화 방법은 MinMax 정규화를 사용하였으며 이를 통하여 입력자료의 Rescaling (0~1)을 수행하였고 모의에 적용하였다.
- 민감도 분석을 통하여 LSTM 기법 내의 인자별 도출한 최적의 값을 적용하였으며, 총 5년간의 입력자료 중 3년간의 자료(2014년 ~ 2016년)를학습 자료(training data set)로, 2년간의 자료 (2017년~2018년)를 평가 자료 (test data set) 로설정하였다. 또한 수위예측 모형의 정확도를 향싱을 위하여 입력자료의 정규화(normalization) 를 수행하였다.
- 연구대상지는 청담대교로 하였으며, 총 5년 간(2014 ~ 2018)의 자료 중 3년 (2014년~ 2016년)은 학습구간으로, 2년(2017년 ~2018년)을 평가구간으로 나눴다. 민감도 분석을 통하여 최적의 매개변수값을 도출하고 실제 관측값과 모.형 예측값을 검토한 결과, 저수위에서는 정형자료와 비정형자료를 함께 활용하는 것이 고수위에서는 정형자료만을 활용하는 것이 정확한 수위 예측을 수행할 수 있다는 것을 확인하였다.
- 본 연구는 시계열자료인 수위를 예측하기 위해 LSTM 기법을 적용하여 예측 모형을 개발하였고 입력인 자의 종류와 매개변수 값을 변경해가면서 예측모형의 성능을 평가하였다. 입력자료의 종류와 입력자료 간의 상관관계와 타당성을 고려하였다.
- 사용하였다. 트위터는 글의 내용과 시간이 공개되어 있고 검색 필터에서 위치선정과 고급검색에서 원하는 키워드, 제외할 키워드와 날짜를 설정할 수 있어 불필요한 자료를 거르고 유의미한 자료만 도출시켜 시계열 자료로 구축하였다.
대상 데이터
- 비정형자료는 여러 SNS(Social Network Service) 중에서 광고성 문구가 적고 텍스트를 이용한 플랫폼을 사용하는 개방형 채널인 트위터 (Twitter)를 사용하였다. 트위터는 글의 내용과 시간이 공개되어 있고 검색 필터에서 위치선정과 고급검색에서 원하는 키워드, 제외할 키워드와 날짜를 설정할 수 있어 불필요한 자료를 거르고 유의미한 자료만 도출시켜 시계열 자료로 구축하였다.
- 입력자료의 종류와 입력자료 간의 상관관계와 타당성을 고려하였다. 사용된 입력자료는 청담대교의 수위, 유량 자료(정형자료)와 트윗(트위터에 올린 글)의 개수 (비정형자료)이며 각각 시간 단위로 2014년부터 2018년까지 5년 간 측정된 자료를 이용하였다. 단위는 수위(m), 유량(㎥/s), 트윗의 개수(개)이다.
- 또한 입력자료로 기존의 연구에서 사용된 정형자료(수위, 유량)외에 비정형자료 (트윗수)를 추가로 고려하여 비정형자료의 적용 가능성을 검토하였다. 연구대상지는 청담대교로 하였으며, 총 5년 간(2014 ~ 2018)의 자료 중 3년 (2014년~ 2016년)은 학습구간으로, 2년(2017년 ~2018년)을 평가구간으로 나눴다. 민감도 분석을 통하여 최적의 매개변수값을 도출하고 실제 관측값과 모.
- 4, Anaconda)을 사용하였다. 연구대상지는 한강의 청담대교로 적용하였다(그림 3 참조).
- LSTM 기법 내에 설정할 수 있는 매개변수는 반복횟수(Iteration), 시퀀스 길이 (Sequence Length), 학습률(Learning Rate), 은닉층 (Hidden Layer) 로 총 4가지다. 입력 자료로는 5 년간의 수위, 유량 자료를 사용했으며 예측자료는 3시간 후의 수위로 설정하였다. 민감도 분석 Case는 표 3과 같으며, 최적의 매개변수 값을 도출하기 위해 예측값과 실측값의 오차비교를 통하여 모형성능을 평가하였다.
데이터처리
- 결정계수 7?2 (Coefficient of determination) 를 활용하였다. 평균제곱근 오차는 그 값이 작을수록 예측의 정확도가 높고 결정계수는 1에 가까울수록 모형의 적합도가 높은 것을 의미한다.
- 입력 자료로는 5 년간의 수위, 유량 자료를 사용했으며 예측자료는 3시간 후의 수위로 설정하였다. 민감도 분석 Case는 표 3과 같으며, 최적의 매개변수 값을 도출하기 위해 예측값과 실측값의 오차비교를 통하여 모형성능을 평가하였다.
- 수집된 자료가 수위 예측 시에 필요한 인자인지 판단하기 위해 t-test 분석을 수행하였으며, 분석을 통하여 도출된 P-value는 표 1에 나타내었다.
