• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.66-66
• /
• 2022

아날로그 기법은 대표적인 공간상세화 기법 중 하나로써, 과거 기상 현상이 미래 재현된다는 가정 하에 목표 시점과 가장 유사한 기상패턴을 보이는 과거 시점을 활용하여 공간상세화를 수행하는 방법이다. 상세화 목표 시점과 가장 유사한 과거 시점을 찾기 위해서는 선결되어야 하는 매개변수가 존재한다. 특히 상세화 성능에 민감한 것으로 알려진 매개변수로는 목표 시점과 유사한 과거 시점 탐색에 활용되는 시공간 범위, 상세화 변수와 역학적 관계를 가지고 있는 종관기상변수, 상세화에 활용되는 과거 시점의 개수 등이 있다. 아날로그 기법의 매개변수를 탐색하고자 하는 시도는 국외에서 여러 차례 진행되어 왔으나, 각 매개변수는 지역의 기상특징에 따라 상이한 결과를 나타내었다. 국내에서는 국외에서 수행한 탐색 결과를 활용하여 공간상세화를 주로 수행하여 왔지만, 보다 높은 성능의 상세화를 수행하기 위해서는 국내 지역에 맞는 매개변수를 활용하는 것이 타당하다. 본 연구에서는 국내 지역에 적합한 아날로그 공간상세화 매개변수를 탐색하고 이를 제시하고자 한다. 탐색된 매개변수는 아날로그 공간상세화 기법뿐만 아니라 다양한 공간상세화 기법에 활용하능한 정보이기 때문에, 연구결과의 활용성이 높을 것으로 판단된다.

• The Journal of the Korea Contents Association
• /
• v.20 no.8
• /
• pp.653-665
• /
• 2020

As the use of recommended agents has become more active, the "Explain Facilities" is drawing attention as a way to solve the black-box problem that could not explain internal logic to users. This study wants to look at how the description Method and Detail affects to user experience. The Explanation method was divided into 'why the agent did a particular action' and 'why not do a particular action' and the detail condition were divided into 'high or low'. Studies have found that 'why method' have a positive effect on users' transparency, trust, satisfaction, and behavioral intention to use, and 'high detail condition' higher the user' Psychological reactance. In addition, it was found that the explanation methods and detail influenced the 'Explanation' perception through interaction and tended to affect satisfaction and intention to adopt recommendation. This study suggested that careful attention is needed to determine the method and detail of the Explanation facilities in the context of the recommended agent, based on the research findings that it affects the user experience through the interaction of the method and detail.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1191-1196
• /
• 2009

온실가스 증가에 따른 미래 기후변화가 수자원에 미치는 영향을 평가하기 위하여 전구기후모델(AOGCM)의 기온과 강수 자료를 이용하여 한반도 지역에 대한 통계적 규모 상세화(statistical downsacaling, SDS) 기법을 개발하였다. 개발된 기법은 Cyclostationary Empirical Orthogonal Function (CSEOF) 분석과 회귀분석을 결합한 것으로 관측과 AOGCM 시계열의 통계적 상관성을 이용하고 있다. 20세기말(1973-2000) 동안의 광역규모의 기온(ECMWF)과 강수량(CMAP) 및 AOGCM의 기온과 강수량 자료에 통계적 상세화 기법을 적용하고 비교함으로써 이 기법의 유효성을 검증하였는데, 상세화된 기온과 강수량 자료는 관측된 계절변동성과 월변동성을 잘 모사하였다. 특히, 여름철 관측에 비해 저평가된 AOGCM의 강수량 크기와 변동성이 상세화를 통해 관측치에 근접하게 되었다. AOGCM의 미래 강수량 변화는 21세기 후반에 계절적으로 봄과 여름에 증가할 것을 예상되었다. 상세화된 AOGCM의 강수는 겨울을 제외한 모든 계절에서, 특히 여름철에 가장 많이 증가할 것으로 전망되었다. AOGCM의 미래 기온변화는 21세기 후반으로 갈수록 상승하며, 계절적으로 겨울철의 기온 상승폭이 더 클 것으로 전망되는데, AOGCM을 상세화한 결과에서는 겨울과 더불어 여름에도 기온 상승폭이 클 것으로 전망되었다. 개발된 기법은 역학적 결과와 관측과의 통계적 상관성을 이용하기 때문에 광역규모의 기후적 특성뿐만 아니라 한반도 지형 등 지역적 특성도 모두 반영함과 더불어 광역규모의 자료를 빠른 시간내에 효과적으로 상세화시킬 수 있는 장점도 지닌다. 한편 상세화에 사용된 CSEOF의 모드수 등에 따른 불확실성 등은 통계적 상세화 과정에 개선될 여지가 남아있음을 보여준다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.124-124
• /
• 2012

