• Journal of the Korean earth science society
• /
• v.26 no.7
• /
• pp.706-713
• /
• 2005

Subsurface oceanic data (Z20; Depth of $20^{\circ}C$ isotherm and WWV; Warm Water Volume) from the tropical Pacific Ocean from 1980 to 2004 were utilized to examine upper ocean variations in relation to E1 Nino. Time series analysis using EOF, composite, and cross-correlation methods indicated that there are significant time delays between subsurface oceanic parameters and the Nino3.4 SST. It implied that Z20 and WWV would be more reliable predictors of El Nino events. Based on analyzed results, we also constructed neural network model to predict the Nino3.4 SST from 1996 to 2004. The forecasting skills for the model using WWV were statistically higher than that using the trade wind except for short range forecasting less than 3 months. This model greatly predicted SST than any other previous statistical model, especially at lead times of 5 to 8 months.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.143-143
• /
• 2023

최근 대청댐('17), 평림댐('19) 등 광역 취수원에서 망간의 먹는 물 수질기준(0.05mg/L 이하) 초과 사례가 발생되어, 다수의 민원이 제기되는 등 취수원의 망간 관리 중요성이 부각되고 있다. 특히, 동절기 전도(Turn-over)시기에 고농도 망간이 발생되는 경우가 많은데, 현재 정수장에서는 망간을 처리하기 위해 유입구간에 필터를 설치하고 주기적으로 교체하는 방식으로 처리하고 있다. 그러나 단기간에 고농도 망간 다량 유입 시 처리용량의 한계 등 정수장에서의 공정관리가 어려워지므로 사전 예측에 의한 대응 체계 고도화가 필요한 실정이다. 본 연구는 광역취수원인 주암댐을 대상으로 망간 예측의 정확도 향상 및 예측기간 확대를 위해 다양한 머신러닝 기법들을 적용하여 비교 분석하였으며, 독립변수 및 초매개변수 최적화를 진행하여 모형의 정확도를 개선하였다. 머신러닝 모형은 수심별 탁도, 저수위, pH, 수온, 전기전도도, DO, 클로로필-a, 기상, 수문 자료 등의 독립변수와 화순정수장에 유입된 망간 농도를 종속변수로 각 변수에 해당하는 실측치를 학습데이터로 사용하였다. 그리고 데이터기반 모형의 정확도를 개선하기 위해서 성층의 수준을 판별하는 지표로서 PEA(Potential Energy Anomaly)를 도입하여 데이터 분석에 활용하고자 하였다. 분석 결과, 망간 유입률은 계절 주기에 따라 농도가 달라지는 것을 확인하였고 동절기 전도시점과 하절기 장마기간 난류생성 시기에 저층의 고농도 망간이 유입이 되는 것을 분석하였다. 또한, 두 시기의 망간 농도의 변화 패턴이 상이하므로 예측 모델은 각 계절별로 구축해 학습을 진행함으로써 예측의 정확도를 향상할 수 있었다. 다양한 머신러닝 모델을 구축하여 성능 비교를 진행한 결과, 동절기에는 Gradient Boosting Machine, 하절기에는 eXtreme Gradient Boosting의 기법이 우수하여 추론 모델로 활용하고자 하였다. 선정 모델을 통한 단기 수질예측 결과, 전도현상 발생 시기에 대한 추종 및 예측력이 기존의 데이터 모형만 적용했을 경우대비 약 15% 이상 예측 효율이 향상된 것으로 나타났다. 본 연구는 머신러닝 모델을 활용한 망간 농도 예측으로 정수장의 신속한 대응 체계 마련을 지원하고, 수처리 공정의 효율성을 높이는 데 기여할 것으로 기대되며, 후속 연구로 과거 시계열 자료 활용 및 물리모형과의 연결 등을 통해 모델의 신뢰성을 제고 할 계획이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.366-366
• /
• 2023

