앙상블모형을 이용한 공백기술예측

전성해(Sunghae Jun) 한국지능시스템학회 2011 한국지능시스템학회논문지 Vol.21 No.3

공백기술예측은 기술경영 분야에서 중요하게 다루어지는 주제이다. 다양한 분야에서 현재까지의 기술개발결과를 분석하여 상대적으로 연구개발이 이루어지지 못한 분야를 찾아내어 개발하는 것은 국가와 기업의 발전에 중요한 영향을 미친다. 현재 특허는 기술개발결과에 대한 가장 객관적인 데이터 중 하나이다. 본 논문에서는 특허데이터를 이용하여 공백기술을 정량적으로 예측할 수 있는 방법에 대하여 연구한다. 하나의 정량적 기술예측모형이 완벽하다는 보장을 할 수 없기 때문에 본 연구에서는 여러 가지 모형들의 결과를 결합하여 예측하는 앙상블모형을 제안한다. 통계적 분석기법과 기계학습 알고리즘을 결합하여 보다 객관적이고 정확한 공백기술예측모형을 구축한다. 제안방법의 객관적인 성능평가를 위하여 각 기술분야에 대하여 최초 특허가 이루어진 시점부터 최근까지 출원, 등록된 특허데이터를 이용한다. A vacant technology forecasting is an important issue in management of technology. The forecast of vacant technology leads to the growth of nation and company. So, we need the results of technology developments until now to predict the vacant technology. Patent is an objective thing of the results in research and development of technology. We study a predictive method for forecasting the vacant technology quantitatively using patent data in this paper. We propose an ensemble model that is to vote some clustering criteria because we can’t guarantee a model is optimal. Therefore, an objective and accurate forecasting model of vacant technology is researched in our paper. This model combines statistical analysis methods with machine learning algorithms. To verify our performance evaluation objectively, we make experiments using patent documents of diverse technology fields.

단기 통행시간예측 모형 개발에 관한 연구

이승재,김범일,권혁 한국ITS학회 2004 한국ITS학회논문지 Vol.3 No.1

최근 몇 년간 도시교통문제의 해결책으로 부각되어온 지능형교통체계(ITS : Intelligent Transport System)의 한 분야로 첨단여행자 정보체계(ATIS : Advanced Travellers Information System)는 자동차에 장착된 항법장치(CNS)를 통해 운전자에게 원하는 목적지까지 최적경로를 제공하거나 경로에 대한 통행시간 정보를 제공 또는 예측해 주는 시스템이다. 본 연구에서는 이러한 최적경로 제공이나 통행시간 예측에 있어 좀 더 효율적인 통행시간 예측모형을 개발하고자 하였다. 현재까지의 통행시간 예측은 운전자가 통행을 시작할 때의 교통상황에 대한 정보이기 때문에 운전 중에 달라지는 교통상황을 반영할 수 없어 이로 인해 운전자가 경험하는 통행시간과 큰 차이를 발생시킬 수 있다. 본 연구에서는 이러한 불합리적인 예측시스템을 개선시킬 수 있는 예측된(predicted) 통행시간 예측 모형을 개발하고자 하였다. 이를 위해 우선 통행시간 예측모형을 특정링크에 적용시켜 모형들의 예측치와 실제 통행시간을 비교하여 교통량 흐름 패턴에 따라 어느 모형이 적합한지, 또 예측시간이 달라짐에 따라 모형들의 적합도와 첨두와 비첨두시 예측시간 간격에 따라 예측치와 실측치의 오차율을 알아보았다, 이를 통해 선정된 확률과정 모형과 칼만 필터링 예측모형을 서울시의 4개축에 대해서 다시 적용해 보았다. 그 결과 단기통행시간 예측에 있어서는 칼만필터링모형이, 장기 통행시간 예측에 있어서는 확률과정 모형이 통행시간 예측에 있어 우수한 모형임을 밝혀냈다. 마지막으로 서울시 28개 교통축의 5분 후 통행시간 예측에 칼만필터링 모형을 이용하여 오차분석을 적용하여 보았다. 그 결과 칼만필터링 모형이 신뢰할 만한 오차율을 보였다. The study of Estimation model for the short-term travel time prediction. There is a different solution which has predicted the link travel time to solve this problem. By using this solution, the link travel time is predicted based on link conditions from time to time. The predicated link travel time is used to search the shortest path. Before providing a dynamic shortest path finding, the prediction model should be verified. To verify the prediction model, three models such as Kalman filtering, Stochastic Process, ARIMA. The ARIMA model should adjust optimal parameters according to the traffic conditions. It requires a frequent adjustment process of finding optimal parameters. As a result of these characteristics, It is difficult to use the ARIMA model as a prediction. Kalman Filtering model has a distinguished prediction capability. It is due to the modification of travel time predictive errors in the gaining matrix. As a result of these characteristics, the Kalman Filtering model is likely to have a non-accumulative errors in prediction. Stochastic Process model uses the historical patterns of travel time conditions on links. It if favorably comparable with the other models in the sense of the recurrent travel time condition prediction. As a result, for the travel time estimation, Kalman filtering model is the better estimation model for the short-term estimation, stochastic process is the better for the long-term estimation.