이론/모형
- 과거 수위 예측은 수치 모형을 통해 사용되었다. DAMBRK(DAM BReaK Food Forecasting Model), DEM(Digital Elevation Model)을 이용하여 하천 범람의 위험정도와 시간별 침수구역 및 침수심을 산정하였고 강우-유출 모형을 개발하여 대유역에 관해 평가하였다.
- 본 연구에서는 Tensorflow (version 1.8.0)를 이용하여 LSTM 기법을 활용한 수위 예측 모형을 개발하고 프로그램 언어는 Python(version 3.6.4, Anaconda)을 사용하였다. 연구대상지는 한강의 청담대교로 적용하였다(그림 3 참조).
- 본 연구에서는 기후변동성에 대응할 수 있는 자료기 반의 수위 예측모형을 개발하기 위하여 , LSTM 기법을 적용하였다. 또한 입력자료로 기존의 연구에서 사용된 정형자료(수위, 유량)외에 비정형자료 (트윗수)를 추가로 고려하여 비정형자료의 적용 가능성을 검토하였다.
- ANN 기법도 실시간으로 수위를 예측에 사용되었으나 높은 정확도를 보여주지 못하였다. 이러한 문제를 해결하기 위해 LSTM 기법을 사용하였다. LSTM 기법은 기존 RNN 기법의 단점인 장기 의존성과 가중치 소실 문제를 해결하였다.
- 또한 수위예측 모형의 정확도를 향싱을 위하여 입력자료의 정규화(normalization) 를 수행하였다. 정규화 방법은 MinMax 정규화를 사용하였으며 이를 통하여 입력자료의 Rescaling (0~1)을 수행하였고 모의에 적용하였다.
성능/효과
- 05 이하의 값이면 유의미한 인자로 판단할 수 있다(Ruxton, 2006). t-test 분석 및 P-value 도출 결과 본 연구에서 입력 자료로 사용한 수위 및 유량 자료는 수위예측 시 중요인자임을 확인할 수 있다.
- 그러나, 정형자료를 입력인자로 사용했을 경우에 비정형자료를 함께 입력인자로 사용했을 경우보다 상대적으로 높은 수위에서 관측값과 비슷한 결과를 나타내었고 낮은 수위에서는 관측값보다 과대 추정된 결과를 보였다.
- 정성호 외 2인 (2018)는 12개년의 자료로 3개년에 대한 수위 예측을 LSTM 기법으로 진행흐]였고 Chen Liang 외 2인(2018)은 2003년부터 2012년까지의 일일데이터를 사용하여 중국의 둥팅 호수의 수위 변화를 연구하고 SVM(Suppoert Vector Machine) 모형보다 LSTM 기법을 이용한 예측 모형이 더 정확도가 높다는 것을 알아냈다. 따라서 수치모형이나 RNN 기법 등을 이용한 모형을 사용하기보다는 LSTM 기법을 사용한 예측 모형이 정확도와 신속도의 측면에서 더 낫다고 판단되었다. 또한 기존에 사용하였던 정형자료만을 입력인자로 선정하는 것이 아니라 비정형 자료도 입력 인자로 구축하여 수위를 예측할 때 정확도 측면에서 정형자료만을 적용하였을 때와 비정형 자료와 함께 적용하였을 때 어떠한 차이가 있는지 비교 및 분석을 하였다.
- 0 사이는 높은 관련성을 갖는다고 판단 할 수 있다. 본 연구에서 수위 예측 시 유량자료가 수위와 높은 관계성을 가지고 있는 것을 확인할 수 있어 수위 예측 시입력인자로 유량을 사용하는 것을 적절하다고 판단되 어진다.
- 민감도 분석을 통하여 최적의 매개변수값을 도출하고 실제 관측값과 모.형 예측값을 검토한 결과, 저수위에서는 정형자료와 비정형자료를 함께 활용하는 것이 고수위에서는 정형자료만을 활용하는 것이 정확한 수위 예측을 수행할 수 있다는 것을 확인하였다.
후속연구
- 또한 비정형자료의 활용성을 높이기 위해 흥수알리미나 안전신문고 등의 재해. 재난 등을 알리는 어플리케이션에 사용자가 직접 비정형 형태의 자료 입력을 가능하게 한다면 수집된 비정형 형태의 자료량이 풍부해져서 본 연구결과의 정확도가 더욱 향상되어 보다 편리한 이용을 기대할 수 있을 것이다.
- 향후에는 정형자료의 종류를 다양화하고 동일 유역 내의 제내지를 고려하거나 다른 지역을 포함하는 등의 대상지역을 확대하여 비정형자료의 개수를 늘려 수위예측 알고리즘에 적용한다면 보다 정확하고 신속한 수위 예측이 가능할 것으로 판단된다. 또한 비정형자료의 활용성을 높이기 위해 흥수알리미나 안전신문고 등의 재해.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.