• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.39-39
• /
• 2017

한반도 기후변화 경향은 이미 기상 생태 환경 수자원 등 광범위한 부분에서 감지되고 있다(기상청, 2011a, 2011b). 현재까지의 연구에 따르면 한반도 기후변화에 따른 영향으로 강우패턴은 첨두강우가 7월에서 점차 8월로 이동 변화하는 것으로 전망되고, 양적으로 연강수량은 점차 감소가 전망되면서도 극한 값은 발생빈도와 크기가 점증할 것으로 전망되고 있다. 그래서 그간 기존댐에 대한 재평가(1998, 2010, 2012)와 발생 가능한 최대강우량 설계기준으로 기존 댐의 여수로 배제 능력을 증대시키는 비상여수로 설치 등 기존 댐 시설위주의 효율적인 기후변화 대응 또는 적응 방안을 시행해 왔다. 그러나, 기후변화로 인한 기상 상황은 전에 발생한 적이 없었던 새로운 기상이변과 재난을 가져오고 있다. 이에 기상 변화에 하나의 시설로서 대응 하던 방식에서 한 번의 기상이변이 유역 전반에 걸쳐 재난을 발생하는 최근의 상황에 맞추어 수자원 시설을 계획하는 방식에 대한 변화의 필요성 있다고 생각하였다. 이에 장래 전망되는 기후변화를 감안하여 이수와 치수 시설의 가뭄과 홍수에 대한 대처 능력을 유역 차원에서 평가하는 방법을 찾아보고자 한다. Robust 하다는 것은 어떤 상황에서도 작동이 되는 것을 말하는 강건한 계획으로, 이와 같은 시설 계획을 위해서는 먼저 현재의 시설물에 대한 회복력을 판단하는 평가가 있어야 할 것이다. 따라서, 용수공급이든 홍수 재난이든 회복력(복원력)에 대한 평가를 하고, 대안에 대한 로버스트 의사 결정 방법(RDM: Robust Decision Making)을 적용하여 우수한 대안을 찾으면 강건한 시설계획 수립이라는 절차가 될 수 있다고 판단하였다. 본 연구는 회복력(복원력)을 갖는 로버스트 의사결정방법에 대한 과거 연구 조사를 기초로 하여 연구 수행 절차를 마련한 후에 장래 한반도 기후변화 시나리오를 시범 유역에 적용하여 수자원 시설의 복원 또는 회복력을 분석하고, robust 의사결정방법을 적용함으로써, 향후 로버스트 수자원 시설 계획이 어떻게 이루어져야 하는지와 함께 이수와 치수 시설의 종합적인 계획 등에 대한 개념적인 절차와 방법의 제시를 도모하였다.

• The Korean Journal of Applied Statistics
• /
• v.8 no.1
• /
• pp.119-131
• /
• 1995

Based on Monte-Carlo simulation results we propose a robust analysis of variance procedure by utilizing trimmed mean and Winsorized variance. We deal with mainly the one-way classification case. We evaluate the empirical distribution of a pseudo-F statistic based on symmetrically Winsorized sum of squares when the population is normally distributed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.94-94
• /
• 2012

기후변화 대응은 온실가스 배출의 감축 및 흡수원을 확대하는 완화(mitigation)와 기후변화로 인한 영향과 취약성을 평가하여 피해를 최소화하는 적응(adaptation)이 상호 균형을 이루어야 한다. 지금까지 우리나라를 포함한 국제사회는 대부분 완화를 위해 노력해 왔지만 최근에 들어 완화만으로는 기후변화의 영향을 회피하기 어렵다는 사실이 인식되면서 적응 연구가 다양하게 이루어지고 있다. 이러한 상황 가운데 적응 계획의 실현화를 위해서 기후변화의 불확실성을 고려한 의사 결정에 관한 연구가 반드시 뒷받침 되어야 한다. 기존의 일반적인 의사결정은 다양한 미래 시나리오들 하에 가장 높은 효용을 가져오는 최적(Optimal)의 대안을 채택하는 고전적 결정분석(Classical Decision Analysis)의 프레임을 사용하였다. 그러나 기후변화로 인해 미래 기후 예측 시나리오의 불확실성이 증대되면서 최근에는 최적의 대안을 선정하는 것에 대한 의문이 제기되며 새로운 기법에 대한 연구가 이루어지고 있다. 본 연구는 기후변화의 불확실성을 고려하기 위한 새로운 의사결정 기법인 로버스트 의사결정(Robust Decision Making, RDM)을 실제유역의 적용을 통해 제안하고자 한다. 로버스트 의사결정은 RAND에서 개발한 것으로 최적의 대안을 채택하는 것 대신 모든 가능한 시나리오 가운데 가장 안정적인 전략을 채택한다는 것에서 기존의 의사결정 체계와 차이가 있다. 연구의 적용은 안동-임하댐 유역을 대상으로 온실 가스 배출 시나리오 A1B, A2, B1시나리오에 대해 15개의 GCMs에서 산출된 기후자료를 기반으로 기후변화의 시나리오를 작성하였으며, 다양한 측면의 대안을 설정하여 용수공급량을 평가하였다. 연구의 결과로 산정될 각 대안 별 안정적인 정도와 취약한 시나리오에 대한 정보는 기후변화의 불확실성을 전제한 의사결정을 할 때 로버스트 의사결정이 갖는 장점이 될 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.8 no.2
• /
• pp.77-86
• /
• 1995