농업 가뭄 사전대응을 위한 계절예측 자료의 적용성 평가

조재필 ( Jaepil Cho ),강민구 ( Mingoo Kang ),노재경 ( Jaekyoung Noh ),김광용 ( Kwangyoung Kim ),김정대 ( Jeongdae Kim ) 한국농공학회 2015 한국농공학회 학술대회초록집 Vol.2015 No.-

최근 기후변화로 인하여 극심한 가뭄 및 홍수 등 빈도가 증가하고 있으며 농업용 저수지의 경우 소규모 특성으로 인하여 다목적 댐과 비교할 때 가뭄에 보다 취약한 특성을 갖고 있다. 농어촌공사에서는 관측자료를 기반으로 평년강수량의 70%를 가정하여 봄철 농업가뭄에 대응하고 있다. 2000년대에 들어 역학적 기후예측모형 기반의 예측 결과 및 전지구기후인자와 지역 수문 사이의 원격상관 기반의 통계적 예측 방법들을 이용한 수자원 분야의 장기예측 연구가 활발히 시도되고 있다. APEC 기후센터(APCC)에서는 16개 국제적인 연구기관으로부터 제공 받는 기후예측정보를 다중모형앙상블(Multi-Model Ensemble, MME)기법을 이용하여 개별 기후모델이 지닌 불확실성을 최소화한 후 3~6개월 선행기간의 계절예측 정보를 제공하고 있다. 본 연구에서는 관측자료 기반의 Climate Index Regression (CIR) 및 기후예측모형의 예측자료를 사용하는 Moving Window Regression (MWR) 방법을 병합하여 사용하는 Integrated Time Regression (ITR) 방법을 이용하여 한반도 월별 강수량 및 기온을 예측한 후 저수지 물수지 모델링을 통하여 저수율을 예측하였다. 예측에는 캐나다의 MSC_CANCM3 및 MSC_CANCM4 모형, 미국의 NASA 및 NCEP 모형, 호주의 POAMA 모형, 한국의 PNU 모형을 포함한 총 6개 기후예측모형이 사용되었다. 예측시점은 봄철 저수지운영계획 수립을 목적으로 3월로 선정하였고 향후 6개월(4월~9월)에 대하여 시·공간적으로 상세화된 계절예측 정보를 생산하였다. 계절예측 자료의 예측성 평가를 위해서 방류량 자료가 존재하며 경기도 화성시에 위치한 기천저수지를 대상유역으로 선정하여 2년(1996~1997) 기간에 대한 유입량, 방류량, 저수위를 서로 다른 3개의 저수지 물수지 모형을 이용하여 예측하였다. 저수지 물수지 분석 모형으로는 HOMWRS, 수정 DIROM, DAWAST 모형을 선정하였다. 강수량 예측의 경우 개별 기후예측모형들 사이의 불확실성 범위는 크게 나타나 관측자료를 사용한 경우와 비교하여 모형별 저수지 물수지 분석의 예측성에 있어서 큰 차이를 보였다. 반면에 개별모형의 산술평균인 MME 결과는 개별모형 기반의 예측결과와 비교하여 안정적인 예측성능을 보여 향후 계절예측 자료의 활용에 있어서 불확실성을 고려할 수 있는 방법으로 제시되었다.

