• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.350-350
• /
• 2021

한국건설기술연구원의 돌발홍수연구센터는 돌발홍수예측 시스템을 구축하여 2019년부터 전국에서의 돌발홍수정보를 제공하고 있다. 2019년에는 초단기 예측 모델인 Macgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘으로부터 생산된 초단기 예측 강우를 활용하여 동(읍/면) 단위로 1시간 선행 예보를 제공하였다. 2020년에는 추가로 초단기 예측 강우와 수치예보 자료를 병합한 예측 병합 강우 자료를 생산하여 예측 선행시간을 1시간에서 3시간까지 확장하였다. 돌발홍수예측 시스템의 목표는 도시 및 산지소하천에서의 돌발홍수에 대응하기 위한 정보를 실시간으로 사용자에게 제공하여 수재해에 빠르게 대응하는 것이다. 이에 돌발홍수예측 시스템은 2019년부터 실시간으로 운영하여 홍수기에 보다 빠른 돌발홍수정보를 제공해왔다. 본 연구에서는 2020년 우기에 운영된 돌발홍수시스템에 대한 평가를 수행하였다. 이를 위해 부산(07.23), 대전(07.29), 서울(08.01), 경기-충북(08.02)에서 발생한 수재해 사례를 분석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.262-262
• /
• 2011

최근 들어 지구환경 변화에 따른 이상기후의 영향으로 태풍 및 집중호우로 인한 하천범람 등 홍수재해에 의한 인명과 재산의 피해가 급증하고 있다. 특히 한반도 지역에서는 집중호우와 태풍과 같은 이상강우로 인한 홍수피해의 발생이 매년 나타나고 있으며 홍수피해의 빈도와 강도는 증가하고 있는 실정이다. 이러한 상황에서 극심한 기상이변으로 인하여 발생되는 이상홍수의 예측에 관한 사항은 치수 이수는 물론 친수관점에서 볼 때 하천관리의 측면에서 매우 중요한 관심사로 부각되고 있다. 특히 홍수예측은 주민의 대피 및 통제, 시설물의 보호 등을 위해 충분한 선행시간을 확보할 수 있는 실시간적 관점에서의 홍수예측 및 관리가 중요하다. 기존의 수문학적 강우-유출 모형은 비선형성이 강하고 유역의 지형학적 인자와 기후학적 인자의 영향을 포함하기 때문에 정확한 예측이 어렵고 유출량을 계산하기 위한 유역추적, 저수지추적 및 하도추적의 각 추적과정에서 크고 작은 오차들이 발생하고 그것들이 누적되어 유출 모형의 해석 결과에는 많은 오차들이 포함되어 있다는 문제점이 있다. 또한 주로 유역 면적이 크고 홍수의 도달시간이 긴 대하천의 홍수예측에는 기존의 강우-유출 모형이 적당한 방법임에도 불구하고 유역면적이 작은 중소하천에 적용됨으로써 많은 불확실성을 포함하고 있으며 충분한 선행시간을 확보하지 못하는 문제점을 가지고 있다. 따라서 본 연구에서는 중소하천에서의 기존의 홍수예경보가 가지고 있는 문제점을 해결하기 위해 실시간 수위측정 자료 및 강우자료를 이용한 간단한 입력자료 만으로도 홍수예측이 가능한 뉴로-퍼지(Neuro-Fuzzy) 모형을 구축하여 충분한 선행시간을 확보함으로써 중소하천에서 의 실시간 홍수예측이 가능한 시스템을 구성하여 실시간으로 구동되는 효율적인 홍수예경보 시스템을 개발하고자 하였다. 임진강 유역을 대상으로 기존의 강우-유출 모형이 요구하는 유역의 물리적, 지형 자료 및 매개변수와 같은 광범위한 양의 자료를 배제하고, 유역의 강우 자료와 수위자료만으로 유역의 중요지점에 대한 홍수위 및 홍수량을 예측할 수 있는 뉴로-퍼지 모형을 구축하고 대상 유역에 적용하여 실측치와 비교 검증하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.332-332
• /
• 2021

