• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1536-1540
• /
• 2010

자료기반 수문예측 모형은 서로 자기상관이 다른 자료계열에 대해 예측결과만으로 모형의 성능에 대한 상대비교가 어렵다. 그러나 관측치와 예측치간의 평균 오차만을 기준으로 판단하는 기존의 모형 성능평가 기법은 대부분 이러한 자료기반 예측모형의 특성을 고려하지 못하고 있다. 따라서 본 논문에서는 자료기반 수문 예측모형의 성능을 보다 객관적으로 평가할 수 있는 새로운 모형 성능평가 기법인 상대 상관계수(Relative Correlation Coefficient; RCC) 제시하였다. RCC는 자기상관계수에 대한 관측치와 예측치간의 상관계수의 비로 산정되며, 자기상관정도에 따라 예측성능의 결과가 달라진다. 본 논문에서는 다양한 자기상관을 가지는 선형, 비선형 자료계열에 대해 자료기반 수문모형을 적용하여 기존 모형평가 기법의 한계를 제시하였다. 그리고 기존의 성능평가 기법과 RCC를 비교분석하여 자료기반 수문예측모형의 성능평가에 있어 RCC가 보다 객관적이고 일관성 있는 성능평가가 가능함을 보였다.

• Bulletin of the Society of Naval Architects of Korea
• /
• v.31 no.4
• /
• pp.22-25
• /
• 1994

선체성능, 선박운항성능 및 기관성능의 현황파악과 예측을 하는 것은 선박설계자, 선박운항자 및 선박관리운영자에게 설계, 보선관리 및 용역관리상 대단히 중요하다. 선체성능의 전산원용예측에 관한 대부분의 문헌은 모형수조시험 및 공시해상시험의 자료를 수식화하는 데 집중하고 있다. 따라서 현재까지 자료의 수식화, 예측된 자료와 성능시험결과치의 상관기법 및 PC soft ware를 이용한 선박성능예측의 체계적 접근법 등에 관한 연구가 활발히 진행되어 왔다. 또한 선박의 Abstract Log Book의 자료 및 주기관 성능자료의 수식화, PC soft ware 개발에 의한 선박운 항성능 및 기관성능예측에 대한 연구가 역시 수행되고 있다. 이와 관련하여 본 고에서는 선체 성능(저항과 추진계수), 선박운항성능 및 주기관성능의 예측에 관하여 그 개요를 소개코져 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.1518-1521
• /
• 2010

현재 모바일 환경에서 다양한 자료 동기화 프로토콜 및 솔루션이 개발되었지만 이들 간의 상호호환성은 보장되고 있지 않은 실정이어서 관리의 어려움이 따르고 있다. 이에 본 연구팀은 통합된 자료 동기화 서버를 운용하기 위한 방안으로 서로 다른 자료 동기화 프로토콜 기반의 동기화 메시지 또는 자료를 통일된 형식으로 변환하기 위한 스탠드 얼론 (Stand alone) 자료 동기화 게이트웨이와 임베디드 자료 동기화 게이트웨이를 개발하였다. 하지만 두 게이트웨이는 규모의 확장성 (Scalability)과 자료 변환 성능 측면에서 상반된 장단점을 가지므로 두 게이트웨이의 성능을 비교/분석하여 전체 자료 동기화 시스템의 특성에 따라 상대적으로 효율적인 게이트웨이를 선택 운용하여야 할 필요성이 발생하였다. 게이트웨이 시스템의 특성상 성능 평가를 위해서는 다수의 모바일 단말기를 운용하여야 한다는 어려움이 있으므로 본 논문에서는 성능 분석을 위한 시뮬레이션 모델을 설계하였다. 시뮬레이션 모델을 통해 전체 단말기의 수와 동기화 요청 빈도에 따른 두 게이트웨이의 성능의 팔꿈치 지점을 파악할 수 있을 것이며, 이를 통해 각 자료 동기화 시스템 별 적합한 게이트웨이를 선택 운용하는데 도움이 될 것이다. 또한 병목현상이 발생하는 팔꿈치 지점을 개선함으로써, 전체 자료 동기화 시스템의 성능 향상에도 기여할 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.141-141
• /
• 2016

