• 응용통계연구
• /
• 제33권1호
• /
• pp.1-10
• /
• 2020

본 연구에서는 선형회귀모형에서 이상치와 변수변환을 고려한 변수선택 알고리즘을 다룬다. 제안된 방법은 잠재적 이상치를 탐지하여 제거한 후 변수변환 추정을 위해 최소 절사 제곱 추정법을 적용하며 가능한 모든 회귀모형을 비교하여 최종적으로 변수를 선택한다. 정확한 변수 선택과 추정된 모델의 적합도의 맥락에서 방법의 효율성을 보여주기 위해 실제 데이터 분석 및 시뮬레이션 결과가 제시된다.

• 응용통계연구
• /
• 제21권2호
• /
• pp.301-312
• /
• 2008

상호정보(mutual information: MI)는 설명변수의 목적변수에 대한 예측정도를 나타내는 척도로서, 목적변수에 대한 설명 변수의 중요도 순위를 구하거나 목적 변수를 잘 설명해주는 설명변수의 집합을 구하는 변수선택문제에 유용하게 사용된다. 본 논문에서는 연속형 설명변수와 범주형 목적변수로 구성된 데이터로부터 결합확률분포를 추정하지 않고도 MI 추정량을 구할 수 있는 Sample-spacing 방법에 대한 연구를 수행하였다. 몬테 칼로 모의 실험과 실제데이터에 대한 실험결과, MI 추정을 위해 Sample-spacing 방법을 사용할 때 m = 1을 사용하면 충분히 신뢰할만한 결과를 얻을 수 있다는 것을 알 수 있었다.

• 한국수자원학회논문집
• /
• 제36권4호
• /
• pp.587-596
• /
• 2003

모델의 적용에 있어서 안정성과 신뢰성 있는 예측치를 얻기 위해서는 그 유역의 장기간의 강우-유출 기록자료들이 필요하다. 그러나 대부분의 유역들은 계측이 이루어지지 않아 수문기록 자료들을 전혀 보유하고 있지 않거나, 설사 있다하더라도 모델검정에 필요한 충분한 자료들을 보유하고 있지 않은 실정이므로 이러한 유역들에 있어 모델적용은 상당한 어려움을 수반한다. 본 연구에서는 이러한 미계측 유역 및 기록자료들이 미비한 계측유역의 모델적용에 있어서 정확한 모델변수추정을 꾀하고 이로 인한 모델의 신뢰도를 높이기 위하여 추론모델을 통한 매개변수추정을 도모한 간접추정법을 개발하였다. 수량 및 수질 모의에 가장 민감하게 영향을 미치는 토지이용인자를 주 요소로 하여 유도된 추론 모델은 현재 널리 사용되고 있는 SWMM(Storm Water Management Model)의 매개변수 추정에 사용할 수 있도록 유도되었으며, 추론모델의 적용성 효과를 최대화하기 위하여 추론모델에 필요한 유역의 지형특성인자들은 지리정보시스템을 이용하여 추출하였다. 제안된 방법의 적용성 실험은 호주 시드니에 위치한 센테니얼 파크 유역 (Centennial Park catchment)을 대상으로 하였다. 간접추정법을 적용한 경우 기존의 모델 검정방법을 통해 모델 변수를 추정한 경우보다 모델 예측치의 신뢰도를 월등히 높일 수 있었음은 물론, 제안된 추정법의 적용에 의한 각 소유역내의 상당한 수의 지형특성변수들의 추정에 드는 엄청난 시간과 노력을 최소화 할 수 있었다.

