• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.32 no.6B
• /
• pp.399-406
• /
• 2012

The objective of this research is to develop greenhouse gas generation models and estimation method of their parameters for solid waste landfills. Two models obtained by differentiating the Modified Gompertz and Logistic models were employed to evaluate two parameters of a first-order decay model, methane generation potential ($L_0$) and methane generation rate constant (k). The parameters were determined by the statistical comparison of predicted gas generation rate data using the two models and actual landfill gas collection data. The values of r-square obtained from regression analysis between two data showed that one model by differentiating the Modified Gompetz was 0.92 and the other model by differentiating the Logistic was 0.94. From this result, the estimation methods showed that $L_0$ and k values can be determined by regression analysis if landfill gas collection data are available. Also, new models based on two models obtained by differentiating the Modified Gompertz and Logistic models were developed to predict greenhouse gas generation from solid waste landfills that actual landfill generation data could not be available. They showed better prediction than LandGEM model. Frequency distribution of the ratio of Qcs (LFG collection system) to Q (prediction value) was used to evaluate the accuracy of the models. The new models showed higher accuracy than LandGEM model. Thus, it is concluded that the models developed in this research are suitable for the prediction of greenhouse gas generation from solid waste landfills.

• Proceedings of the Korean Institute Of Construction Engineering and Management
• /
• 2004.11a
• /
• pp.329-334
• /
• 2004

The objective of this study regards the preceding condition of the construction disposal of waste which is appropriate, with occurrence quantity DB anger the occurrence quantity prediction which is accurate the regression model which it sees and with the method which is mote accurate prediction method of existing than to sleep it presents it does. This study acquires apartment results data of public construction and civil construction, and chose factor that exert biggest influence on the waste occurrence amount through question and interview memorial address by regression model variable. And presented regression mode] which uses statistics program named SPSS. Result of this study by regression model through constant results data DB anger existent error big experience than estimate method that corrector estimation is available show.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.33-33
• /
• 2017

수문모형들은 유역차원의 저감대책 수립 및 평가에 유용하게 사용될 수 있고 이를 활용한 합리적인 예측이 가능하다. 한국의 미계측 유역에 대한 유사발생량 예측을 모델을 개발하였다. 본 연구에서 개발한 예측모형의 특징은 신뢰할 수 있는 관측 자료를 활용하여 단계별 다중회귀분석을 이용하여 매개변수를 결정하였으며, 최소한의 입력자료를 이용하여 전국 규모의 연평균 유사발생량을 예측할 수 있다는 것이다. 본 연구에서 개발된 모형을 활용하여 4대강 유역의 중권역별 유사량을 추정하였다. 수자원장기 종합에서 사용한 중권역별 강우 자료를 활용하여 모의를 수행하였다. 2001년부터 2015년 까지 15년까지 모의결과 4대강 유역 전체적으로 연 강우량의 변동에 따라 유사발생량도 증감하는 패턴을 나타내고 있으며, 그 주기는 약 8년 정도로 추정되었다. 4대강 주요 중권역을 대상으로 2010년에 추정된 비유사량을 K-DRUM 예측값 및 유량조사사업단 추정값과 비교하여 모델의 활용성을 검토하였다. 유사량 예측의 불확실성을 감안할 때 본 연구에서 개발된 모델을 이용하여 1차 스크리닝 수준에서 미계측 유역에 대한 비유사량 예측이 가능할 것으로 판단되며, 향후 미계측 유역에 대한 유사관리계획 수립에 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.390-390
• /
• 2023

최근 기후변화로 인해 가뭄이 5 ~ 7년 주기로 발생하고 있으며 가뭄 강도가 심화되고 있고, 이러한 현상은 향후 10년 이상이 지속될 것으로 예측되고 있다. 이러한 가뭄으로 인해 2022년에는 각 지역에서 제한급수 및 운반급수 피해인구가 발생하였으며, 전국의 다목적댐 또는 용수전용댐에서는 가뭄 대응을 위해 용수를 감량하였다. 특히 2018년에는 농업용수 공급이 어려워 다수의 지역에서는 논이 마르고 밭이 시들어 농업피해가 발생하였다. 이에 따라 농업용 저수지에서는 가뭄 대응을 위해 저수지 운영곡선 및 연계운영 등과 같은 저수지 운영방안 수립이 필요한 실정이다. 하지만 다목적댐과는 달리 농업용 저수지에서는 수문 계측자료가 부족하기 때문에 저수지 운영방안 수립에 한계가 있다. 이에 본 연구에서는 심각한 가뭄이 발생한 섬진강 유역의 농업용 저수지를 대상으로 딥러닝 모델 기반의 일단위 유입량 예측모형을 개발하였다. 저수지 유입량을 예측하기 위해서는 유역평균강우량 및 과거 유입량 등을 독립변수로 선정하였으며, 시계열 자료 분석을 위해 딥러닝 모델 중 GRU(Gated Recurrent Unit) 모델을 활용하였다. 향후에는 예측 유입량을 활용하여 농업용 저수지의 수요량을 고려한 저수지 운영방안 수립을 통해 가뭄에 대응할 수 있을 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.347-348
• /
• 2014