기후변화가 수자원에 미치는 영향을 예측하는 데에 널리 사용되는 GCMs (General Circulation Models)는 모의 결과의 시 공간적 해상도가 낮기 때문에 상세화 (Downscaling) 기법을 거쳐 수문 모형에 적용된다. 상세화 기법은 크게 역학적 상세화 (Dynamical downscaling)와 통계적 상세화 (Statistical downscaling)로 구분되며, 종류가 매우 다양하고 각각의 모의 능력에 차이가 있으므로 적절한 기법을 선택할 필요가 있다. 본 연구의 목적은 통계적 상세화 기법 중 인공신경망과 LARS-WG 모형을 활용하여 CGCM3.1 T63의 모의 결과를 상세화하고, 두 모형의 모의 결과를 비교하는 데에 있다. 인공신경망은 비선형함수에 의한 전이함수 모형인 반면 LARS-WG는 추계학적 기상 발생기 모형으로, 각 모형을 이용해 CGCM3.1 T63의 강수량 및 평균기온 모의 결과를 서울 지역에 대해 공간적으로 상세화하였다. 모형의 검 보정은 1971년부터 2000년까지 30년 동안의 서울 관측소 일 기상 자료와 CGCM3.1 T63 (20C3M 시나리오) 모의 결과를 이용하여 수행하였다. 각 기법의 비교 및 평가는 2001년부터 2011년까지 11년 동안의 일 기상 자료와 CGCM3.1 T63 (IPCC SRES A1B 시나리오) 모의 결과를 이용하였다. 분석 결과, 인공신경망 모형은 입력 자료의 형태에 따라 모의 결과가 크게 달라지는 특성을 보였으며, LARS-WG 모형은 강수량을 실제보다 과소 추정하는 경향을 보였다. 본 연구에서는 강수량과 평균기온만을 대상으로 하였으나, 추후에 다른 기상인자를 고려함으로써 모형의 적용성을 보다 종합적으로 판단할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.93-93
• /
• 2011