• 대한토목학회논문집
• /
• 제13권4호
• /
• pp.177-188
• /
• 1993

WASP4 모형을 팔당호(八堂湖)에 적용하여 모형의 매개변수 추정을 수행하였다. 추정방법으로는 수질항목 및 매개변수들을 몇 개의 군으로 나누어, 각 군이 매개변수들을 시행착오법에 의하여 순차적으로 추정하는 방법을 사용하였다. 모의 수질항목으로서 엽록소 a, 질소 순환용소들, 인 순환요소들, BOD 및 DO 등을 포함하였으며, 복잡도 4에서 수질을 모의하였다. 1989년 및 1990년 월별 댐유입량 및 방류량 자료를 사용한 계절별 물수지 분석에 의하여 모형의 경계단에서의 유량 입력자료를 산정하여, 수질 측정자료의 계절별 평균치와 함께 계절별 매개변수의 추정 및 검증에 각각 사용하였다. 수질항목 및 관련 매개변수들을 계열별로 분류하여 추정하는 것이 많은 수의 매개변수 추정에 있어서 효율적인 방법임을 알 수 있었다. 모형의 보정 및 검증 결과, 유기물의 비점오염원(非點汚染源) 및 저면용출량(底面溶出量)에 대한 정량적 평가가 필요함을 알 수 있었다. 특히 경안천(慶安川) 유입수역에서의 저면용출량(底面溶出量)이 상당한 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.45-45
• /
• 2017

상이한 자연현상으로 발생된 자료들은 때때로 통계적으로 다른 특성을 가지는 경우가 있다. 이런 자료들은 다른 두 개 이상의 모집단에서 자료가 발생한 것으로 가정할 수 가 있다. 기존에 널리 사용되어온 분포형 모형의 경우 단일한 모집단으로부터 자료가 발생한다는 가정하에서 개발된 모형들로 위에서 언급한 자료들을 적절히 모의할 수 없다. 이런 상이한 모집단에서 발생된 자료를 모형화 하기 위해서 혼합분포모형(mixture distribution)이 개발되었다. 홍수나 가뭄 등과 같은 극치 사상의 경우 다양한 자연현상들로부터 발생하기에 혼합분포모형을 적용할 경우 보다 정확한 모의가 가능하다. 혼합분포모형은 두 개 이상의 비혼합분포모형들을 가중합하여 만들어진다. 혼합 분포모형의 형태로 인하여 기존의 분포형 모형의 매개변수 추정 모형으로 널리 사용되던 최우도법 (maximum likelihood method), 모멘트법(method of moment), 확률가중모멘트법 (probability weighted moment method) 등을 이용하여 혼합분포모형의 매개변수를 추정하는 것이 용이 하지 않다. 혼합분포모형의 매개변수 추정 방법으로는 Expectation-Maximization (EM) 알고리즘, Meta-Heuristic Maximum Likelihood (MHML) 방법, Markov Chain Monte Carlo (MCMC) 방법 등이 적용되고 있다. 현재까지 수자원 분야에서 사용되는 극치 자료를 혼합분포모형을 이용하여 모의할 때 매개변수 추정방법에 따른 특성에 대한 연구가 진행되지 않았다. 본 연구에서는 우리나라 연최대강우량 자료를 이용하여 혼합분포모형의 매개변수 추정방법 (EM 알고리즘, MHML 방법, MCMC 방법) 들의 특성들을 비교 분석하였다. 혼합분포모형으로는 Gumbel-Gumbel 혼합분포 모형을 적용하였다. 본 연구의 결과는 향후 혼합분포모형을 이용한 연구에 좋은 기초자료로 사용될 수 있을 것으로 판단된다.

• 한국방재학회 논문집
• /
• 제10권6호
• /
• pp.131-138
• /
• 2010

본 연구에서는 저류함수법의 매개변수 추정을 위해 개발한 범용모형을 토대로 관측수문자료를 보유하고 있는 16개 댐유역에 적용하여 그 적정성을 확인하였다. 저류함수법의 기존 매개변수 추정식은 대부분 한정된 조건에서 얻어졌고 다양한 유역특성을 고려할 때 물리적 의미가 없는 값이 얻어지는 경우가 많아 미계측유역에서 적용이 회피되어 왔다. 본 연구에서 개발된 매개변수 추정결과는 이러한 문제를 보이지 않으면서도 다양한 유역특성인자의 변화에 민감하게 반응할 수 있는 특성을 보여주고 있었다. CN방법에 의해 직접적으로 도출된 유효우량과 함께 범용모형을 이용한 매개변수 추정을 토대로 미계측유역에서 저류함수법의 활용성을 높일 수 있을 것으로 기대된다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권3호
• /
• pp.457-465
• /
• 2012