미계측 지역에서의 토양수분을 예측하기 위하여 조건부합성방법을 한반도에 적용하여 비교 분석하였다. 토양수분 자료는 농촌진흥청에서 제공하는 지상관측 자료와 GCOM-W1 위성의 Advanced Microwave Scanning Radiometer2 (AMSR2) 센서의 자료를 사용하였다. 위성관측 토양수분자료의 오차를 제거하기 위하여 지상관측자료에 정규화 하였고, 정규화된 위성관측 자료와 지상관측자료를 조건부합성 방법을 이용하여 합성하였다. 조건부 합성방법의 성능을 평가하기 위하여 leave-one-out 교차검증 방법을 사용하였고, 분석 결과 지상관측자료에 위성자료를 합성한 조건부합성방법이 지상관측자료만을 사용한 크리깅 방법에 비해 우세하게 나타났다. 또한 각 관측지점에서의 조건부합성 방법을 이용한 토양수분 예측 성능을 공간분포 시켜 지역적인 특성을 분석한 결과 관측소의 밀도와 지형적인 특성이 조건부합성방법의 성능에 영향을 미치는 것으로 나타났다. 본 연구의 결과는 원격탐사기법으로 관측된 토양수분 자료의 공간적인 특성을 고려하여 지상 관측 자료와 합성하는 것이 토양수분 공간보간성능을 향상 시킬 수 있다는 것을 의미한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.221-221
• /
• 2022

방재성능목표란 홍수, 호우 등으로부터 재해를 예방하기 위한 방재정책 등에 적용하기 위하여 처리 가능한 시간당 강우량 및 연속강우량의 목표로, 각 지자체별로 지역특성 및 경제여건 등을 고려하여 지역별 방재성능목표를 설정한다. 지역별 방재성능목표 기준을 설정하기 위해 전국을 168개 티센망으로 분류하고 69개 지점 확률강우량을 활용하여 지방자치단체별 확률강우량을 산정하고, 지방자치단체별 티센면적 비율을 감안하여 각 지자체별 방재성능목표 설정 기준을 마련한다. 이때 확률강우량 산정에 기상청에서 제공하는 종관기상관측(ASOS) 자료를 이용하는데, 종관기상관측(ASOS, Automated Synoptic Observing System)이란 종관규모의 날씨를 파악하기 위하여 정해진 시각에 모든 관측소에서 같은 시각에 실시하는 지상관측으로, 종관규모는 일기도에 표현되어 있는 고기압이나 저기압의 공간적 크기 및 수명을 말하며, 해당 지역의 현재 기상 실시간 제공 및 기상예보에 활용한다. 그러나 ASOS 자료로 산정한 확률강우량을 토대로 설정한 지역별 방재성능목표는 지배관측소개소 및 면적 비율에 따라 강우량이 실제 해당 지역에 내린 강우량에 비해 작거나 크게 산정되어 실제 강우량을 반영하지 못하는 문제가 발생한다. 이에 지진·태풍·홍수·가뭄 등 기상현상에 따른 자연재해를 막기 위해 실시하는 지상관측인 방재성능관측(AWS, Automatic Weather System)을 1997년부터 약 510여개 지점에 설치하여 기상관측자료를 구축하고 있으나, 관측자료가 30년 미만이므로 자료의 일관성 및 신뢰도 확보 등의 문제로 이용하고 있지 않다. 실제로 ASOS 관측소와 AWS 관측소의 시간 강우량 최댓값 차이가 큼에도 불구하고 행안부는 지역별 방재성능목표 수립을 위한 강우량 산정에서 AWS 관측소의 기록은 반영하지 않고 ASOS 관측소 기록만 적용하여 실제 해당 지역의 강우량을 반영하는 방재 대책을 수립하지 못하는 실정이다. 따라서 소규모 유역 및 재해영향평가 등의 경우 인근 지역에 AWS 관측소가 있을 경우, 해당지역의 기상 특성을 대변하는 자료로 보유관측년수가 30년 이상인 AWS 자료의 적극적인 활용이 필요할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.150-150
• /
• 2023

기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.114-114
• /
• 2022

딥러닝의 학습 및 예측성능을 개선하기 위해서는 딥러닝 기법 내 연산과정의 개선과 함께 학습 및 예측에 사용되는 데이터의 전처리 과정이 중요하다. 본 연구에서는 딥러닝의 성능을 개량하기 위해 제안된 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형과 데이터 전처리 기법을 통해 댐의 수위를 예측하였다. 수위예측을 위해 Multi-Layer Perceptron(MLP), 메타휴리스틱 최적화 알고리즘인 Harmony Search(HS)와 딥러닝을 결합한 MLP using a HS(MLPHS) 및 Exponential Bandwidth Harmony Search with Centralized Global Search(EBHS-CGS)와 딥러닝을 결합한MLP using a EBHS-CGS(MLPEBHS)를 통해 댐의 수위를 예측하였다. 메타휴리스틱 최적화 알고리즘-딥러닝 결합모형의 학습 및 예측성능을 개선하기 위해 학습 및 예측을 위한 자료를 기반으로 데이터 전처리기법을 적용하였다. 적용된 데이터 전처리 기법은 정규화, 수위구간별 사상(Event)분리 및 수위 변동에 대한 자료의 구분이다. 수위예측을 위한 대상유역은 금강유역에 위치한 대청댐으로 선정하였다. 대청댐의 수위예측을 위해 대청댐 상류에 위치하는 수위관측소 3개소를 선정하여 수위자료를 취득하였다. 각 수위관측소에서 취득한 수위자료를 입력자료로 설정하였으며, 대청댐의 수위자료를 출력자료로 설정하여 메타휴리스틱 최적화 알고리즘-딥러닝 모형의 학습을 진행하였다. 각 수위관측소 및 대청댐에서 취득한 수위자료는 2010년부터 2020년까지 총 11년의 일 단위 수위자료이며, 2010년부터 2019년까지의 자료를 학습자료로 사용하였으며, 2020년의 자료를 예측 및 검증자료로 사용하였다.