우리나라 농촌 지역의 농업용저수지는 유역면적이 작고 홍수 도달시간이 짧아 홍수 대응에 어려움이 있으며, 대부분의 농업용저수지는 용수공급 목적으로 건설되어 홍수 대응능력이 부족한 실정이다. 한국농어촌공사는 수자원, 재난재해 등 농촌용수 관련된 다양한 정보의 통합관리를 위한RAWRIS(Rural Agricultural Water Resource Information System)을 운영하고 있으나, 소하천 및 농촌 지역의 홍수 피해 저감에 대한 관리와 노력은 도시 지역의 대하천 유역과 비교하여 여전히 부족한 실정이다. 이에 본 연구에서는 농촌지역의 과학적 재해관리를 위해 RAWRIS의 홍수량 산정기술을 개선하고, 저수지 홍수예경보에 필요한 기상청 초단기 강우예측자료의 활용성을 검토하고자 하였다. 이를 위해 농어촌공사에서 관리하는 농업용저수지 중 홍수배제시설인 레디얼게이트가 설치된 농업용저수지 30개소를 대상으로 해당 저수지의 수위계측 정보, 수문 방류 정보 등 저수지 홍수관리 현황을 조사하였다. 다음으로 농어촌공사가 운영 중인 RAWRIS의 홍수량 산정과정을 검토하여, 기존 RAWRIS에 CN값이 미설정된 저수지 유역의 CN값을 설정하였으며, 유역의 강우량 및 유효우량 산정 알고리즘 개선하고 저수지 유역별 강우-유출모형의 대표 매개변수를 제시하였다. 마지막으로 기상청에서 제공하고 있는 초단기 강우예측자료의 활용성 평가를 위해 기상청 강우예측자료와 저수지 유역의 면적평균강우를 비교하였으며, 예측 및 관측강우에 의한 홍수유입량을 산정하여 그 결과를 비교하였다. RAWRIS 홍수량 산정기술의 개선 효과를 검토한 결과, 예당저수지의 경우에는 첨두유량백분율 오차가 최대 50 % 이상, 결정계수(R2)가 최대 0.6 이상 개선된 것으로 나타났다. 다음으로 초단기 강우예측자료의 활용성을 평가하기 위해 RAWRIS에 제공되는 기상청 강우예측자료와 관측강우자료을 비교한 결과, 초단기 예측강우자료는 정량적, 정성적 신뢰도의 문제가 있어, 농업용저수지 홍수예측시스템에 그대로 적용하는데에는 무리가 있는 것으로 나타났다.

• Economic Analysis
• /
• v.26 no.3
• /
• pp.1-47
• /
• 2020

This paper surveys research since the 1990s on the ability of the yield spread and its components (i.e., expectation spread and term premium components) for future economic activity, and also conducts an empirical analysis of their forecasting ability using the yield data of Korean government bonds. This paper's survey, particularly for the US, shows that the yield spread has significant predictive power for some macroeconomic variables, but since the mid-1980s, its predictive power seems to have declined, possibly due to stronger inflation targeting. Next, this paper's empirical analysis using Korean data indicates that the yield spread, and the term premium component in particular, has significant predictive power for industrial production (IP) growth, consumer price index growth, and the IP gap. An out-of-sample analysis shows that the prediction equations are unstable over time, and that in predicting IP growth, the yield spread decomposition makes a significant contribution to the prediction of IP growth.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.317-317
• /
• 2021

효율적인 물관리를 위한 댐 유입량 대한 연구는 필수적이다. 본 연구에서는 다양한 머신러닝 알고리즘을 통해 40년동안의 기상 및 댐 유입량 데이터를 이용하여 소양강댐 유입량을 예측하였으며, 그 중 고유량과 저유량예측에 적합한 알고리즘을 각각 선정하여 머신러닝 알고리즘을 결합한 CombML을 개발하였다. 의사 결정 트리 (DT), 멀티 레이어 퍼셉트론 (MLP), 랜덤 포레스트(RF), 그래디언트 부스팅 (GB), RNN-LSTM 및 CNN-LSTM 알고리즘이 사용되었으며, 그 중 가장 정확도가 높은 모형과 고유량이 아닌 경우에서 특별히 예측 정확도가 높은 모형을 결합하여 결합 머신러닝 알고리즘 (CombML)을 개발 및 평가하였다. 사용된 알고리즘 중 MLP가 NSE 0.812, RMSE 77.218 m3/s, MAE 29.034 m3/s, R 0.924, R2 0.817로 댐 유입량 예측에서 최상의 결과를 보여주었으며, 댐 유입량이 100 m3/s 이하인 경우 앙상블 모델 (RF, GB) 이 댐 유입 예측에서 MLP보다 더 나은 성능을 보였다. 따라서, 유입량이 100 m3/s 이상 시의 평균 일일 강수량인 16 mm를 기준으로 강수가 16mm 이하인 경우 앙상블 방법 (RF 및 GB)을 사용하고 강수가 16 mm 이상인 경우 MLP를 사용하여 댐 유입을 예측하기 위해 두 가지 복합 머신러닝(CombML) 모델 (RF_MLP 및 GB_MLP)을 개발하였다. 그 결과 RF_MLP에서 NSE 0.857, RMSE 68.417 m3/s, MAE 18.063 m3/s, R 0.927, R2 0.859, GB_MLP의 경우 NSE 0.829, RMSE 73.918 m3/s, MAE 18.093 m3/s, R 0.912, R2 0.831로 CombML이 댐 유입을 가장 정확하게 예측하는 것으로 평가되었다. 본 연구를 통해 하천 유황을 고려한 여러 머신러닝 알고리즘의 결합을 통한 유입량 예측 결과, 알고리즘 결합 시 예측 모형의 정확도가 개선되는 것이 확인되었으며, 이는 추후 효율적인 물관리에 이용될 수 있을 것으로 판단된다.

