벡터자기회귀(VAR)을 이용한 감마선량 이상상황 예측

• Published in: 디지털콘텐츠학회논문지 Vol. 23; no. 6; pp. 1167 - 1172
• Main Authors: 권기현(Ki-Hyeon Kwon), 이형봉(Hyung-Bong Lee)
• Format: Journal Article
• Language: Korean
• Published: 한국디지털콘텐츠학회 01.06.2022
• Subjects: 컴퓨터학; Gamma rays; 날씨 데이터; 자기회귀누적이동평균; 감마선; 벡터자기회귀; ARIMA; 다변량; Vector Auto Regression; Weather Data; Multivariate
• ISSN: 1598-2009; 2287-738X
• DOI: 10.9728/dcs.2022.23.6.1167

감마선은 인체에 매우 위험하며 천연 또는 인공 물질에 포함되어 있다. 감마선량을 지속적으로 측정하여, 일정 공간 내 방사성 물질 방출의 이상 여부를 확인할 수 있다. 일부 날씨 관련 정보는 공간 내 감마선량과 상호 상관 관계가 있으며, 감마선량 예측에 사용되는 데이터세트는 감마선 측정값과 날씨 데이터의 다변량 데이터 모델을 구성하는 것이 필요하다. VAR(Vector Auto Regression) 모델은 일변량 자기 회귀 모델을 다변량 시계열 데이터로 확장하여, 다변량 시계열의 상호 의존성을 분석하기 위해 가장 널리 사용되는 확률적 프로세스 모델 중 하나이며 시계열의 동작을 설명하고 예측하는 데 유용하다. 본 논문에서는 공공데이터인 감마선량과 날씨 데이터를 활용하고, VAR 다변량 데이터 모델을 통해 기상 변화에 따른 공간 감마선량의 이상 상황 예측이 가능함을 확인하였다. Gamma rays are very dangerous to the human body and are contained in natural or artificial substances. The gamma dose can be continuously measured to determine whether there is an abnormality in the release of radioactive material in a certain space. Some weather-related information is correlated with gamma doses in space, and the dataset used to predict gamma doses requires that a multivariate data model be constructed with gamma ray measurements and multivariate amounts of weather data. The Vector Auto Regression (VAR) model extends the univariate auto regression model to multivariate time series data, making it one of the most widely used probabilistic process models for analyzing the interdependence of multivariate time series, and is useful for explaining and predicting the behavior of time series. In this paper, we use the public data gamma dose and weather data, and confirmed that it is possible to predict anomalies of spatial gamma doses according to weather changes through the VAR multivariate data model. KCI Citation Count: 0