• Journal of Korean Society of Transportation
• /
• v.19 no.6
• /
• pp.119-129
• /
• 2001

본 연구는 국내의 화물차(이하 트럭) 특성, 도로 조건과 주행 저항이 고려된 트럭 성능 곡선 산출식의 매개변수를 추정하기 위하여 수행되었다. 이를 위해 국내 대표트럭을 선정하고 경사지 진입속도를 산출하였다. 국내 대표트럭의 선정은 자동차 등록현황 자료를 토대로 하여 트럭 중량/마력비에 대한 누적 분포를 작성하고 이 중에서 주요 차종(적재 중량 11톤 이상)의 총중량은 과적 검문소 자료로 보정하여 이루어졌다. 경사지 진입속도는 도별 평지부 직선 구간을 한 곳씩 선정하여 4차로도로와 2차로도로에서 수집되는 자료를 분석하여 산출하였다. 트럭 성능 곡선 산출식을 정립하기 위해 오르막 한계속도$(V_x)$ 산출식을 정리한 뒤 총중량(W), 엔진성능(P), 경사도(G)는 독려 변수로 k, $f_{rc}$, $f_{rv}$, $\Phi$는 매개변수로 설정하였다. 현장조사를 통해서 오르막 한계속도에 도달한 트럭의 총중량과 엔진성능, 속도, 경사도 등의 자료를 수집하여 매개변수 산출에 이용하였다. 마지막으로 추정된 매개변수를 이용하여 트럭 성능 곡선을 도출하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.185-185
• /
• 2015

미계측 지역에서의 토양수분을 예측하기 위한 공간보간 기법으로 크리깅 방법과 조건부합성기법을 한반도에 적용하여 비교 분석하였다. 연구에 사용된 토양수분 자료는 2011년 5월 1일부터 2011년 9월 30일까지이며, Advanced Microwave Scanning Radiometer-Earth observing system(AMSR-E)의 위성관측 자료와 농촌진흥청에서 제공하는 지상관측 자료를 이용하였다. leave-one-out 교차검증 방법을 사용하여 공간보간 성능을 평가했고, 관측지점별 시계열 분석 결과 총 24개 관측지점 중 14개 관측지점에서 CM의 결과가 우세한 것으로 나타났다. 특정 관측일에 대해 예측 성능 분석 결과 총 113일 중 68일에 대해 CM의 결과가 우세한 것으로 나타났다. 각 관측지점의 예측 성능을 공간적으로 분석하기 위하여 관측소별 예측 성능 지도를 작성하여 공간적인 특성을 분석한 결과 관측소가 밀집되어있는 한반도의 서쪽지역에서 예측이 성능이 좋게 나왔다. 이러한 결과는 위성으로부터 관측된 토양수분 자료의 공간적인 특성을 고려하여 지상관측 자료와 합성하는 것이 토양수분의 공간적인 보간성능을 향상 시킬 수 있다는 것을 의미한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04a
• /
• pp.40-42
• /
• 2001

본 논문에서는 공유 저장장치 기반 클러스터 시스템의 평균 서비스 시간을 줄이기 위해서 클러스터 시스템의 연선 종류와 부하량에 따라 재구성 시점을 결정하는 적응적 자료 재구성 방식(Adaptive Data Reorganization)을 제안한다. 또한 클러스터 시스템에서 처리해야할 서비스가 없고 서비스 요청도 없을 때 자료 재구성을 수행하는 지연 재구성 방식(Deferred Reorganization)을 채택하였다. 자료 재구성 방식은 전체적인 자료 재구성과 부분적인 자료 재구성으로 나누어 실행된다. 또한 적응적 자료 재구성 방식을 통한 공유 저장장치 기반 클러스터 시스템의 성능 평가를 위해 마르코프 모델(Markov Model)을 사용한다.