| 1 |
1
데이터베이스부의 데이터베이스들로부터 가금류 농장과 관련된 빅데이터(big data)를 수집하여 갱신처리하는 다이나믹 데이터마트(dynamic data mart); 상기 빅데이터를 근거로 임의의 가금류 농장에서 미래에 조류인플루엔자가 발생될 발생 위험도를 예측하는 복수 개의 예측모델들; 상기 예측모델들의 예측 결과를 바탕으로 임의의 가금류 농장에 조류인플루엔자가 발할 것인지에 대해 판단하는 의사결정 모듈;실제 조류인플루엔자가 발생된 시점으로부터 일정 기간 동안의 조류인플루엔자와 관련된 데이터가 상기 다이나믹 데이터마트로부터 추출되어 저장되는 학습데이터베이스; 상기 학습데이터베이스의 학습데이터를 이용하여, 임의의 가금류 농장에서 조류인플루엔자가 발생된 시점을 기준으로 일정 기간 동안의 학습데이터를 자동으로 학습하는 복수 개의 학습모듈들; 및상기 의사결정 모듈의 예측 결과가 오류로 판단된 경우, 해당 예측모델들을 상기 학습모듈들로 교체하는 콘트롤 모듈;을 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 2 |
2
제1항에 있어서,상기 빅데이터는상기 가금류 농장의 농장 정보, 상기 가금류 농장과 관련된 차량정보, 날씨정보, 공간정보, 철새정보, 방역정보 및 소독 정보 중에서 어느 하나 이상을 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 3 |
3
제1항에 있어서,상기 데이터베이스부는국가가축방역통합시스템(KAHIS: Korea Animal Health Integrated System)에서 제공되는 데이터베이스, 이동통신사의 기지국이 제공하는 CDR(Call Detail Record) 데이터베이스, 환경부의 데이터베이스, 국립지리정보원의 데이터베이스, 국립환경과학원의 데이터베이스, 국가교통정보센터의 데이터베이스, 산림청의 데이터베이스 및 가축위생방역지원본부의 데이터베이스 중에서 어느 하나 이상을 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 4 |
4
제1항에 있어서,상기 미래는 1~7일 후인 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 5 |
5
제1항에 있어서,상기 예측모델들은GBM(Gradient Boosting Machine), XGBoost(Extreme Gradient Boost), RandomForest 알고리즘 중에서 어느 하나 이상을 활용하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 6 |
6
제1항에 있어서,상기 예측모델들은빠른 학습 및 예측을 위하여 병렬연산을 수행하는 H2O 패키지를 이용하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 7 |
7
제1항에 있어서,해석모델;을 더 포함하고,상기 해석모델은상기 예측모델의 예측 결과를 라임(Local Interpretable Model-agnostic Explanations) 기법을 통하여 분석하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 8 |
8
제1항에 있어서,상기 예측모델들이 예측한 조류인플루엔자 발생 위험도를 분석하여 그 분석결과에 따라 자동화된 대응 매뉴얼을 제공하는 해석모델을 더 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 9 |
9
제8항에 있어서,상기 해석모델은 라임(LIME) 분석결과를 통하여 대응 매뉴얼을 제공하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 10 |
10
제8항에 있어서,상기 해석모델은 복수의 라임(LIME) 분석결과를 기반으로 대응 매뉴얼을 대체하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 11 |
11
제8항에 있어서,상기 대응 매뉴얼은조류인플루엔자 발생 위험도에 영향을 주는 변수 크기(Weight)를 참조하여 생성되는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 12 |
12
제1항에 있어서,상기 콘트롤 모듈은상기 예측결과를 체크할 때, 일정 주기로 소정 기간 동안에 조류인플루엔자 발생에 대한 예측 결과를 체크하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 13 |
13
제12항에 있어서,상기 일정 주기는 매일을 의미하고, 상기 소정 기간은 일주일을 의미하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 14 |
14
