KR20110116840A - 사례기반추론을 이용한 상황인식기반 적조 예측 시스템 - Google Patents

사례기반추론을 이용한 상황인식기반 적조 예측 시스템 Download PDF

Info

Publication number
KR20110116840A
KR20110116840A KR1020100036489A KR20100036489A KR20110116840A KR 20110116840 A KR20110116840 A KR 20110116840A KR 1020100036489 A KR1020100036489 A KR 1020100036489A KR 20100036489 A KR20100036489 A KR 20100036489A KR 20110116840 A KR20110116840 A KR 20110116840A
Authority
KR
South Korea
Prior art keywords
red tide
case
data
past
similarity
Prior art date
Application number
KR1020100036489A
Other languages
English (en)
Inventor
송병호
장봉석
이연우
이장재
이성로
Original Assignee
목포대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 목포대학교산학협력단 filed Critical 목포대학교산학협력단
Priority to KR1020100036489A priority Critical patent/KR20110116840A/ko
Publication of KR20110116840A publication Critical patent/KR20110116840A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Mining & Mineral Resources (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Animal Husbandry (AREA)
  • Algebra (AREA)
  • Agronomy & Crop Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 사례기반추론을 이용한 상황인식기반 적조 예측 시스템에 대하여 개시한다. 본 발명의 일면에 따른 적조 예측 시스템은, 과거에 발생한 적조의 과거 사례들의 데이터를 저장하는 데이터베이스; 감지지역에 대해 감지된 현 사례의 데이터를 입력받는 입력부; 상기 과거 사례들의 데이터와 상기 현 사례의 데이터와의 유사도를 측정하여 유사도가 상대적으로 높은 사례를 선별하는 추론부; 상기 유사도가 상대적으로 높은 과거 사례의 데이터와 상기 현 사례의 데이터를 연관시켜 표시하거나, 상기 감지지역에 대한 적조의 발생 여부를 표시하는 표시부를 포함하는 것을 특징으로 한다.

