Water for future (물과 미래)

Korea Water Resources Association (한국수자원학회)
권호 표지

머신러닝의 수문학적 적용 사례 - 지하 배수관의 위치 평가

  • 우동국 (계명대학교 토목공학과) ;
  • 송호민 (Michigan Technological University Mechanical Engineering-Engineering Mechanics Research Associate)
  • Published : 2021.07.30
Download PDF
⟨ Previous Next ⟩

Abstract

Keywords

Acknowledgement

본 연구는 한국연구재단의 우수신진연구(NRF-2021R1C10004801)사업의 지원을 받아 수행되었습니다.

References

  1. 이영미, 고철민, 신성철, 김병식 (2019). 수문학적 활용을 위한 머신러닝 기반의 강우보정기술 개발, 한국환경과학회지, 제28권, p.125-135 https://doi.org/10.5322/jesi.2019.28.1.125
  2. 이재영, 김현일, 한건영 (2020). 수문모형과 기계학습을 연계한 실시간 하천홍수 예측, Journal of the Korean Society of Civil Engineers, 제40권, p. 303-314 https://doi.org/10.12652/KSCE.2020.40.3.0303
  3. 최민하, 김형록, LiLi, 전경수 (2016). 위성 데이터 및 기계 학습 기법을 활용한 한반도 임진강 미계측지역 유출량 예측:MODIS, ASCAT, SDS 데이터률 활용하여, 한국수자원학회 2016년도 학술발표회, 159-159
  4. Kratt, C.B., D.K Woo, KN. Johnson, M. Haagsma, P. Kumar, J. Selker, S. Tyler (2019) Field trials to detect drainage pipe networks using thennal and RGB data from unmanned aircraft, Agricultural Water Management, 229, 105895
  5. Song, H., D. K Woo, Q. Yan (2021) Detecting subsurface drainage pipes using a fully convolutional network with optical images, Agricultural Water Management, 249, 106791 https://doi.org/10.1016/j.agwat.2021.106791
  6. Sheler, R.J. (2013) The impact of agricultural drainage systems on hydrologic responses. MS (Masterof Science) thesis, University of Iowa
  7. Ronneberger, O., P. Fischer, T. Brox (2015) U-net: convolutional networks for biomedical image segmentation, in: International Conference on Medical Image Computing and Computer-Assisted Intervention - MICCAI 2015. pp. 234-241.
  8. Woo, D.K., H. Song, P. Kumar (2019) Mapping subsurface tile drainage systems with thennal images. Agricultural Water Management. 218, 94-101. https://doi.org/10.1016/j.agwat.2019.01.031