회계예측연구에 적용된 통계적 예측모형에 대한 고찰

이연희 경북대학교 경제경영연구소 2007 經商論集 Vol.34 No.1

오랜 기간에 걸쳐 회계자료와 같은 재무자료를 예측하기 위하여 많은 종류의 통계적 예측모형이 개발되어 왔지만, 회계예측연구에 적용된 통계적 모형들은 기대되는 불규칙적인 미래의 사건을 고려하지 않고 단지 과거의 패턴을 외삽하거나, 표본자료수의 충분성 문제, 정규성 위배 동의 통계적 한계점으로 인하여 발생된 문제점들이 제시되었다. 본 연구에서는 기존의 예측연구들에서 적용되어온 통계적 예측기법들을 재검토하고, 예측기법들이 지니고 있는 한계점을 살펴봄으로써 향후 예측연구에서 고려하여야 할 요소들을 규명하고자 하였다. 본 연구를 수행하기 위하여 일차적으로 기존 연구문헌들 가운데 회계예측연구와 관련된 문헌들을 살펴보고, 적용된 통계적 예측모형별로 재분류한 다음, 각 모형별 선행연구들과 통계적 예측모형의 고려사항을 검토하였다. 검토결과를 요약하면, 초기 통계적 모형들의 한계점을 극복하기 위하여 다양한 통계적 모형들이 제시되었지만, 해당 방법론 자체가 가지고 있는 통계적 가정에 의해 그 사용범위가 제한을 받고 있으며 초기 통계적 모형들의 한계점을 극복하기 위하여 제시된 통계적 모형의 예측치가 기존 통계적 모형의 예측치와 별다른 차이를 보이지 않는다는 결과는 예측과정이 통계적 분석의 단순한 수리적 선형모형만으로 설명될 수 없다는 것을 암시하고 있다. 따라서, 회계예측에 통계적 모형을 적용할 경우 야기되었던 문제점 및 고려사항을 유형별로 살펴보고, 향후 예측연구에 통계적 모형을 적용할 경우 보다 신중한 선택이 이루어져야 할 것이다. 최근에는 이와 같이 통계적 모형이 지니고 있는 한계점을 극복하기 위하여 많은 시도가 이루어지고 있다. 그 중 하나로 개발된 인공신경망 모형은 통계적 가정을 만족하지 못하는 자료의 분석에 적합한 비모수 · 비선형모형으로 패턴인식, 분류 및 예측문제 등에서 두드러진 성과를 보이고 있으며, 시계열분석, 회귀분석, 판별분석 등 여러 통계적 분야에서 다양하게 이용되고 있으므로 이러한 예측모형도 기존의 통계적 모형이 지니고 있는 한계점을 극복하는 하나의 대안이 될 수도 있을 것이다. Various statistical forecasting models had been developed to forecast financial data such as accounting data over long period. But problems that were happened by statistical limitations such as simple past pattern extrapolation, sample size and normality were presented. The purpose of this research is to review statistical forecasting techniques applied to existing literature, to investigate limitations of those, and to examine consideration facts in future forecasting research. In order to achieve the research purpose, the literatures that were related to accounting forecasting research among existing literatures were reviewed and classified by statistical forecasting techniques and considerations. The results are summarized that the application extent was limited by statistical assumption though various statistical models had been presented to overcome limitations of early statistical models. And the evidences that the prediction capability of models presented was not different from the prediction capability of early statistical models imply that the simple mathematical linear models can not explain to forecasting process. Therefore, it may have to examine problems and considerations that were caused by application, and to select statistical models more carefully in future accounting forecasting research. Recently, artificial neural network models that have shown notable results in pattern recognition, classification and forecasting problem may become the alternative to overcome limitations of statistical models.