Description

사례기반추론을 이용한 상황인식기반 적조 예측 시스템{Prediction System of Red Tide based on Context Aware using Case Base Reasoning}
본 발명은 적조 예측 시스템에 관한 것으로서, 더 구체적으로는 사례기반추론을 이용하여 적조의 발생을 예측할 수 있는 사례기반추론을 이용한 상황인식기반 적조 예측 시스템에 관한 것이다.
일반적으로, 해상에 적조가 발생하면, 그 해수가 양식 여장에 유입되어 양식 어패류들이 떼죽음을 당하게 되는 등의 심각한 피해가 발생한다.
실제로, 1995년 9월부터 10월에 우리나라의 남해안과 동해안에 지속적인 적조가 발생하여 양식어장에 700억을 초과하는 피해금액이 발생한 바 있으며, 그 이후에도 우리나라에서 적조의 피해는 점점 늘어가고 있다.
때문에, 적조에 의한 피해를 줄이기 위한 물리 및 화학적인 방법이 일본이나 미국 등지에서 연구되고 있으며, 센서를 통해 해수상태를 관리하는 방법은 이미 적용되어 사용되고 있다.
그런데, 적조의 원인은 매우 다양하기 때문에, 센서에 의해 감지된 정보를 이용하더라도, 적조의 발생 여부를 미리 예측하거나, 추론하는 것은 매우 어려운 일이다.
본 발명은 전술한 바와 같은 기술적 배경에서 안출된 것으로서, 적조에 대한 과거 사례들에 대한 데이터베이스를 구축하고, 이를 이용한 사례기반추론을 통해 감지지역의 데이터와 상대적으로 유사한 과거 사례를 추론하여 적조의 발생 여부를 판단할 수 있는 적조 예측 시스템을 제공하는 것을 그 목적으로 한다.
본 발명의 일면에 따른 적조 예측 시스템은, 과거에 발생한 적조의 과거 사례들의 데이터를 저장하는 데이터베이스; 감지지역에 대해 감지된 현 사례의 데이터를 입력받는 입력부; 상기 과거 사례들의 데이터와 상기 현 사례의 데이터와의 유사도를 측정하여 유사도가 상대적으로 높은 사례를 선별하는 추론부; 상기 유사도가 상대적으로 높은 과거 사례의 데이터와 상기 현 사례의 데이터를 연관시켜 표시하거나, 상기 감지지역에 대한 적조의 발생 여부를 표시하는 표시부를 포함하는 것을 특징으로 한다.
여기에서, 상기 추론부는, 상기 KNN(k-nearest neighber) 알고리즘을 통해 각 속성의 가중치를 조절하며, 상기 유사도를 측정한다.
본 발명에 따르면, 적조의 과거 사례를 이용한 사례기반추론을 통해 현재 해상에 적조의 발생 여부를 예측할 수 있으며, 예측결과에 따른 신속한 후속 초치를 지원할 수 있어, 적조가 심각하게 번지는 것을 예방할 수 있는 효과가 있다.
뿐만 아니라, 본 발명은 사례기반추론의 결과를 데이터베이스화함으로써, 사례기반추론을 반복하여 수행할수록 적조 예측에 더욱 유리할 수 있다.
도 1은 본 발명의 실시예에 따른 적조 예측 시스템을 도시한 구성도.
도 2는 본 발명의 실시예에 따른 사례기반추론의 과정을 도시한 흐름도.
도 3은 본 발명의 실시예에 따른 적조 예측 과정을 도시한 흐름도.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성소자, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
이제, 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 좀더 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 적조 예측 시스템을 도시한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 적조 예측 시스템(10)은 데이터베이스(120), 입력부(110), 추론부(130) 및 표시부(140)를 포함한다.
데이터베이스(120)는 과거에 발생한 적조의 사례(Case)들의 데이터를 저장한다.
여기서, 사례들의 데이터는 과거 적조가 발생한 일자와 시간, 적조가 발생한 해상의 위치와 해당 위치의 수온 및 해당 위치의 해수에 포함된 적조의 원인이 되는 원인생물과 원인생물의 밀도 중에서 적어도 하나의 정보를 포함할 수 있다.
입력부(110)는 적조의 발생 여부를 판단할 지역인, 감지지역에 대해 감지된 현 사례의 데이터를 입력받는다.
여기서, 감지지역은 적조가 빈번히 일어나는 지역일 수 있으며, 전문가에 의하여 선정된 복수의 지역일 수 있다.
여기서, 현 사례의 데이터는 감지 일자와 시간, 감지지역의 위치와 수온, 감지지역의 해수에 포함된 적조를 유발하는 원인생물, 감지지역의 해수에 포함된 원인생물의 밀도 중 적어도 하나의 정보를 포함할 수 있다.
입력부(110)는 관리자의 조작에 따라 현 사례의 데이터를 입력받을 수 있으며, 감지지역에 설치된 센서가 감지지역에 대한 감지정보를 전송함에 따라, 감지정보를 수신하여 이를 현 사례의 데이터로 인지할 수 있다.
추론부(130)는 저장된 사례들의 데이터와 입력된 현 사례의 데이터와의 유사도를 측정하여 유사도가 상대적으로 높은 사례를 선별한다.
추론부(130)는 KNN(k-nearest neighber) 알고리즘을 이용하여 각 속성의 가중치를 조절하며, 현 사례의 데이터와 과거의 사례 데이터 간의 유사도를 측정할 수 있다. 여기서, KNN 알고리즘은 기본원리에 따른 최소거리 분류 알고리즘으로서, 하기의 수학식 1을 이용하여 현 사례 N과 과거 사례 O간의 유사도를 산출한다.
KNN 알고리즘에 따르면, 현 사례 N과 과거 사례 O간의 총 유사도는 각 속성의 유사도 점수(f(Ni, Oi))에 각 속성의 가중치(Wi)를 곱한 총합에, 각 속성의 가중치의 총합을 제산하여 산출될 수 있다.
Figure pat00001
