오·결측 데이터 자동인지 및 데이터 정제 시스템 개발(3차년도) : (Development of automatic detection and refining system for abnormal data)

국문 초록 (Abstract)

오·결측 데이터 자동인지 및 데이터 정제를 통한 수도운영 원천DB의 품질확보로 빅데이터 기반 수도 위기관리 및 사고대응체계 강화

목차 (Table of Contents)

• 제1장 서론
• 1.1 연구배경 및 목적
• 1.2 연구내용
• 제2장 통계적 기법을 적용한 오·결측 모델링
• 2.1 상관관계 기반의 오·결측 검출
• 2.1.1 태그선정 및 분석
• 2.1.2 오측태그 상관관계 분석
• 2.2 통계기법 기반의 오·결측 검출 및 정제
• 2.2.1 상관계수 기반 분석기법
• 2.2.2 공정별 연관성을 이용한 분석
• 2.2.3 그래프 추세분석을 이용한 분석
• 2.3 통계적 분석기법 결론
• 제3장 딥러닝 기반 오·결측 검출 및 정제
• 3.1 딥러닝 개요
• 3.1.1 딥러닝 분석기법
• 3.2 데이터 분석
• 3.2.1 대상데이터 선정
• 3.2.2 데이터 특성분석 및 보정
• 3.3 분위수 기반 오·결측 검출기법
• 3.3.1 분위수 개요
• 3.3.2 분위수 적용
• 3.3.3 분위수 검증
• 3.4 LSTM 기반 오·결측 정제기법
• 3.4.1 LSTM 모델구축 및 선정
• 3.4.2 LSTM 및 분위수 연동
• 3.4.3 LSTM 데이터 예측
• 3.5 딥러닝 분석기법 검증
• 3.5.1 분위수 기반 검출기법 검증
• 3.5.2 LSTM 기반 정제기법 검증
• 제4장 K-PICK 프로그램
• 4.1 K-PICK 개요 및 구조
• 4.1.1 K-PICK 개요
• 4.1.2 K-PICK 구조
• 4.2 K-PICK 프로그램 모듈
• 4.2.1 K-PICK 데이터 입력모듈
• 4.2.2 K-PICK 데이터 정제모듈
• 4.2.3 K-PICK 알고리즘 설정사항
• 4.3 K-PICK 알고리즘 구현
• 4.3.1 데이터 구조 구현
• 4.3.2 데이터 환경구축 구현
• 4.3.3 분위수 패턴 DB 구현
• 4.3.4 LSTM 학습 프로세스 구현
• 4.3.5 분위수 알고리즘 구현 결과
• 4.3.6 예측값 확정 및 대체 프로세스 구현
• 4.3.7 오·결측 DB 테이블 스키마
• 4.4 K-PICK 적용
• 4.4.1 K-PICK 인터페이스
• 4.4.2 딥러닝 환경구축 및 K-PICK 설치
• 4.4.3 K-PICK 실용화
• 제5장 결론
• 참고문헌