최근 급증하는 교통 혼잡으로 인해 시간적/물질적 손실이 크게 발생하고 있다. 이러한 교통난 해소는 시설투자만으로는 근본적인 해결책이 될 수 없다는 판단 하에 지난 수년간 보다 정확한 교통량을 예측하기 위해 시계열 기반의 다양한 교통량 예측 모델들이 개발 되어 왔다. 그러나 시계열 기반의 모델들은 회귀분석을 통해 과거 교통량을 분석하고 과거의 교통패턴이 미래에도 지속적으로 연장된다는 가정 하에 연구되었기 때문에 실시간으로 급변하는 불규칙한 교통 패턴에 대한 예측의 신뢰성을 떨어트린다. 또한 시계열 기반의 예측 기법은 어떠한 회귀분석 모델을 사용하는지에 따라 성능의 차이가 많이 나타나기 때문에 회귀분석 모델 선택이 중요하다. 이러한 제약을 극복하기 위해 본 논문에서는 은닉 마르코프 모델(Hidden Markov model)을 이용해 동적인 교통 패턴에 따라 현재 상황에 맞는 회귀분석 모델을 선택하는 신뢰도 높은 교통량 예측 시스템을 제안한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.07a
• /
• pp.395-396
• /
• 2014

최근 급증하는 교통 혼잡으로 인해 시간적/물리적 손실이 크게 발생하고 있다. 이러한 교통난 해소는 시설투자만으로는 근본적인 해결책이 될 수 없다는 판단 하에 지난 수년간 보다 정확한 교통량을 예측하기 위해 다양한 교통량 예측 모델들이 개발되어왔다. 그러나 기존 모델들은 회기분석을 통해 과거 교통량을 분석하고 과거의 교통패턴이 미래에 지속적으로 연장된다는 가정 하에 연구되었기 때문에 실시간으로 급변하는 불규칙한 교통 패턴에 대한 예측의 신뢰성을 떨어트린다. 이를 위해 본 논문에서는 큐잉 네트워크 모델 기반의 교통량 예측 모델을 설계 하고 이를 바탕으로 안드로이드 기반의 애플리케이션을 구현하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.226-226
• /
• 2023

하천유량, 댐유입량 등을 예측하기 위해 다양한 Long Short-Term Memory (LSTM) 방법들이 활발하게 적용 및 개발되고 있다. 최근 연구들은 s2s (sequence-to-sequence), Attention 기법 등을 통해 LSTM의 성능을 개선할 수 있음을 제시하고 있다. 이에 따라 본 연구에서는 LSTM-s2s와 LSTM-s2s에 attention까지 첨가한 모델을 구축하고, 시간 단위 자료를 사용하여 유입량 예측을 수행하여, 이의 실제 댐 운영에 모델들의 활용 가능성을 확인하고자 하였다. 소양강댐 유역을 대상으로 2013년부터 2020년까지의 유입량 시자료와 종관기상관측기온 및 강수량 데이터를 학습, 검증, 평가로 나누어 훈련한 후, 모델의 성능 평가를 진행하였다. 최적 시퀀스 길이를 결정하기 위해 R², RRMSE, CC, NSE, 그리고 PBIAS을 사용하였다. 분석 결과, LSTM-s2s 모델보다 attention까지 첨가한 모델이 전반적으로 성능이 우수했으며, attention 첨가 모델이 첨두값 예측에서도 높은 정확도를 보였다. 두 모델 모두 첨두값 발생 동안 유량 패턴을 잘 반영하였지만 세밀한 시간 단위 변화량 패턴 모의에는 한계가 있었다. 시간 단위 예측의 한계에도 불구하고, LSTM-s2s에 attention까지 추가한 모델은 향후 댐유입량 예측에 활용될 수 있을 것으로 판단한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.307-307
• /
• 2022