상기의 수학식 1에서, n은 각 속성의 총개수, i는 각 속성의 순번, Wi는 i번째 속성의 가중치이며, f(Ni, Oi)는 Ni과 Oi 간의 유사도 점수로서, 하기의 수학식 2에 따라 산출될 수 있다. 여기서, maxi는 i번째 속성의 값들 중에서 그 값이 최대인 값이다.
Figure pat00002
한편, 수학식 1에 의해 산출되는 두 사례(현 사례 N과 과거 사례 O) 간의 유사도는 0에서 1 사이의 실수 값이며, 그 값이 0에 가까울수록 두 사례 간의 유사도는 낮으며, 1에 가까울수록 두 사례 간의 유사도는 높은 것이다.
따라서, 추론부(130)는 현 사례와 정확히 일치하는 과거 사례 즉, 유사도가 1인 과거 사례가 있으면, 해당 과거 사례를 선별하며, 현 사례와 정확히 일치하는 과거 사례가 없으면 두 사례 간의 유사도가 상대적으로 높은 과거 사례를 선별한다.
표시부(140)는 선별된 과거 사례와 현 사례와의 연관성(예컨대, 유사도)을 수치나, 그래프 등으로 표시할 수 있으며, 문구 등을 이용하여 감지지역에 적조가 발생하였음을 경고할 수 있다. 이때, 표시부(140)는 델파이 언어로 개발된 프로그램을 이용하여 선별된 사례와 현 사례의 연관성을 표시할 수 있다.
상세하게는, 표시부(140)는 현 사례와 정확히 일치하는 과거 사례가 선별된 경우엔 감지지역에 적조가 발생하였다고 표시할 수 있으며, 현 사례와 과거 사례 간의 유사도가 비교적 높아 적조으로 판단될 가능성이 크면 현 사례와 과거 사례 간의 유사도를 수치나, 그래프 등으로 표시할 수 있다.
이후, 관리자(전문가)는 표시부(140)에 표시된 현 사례와 과거 사례의 유사도를 확인하고, 적조의 발생 여부를 판단한다. 이때, 관리자에 의해 현 사례가 적조가 발생한 경우인 것으로 판단되면, 추론부(130) 또는 다른 구성요소(미도시)에 의해 현 사례는 데이터베이스(120)에 저장된다.
이와 같이, 본 발명은 적조를 예측하기 위해 적조관련 이론과 적조의 발생원인에 대한 이론을 이용한다. 즉, 본 발명의 실시예에 따른 적조 예측 시스템(10)은 과거에 적조의 사례들을 저장하고, 저장된 사례 중에서 현 사례에 가장 유사한 사례를 예측하는 사례기반추론을 이용한다. 여기서, 사례기반추론은 문제에 대한 규칙을 찾기 힘들거나, 규칙이 한정된 분야의 문제나, 일반화가 어려운 분야의 문제의 효과적인 해결방법으로서, 본 발명에서는 과거에 발생한 적조의 데이터를 데이터베이스화하여 현재 해상에 대한 적조의 발생 여부를 판단하기 위하여 이를 이용한다.
도면을 참조하여 설명하면, 본 발명의 실시예에 따른 추론부(130)는 예컨대, 도 2의 과정을 통해 사례기반추론을 수행할 수 있다. 도 2는 본 발명의 실시예에 따른 사례기반추론(CBR, Case Based Reasoning)의 과정을 도시한 흐름도이다.
도 2를 참조하면, 추론부(130)는 새로운 문제(New Problem)가 입력되면 데이터베이스(120)에서 입력된 문제와 유사한 과거 사례(및/또는 도메인 모델(Domain Model))를 검색하고, 검색된 과거 사례를 재사용(Reuse)하거나, 도메인 모델을 이용하여 검색된 과거 사례를 수정(Revise) 및 유지(Retain)하는 과정을 반복하여 입력된 문제와 유사한 과거 사례를 추론 또는 선별할 수 있다.
이하, 도 3을 참조하여 본 발명의 실시예에 따른 적조 예측 시스템(10)의 적조 예측 과정에 대하여 설명한다. 도 3은 본 발명의 실시예에 따른 적조 예측 과정을 도시한 흐름도이다.
도 3을 참조하면, 적조 예측 시스템(10)은 새로운 데이터가 입력되는지를 모니터링한다(S310).
적조 예측 시스템(10)은 감지지역에 대해 감지된 정보 즉, 현 사례의 데이터가 입력되면, 과거 사례와의 사례기반추론을 수행하여 현 사례와 가장 유사한 과거 사례를 검색한다(S320).
적조 예측 시스템(10)은 현 사례와 정확히 일치하는 과거 사례가 존재하면(S330의 예), 그 사례를 표시하거나 적조의 발생을 경고한다(S340). 이후, 관리자는 표시된 내용을 확인하고, 적조의 확장을 막기 위한 조치를 수행한다.
이때, 적조 예측 시스템(10)은 현 사례와 정확히 일치하는 과거 사례가 존재하지 않으면(S330의 아니오), 유사도가 상대적으로 높은 과거 사례를 표시한다(S350).
이후, 관리자는 적조 예측 시스템(10)에 표시된 내용을 해석하고, 감지지역에 대한 적조의 발생 여부를 판단하거나, 감지지역에 대한 더 세부적인 조사를 수행하는 등의 조치를 수행한다(S360).
한편, 적조 예측 시스템(10)은 기설정된 유사도의 임계치가 존재하면, 임계치와 유사도가 상대적으로 높은 과거 사례를 비교하여 적조의 발생을 자동으로 판단할 수 있다.
한편, 적조 예측 시스템(10) 또는 관리자에 의하여 현 사례가 적조인 것으로 판단되면, 적조 예측 시스템(10)은 자동으로 현 사례의 데이터를 데이터베이스(120)에 저장한다.
이와 같이, 본 발명은 사례기반추론을 통해 감지지역에 적조의 발생 여부를 예측할 수 있으며, 예측결과에 따른 신속한 후속 초치를 지원할 수 있어, 적조가 심각하게 번지는 것을 예방할 수 있다.
뿐만 아니라, 본 발명은 사례기반추론의 결과를 데이터베이스화함으로써, 사례기반추론을 반복하여 수행할수록 적조 예측에 더욱 유리할 수 있다.
이상, 본 발명의 구성에 대하여 첨부 도면을 참조하여 상세히 설명하였으나, 이는 예시에 불과한 것으로서, 본 발명이 속하는 기술분야에 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 변형과 변경이 가능함은 물론이다. 따라서 본 발명의 보호 범위는 전술한 실시예에 국한되어서는 아니되며 이하의 특허청구범위의 기재에 의하여 정해져야 할 것이다.
110: 입력부 120: 데이터베이스
130: 추론부 140: 표시부

