• The Korean Journal of Applied Statistics
• /
• v.17 no.1
• /
• pp.153-164
• /
• 2004

In this study, we compare multivariate R-techniques in the up-to-date versions of SAS, SPSS, Minitab and S-plus. The direct input method by typing in command is considered for SAS, while the menu-driven method is considered for SPSS, Minitab and S-plus. Comparison was made in terms of input data format, input option, charts and outputs.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.393-393
• /
• 2011

최근 기후변화로 인한 기상이변 및 이상기후로 예상하지 못한 극치사상이 빈번하게 발생하고 있다. 극치사상을 예측하기 위해 다양한 모형들이 개발되고 있으나 주로 유출의 변화 특성을 모의하는데 대부분의 연구가 초점을 맞추고 있다. 그러나 기본적으로 사용되는 강수량 자료의 정확한 추정이 기후변화 연구에서 가장 중요하다고 해도 과언이 아니다. 또한, 과거 연구들은 강수지점간의 공간상관성을 고려하지 않고 일강수량을 모의 발생시킨 후 이를 입력 자료로 강우-유출 모형에 사용하여 유역전체의 내리는 강수의 특성을 반영하지 못하였다. 이런 점들을 해결하기 위해 유역에 존재하는 실제 강우패턴을 모의 할 수 있는 다변량 Downscaling Model을 제안하였고, 기존 연구에서 극치사상을 재현해 내지 못하는 문제를 해결하기 위하여 입력 자료를 극치 값으로 변환하여 분석을 수행하였다. 즉, 본 논문에서는 실제 유역에 적용하여 모형의 타당성을 평가하고 기존 연구와 비교하여 극치 수문량의 변동 특성 등을 분석, 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.351-354
• /
• 2018

본 연구에서는 일 증발접시 증발량 모델링을 위한 다변량 적응 회귀 스플라인 (multivariate adaptive regression splines, MARS) 모델의 성능을 평가하였다. 모델 입력변수 집합은 부산 관측소 (기상청)로부터 수집된 기상자료를 활용하여 증발접시 증발량과의 상관성이 높은 변수들의 조합으로 구성되었으며, 일사량, 일조시간, 평균지상온도, 최대기온의 조합으로 구성된 세 가지 입력집합이 결정되었다. MARS 모델의 성능은 네 가지의 모델성능평가지표를 활용하여 정량적으로 산출되었으며, 그 결과를 인공신경망 (artificial neural network, ANN) 모델과 비교하였다. 입력변수로서 일사량 및 일조시간을 가지는 Set 1의 경우 MARS1 모델이 ANN1 모델보다 우수한 성능을 나타내었으며, Set 2 (일사량, 일조시간, 평균지상온도)의 경우 ANN2 모델, Set 3 (일사량, 일조시간, 평균지상온도, 최대기온)의 경우 MARS3 모델이 상대적으로 우수한 모델 성능을 나타내었다. 모든 분석 모델들을 비교하였을 때, MARS3, ANN2, ANN3, MARS2, MARS1, ANN1 모델의 순서로 우수한 모델 성능을 나타내었으며, 특히 MARS3 모델은 CE = 0.790, $r^2=0.800$, RMSE = 0.762, MAE = 0.587로서 가장 우수한 일 증발접시 증발량 모델링 성능을 나타내었다. 따라서 본 연구에서 적용한 MARS 모델은 지상관측 기상자료를 활용한 일 증발접시 증발량 모델링에서 효과적인 대안이 될 수 있을 것으로 판단된다.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.4
• /
• pp.199-207
• /
• 2024

Local reservoirs are crucial sources for agricultural water supply, necessitating stable water level management to prepare for extreme climate conditions such as droughts. Water level prediction is significantly influenced by local climate characteristics, such as localized rainfall, as well as seasonal factors including cropping times, making it essential to understand the correlation between input and output data as much as selecting an appropriate prediction model. In this study, extensive multivariate data from over 400 reservoirs in Jeollabuk-do from 1991 to 2022 was utilized to train and validate a water level prediction model that comprehensively reflects the complex hydrological and climatological environmental factors of each reservoir, and to analyze the impact of each input feature on the prediction performance of water levels. Instead of focusing on improvements in water level performance through neural network structures, the study adopts a basic Feedforward Neural Network composed of fully connected layers, batch normalization, dropout, and activation functions, focusing on the correlation between multivariate input data and prediction performance. Additionally, most existing studies only present short-term prediction performance on a daily basis, which is not suitable for practical environments that require medium to long-term predictions, such as 10 days or a month. Therefore, this study measured the water level prediction performance up to one month ahead through a recursive method that uses daily prediction values as the next input. The experiment identified performance changes according to the prediction period and analyzed the impact of each input feature on the overall performance based on an Ablation study.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.394-398
• /
• 2011

수자원시스템의 설계, 계획, 운영에 있어 핵심적인 수문변수의 미래거동에 대한 보다 나은 추정치가 필요하다. 예를 들어, 수력발전, 레크리에이션 이용과 하류지역의 오염희석과 같은 다중 목적 기능을 유지하기 위하여 다목적댐을 운영할 때에, 다가오는 미래시간에 대한 계획된 유량의 예측이 요구된다. 예측의 목적은 미래에 발생할 정확한 예상치를 제공하는 것이다(Keith W. Hipel, 1994). 본 연구의 주요 목적은 금강수계인 대청댐에서 다변량 추계학적 시스템의 해석을 위한 모형의 추정과 등정을 위한 과정을 개발하는데 있다. 일반적 추계학적 시스템 모형이 표현되며 그것으로부터 수문학적 시스템의 모형을 매우 적절하게 유도하기 위한 다중 입력-단일 출력 TF, TFN, ARMAX모형을 유도하는데 있다. 이 모형은 수문학적 시스템을 위한 경우인 상관된 입력을 설명할 수 있도록 개발된다. 일반적인 모형을 만드는 전략이 사용되며 실제유역시스템에 적용하여 검토해 보고자 한다.