For the problem of testing the parallelism of two regression lines, a robust procedure is proposed and examined. The proposed test statistic is based on the one-step GM-estimators of slope parameters proposed by Song et al. (1994b). These GM-estimators used the Least Trimmed Squares estimates as an initial values so as to obtain high breakdown point. Through a small-sample Monte Carlo simulation the empirical levels and powers of the proposed test are compared with other tests under various error distributions.

• The Korean Journal of Applied Statistics
• /
• v.19 no.2
• /
• pp.305-317
• /
• 2006

Outliers adversely affect model identification, parameter estimation, and forecast in time series data. In particular, when outliers consist of a patch of additive outliers, the current outlier detection procedures suffer from the masking and swamping effects which make them inefficient. In this paper, we propose new outlier detection procedure based on high breakdown estimators, called as the dual robust filtering. Empirical and simulation studies in the autoregressive model with orders p show that the proposed procedure is effective.

• Journal of the Korean Data and Information Science Society
• /
• v.8 no.2
• /
• pp.163-171
• /
• 1997

Function approximation from a set of input-output pairs has numerous applications in scientific and engineering areas. Multilayer feedforward neural networks have been proposed as a good approximator of nonlinear function. The back propagation(BP) algorithm allows multilayer feedforward neural networks to learn input-output mappings from training samples. It iteratively adjusts the network parameters(weights) to minimize the sum of squared approximation errors using a gradient descent technique. However, the mapping acquired through the BP algorithm may be corrupt when errorneous training data we employed. When errorneous traning data are employed, the learned mapping can oscillate badly between data points. In this paper we propose a robust BP learning algorithm that is resistant to the errorneous data and is capable of rejecting gross errors during the approximation process, that is stable under small noise perturbation and robust against gross errors.

• The Korean Journal of Applied Statistics
• /
• v.29 no.3
• /
• pp.471-485
• /
• 2016

Least squares (LS) regression is a classic method for regression that is optimal under assumptions of regression and usual observations. However, the presence of unusual data in the LS method leads to seriously distorted estimates. Therefore, various robust estimation methods are proposed to circumvent the limitations of traditional LS regression. Among these, there are M-estimators based on maximum likelihood estimation (MLE), L-estimators based on linear combinations of order statistics and R-estimators based on a linear combinations of the ordered residuals. In this paper, robust regression estimators with high breakdown point and/or with high efficiency are compared under several simulated situations. The paper analyses and compares distributions of estimates as well as relative efficiencies calculated from mean squared errors (MSE) in the simulation study. We conclude that MM-estimators or GR-estimators are a good choice for the real data application.

• Transactions of the Korean Society of Automotive Engineers
• /
• v.5 no.4
• /
• pp.100-109
• /
• 1997

Parameters in the internal combustion engines are variable depending on the operating points. Therefore, it is necessary to compensate for the uncertainties. Form this point of view, this paper gives a controller design method and a robust stability condition by LMI approach for engine torque control which satisfies the gives H$\infty$ control performance in the presence of physical parameter perturbations. To the end, the robustness of the system in the presence of perturbation is guaranteed in the all engine operating regions. Its effectiveness is demonstrated by simulation.

• The Korean Journal of Applied Statistics
• /
• v.17 no.2
• /
• pp.327-336
• /
• 2004

Many researchers have used the robust variogram to reduce the effect of outliers in spatial data analysis. Recently it is known that estimating the variogram after replacing outliers is more efficient. In this paper, we suggest a new data cleaner for geostatistic data analysis and compare the efficiency of outlier cleaners.

• The Korean Journal of Applied Statistics
• /
• v.17 no.3
• /
• pp.519-533
• /
• 2004

In this paper, we suggest quasi-likelihood estimation (QLE) method and its robust version in estimating spatial dependence modelled through variogram used for spatial data modelling. We compare the statistical characteristics of the estimators with other popular least squares estimators of parameters for variogram model by simulation study. The QLE method for estimating spatial dependence has the advantages that it does not need the concept of lags commonly required for least squares estimation methods as well as its statistical superiority. The QLE method also shows the statistical superiority to the other methods for the tested Gaussian and non-Gaussian spatial processes.