도시화가 상당히 이뤄지고 기습적인 폭우의 발생이 불확실하게 나타나는 시점에서 재산 및 인명피해를 야기할 수 있는 내수침수에 대한 위험도가 증가하고 있다. 내수침수에 대한 예측을 위하여 실측강우 또는 확률강우량 시나리오를 참조하고 연구대상 지역에 대한 1차원 그리고 2차원 수리학적 해석을 실시하는 연구가 오랫동안 진행되어 왔으나, 수치해석 모형의 경우 다양한 수문-지형학적 자료 및 계측 자료를 요구하고 집약적인 계산과정을 통한 단기간 예측에 어려움이 있음이 언급되어 왔다. 본 연구에서는 위와 같은 문제점을 해결하기 위하여 단일 도시 배수분구를 대상으로 관측 강우 자료, 1, 2차원 수치해석 모형, 기계학습 및 딥러닝 기법을 적용한 실시간 홍수위험지도 예측 모형을 개발하였다. 강우자료에 대하여 실시간으로 홍수량을 예측할 수 있도록 LSTM(Long-Short Term Memory) 기법을 적용하였으며, 전국단위 강우에 대한 다양한 1차원 도시유출해석 결과를 학습시킴으로써 예측을 수행하였다. 침수심의 공간적 분포의 경우 로지스틱 회귀를 이용하여, 기준 침수심에 대한 예측을 각각 수행하였다. 홍수위험 등급의 경우 침수심, 유속 그리고 잔해인자를 고려한 홍수위험등급 공식을 적용하여 산정하였으며, 이 결과를 랜덤포레스트(Random Forest)에 학습함으로써 실시간 예측을 수행할 수 있도록 개발하였다. 침수범위 및 홍수위험등급에 대한 예측은 격자 단위로 이뤄졌으며, 검증 자료의 부족으로 침수 흔적도를 통하여 검증된 2차원 침수해석 결과와 비교함으로써 예측력을 평가하였다. 본 기법은 특정 관측강우 또는 예측강우 자료가 입력되었을 때에, 도시 유역 단위로 접근이 불가하여 통제해야 할 구간을 실시간으로 예측하여 관리할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1395-1399
• /
• 2010

최근 들어 전 세계적으로 태풍과 가뭄 그리고 국지적인 호우 등의 기상변화로 인하여 수자원 종합적인 개발과 이용계획에 대한 전문적인 예측이 필요하다. 우리나라는 홍수기에 집중적인 강우 발생으로 인하여 평수기와 유입량 차이가 심한 수문특성을 가지고 있어 안정적인 수자원 공급에 대한 장기적인 관점에서 이수와 치수정책을 수립해야 한다. 본 연구는 1985년 1월부터 2008년 12월까지 24년에 해당하는 한정된 기간의 짧은 유출량 자료를 갖는 대청댐 유역에서의 시계열 유입량 특성을 Box-Jenkins모형 또는 ARIMA모형을 적용하여 추계학적 분석을 실시하였다. 월유입량과 같은 비정상성 시계열에 적용될 수 있는 적절한 추계학적 모형을 찾기 위하여 모형의 식별과 모형의 추정, 모형의 검진 등의 3단계에 걸친 분석을 실시하였다. 연구결과 대청댐 월유입량 예측모형으로 승법계절 ARIMA$(0,1,2){\times}(1,1,0)_{12}$이 유도되었으며, 이 모형으로 1, 3, 6, 12개월의 선행기간에 대한 실시간 유입량을 예측하였다. 예측된 유입량을 2008년 실측유입량과 비교한 결과 6개월에 대한 예측의 정확성이 가장 높게 나타났다. 또한 평수기와 홍수기를 구분한 예측도 실시하였으며, 평수기는 1개월 홍수기는 3개월 간격으로 예측하는 것이 가장 적절한 것으로 분석되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.211-213
• /
• 1998

실시간 응용을 위한 데이터베이스 시스템은 시간 제약 조건을 만족시켜야 하며, 데이터 일관성을 유지해야 한다. 또한 다중레벨을 지원하는 보안 프로토콜은 cover channel의 생성을 방지하는 것이 중요하다. Son과 Mukkamala는 primary copy와 secondary copy를 사용한 SRT-2PL을 개발하였다. 이 프로토콜은 보안 레벨간의 불간섭(non-interference)을 지원하며, covert channel의 발생을 막을 수 있으며, 지연이 적고 취소가 적으므로 실시간 데이터베이스 시스템에서 보안을 유지하는데 사용될 수 있다. 그러나 secondary copy를 모든 데이터 오브젝트에 대해 항상 보존해야 하므로 작업공간의 낭비가 있고, 데이터의 갱신을 위해 update queue를 관리해야 하는 오버헤드와 그에 따른 예측성 결여가 문제점으로 나타난다. 따라서, 본 논문에서는 불간섭을 지원하여 covert channel의 발생을 방지하면서, 복사본의 유지 기간을 줄여 실시간 지원을 강화시키고, 예측성을 좀더 높인 개선된 SRT-2PL 실시간 데이터베이스 보안 프로토콜을 제안한다. 본 논문에서 제안하는 동적 복사 알고리즘은 트랜잭션의 동작에 따라 동적으로 복사본을 생성하여 레벨간의 불간섭을 제공함과 동시에, 복사본의 유지 기간을 줄여 작업공간의 낭비를 줄이고 예측성을 높일 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10b
• /
• pp.1323-1326
• /
• 2001