전 세계적으로 기후변화로 인한 기상재해의 피해가 매년 증가하고 있으며, 기후변화로 인한 시민들의 안전, 재산, 인명피해 또한 늘어나고 있다. 이러한 피해를 최소화하기 위해서는 도시지역을 중심으로 한 신뢰성 높은 미래 기후전망 기법이 필수적이며, 미래 기후전망을 바탕으로 하여 기후변화로 인한 향후 발생할 수 있는 위험성의 정도를 전망하여 적응대책을 수립할 필요가 있다. 본 연구에서는 도시지역의 미래 기후전망 기법을 개발하여 서울시의 미래기후를 전망한다. 본 연구를 수행하기 위하여 먼저 IPCC 기후시나리오에 대한 조사를 수행하여 자료를 수집한다. 수집한 자료를 바탕으로 역학적 상세화와 통계적 상세화 기법을 이용하여 고해상도 기후 시나리오를 생산하였다. 역학적 상세화 기법은 A2시나리오의 ECHO-G/S에서 생산된 기후 시나리오를 이용하여 지역 기후모델인 RegCM3에 적용하여 상세화 과정을 수행하였다. RegCM3를 이용하여 60km로 상세화한 후에 one-way double-nested system을 구축하여 20km까지 상세화 하였다. 20km 해상도의 기후 시나리오는 서울시와 같은 좁은 지역의 기후를 분석하기에는 어려움이 있으므로, RegCM3에 사용할 수 있는 Sub-BATS라는 기법을 이용하여 5km의 고해상도 기후 시나리오를 생산하였다. 역학적 상세화 결과는 관측결과에 비해 과소 추정되는 경향이 있어, 편차보정을 통하여 관측값에 가까운 자료를 만들어 주었다. 역학적 상세화 결과를 분석한 결과, 기준기간에 비해 미래기간(S3)에는 전체적으로 약 4.9도의 기온상승과 강수량 증가가 나타났으며, 특히 9월에 가장 큰 상승폭을 나타내고 있었다. 강수량의 경우 증가 경향이 뚜렷이 나타나고 있었으며, 여름철에 큰 증가폭을 나타내고 있었다. 통계적 상세화 기법은 역학적 상세화 기법에서 사용된 ECHO-G/S를 포함한 13개의 GCM결과와 우리나라의 57개 지점에 대한 CSEOF기법을 이용하여 기후 시나리오를 생산하였다. 이 자료는 서울시에 대하여 하나의 지점밖에 존재하지 않아, 서울시내의 지역별 미래 기후전망에는 문제가 있었으므로, Delta method라는 기법을 이용하여 서울 및 인근지역의 AWS 35개 지점에 대하여 미래 기후시나리오를 생산하였다. 통계적 상세화 결과, 13개 GCM의 기온변화는 전체평균 약 3.1도 상승하였고, 겨울과 여름철의 변화폭이 가장 크며, 모델의 불확실성 또한 겨울과 여름에 가장 큰 특징을 가지고 있다. 강수량의 경우 MME에서는 약간의 상승은 나타나고 있었지만 모델간의 불확실성은 여름철에 크게 나타나고 있었다. 역학적 및 통계적 상세화 기후 시나리오(ECHO-G/S, A2)를 비교 분석한 결과, 기온은 역학적 상세화 결과가 약간 크게 나타났으며, 전체적으로 유사한 패턴을 보이고 있었다. 강수량 또한 역학적 상세화 결과가 크게 나타나고 있었다. 역학적 및 통계적 상세화 결과는 S1의 경우 유사한 특징을 보이고 있었지만 S3로 갈수록 차이가 크게 나타나고 있었다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.235-238
• /
• 2011

본 연구에서는 필요한 수준의 성과품 납품을 위해 교량정보모델의 상세수준을 분류하고 각 상세수준에서 요구되는 세부정보를 분석하였다. 이는 기본적으로 교량 설계 업무가 단계별로 이루어지며 각 단계마다 성과품을 납품하도록 규정 되어있다는 사실을 바탕으로 연구가 이루어졌다. 이를 위하여 본 연구에서는 우선, 국내의 교량 설계준공단계 성과품 납품 항목 중 교량정보모델에 요구되는 항목을 분류하였으며 분류한 요구항목에 맞춰 3D객체와 속성정보수준을 정하여 업무 프로세스 단계별 상세수준을 정의하였다. 또한, 정의한 상세수준을 기준으로 하여 각 상세수준에서 포함하도록 요구되는 세부정보 분석을 수행하였으며, 분석된 세부요구정보는 성과품 납품에 활용가능하다.

• Journal of Korea Water Resources Association
• /
• v.47 no.11
• /
• pp.1095-1105
• /
• 2014

A spatial downscaling method using the Support Vector Machine (SVM) Regression for 25 km Tropical Rainfall Measuring Mission (TRMM) Monthly precipitation is proposed. The nonlinear relationship among hydrometeorological variables and precipitation was effectively depicted by the SVM for predicting downscaled grid precipitation. The accuracy of spatially downscaled precipitation was estimated by comparing with rain gauge data from sixty-four stations and found to be improved than the original TRMM data in overall. Especially the positive bias of the original TRMM data was effectively removed after the downscaling procedure. The spatial distributions of 25 km and 1 km grid precipitation were generally similar, while the local spatial trend was better detected by 1 km grid precipitation. The downscaled grid data derived from the proposed method can be applied in hydrological modelling for higher accuracy and further be studied for developing optimized downscaling method incorporation other regression methods.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.229-229
• /
• 2016