Claims (2)

  1. 과거에 발생한 적조의 과거 사례들의 데이터를 저장하는 데이터베이스;
    감지지역에 대해 감지된 현 사례의 데이터를 입력받는 입력부;
    상기 과거 사례들의 데이터와 상기 현 사례의 데이터와의 유사도를 측정하여 유사도가 상대적으로 높은 사례를 선별하는 추론부;
    상기 유사도가 상대적으로 높은 과거 사례의 데이터와 상기 현 사례의 데이터를 연관시켜 표시하거나, 상기 감지지역에 대한 적조의 발생 여부를 표시하는 표시부
    를 포함하는 적조 예측 시스템.
  2. 제1항에 있어서, 상기 추론부는,
    상기 KNN(k-nearest neighber) 알고리즘을 통해 각 속성의 가중치를 조절하며, 상기 유사도를 측정하는 것인 적조 예측 시스템.
KR1020100036489A 2010-04-20 2010-04-20 사례기반추론을 이용한 상황인식기반 적조 예측 시스템 KR20110116840A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100036489A KR20110116840A (ko) 2010-04-20 2010-04-20 사례기반추론을 이용한 상황인식기반 적조 예측 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100036489A KR20110116840A (ko) 2010-04-20 2010-04-20 사례기반추론을 이용한 상황인식기반 적조 예측 시스템