지방세 세수예측방법의 비교 · 평가

이석환(李錫煥) 한국공공관리학회 2018 한국공공관리학보 Vol.32 No.2

본 연구는 서울시 시세와 자동차세를 대상으로 다양한 예측방법의 예측정확성을 평가하고, 본 연구의 예측결과와 서울시 예측실무의 예측결과를 비교하였다. 본 연구에서 사용한 예측방법은 이동평균, 지수평활, ARIMA의 시계열분석과 인과모형에 기초한 회귀분석이다. 세수예측모형은 1975∽2010년의 시계열자료를 이용하여 설정하였고, 예측모형의 예측정확성은 2011∽2015년의 실제 관측값과 예측값의 차이를 이용하여 평가하였다. 예측정확성의 평가기준으로는 MAPE와 RMSE를 사용하였다. 분석결과, 예측정확도, 연도별 예측정확도, 시간의 흐름에 따른 예측오차의 변화 양상, 과소 또는 과대예측의 경향, 예측모형과 실제 예측결과의 RMSE 간의 관계 등의 측면에서 다음과 같은 결과가 도출되었다. 첫째, 서울시 시세에서는 자수평활과 회귀모형 PW가 가장 우수하였으나, 자동차세에서는 단순한 시계열분석방법인 MA5와 MA3의 예측정확도가 높은 것으로 분석되었다. 둘째, 서울시 시세에서는 예측초기에는 시계열분석방법의 예측정확도가 높고 후기에는 회귀모형이 높은 것으로 나타났으나, 자동차세에서는 모든 연도에서 MA3와 MA5가 우수한 것으로 나타났다. 셋째, 시간의 흐름에 따른 예측오차의 변화양상은 예측방법과 예측대상에 따라 다른 것으로 나타났다. 넷째, 예측방법별로 과소 또는 과대예측의 경향도 다른 것으로 나타났다. 다섯째, 시세에서는 예측모형의 RMSE와 실제 예측결과의 RMSE 사이에 강한 정(+)의 상관이 있는 것으로 나타났으나, 자동차세에서는 관계가 없는 것으로 분석되었다.

계절예측정보 활용 장기 곡물 수확량 예측기술 개발

신용희 ( Yonghee Shin ),이은정 ( Eun-jeong Lee ) 한국농공학회 2015 한국농공학회 학술대회초록집 Vol.2015 No.-

기후변화의 영향으로 인한 이상기후 현상의 빈번한 발생은 세계 곳곳에서 사회 경제적으로 큰 피해를 불러오고 있다. 특히 기상현상의 변화에 민감한 농업생산 분야에서 가뭄과 홍수와 같은 극한사상의 발생으로 인한 곡물 생산량감소는 국제곡물 시장에 가격 불안 요소로 작용해 곡물가격의 급격한 상승을 야기하기 때문에 우리나라와 같이 국내소비 곡물의 상당부분을 해외로부터 수입에 의존하고 있는 곡물 수입국 입장에서는 주요 곡물생산지역에서의 이상기후 현상으로 인한 반복적인 곡물가격의 급등으로 안정적인 식량공급에 어려움을 겪고 있다. 불안정한 국제곡물 시장 상황에서 국내로의 안정적인 곡물 공급을 통해 피해를 최소화하기 위해서는 주요 곡물 수출국의 곡물 생산지역에 대한 선재적인 수확량 예측 정보의 확보가 중요하다. 곡물 수확량 예측방법으로는 위성영상을 통해 수집된 생육시기별 식생정보와 수확량 관측정보 사이의 상관관계를 통해 통계적으로 추정하는 방법이 폭넓게 이용되고는 있지만 수확량 예측정보를 생산하는 시점과 수확시기 사이에 발생되는 기상현상의 변화에 대해서는 고려되지 못하는 단점이 있다. APEC 기후센터(이하, APCC)는 APEC회원국의 16개 연구기관으로부터 기후예측 모델 자료를 수집하고 있으며 모델 간 앙상블 기법(Multi-Model Ensemble, MME) 적용을 통해 3개월 및 6개월 계절예측정보를 매달 생산하고 있다. 사료용 작물로 주로 수입되고 있는 옥수수의 구매 시기 및 구매량에 대한 의사결정에 도움을 주기위해 APCC에서는 6개월 예측정보를 활용한 장기 옥수수 수확량 예측 기술을 개발했다. APEC 회원국으로부터 수집되고 있는 6개월 기후예측 모델은 총 6개로 MME 계절예측정보 생산의 편의를 위해 2.5도의 수평공간해상도로 재생산된다. 농업생산 분야에서 활용 가능한 기후요소로는 월평균 기온과 월평균 강수량 자료가 제공되지만 작물모형의 시뮬레이션을 위해서는 일단위의 기후자료가 요구되고 있어 일최고기온, 일최저기온, 일사량, 풍속 등의 기후요소에 대한 정보가 추가로 요구된다. 따라서 본 연구에서는 기후예측 모델의 월평균 기온과 강수량 값에 가장 근사한 연도에 해당하는 NCEP 재분석 자료(1951-2014년)를 선택하여 예측자료의 일단위 기후요소로 활용하는 방법으로 시간적 상세화 작업을 실시하였다. 주요 생산국가 별 옥수수 수확량 예측에 대한 작물모형을 검증하기 위해 1991-2010년의 NCEP 재분석 자료를 이용해 수확량을 예측하였고 FAOSTAT의 국가별 옥수수 수확량 통계자료와 비교하였다. 국가별 농업생산 기술력의 발달 정도를 고려하여 작물모형을 검증한 결과 우리나라의 주요 옥수수 수입국인 미국의 경우 R²가 0.76에 RMSE가 620kg/ha 정도였다. 계절예측자료를 활용한 옥수수 수확량 장기 예측의 신뢰성을 평가하기 위해 위 검증된 작물모형에 2013년도와 2014년도의 3월, 5월, 7월, 9월 예측의 6개월 계절예측자료를 적용하여 예측 시기별 옥수수 수확량을 계산하였으며 각 기후예측모형의 다중 앙상블 멤버를 활용하여 수확량 예측의 불확실성 분석을 실시하고자한다.