현재 국내외에서 제공되고 있는 기후변화 시나리오 자료의 경우 일단위로 제공되고 있다. 그러나 수자원 설계 및 계획 시 중요한 입력자료 중 하나는 시간단위 강우 자료이다. 이러한 시간단위 자료는 강우-유추 분석, 댐 설계 및 위험도 분석에 있어 중요한 입력 변수중 하나이므로 기후변화 시나리오에 따른 영향을 평가하기 위해선 신뢰성 있는 상세화 기법이 필요하다. 국내외에서는 일단위에서 일단위로 상세화 하는 기법, 또는 공간상세화 기법 연구는 상당히 진행된바 있는 반면, 시간단위 상세화 기법 연구는 일단위 연구에 비해 상대적으로 미진한 실정이다. 즉 일단위 상세화 기법의 경우 Weather generator, Weather typing 등 다양한 기법이 존재하고 이를 활용한 연구사례가 많지만, 시간단위 상세화 기법의 Poisson 기법을 활용한 사례가 다수 존재하였다. 이러한 이유로 본 연구에서는 기후변화 시나리오에 따른 영향을 평가하기 위해 Bayesian 기법을 도입하여 신뢰성 있는 시간단위 강우량을 생성할 수 있는 모형을 개발하였으며, 연대별로 산정된 결과는 빈도해석을 통해 미래 확률강우량을 제시하였다. 본 연구에서 제안하고자 하는 Bayesian Copula 모형은 기존 주변확률분포(marginal distribution) 매개변수와 Copula 매개변수 추정시 각각 다른 기법을 활용하여 추정하며, 각각 모형에서 발생하는 불확실성은 추정하지 못하는 반면, Bayesian Copula 모형의 경우 매개변수의 사후분포를 정량적으로 제시할 수 있으며, 추정되는 확률강우량 역시 불확실성을 정량적으로 산정할 수 있는 장점을 확인할 수 있었다.

• Journal of the Korea Institute of Building Construction
• /
• v.15 no.3
• /
• pp.329-337
• /
• 2015

Drawings in construction industry are an aggregation of knowledge containing various information generated in a number of projects. Finish details are generated by architects when they select details and methods of construction by spaces or elements. However it is so difficult to re-use details in existing drawing management systems because there are so many details in a sheet and there are several many kinds of sheets in a file. In this paper, a drawing segmentation algorithm is suggested for managing building finish details individually. Based on this algorithm, a system module for making detail blocks from files of finish details is developed. Using the drawing segmentation module, interfaces of drawing management system are suggested in the paper. Management of individual detail blocks helps to reduce of the time for searching and increases productivity of designed drawings. Also it would contribute to increase quality of designed drawings by reusing of knowledge in detail blocks.

• Journal of the Korea Computer Graphics Society
• /
• v.3 no.2
• /
• pp.1-13
• /
• 1997

Two factors are required for a virtual reality system; realism and immersion. Since realism is determined primarily by the realistic image, objects in a virtual environment should be represented with details by their own characteristics. Also, reflection on light must be considered. On the other hand, immersion is defined as realistic movements and fast interactions. Thus, virtual environment should be rendered as fast as possibl. Regular frame rate should also be kept to make moves as intended by the user. In a complex virtual environment composed of objects with various levels, the appropriate level for individual object should be assigned according to the view point, in other words, the selection of level-of-detail is needed. In this paper, the problem of determining the levels of detail is formalized in terms of error, cost and L -distance. Error is defined as the difference between the current level image and the highest level image, cost as rendering time, and L-distance as the level difference between the previous and the current level. To solve this problem, a new method called the well-distributed adaptive algorithmis proposed.