데이터베이스부의 데이터베이스들로부터 가금류 농장과 관련된 빅데이터(big data)를 수집하여 갱신처리하는 다이나믹 데이터마트(dynamic data mart); 상기 다이나믹 데이터마트에 저장된 빅데이터를 근거로 임의의 가금류 농장에서 미래에 조류인플루엔자가 발생될 발생 위험도를 예측하는 복수 개의 예측모델들; 상기 예측모델들의 예측 결과를 바탕으로 임의의 가금류 농장에 조류인플루엔자가 발생할 것인지에 대해 판단하는 의사결정 모듈;실제 조류인플루엔자가 발생된 시점으로부터 일정 기간 동안의 조류인플루엔자와 관련된 데이터가 상기 다이나믹 데이터마트로부터 추출되어 저장되는 학습데이터베이스; 상기 학습데이터베이스의 학습데이터를 이용하여, 임의의 가금류 농장에서 조류인플루엔자가 발생된 시점을 기준으로 일정 기간 동안의 학습데이터를 자동으로 학습하는 복수 개의 학습모듈들;상기 다이나믹 데이터마트에 저장된 상기 빅데이터를 근거로 임의의 가금류 농장에서 미래에 조류인플루엔자가 발생될 발생 위험도를 예측하는 복수 개의 예비모델들; 및상기 의사결정 모듈의 예측 결과가 오류로 판단된 경우 해당 예측모델들을 상기 예비모델들로 교체하고 상기 예비모델들 중에서 상기 예측모델들과 교체되어 발생된 빈자리를 상기 학습모듈들로 채워넣는 콘트롤 모듈;을 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 15 |
15
제14항에 있어서,상기 콘트롤 모듈은 상기 조류인플루엔자 발생에 대한 예측적중률이 높은 순서로 상기 예비모델들을 상기 예측모델들과 교체하는 것을 특징으로 하는 조류인플루엔자 확산 방지 장치
|
| 16 |
16
다이나믹 데이터마트가 데이터베이스들로부터 빅데이터를 수집하여 갱신처리하는 빅데이터 갱신처리단계;예측모델들이 상기 빅데이터를 근거로 임의의 가금류 농장에서 미래에 조류인플루엔자가 발생될 가능성을 예측하는 조류인플루엔자 발생 예측단계;상기 예측모델들이 예측한 조류인플루엔자 발생 위험도를 근거로 임의의 가금류 농장에서 조류인플루엔자가 발생할 가능성에 대한 위험도를 결정하는 조류인플루엔자 발생 위험도 결정단계;조류인플루엔자가 발생된 시점을 기준으로 일정 기간 동안의 조류인플루엔자와 관련된 학습데이터가 상기 다이나믹 데이터마트로부터 추출되어 학습데이터베이스에 저장되고, 학습모듈들이 상기 학습데이터를 학습하는 학습데이터 자동 학습단계; 및의사결정 모듈의 예측 결과가 오류로 판단된 경우, 콘트롤 모듈이 해당 예측모델들을 상기 학습모듈들로 교체하는 예측모델 교체단계;를 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
| 17 |
17
제16항에 있어서,상기 빅데이터는 상기 가금류 농장의 농장 정보, 상기 가금류 농장과 관련된 차량정보, 날씨정보, 공간정보, 철새정보, 방역정보 및 소독 정보 중에서 어느 하나 이상을 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
| 18 |
18
제16항에 있어서,상기 예측모델들은GBM(Gradient Boosting Machine), XGBoost(Extreme Gradient Boost), RandomForest 알고리즘 중에서 어느 하나 이상을 활용하는 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
| 19 |
19
제16항에 있어서,상기 예측모델들은라임(LIME: Local Interpretable Model-agnostic Explanations)을 바탕으로 설계된 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
| 20 |
20
제16항에 있어서,상기 예측모델들이 예측한 조류인플루엔자 발생 위험도를 분석하여 그 분석결과에 따라 자동화된 대응 매뉴얼을 제공하는 단계를 더 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
| 21 |
21
다이나믹 데이터마트가 데이터베이스들로부터 빅데이터를 수집하여 갱신처리하는 빅데이터 갱신처리단계;예측모델들이 상기 다이나믹 데이터마트에 저장된 빅데이터를 근거로 임의의 가금류 농장에서 미래에 조류인플루엔자가 발생될 가능성을 예측하는 조류인플루엔자 발생 예측단계;상기 예측모델들이 예측한 조류인플루엔자 발생 위험도를 근거로 임의의 가금류 농장에서 조류인플루엔자가 발생할 가능성에 대한 위험도를 결정하는 조류인플루엔자 발생 위험도 결정단계;조류인플루엔자가 발생된 시점을 기준으로 일정 기간 동안의 조류인플루엔자와 관련된 학습데이터가 상기 다이나믹 데이터마트로부터 추출되어 학습데이터베이스에 저장되고, 학습모듈들이 상기 학습데이터를 학습하는 학습데이터 자동 학습단계; 예비모델들이 상기 예측모델들과 동일한 조건에서 상기 빅데이터를 근거로 임의의 가금류 농장에서 미래에 조류인플루엔자가 발생될 가능성을 예측하고, 상기 의사결정 모듈의 예측 결과가 오류로 판단된 경우 콘트롤 모듈이 해당 예측모델들을 상기 예비모델들로 교체하는 예측모델 교체단계; 및상기 학습모듈들이 조류인플루엔자가 발생된 시점을 기준으로 일정 기간 동안의 학습데이터베이스의 학습데이터를 자동으로 학습하고, 상기 콘트롤 모듈의 제어하에 상기 예측모델들과 예비모델들의 교체에 의해 발생된 예비모델들의 빈 자리에 상기 학습모듈들이 채워지는 예비모델 교체단계;를 포함하는 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
| 22 |
22
제21항에 있어서,상기 콘트롤 모듈은상기 예측결과를 체크할 때, 일정 주기로 소정 기간 동안에 조류인플루엔자 발생에 대한 예측 결과를 체크하는 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
| 23 |
23
제22항에 있어서,상기 일정 주기는 매일을 의미하고, 상기 소정 기간은 일주일을 의미하는 것을 특징으로 하는 조류인플루엔자 확산 방지 방법
|