• Proceedings of the Korean Institute Of Construction Engineering and Management
• /
• autumn
• /
• pp.626-629
• /
• 2003

This study is to forecast possible occurrence of internal condensation around parpets and H-beam located at the inside of balcony ceilings on the uppermost floor of super-high apartment buildings faced with open air in order to provide dwellers with more comfortable environment in the related space and get rid of their uneasiness about the condensation. In this study, we estimated internal condensation. which vary in accordance with humidity pressure distribution, at curtain walls, stone panels or lower parts of slabs that constitute outer space of the residence and are weak against heat, through temperature forecast and temperature distribution interpretation program at normal two-dimension temperature.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.185-185
• /
• 2015

미계측 지역에서의 토양수분을 예측하기 위한 공간보간 기법으로 크리깅 방법과 조건부합성기법을 한반도에 적용하여 비교 분석하였다. 연구에 사용된 토양수분 자료는 2011년 5월 1일부터 2011년 9월 30일까지이며, Advanced Microwave Scanning Radiometer-Earth observing system(AMSR-E)의 위성관측 자료와 농촌진흥청에서 제공하는 지상관측 자료를 이용하였다. leave-one-out 교차검증 방법을 사용하여 공간보간 성능을 평가했고, 관측지점별 시계열 분석 결과 총 24개 관측지점 중 14개 관측지점에서 CM의 결과가 우세한 것으로 나타났다. 특정 관측일에 대해 예측 성능 분석 결과 총 113일 중 68일에 대해 CM의 결과가 우세한 것으로 나타났다. 각 관측지점의 예측 성능을 공간적으로 분석하기 위하여 관측소별 예측 성능 지도를 작성하여 공간적인 특성을 분석한 결과 관측소가 밀집되어있는 한반도의 서쪽지역에서 예측이 성능이 좋게 나왔다. 이러한 결과는 위성으로부터 관측된 토양수분 자료의 공간적인 특성을 고려하여 지상관측 자료와 합성하는 것이 토양수분의 공간적인 보간성능을 향상 시킬 수 있다는 것을 의미한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.265-267
• /
• 2004

경제 여건의 향상 및 생활양식의 변화로 최근 우리나라에서도 당뇨병 환자가 늘어남에 따라 당뇨병의 예측 및 치료가 중요한 관심사가 되고 있다. 본 논문은 1993년과 1995년 두 차례에 걸쳐 경기도 연천 지역 주민들의 여러 가지 신체 지수 등을 조사한 데이터를 대상으로, 1차 년도의 데이터로부터 동일한 환자가 2차 년도에 정상상태를 유지하는지 흑은 당뇨병으로 진행이 되는지를 예측하는 문제를 다룬다. 혈당량, 허리둘레 등의 수치가 당뇨병의 발병에 영향을 끼치는 것은 알려진 사실이므로, 현재의 데이터로부터 앞으로의 발병 가능성을 예측하는 것이 가능하며, 이는 환자에게 보다 정확한 정보를 알려줄 수 있으므로 의미가 있는 일이다. 예측을 위해 본 논문에서는 분류기를 사용하며, 예측율을 높이기 위해 여러 분류기를 BKS로 결합하였다. BKS (behavior knowledge space) 결합 방법은 분류기간의 독립 가정이 필요 없으며, 데이터 크기가 크고 전형적인 경우에 좋은 결과를 낼 수 있는 방법이다. BKS 결합 방법을 통해 실험을 해본 결과 단일 분류기로 실험을 한 결과보다 향상된 성능을 얻을 수 있었으며, 투표 결합 방법과 비교하여 더 좋은 성능을 보였다.

• The Korean Journal of Financial Studies
• /
• v.6 no.1
• /
• pp.117-140
• /
• 2000

본 연구는 그간 실무계와 학계에서 주목을 받고 있는 EVA 모형과 기업가치모형간의 상호 관계를 보여주고 실증적으로 예측치 경상이익과 순이익을 이용하여 EVA와 기업가치를 측정하고 이러한 예측가치와 실제가치와의 관계를 살펴보았다. 1990년부터 5년간 모두 535 기업을 대상으로 분석한 결과 강효석과 남명수 (1998)의 연구와 같이 모든 연도에 부의 EVA를 보여 주고 있으며 1년 예측치보다 2년 예측치를 기초로 산정한 기업가치가 실제가치에 근접하였다. 각 연도 별로 보면 예상경상이익을 사용한 경우 70%부터 94%까지의 높은 설명력을 보여주며, 5년 누계는 83%의 설명력을 나타냈다. 경상이익 대신 순이익을 사용한 경우도 유사한 결과를 보여주고 있다. 끝으로 가치평가오차를 원천별로 그리고 유형별로 분석하였는데 기업가치 예측오차 중 경제전반이 설명하는 부분은 10%정도, 산업은 $13{\sim}15%$, 그리고 개별기업이 $75{\sim}77%$를 차지하고 있어 개별기업의 중요도가 미국에 비하여 낮은 수준을 보여주고 있다. 유형별로도 편의비율이나 회귀비율이 $5{\sim}8%$수준인데 비하여 무작위 비율이 86%수준을 보여 주고있다.