최근 기후변화와 댐 상류 토지이용 변화 등과 같은 다양한 원인에 의해 댐 유입량의 변동성이 증가하면서 댐 관리 및 운영조작 의사 결정에 어려움이 발생하고 있다. 따라서 이러한 댐 유입량의 변동 특성을 반영하여 댐 유입량을 정확하고 효율적으로 예측할 수 있는 방안이 필요한 실정이다. 머신러닝 기술이 발전하면서 Auto-ML(Automated Machine Learning)이 다양한 분야에서 활용되고 있다. Auto-ML은 데이터 전처리, 최적 알고리즘 선택, 하이퍼파라미터 튜닝, 모델 학습 및 평가 등의 모든 과정을 자동화하는 기술이다. 그러나 아직까지 수문 분야에서 댐 유입량을 예측하기 위한 모델을 개발하는데 있어서 Auto-ML을 활용한 사례는 부족하고, 특히 댐 유입량의 예측 정확성을 확보하기 위해 High-inflow and low-inflow 의 변동 특성을 고려한 하이브리드 결합 방식을 통해 Auto-ML 기반 앙상블 모델을 개발하고 평가한 연구는 없다. 본 연구에서는 Auto-ML의 패키지 중 Auto-sklearn을 통해 홍수기, 비홍수기 유입량 변동 특성을 반영한 하이브리드 앙상블 댐 유입량 예측 모델을 개발하였다. 소양강댐을 대상으로 적용한 결과, 하이브리드 Auto-sklearn 앙상블 모델의 댐 유입량 예측 성능은 R² 0.868, RMSE 66.23 m³/s, MAE 16.45 m³/s로 단일 Auto-sklearn을 통해 구축 된 앙상블 모델보다 전반적으로 우수한 것으로 나타났다. 특히 FDC (Flow Duration Curve)의 저수기, 갈수기 구간에서 두 모델의 유입량 예측 경향은 큰 차이를 보였으며, 하이브리드 Auto-sklearn 모델의 예측 값이 관측 값과 더욱 유사한 것으로 나타났다. 이는 홍수기, 비홍수기 구간에 대한 앙상블 모델이 독립적으로 구축되는 과정에서 각 모델에 대한 하이퍼파라미터가 최적화되었기 때문이라 판단된다. 향후 본 연구의 방법론은 보다 정확한 댐 유입량 예측 자료를 생성하기 위한 방안 수립뿐만 아니라 다양한 분야의 불균형한 데이터셋을 이용한 앙상블 모델을 구축하는데도 유용하게 활용될 수 있을 것으로 사료된다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.213-213
• /
• 2022

본 논문은 슬로싱(Sloshing) 거동에 놓인 극저온 액체수소 화물창의 BOG 예측을 위한 CFD 해석 절차를 다루고 있다. 특히, 적재율(Filling Ratio)에 따라 달라지는 열 유입과 그에 따른 액체수소의 기화 경향을 파악하기 위한 목적으로 수행되었다. 액체수소와 기체수소의 혼재에 의한 다상 열유동(Multiphase-Thermal flow) 특성을 반영하고 유동에 따른 강제 대류 현상을 열유속에 반영하기 위한 CFD 해석을 수행하였다. 다상 유동 모델의 정확성을 검증하기 위하여 슬로싱 실험의 압력 계측 값과 해석의 압력 값 및 자유수면(Free surface) 형상을 비교하였다. 소형 C-Type 독립형 액화수소 탱크를 대상으로 슬로싱 유동과 BOG 발생을 수치적으로 예측하였다. 해석 과정에서 VOF(Volume of fraction) 모델과 Eulerian 모델을 모두 적용하여, 액체수소에 유입되는 열 유속(Heat flux)의 예측 정확성을 비교하였다. 슬로싱 유무에 따라 액체수소에 유입되는 열 유속을 비교하여 슬로싱 유동의 포함 여부에 따른 BOG 발생량의 변화를 제시하였으며, 최종적으로 액체수소의 충전율(Filling ratio) 별로 BOG 발생량의 경향성을 제시하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.358-360
• /
• 2023

뱀장어는 내수면 양식어종으로 뱀장어 양식에서 널리 쓰이는 지수식 양식에 있어서 가장 중요하고 가장 어려운 것은 수질관리다. 수질을 구성하는 요소와 공급된 사료량은 서로 상관관계를 가지며, 이 상관관계에 이상 현상이 발생하면 먹이 섭취 불량과 폐사로 이어질 수 있다. 그래서 본 연구에서는 센서로 측정한 양식장 데이터와 인공지능 모델을 이용하여 수조 속 DO 를 예측하는 모델을 새롭게 제안하여, 적절한 사료 공급 시점과 적절한 공급량을 결정하는 방안에 적절히 사용할 수 있다는 것을 검증하였다. 사료 공급과 공급량에 따른 변화를 가미한 3 시간 후의 DO 를 합당한 이벤트 처리를 통해 예측하였다. 이를 활용하면 사료로 인해 떨어지는 DO 수치를 예측하고, DO 수치가 낮아 회복이 필요한 시점에 투입하는 사료량을 조절하여 질식으로 인해 발생하는 폐사로부터 양식어를 지키며 보다 안정적으로 양식을 위해 활용할 수 있다는 점을 확인할 수 있었다.