서브네트워크에서 실시간으로 통신 트래픽을 감시하고, 트래픽 정보를 바탕으로 시계열 분석을 이용해 트래픽의 변화추이를 예측할 수 있는 시스템을 설계 및 구현한다. SNMP를 이용한 MIB-II 정보를 바탕으로 하는 분석 방법은 누적 데이터를 기본으로 하는 관리 방법으로 이상 징후의 판단이 실시간 감시에는 적합하지 않은 점이 있다. 따라서, 본 논문에서는 실시간 트래픽 감시를 위해 서브네트워크에 들어오거나 나가는 트래픽의 양을 측정하여 분석하고, 이 정보를 바탕으로 특정 시점 이후의 트래픽 추이를 시계열 분석 방법을 이용하여 미래의 트래픽 양을 예측하는 알고리즘을 시스템으로 구현한다. 예측 알고리즘으로는 AR, MA, ARMA, ARIMA 모델중에 평균 제곱 오차를 최소로 가지는 알고리즘을 선택하여 예측하도록 설계한다. 개발되는 시스템을 망 관리자가 전체 통신 네트워크의 부하 상태를 예상할 수 있게 하여 신속하고 예방적인 대응을 할 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.419-424
• /
• 2006

대청호로 유입하는 탁수의 감시와 저수지내의 시공간분포를 예측할 수 있는 실시간 탁수감시 및 예측시스템(RTMMS)을 개발하였다. RTMMS는 탁도와 수온 등 실시간 계측자료를 데이터베이스에 저장.조회하는 실시간 감시(Realtime Monitoring), 2차원 탁수예측 수치모델의 입력자료 생성(Input Data), 탁수예측 수치모델의 수행 (W2 Run), 모의결과의 조회 및 저수지 운영 시나리오별 탁수조절 효과분석을 위한 후처리 (Post-Process) 기능을 제공한다. 시스템의 GUI 화면은 개별 기능을 탭 형식으로 제공하여 사용자가 순차적으로 자료조회와 모델수행 그리고 결과분석을 쉽게 수행할 수 있도록 설계하였다. RTMMS는 강우사상 동안 유입하천의 수온예측을 위해 대기기온, 이슬점온도, 하천유량자료를 독립변수로 이용하는 다중회귀모델(DMR)을 사용하며, 탁도 예측은 유량과 SS 부하량의 상관관계를 이용하는 탁도예측모델(QLM)을 사용한다. 저수지로 유입한 탁수의 밀도류 거동과 시공간적인 탁도분포 예측은 2차원 횡방향 평균 수리 수질해석 모형인 CE-QUAL-W2를 채택하였다. 개발된 시스템은 2004년 홍수기를 대상으로 시범적용 하였으며, 그 결과를 실측자료와 비교하여 제시하였다. RTMMS는 저수지 탁수발생 현황조회, 취수원 도달시간 및 지속기간, 밀도류와 전도현상을 고려한 시공간 분포 예측, 발전 및 수문방류, 선택취수 등 다양한 저수지운영 시나리오에 따른 상.하류 영향 분석, 용수 이용자에게 탁도 예측정보의 제공 등 탁수를 고려한 저수지운영 의사결정지원 도구로써 매우 유용하게 활용 될 것으로 기대된다.

• Journal of Energy Engineering
• /
• v.4 no.3
• /
• pp.387-393
• /
• 1995

본 연구에서는 단기 전력수요예측에 있어서 필요한 데이터의 수와 계산시간을 경감하면서 보다 정확성을 기할 수 있는 앨고리즘의 개발을 위하여 이에 적합한 칼만필터링 앨고리즘을 고찰하였다. 또한 칼만필터 앨고리즘을 토대로 필터의 모형화를 통하여 단기 전력수요를 예측할 수 있는 실시간 동적예측 모형을 구축하고 그 적용 가능성을 시험하였다.

• Journal of Advanced Navigation Technology
• /
• v.19 no.3
• /
• pp.199-206
• /
• 2015

For real-time precise positioning, IGS provides ephemeris predictions (IGS ultra-rapid, IGU) and real-time ephemeris estimates (real-time service, RTS). Due to the RTS data latency, which ranges from 5 s to 30 s, a short-term prediction process is necessary before applying the RTS corrections. In this paper, the real-time performance of the RTS correction and IGU prediction are compared. The RTS correction availability for the GPS satellites observed in Korea is computed as 99.3%. The RTS correction is applied to broadcast ephemeris to verify the accuracy of the RTS correction. The 3D orbit RMS error of the RTS correction is 0.043 m. Prediction of the RTS correction is modeled as a polynomial, and then the predicted value is compared with the IGU prediction value. The RTS orbit prediction accuracy is nearly equivalent to the IGU prediction, but RTS clock prediction performance is 0.13 m better than the IGU prediction.

• The Journal of Society for e-Business Studies
• /
• v.15 no.4
• /
• pp.303-317
• /
• 2010

In this paper, we propose a novel approach to fault prediction for real-time business process monitoring method using extended KNN imputation based LOF prediction. Existing rule-based approaches to process monitoring has some limitations like late alarm for fault occurrence or no indicators about real-time progress, since there exist unobserved attributes according to the monitoring phase during process executions. To improve these limitations, we propose an algorithm for LOF prediction by adopting the imputation method to assume unobserved attributes. LOF of ongoing instance is calculated by assuming next probable progresses after the monitoring phase, which is conducted during entire monitoring phases so that we can predict the abnormal termination of the ongoing instance. By visualizing the real-time progress in terms of the probability on abnormal termination, we can provide more proactive operations to opportunities or risks during the real-time monitoring.