결합예측 방법에 의한 종합주가지수의 예측

이우리 경기대학교 2000 論文集 Vol.44 No.1

미래의 특정 시점에서 관측될 한 사건의 결과를 예측하고자 할 때 우리들은 여러 가지의 예측모형, 혹은 전문가(experts)들의 견해를 사용할 수 있다. 이 때 각 예측모형 혹은 전문가들은 서로 다른 이론적 배경과 가정을 가지게 된다. 따라서 두 가지 이상의 모형 혹은 전문가들에 의해 예측된 값들은 서로 다른 정보를 반영하게 됨으로 이들을 적절히 결합시킨 결합예측은 개별예측보다 우수할 수 있다. 본 연구에서는 먼저 1999년 5월 7일에서 2000년 5월 30일까지의 자료를 이용하여 5가지의 개별예측모형을 추정하여 표본기간동안의 예측값을 구하고 또 이들에 대한 지분가설검정과 예측력의 평가를 한 결과 모형 다중전이함수모형(F1), AR 모형(F2), AR-GARCH 모형(F3), 그리고 GBM 모형(F5)이 상대적으로 우월하게 분석되었다. 다음으로 결합예측을 행하기 위한 결합가중치의 추정방법을 결정하기 위하여 개별예측오차의 표본 분산공분산행렬을 이용한 시뮬레이션분석을 한 결과 제한최소제곱추정 방법이 평균제곱예측오차가 가장 작은 것으로 나타났다. 제한최소제곱법에 의한 결합가중치를 추정하여 표본기간에 대한 평균제곱오차와 평균백분비오차를 구하면 F1과 F2 그리고 F1, F2, F5를 결합했을 때가 MSE와 MAPE가 가장 작게 나타났다. 일별 종합주가지수 자료를 이용하여 추정된 개별예측모형과 결합예측모형에 대하여 2000년 5월 31일부터 7월 12일까지(N=30) 일까지 기간과 6월 14일까지(N=10) 기간에 대한 사후예측력을 평가한 결과에서는 개별예측방법중에서는 다중전이함수모형에의한 예측(F1)이, 결합예측방법중에는 F1, F2와 F1, F2, F3를 결합하는 경우가, 그리고 개별예측보다는 결합예측이 MSE와 MAPE가 더 낮은 것으로 분석되었다.