Publications (1)

Publication Number Publication Date
KR20110116840A true KR20110116840A (ko) 2011-10-26

Family

ID=45031066

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100036489A KR20110116840A (ko) 2010-04-20 2010-04-20 사례기반추론을 이용한 상황인식기반 적조 예측 시스템

Country Status (1)

Country Link
KR (1) KR20110116840A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102914505A (zh) * 2012-09-27 2013-02-06 国家海洋局第二海洋研究所 利用modis水色遥感数据的海洋赤潮藻种判别方法
KR20160042616A (ko) * 2014-10-10 2016-04-20 삼성에스디에스 주식회사 시계열 데이터의 분석을 통한 이상 감지 및 예측 시스템 및 방법
CN110263119A (zh) * 2019-07-01 2019-09-20 西北师范大学 一种案例推理分类器案例检索方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102914505A (zh) * 2012-09-27 2013-02-06 国家海洋局第二海洋研究所 利用modis水色遥感数据的海洋赤潮藻种判别方法
KR20160042616A (ko) * 2014-10-10 2016-04-20 삼성에스디에스 주식회사 시계열 데이터의 분석을 통한 이상 감지 및 예측 시스템 및 방법
CN110263119A (zh) * 2019-07-01 2019-09-20 西北师范大学 一种案例推理分类器案例检索方法

Similar Documents

Publication Publication Date Title
Ives et al. Detecting dynamical changes in nonlinear time series using locally linear state‐space models
EP1630634A2 (en) Method and apparatus for detecting out-of-range conditions in power generation equipment operations
Williams et al. Cost-effective abundance estimation of rare animals: Testing performance of small-boat surveys for killer whales in British Columbia
JP2016509308A5 (ko)
RU2015104982A (ru) Предсказание, определение количественных оценок и классификация контрастности магнитно-резонансного изображения, используя уравнение количественной оценки сигнала контрастности
RU2018104438A (ru) Система и способ обучения модели обнаружения вредоносных контейнеров
JP6370525B1 (ja) 浸水予測システム、予測方法、プログラム
CN104954192A (zh) 一种网络流量监测方法和设备
JP6164311B1 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP2013061794A (ja) セキュリティイベント監視装置、方法およびプログラム
KR20110116840A (ko) 사례기반추론을 이용한 상황인식기반 적조 예측 시스템
JP5683430B2 (ja) 連続値回帰分析において用いられる特徴を選択する方法
Wiegmann et al. Mate choice decisions by searchers
CN118053261B (zh) 用于智慧校园的防欺凌预警方法、装置、设备及介质
Thorson et al. Evaluating single-and multi-species procedures to estimate time-varying catchability functional parameters
Auslander et al. Maritime threat detection using probabilistic graphical models
Finn On the class of JSM reasoning that uses the isomorphism of inductive inference rules
US20170046629A1 (en) Statistics-based data trace classification
JP5949032B2 (ja) 前処理方法及び異常診断装置
Thakur et al. YOLOv8-Based Helmet and Vest Detection System for Safety Assessment
Chen et al. Tracking drift severity in data streams
JP6751047B2 (ja) 検知装置、検知方法及び検知プログラム
KR20140058702A (ko) 원격탐사자료를 이용한 기름유출 감시 신뢰도를 높이는 기름유출 감시방법
JP2021089632A5 (ko)
US20230315851A1 (en) Cyber resilience integrated security inspection system (crisis) against false data injection attacks

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination