• 한국농림기상학회지
• /
• 제15권4호
• /
• pp.304-311
• /
• 2013

악양기상관측망을 대상으로 소형 서버 기반의 기상자료 실시간 표출시스템을 구축하였다. 시스템은 기상관측장비로부터 실시간으로 수집되는 1분간격의 기상자료를 DB로 구축하는 데이터수집 단계와 최대, 최소, 평균, 적산 등의 통계처리에 의해 10분, 1시간, 1일간격의 기상자료를 생성하는 데이터통계 단계, 데이터수집과 통계처리 단계에서 수집된 DB정보를 활용하여 웹서비스 형태로 자료를 보여주는 정보서비스 단계로 각각 구성하였다. DB에 수집된 AWS 기상실황자료는 웹페이지에서 1개 지점, 전체지점, 분석자료의 형태로 서비스하며, 원하는 기간에 대한 기상요소를 사용자가 선택하여 다운로드 받을 수 있도록 구축하였다. 1개 지점에 대한 악양 AWS 정보서비스 페이지에서는 선택한 AWS지점에 대해 시계열 변화추이를 살펴볼 수 있으며, 전체지점에 대한 페이지에서는 악양면 내 고도와 지형특성에 따라 달라지는 기상반응을 지점별로 비교분석 할 수 있도록 서비스를 제공한다. 일별 분석자료 페이지는 하루 동안 수집된 1분 간격 데이터를 요소별로 통계처리하여 테이블 형태로 보여주도록 구성하였다.

• 한국수자원학회논문집
• /
• 제40권6호
• /
• pp.469-483
• /
• 2007

질산성질소와 염소이온은 지하수에서 흔히 나타나는 항목으로서 농약의 사용이나 도시화 등에 의하여 주로 발생한다. 일반적으로 동일 지점의 지하수 수질 자료는 관측망의 경우를 제외하고는 샘플의 수가 제한적이기 때문에 시계열 자료를 활용한 추세 평가에 한계가 있다. 본 연구에서는 제주도 수계의 분포 특성, 저지대의 낮은 지형 경사, 수리적 특성 및 다공질 지질 특성 등을 고려하여 $500m{\times}500m$ 간격의 격자를 작성하고 격자내에 포함된 수질검사 자료를 모두 취합하여 시계열 데이터를 형성한 후 Sen의 방법을 활용한 수질 추세분석을 실시하였다. 염소이온 농도의 경우에는 추세평가 대상 격자의 10.6%, 질산성질소의 경우에는 22.4%가 1990년대 상반기에서 2000년대 초까지 상향 추세를 보이는 것으로 나타났다. 특히 질산성 질소의 상향 추세는 서부 및 남부의 하부 중산간 지역에 뚜렷하게 나타났다. 이와 간은 원인은 1990년대 이후의 중산간 인근 지역의 개발에 따른 도시화 등에 의하여 나타난 것으로 추정되었다. 본 연구 결과, 제주도 지역의 지하수 관리 정책은 중산간 지역의 수질 변화와 토지이용 변화 등을 충분히 고려하여 추진되어야 함을 알 수 있었다.

• 한국수자원학회논문집
• /
• 제48권5호
• /
• pp.345-355
• /
• 2015

본 연구에서는 고해상도 기후시나리오를 이용하여 국내 대표 도시 지역인 서울특별시를 대상으로 기준기간(1971~2000년) 대비 미래기간 2020s (2011~2040년), 2050s (2041~2070년), 2080s (2071~2100년)의 기후변화에 따른 배수시스템의 영향을 평가하였다. 이를 위해 과거 관측 강수량 자료는 기상청 관할 기상관측소와 자동기상관측망 자료를 이용하였으며, 기후변화 시나리오는 RegCM3과 Sub-BATS 기법을 통해 역학적 상세화된 $5{\times}5km$ 해상도 기반의 시단위 강수량 자료를 생산하였다. 과거기간 대비 미래기간 확률강우량의 변동성을 비교한 결과 과거기간 대비 2080s의 확률강우량 증가율은 28~54%로 나타났으며, 특히 지속시간 3시간, 6시간, 24시간 확률강우량의 증가폭이 크게 나타났다. 또한 배수시스템의 기후변화 영향을 직접적으로 분석하기 위해 XP-SWMM을 이용하여 유출해석을 수행하였다. 평가 결과, 강우강도 증가로 인해 과거기간 대비 미래 3기간에 공릉1, 서초2, 신림4 배수분구의 침수발생 맨홀 수와 월류량이 크게 증가하였다. 이러한 결과는 현재 구축되어 있는 서울시 배수시스템은 기후변화에 취약함을 나타내고 있으며, 이에 대응하기 위해 다양한 기후변화 적응대책이 요구됨을 의미한다.

• 한국수자원학회논문집
• /
• 제54권9호
• /
• pp.693-704
• /
• 2021

본 연구는 폭염과 하천수질과의 상관성을 평가하기 위한 것이다. 기상청 91개의 기상관측소의 일 최고기온 과 환경부 수질관측망 918개에 대한 13개의 하천수질인자(DO, BOD, COD, TOC, TN, DTN, NH4-N, NO2-N, NO3-N, TP, DTP, PO4-P, Chl-a)를 대상으로 분석하였다. 최고기온과 수질인자에 대한 상관성 분석을 수행하였으며, DO, Chl-a, T-N의 상관계수(R²)가 0.782, 0.609, 0.691로 가장 높은 상관성을 나타내었다. 폭염과 수질인자 간의 공간적 영향 분석을 위해, 일 최고기온을 이용하여 폭염강도(heat wave intensity, HWI)와 폭염지속시간(heat wave duration, HWD)를 산정하였다. 공간적 영향 평가는 핫스팟 분석과 공간통계분석을 실시하였다. 핫스팟 분석결과 폭염지수(HWD, HWI)는 낙동강 하류유역에 대해 높은 공간상관성을 나타내었으며 수질인자 중 Chl-a, TN이 동일한 결과를 나타내었다. 폭염에 따른 수질 영향 지역 공간 통계분석 결과 공간적인 변동성이 가장 뚜렷하게 나타나는 수질인자는 DO인 것으로 분석되었다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.59-66
• /
• 2021

인간은 오감 (시각, 청각, 후각, 촉각, 미각) 중 시각 및 청각 정보를 위주로 사용하여 주변 물체를 인식한다. 최신의 객체 인식과 관련한 주요 연구에서는 주로 이미지센서 정보를 이용한 분석에 초점이 맞추어져 있다. 본 논문에서는 다양한 chirp 오디오 신호를 관측공간에 방출하고 2채널 수신센서를 통해 echo를 수집하여 스펙트럼 이미지로 변화시킨 후 딥러닝을 기반으로 이미지 학습 알고리즘을 이용하여 3D 공간상의 객체 인식 실험을 진행하였다. 본 실험은 무향실의 이상적 조건이 아닌 일반적인 실내 환경에서 발생하는 잡음 및 echo가 있는 환경에서 실험을 진행하였고 echo를 통해 객체 인식률을 83% 정확도로 물체의 위치 추정할 수 있었다. 또 한 추론 결과를 관측공간과 3D Sound 공간 신호로 mapping 하여 소리로 출력하여 3D 사운드의 학습을 통해 소리를 통한 시각 정보를 얻을 수 있었다. 이는 객체 인식 연구를 위해서 이미지 정보와 함께 다양한 echo 정보의 활용이 요구된다는 의미이며 이런 기술을 3D 사운드를 통한 증강현실 등에 활용 가능할 것이다.

• 한국해안·해양공학회논문집
• /
• 제34권4호
• /
• pp.109-118
• /
• 2022

정점 표층 수온 관측 데이터 중 결측 구간의 데이터를 양방향 순환신경망(Bidirectional Recurrent Neural Network, BiRNN) 기법을 이용하여 보간하였다. 인공지능 기법 중 시계열 데이터에 일반적으로 활용되는 Recurrent Neural Networks(RNNs)은 결측 추정 위치까지의 시간 흐름 방향 또는 역방향으로만 추정하기 때문에 장기 결측 구간에는 추정 성능이 떨어진다. 반면, 본 연구에서는 결측 구간 전후의 양방향으로 추정을 하여 장기 결측 데이터에 대해서도 추정 성능을 높일 수 있다. 또한 관측점 주위의 가용한 모든 데이터(수온, 기온, 바람장, 기압, 습도)를 사용함으로써, 이들 상관관계로부터 보간 데이터를 함께 추정하도록 하여 보간 성능을 더욱 높이고자 하였다. 성능 검증을 위하여 통계 기반 모델인 Multivariate Imputation by Chained Equations(MICE)와 기계학습 기반의 Random Forest 모델, 그리고 Long Short-Term Memory(LSTM)을 이용한 RNN 모델과 비교하였다. 7일간의 장기 결측에 대한 보간에 대해서 BiRNN/통계 모델들의 평균 정확도가 각각 70.8%/61.2%이며 평균 오차가 각각 0.28도/0.44도로 BiRNN 모델이 다른 모델보다 좋은 성능을 보인다. 결측 패턴을 나타내는 temporal decay factor를 적용함으로써 BiRNN 기법이 결측 구간이 길어질수록 보간 성능이 기존 방법보다 우수한 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제55권11호
• /
• pp.855-863
• /
• 2022

본 연구에서는 서울시 기온 지상관측 자료의 지도화를 위해 Artificial Neural Network (ANN)을 사용하였다. 지도화를 위한 보조자료로는 MODerate resolution Imaging Spectroradiometer (MODIS) 자료를 사용하였다. ANN 모델 설계를 위해 입력자료와 출력자료 간의 산점도 및 통계분석을 수행하였으며, 기온과의 상관성이 비교적 높게 나타나는 입력자료인 지표면온도, Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI)와 시간(위성관측시각, Day of year), 위치(위도, 경도), 데이터 품질(운량)과 관련된 데이터 종류를 분류 및 조합하여 학습을 진행하였다. 기온자료와 상관성이 높은 데이터만으로 학습을 진행하였을 때 상관계수(r)와 Root Mean Squared Error (RMSE)의 평균값이 0.9667, 2.708℃로 우수한 성능을 보였다. 학습에 사용된 데이터의 종류가 추가될수록 더 우수한 학습 결과를 보였으며, 모든 데이터가 활용될 때에는 r과 RMSE의 평균값이 0.9840, 1.883℃로 가장 우수한 성능을 보였다. ANN 모델으로 생성한 서울시 기온 지도에서는 픽셀별 지형적 특성에 적절하게 기온이 산정된 것으로 판단되며, 추후 연구지역 확대 및 위성자료의 다양화를 통해 시단위 및 전국단위 기온 분포 분석 연구가 가능할 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.438-438
• /
• 2021

우리나라의 수질오염총량관리제도는 수계 내 모든 유역을 관리대상으로 동일 기준유량 조건에 동일한 대상물질로 관리하고 있지만, 본류는 지류의 영향을 받고 있으며 지류는 사람이 거주하는 지역 인근에 있어 본류 수질에 직접적인 영향을 미치고 있다. 이는 지류의 시급한 개선이 필요한 오염물질의 실질적인 관리가 어려워 이를 개선하기 위해 오염도가 높은 지류의 총량관리를 위한 지류총량제도의 추가 도입이 필요한 실정이다. 본 연구에서는 지류총량제 시행에 따른 효과를 예측하기 위해 팔당수계 유역을 소유역 단위로 분할하고 HSPF 모형을 적용하여 팔당수계 소유역 지류에서의 수질 변화 양상이 본류에 미치는 영향을 분석하였다. 연구대상지역은 팔당수계 중권역 유역(남한강 하류 유역, 경안천 유역, 북한강 하류 유역)으로 구분하고 유역 유출 및 수질 모델링은 지류하천을 포함하는 57개 소유역을 대상으로 수행하였다. 입력자료는 공간자료(표고, 경사, 토지이용, 토양도 등)와 기상자료(춘천, 양평, 이천, 수원관측소)는 2008년~2018년의 강수량, 최고기온, 최저기온, 평균풍속, 평균습도 등의 시단위 자료를 사용하였다. 모의결과, BOD는 남한강 하류유역의 주요 지천 유역인 복하천, 양화천, 청미천 및 흑천 유역에서 0.54~0.56mg/L의 범위로 주변 유역보다 높게 나타났으며, 경안천 유역은 경안천 유역의 중·하류 유역에서 2.63~4.22mg/L의 범위로 높게 나타났고, 북한강 유역은 조종천 하류 및 북한강 상류 유역에서 1.36~3.31mg/L의 범위로 주변 유역보다 높게 나타났다. T-P는 남한강 하류 유역은 주요 지천 유역인 복하천, 양화천, 청미천 유역에서 0.07~0.19mg/L의 범위로 주변 유역보다 높게 나타났고, 남한강 하류 유역의 중간 지점 유역인 한강(E1, E2, E4, E6)에서 높게 나타났다. 경안천 유역은 중·하류 유역의 좌안측 유역인 경안(A4, A3, B2, B1, F9)에서 0.1~0.14mg/L의 범위로 높게 나타났으며, 북한강 유역은 전체 유역에서 0.06mg/L 이하로 남한강 하류 및 경안천 유역보다 전반적으로 낮게 나타났다. 이와 같이 지류총량관리에 HSPF 모형의 적용은 가능하였으나 HSPF 모형을 이용한 소유역 단위의 유량 및 수질 예측을 위해서는 기존의 유량 및 수질 관측망을 소유역 단위로 좀 더 정밀하게 계획하는 것이 필요하다고 판단된다.

• 한국지능시스템학회논문지
• /
• 제26권2호
• /
• pp.93-98
• /
• 2016

정확한 강수예측을 위해서는 예측인자 선정과 예측방법에 대한 선택이 매우 중요하다. 최근에는 강수예측 방법으로 기계학습 기법이 많이 사용되고 있으며, 그 중에서도 특히 인공신경망을 사용한 강수예측 방법은 좋은 성능을 보였다. 본 논문에서는 딥러닝 기법 중 하나인 DBN(deep belief network)를 이용한 새로운 강수예측 방법을 제안한다. DBN는 비지도 사전 학습을 통해 초기 가중치를 설정하여 기존 인공신경망의 문제점을 보완한다. 예측인자로는 기온, 전일-전주 강수일, 태양과 달 궤도 관련 자료를 선정하였다. 기온과 전일-전주 강수일은 서울에서의 1974년부터 2013년까지 총 40년간의 AWS(automatic weather system) 관측 자료를 사용하였고, 태양과 달의 궤도 관련 자료는 서울을 중심으로 계산한 결과를 사용하였다. 전체 기간에서 일부는 학습 자료로 사용하여 예측모델을 생성하였고, 나머지를 생성한 모델의 검증 자료로 사용하였다. 모델 검증 결과로 나온 예측값들은 확률값을 가지며 임계치를 이용하여 강수유무를 판별하였다. 강수 정확도의 척도로 양분예보기법 중 CSI(critical successive index)와 Bias(frequency bias)를 계산하였다. 이를 통해 DBN와 MLP(multilayer perceptron)의 성능을 비교한 결과 DBN의 강수 예측 정확도가 높았고, 수행속도 또한 2배 이상 빨랐다.

• 한국산학기술학회논문지
• /
• 제19권1호
• /
• pp.660-665
• /
• 2018

세계적으로 해양 자원 개발을 비롯하여 재난 방지 및 군사적 목적 등을 위하여 수중 환경 감시 및 제어를 가능하게 하는 수중 무선 통신망에 대한 연구가 활발히 진행되고 있다. 국내에서도 호서대학교를 중심으로 '분산형 수중 관측 제어망'에 대한 연구가 진행되고 있는데, 본 논문에서는 해당 제어망 중 수중기지제어국과 수중기지국 사이의 음파 통신을 위한 인터폴레이터(Interpolator)를 연구하였다. 수중 음파 통신망은 양방향 듀플렉스(duplex) 통신을 위하여 서로 다른 4개의 주파수 링크를 정의하고 있으며, 링크에 따라 100배 혹은 200배 샘플링 레이트를 변환해야 한다. 또, 수중은 전원 공급이 원활하지 않은 환경이므로 저전력 설계가 중요하다. 따라서 저전력 인터폴레이터인 CIC 인터폴레이터를 기본으로 하여 링크에 따라 샘플링 레이트를 선택할 수 있도록 설계하였다. 하지만 CIC 인터폴레이터는 통과 대역 감쇠(passband droop)가 크고, 전이영역(transition region)이 넓기 때문에 채널 간격이 비교적 좁은 음파 통신에서는 저주파 대역 필터로서의 조건을 만족하기 어렵다. 이러한 문제를 해결하기 위하여 본 논문에서는 통과 대역 감쇠를 보상하기 위한 보상 필터(compensator)와 전이 영역을 줄이기 위한 하프밴드 필터(halfband filter)를 추가하였다. Matlab을 이용하여 알고리즘을 검증한 후 Verilog-HDL로 하드웨어를 설계하고 Modelsim에서 시뮬레이션하여 동작을 검증하였다.