회계이익예측을 위한 기계학습 성과 비교

정우준 한국세무학회 2019 세무와 회계저널 Vol.20 No.6

Many predict that the fourth industrial revolution will be triggered by the emergence of big data and machine learning(or artificial intelligence). In this context, big data is often likened to crude oil and machine learning is likened to the crude oil processing technology, and the concept of data science has also emerged, referring to scientific methodologies or processes that extract useful information for decision-making. In order to cope with such a trend, even in the field of accounting, researchers are struggling to introduce big data and artificial intelligence, but there are not many studies yet. In particular, it is difficult to find studies related to them in Korea. There have been enough studies that accounting earnings have the information contents that makes a difference in accounting information users’ decision making as a fundamental variable that determines the firm’s value. However, many studies have not been conducted that relate to the development of a predictive accounting earnings forecasting model. In this study, the accounting earnings forecasting model developed in the previous study was reinterpreted in the context of machine learning, and compared its performance with the predictive(machine learning) models known to represent further higher predictive performance to examine the possibility of introducing machine learning techniques in forecasting accounting earnings. To achieve the objective of this study, all 152 financial ratios for closing corporations in December were extracted and utilized from 2009 to 2018 among KOSPI companies belonging to the manufacturing sector provided by TS2000 of the Korea Listed Companies Association. This study reinterpret the findings of Ou and Penman(1989) that used the logistic model basically in the context of machine learning, and the predictability of these techniques was compared by adding the most commonly used models such as tree model, random forest model, and boosting method. As a result of this studies, the predictability difference between the models are statistically significant in overall, and the boosting technique with the highest predictive performance has about 10% higher predictive power than tree model that has lowest predictive power. These results are meaningful in that it is possible to provide more accurate accounting earnings forecast information using machine learning techniques, and it is expected this research to be the basis for the study using machine learning in various accounting research fields other than accounting earnings forecasting. 빅데이터와 기계학습 또는 인공지능의 대두로 4차 산업혁명이 촉발될 것으로 예견되고 있다. 이런 맥락에서 빅데이터는 원유로, 기계학습 등은 이 원유를 가공하는 기술로 비유되기도 하며, 의사결정에 유용한 정보를 추출하는 과학적 방법론 또는 프로세스를 지칭하는 데이터 과학이라는 개념도 등장하였다. 이와 같은 흐름에 대응하고자 회계학계에서도 빅데이터와 인공지능 등의 도입에 고심하고 있으나 아직 많은 연구가 이루어지지는 않은 것으로 파악된다. 특히, 국내에서는 이와 관련된 연구는 찾아보기 어려운 것이 현실이다. 회계이익이 기업가치를 결정하는 근본 변수로써 회계정보이용자의 의사결정에 차이를 가져오는 정보력을 가진다는 연구는 충분히 이루어졌으나 예측 성능이 좋은 회계이익예측 모형의 개발과 관련된 연구는 많이 이루어지지 않은 것으로 판단된다. 본 연구에서는 기존에 개발된 회계이익예측 모형을 기계학습 맥락에서 재해석하고, 추가로 보다 높은 예측 성능을 나타낸다고 알려져 있는 예측 모형들과 그 성과를 비교하여 회계이익예측에 기계학습 기법의 도입 가능성을 검토하였다. 본 연구의 목적을 달성하기 위해 제조업에 속하는 KOSPI 상장 기업 중 12월 결산 법인에 대한 재무비율을 추출하여 활용하였다. 로지스틱 모형에 기반한 Ou and Penman(1989)의 연구 내용을 바탕으로 이를 기계학습 기법으로 재해석한 모형을 기준으로 하고, 기계학습에 가장 일반적으로 사용되고 있는 나무 모형, 랜덤포레스트 모형, 부스팅 기법을 추가하여 이들의 예측성과를 비교하였다. 연구의 결과, 모형들간 예측성과 차이가 전반적으로 통계적 유의성을 가지며, 가장 높은 예측 성능을 나타낸 부스팅 기법을 이용한 경우 가장 낮은 예측력을 보이는 나무 모형에 비하여 약 10% 정도 더 높은 예측력을 갖는 것으로 나타났다. 이와 같은 결과는 보다 정확한 회계이익예측 정보를 기계학습 기법을 활용하여 제공할 수 있다는 의의가 있으며, 회계이익예측 이외의 다양한 분야에서도 기계학습을 활용한 연구의 토대가 되기를 기대한다.

人工知能 豫測시스템 設計를 위한 연구 : 巨視計量經濟豫測模型을 중심으로

金允鍾 龍仁大學校 人文社會科學硏究所 1998 인문사회논총 Vol.- No.1

요약 자동화된 예측시스템은 인간의 조정 없이 예측결과를 생성해내는 일종의 전문가 시스템이다. 자동화된 예측시스템에서 예측전문가의 조정역할을 규칙베이스가 수행하게 되며, 이 규칙베이스는 거시계량경제 예측모형에서 실제적으로 수행되는 예측전문가들의 조정을 조건과 조치로 기술하여 작성되어진다. 이 규칙베이스는 어떤 예측모형에서도 적용될 수 있도록 일반적이어야 하며, 대단위 예측모형의 예비예측모형과 다른 점은 방정식으로 표현되는 것이 아니라 규칙으로 표현된다는 점이다. 이 연구에서 거시계량경제적 예측전략을 요약하였고, 인공지능 거시계량경제 예측시스템의 설계를 제시하였다. ABSTRACT A smart, automated forecasting system is a kind of expert system for generating forecasts wholly or partly without human intervention. The intervention are made by a rulebase which discribes the actual intervention procedure of macroeconomic forecasting models. The rulebase is sufficiently general as to be applicable to any forecasting model. One difference of the pilot model from conventional models is that policy behaviour is discribed entirely by rules rather than equations. In this study, I summarize on macroeconometric forecasting strategies and suggest a design of macroeconometric forecasting artificial intelligence system.