본 연구의 목적은 한국대학교육협의회 대학정보공시센터의 '대학알리미'에서 주요 대학지표들을 분석하고, 지표들 간의 연관성과 통계적 모형을 추정하는데 있다. 먼저 상관계수에 대한 통계적 검정을 이용하여 변수들 간의 통계적으로 유의한 상관성을 추정하고, 이들 주요 지표들의 모형을 추정하기 위해서 회귀분석 방법의 변수선택 방법을 이용하여 회귀 방정식을 추정하여 변수들 간의 연관성을 조사하였다. 변수선택의 판정기준에 따른 방법으로 전진선택법과 후진제거법, 단계별 회귀방법을 사용하였다.

• 한국인구학회:학술대회논문집
• /
• 한국인구학회 2006년도 후기학술대회 및 정기총회
• /
• pp.193-230
• /
• 2006

본 논문은 국가별 추계인구와 미래 9개년 인구관련 설명변수들의 추정값을 통하여 적정인구 모형을 구형하고 한국의 적정인구를 추정하는데 목적이 있다. 후생을 고려한 생산함수 확장모형, 세계 176개국의 표본자료 그리고 다중회귀분석을 이용하여 $2000{\sim}2300$년 한국의 적정인구를 추정하고 그 추세곡선을 나타내는 것이다. 모형의 종속변수는 UN에 의한 세계각국의 추계인구이고, 설명변수는 9개 변수 즉 PPP GDP, 인접지역 경제통합율, 교육수준, 영어구사비율, 국토유효면적, 에너지량, 기온, 수자원량, 무역거리이다. 연구결과는 다음과 같다. $2000{\sim}2300$년 한국의 적정인구는 $4,350{\sim}4,950$만명으로 추정되며, 2000년${\sim}$2050년은 $4,700{\sim}5,010$만명, 2050년${\sim}2100$년은 $4,770{\sim}4,400$만명이 된다. 2125년 최저점 4,350만명을 통과한 후 점진적으로 2300년의 4,870만명으로 접근해 갈 것으로 추정된다. 연구결과의 시사점은 네 가지이다. 첫째 한국의 적정인구가 2125년을 기준으로 이전은 감소 이후는 증가 추세일 것이므로 정책결정시 적정한 목표인구를 설정해야 한다는 점이다. 둘째 현 추세로 진행되면 2050년 이후 적정인구가 추계인구보다 $500{\sim}600$만명 더 많아진다는 점이다. 셋째 2125년 이전의 적정인구는 좁게 $4,770{\sim}4,545$만명으로서, 출산율 향상을 통한 적정인구의 유지 노력이 필요하다는 점이다. 넷째 적정인구 추세의 기복은 출산기피로 인한 인구감소 때문으로 출산지원과 입양 및 이민 유입의 정책에 따라 변화될 수 있다는 점이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.

• Communications for Statistical Applications and Methods
• /
• 제15권6호
• /
• pp.977-991
• /
• 2008

본 논문에서는 연속형 변수에 대한 결합확률분포를 추정하지 않고도 상호정보(MI) 추정량을 구할 수 있는 k-최근접이웃 기반방법에 대하여 연구하였다. 변수가 동일한 값들을 가지는 경우 k-최근접이웃을 구할 때 생기는 문제점을 해결하기 위하여 지터링(jittering)과 붓스트랩(bootstrap) 방법을 제안하였다. 몬테칼로 모의실험과 실제 데이터에 대한 실험을 수행한 결과, k=1과 같이 작은 값을 사용한 k-최근접이웃 기반방법에 의해 효율적인 MI 추정량을 구할 수 있었다. k-최근접이웃 기반방법은 연속형 설명변수, 범주형 또는 연속형인 목적변수 형태의 데이터에 적용할 수 있으며, 목적변수에 영향을 주는 중요한 설명변수의 순서를 구할 수 있을 뿐만 아니라 다차원에도 적용할 수 있기 때문에 중요변수의 집합을 구하는 변수 선택(feature subset selection) 문제에도 적용할 수 있다.