• Water for future
• /
• v.24 no.4
• /
• pp.59-66
• /
• 1991

Abstract The purpose of the synthetic of monthly river flows based on the short-term observed data by means of multivariate stochastic models is to provide abundunt input data to the water resources systems of which the system performance and operation policy are to be determined beforehand. In this study, multivariate Thomas-Fiering and Matalas models for synthetic generation based on stream flows in neihboring basin were employed to check if it can be applide in the modeling of monthly flows. Statistical parameters estimated by Method of Moment and Fourier Series Analysis respectively were reproduced for statistical features. For comparisons the statistical parameters of the generated monthly flow by each model were compared with those of the observed monthly flows. Results of this study suggest that the application of Matalas model for synthetic generation of monthly river flows can be adapted.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2001.06a
• /
• pp.359-368
• /
• 2001

본 연구에서는 부도예측용 인공신경망의 입력노드 선정을 위한 휴리스틱으로 연결강도분석 접근법을 제안한다. 연결강도분석은 학습이 끝난 인공신경망에서 입력노드와 은닉노드와 연결된 가중치의 절대값 즉, 연결강도를 분석하여 입력변수를 선정하는 접근법으로, 본 연구에서는 약체연결뉴론제거법, 강체연결뉴론선택법 그리고 이 두 기법을 통합한 통합 연결강도 모형을 제안하여 각각 의사결정 트리 및 다변량판별분석에 의해 선정된 입력변수를 이용한 인공신경망 모형과 예측율을 비교한다. 실험 결과 본 연구에서 제안하고 있는 방법론이 의사결정트리나 다다변량판별분석 기법 보다 높은 예측율을 보여 주었다. 특히 두 기법의 통합연결강도 모형의 경우에는 다른 단일 기법보다 높은 예측율을 보이고 있다.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.32 no.1
• /
• pp.55-63
• /
• 2019

In engineering problems, many random variables have correlation, and the correlation of input random variables has a great influence on reliability analysis results of the mechanical systems. However, correlated variables are often treated as independent variables or modeled by specific parametric joint distributions due to difficulty in modeling joint distributions. Especially, when there are insufficient correlated data, it becomes more difficult to correctly model the joint distribution. In this study, multivariate kernel density estimation with bounded data is proposed to estimate various types of joint distributions with highly nonlinearity. Since it combines given data with bounded data, which are generated from confidence intervals of uniform distribution parameters for given data, it is less sensitive to data quality and number of data. Thus, it yields conservative statistical modeling and reliability analysis results, and its performance is verified through statistical simulation and engineering examples.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1512-1516
• /
• 2007

자신의 현재와 과거의 시계열데이터만을 가지고 시계열 모형을 구축하는 단변량 ARIMA모형 분석법과는 달리, 관심의 대상이 되는 출력시계열과 이와 관련있는 입력시계열의 동태적 특성을 나타내는 전이함수모형(Transfer function model)을 사용하여 소양강댐, 충주댐, 화천댐에 대한 월별 수문자료를 이용하여 유입량을 예측해 보고자 한다. 본 연구의 주요 목적은 다변량 추계학적 시스템의 해석을 위한 모형의 추정과 등정을 위한 과정을 개발하는데 있다. 일반적 추계학적 시스템 모형이 표현되며 그것으로부터 수문학적 시스템의 모형을 매우 적절하게 유도하기 위한 다중 입력-단일 출력 TF, TFN모형을 유도하는데 있다. 이 모형은 수문학적 시스템을 위한 경우에 있어 상관된 입력을 설명할 수 있도록 개발된다. 일반적으로 모형을 만드는 전략이 유도되며 실제유역시스템에 적용하여 검토된다. 한강수계 주요 다목적댐인 소양강댐, 충주댐, 화천댐의 수문자료를 가지고 추계학적 모형(TF, TFN)에 의한 결과와 실제유입량을 비교하여 검토하고자 한다.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.1 no.2 s.2
• /
• pp.115-121
• /
• 2001

The purpose of the synthetic generation of monthly river flows based on the short term observed data by means of stochastic models is to provide abundant input data to the water resources systems of which the system performance and operation policy are to be determined beforehand. In this study, a multivariate autoregressive model has been applied to generate monthly flows of the multi sites considering the correlations between each site. The model performance was examined using statistical comparisons between the historical and generated monthly series such as mean, variance, skewness and correlation coefficients. The results of this study showed that the modeled generated flows were statistically similar to the historical flows.