과학적 수질관리를 위한 수질예측시스템 고도화

이승재 ( Seungjae Lee ),김지원 ( Jiwon Kim ) 한국농공학회 2019 한국농공학회 학술대회초록집 Vol.2019 No.-

현대사회는 데이터의 시대이다. 수많은 데이터들이 측정되고 있으며 데이터베이스화 되어 저장, 관리되고 있다. 이러한 데이터를 효과적으로 활용하기 위하여 수질관리 분야에서도 수질예측모형을 개발하여 적용하고 있다. 수질예측모형은 기상, 유량, 수질, 지형자료 등 다양한 형태의 데이터를 입력 자료로 사용하고 있으며, 기술의 발전으로 계산 시간의 단축과 다양한 수리·수질항목 모의, 편리한 후처리 기능, 모형간 연계 등의 방법이 개발되어져 왔다. K-water에서는 수질모형에 입력 자료로 활용되는 데이터를 자동으로 수집하고 구축하여 분석할 수 있는 통합수질예측시스템(SURIAN)을 개발하였으며, 현재 4대강 유역과 13개 댐 저수지, 5개 하천에 적용하여 수질을 예측하는데 활용 중이다. SURIAN 시스템은 K-PPM(단기기상예보), HSPF(유역), CE-QUAL-W2(하천), ELCOM-CAEDYM(저수지) 모형을 연계하여 구축하였으며, 입력자료의 구성, 모형의 구동, 결과의 후처리, Web표출의 단계를 자동화하여 수질관리를 위한 예측, 예보 데이터를 생산하고 있다. 2013년 개발된 SURIAN시스템은 본 연구를 통해 3차원 수리수질예측모형의 개발, 시스템 SW의 개선, HW의 증설을 통해 아래와 같이 시스템을 고도화 하였다. 첫 번째는 3차원 수리수질예측모형의 개발에서는 기존에 시스템에 적용되고 있는 ELCOM-CAEDYM모형을 기반으로 보다 개선된 모형인 AEM3D모형을 적용하였다. AEM3D 모형은 호주 Hydronumerics사에서 개발한 모형으로 녹조문제를 보다 정밀하게 계산하기 위해 모의 가능한 조류종수를 확대 적용하였으며, 조류경보제 항목인 남조류세포수 계산 기능을 추가하였다. 또한 수상태양광설비 등 구조물 설치로 인한 차광효과, 모델간 연계, 조류차단막을 분석 기능을 추가하여 보다 정밀한 수리·수질예측이 가능하도록 하였다. 두 번째는 SURIAN 시스템의 소프트웨어를 업그레이드 하였다. 이번 업그레이드를 통하여 환경부 물환경측정망 데이터 모형연계, 위성녹조분석, 실시간 녹조감시 CCTV 등 새로운 기술을 적용하여 모니터링 정보를 통합제공하고, 신규 개발된 3차원 수리수질예측모형의 적용, 시스템 플랫폼 교체, 후처리 기능 강화, 수질예측 지점의 확대 등의 사용자 편의를 높이기 위한 업그레이드를 하였다. 세 번째는 하드웨어를 증설이다. 기존 SURIAN시스템은 총 192 core의 HPC(High-porformance computing)를 활용하여 일일 수질예측 및 다양한 시나리오 분석을 수행하였으나, 지속적인 지점 증가로 인한 CPU, 저장장치 등의 부족으로 272 core를 추가 도입, 총 464 core를 활용하고 있다. 본 연구에서는 유역, 하천, 저수지의 과학적인 수질관리를 위하여 개발·운영되고 있는 통합수질예측시스템에 대한 시스템 업그레이드를 하였으며, 이를 통해 보다 빠른 시간에 정확한 수질예측정보 제공 할 수 있을 것으로 판단된다.