• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.217-217
• /
• 2016

강우는 시 공간적 변동성이 크고 지형특성으로 인한 지역 편차가 큰 특성을 가지고 있다. 따라서 강우 발생을 분석하는 경우, 강우의 시 공간적 변동성과 지역특성을 고려해야한다. 본 연구에서는 지역특성을 고려한 강우 앙상블을 생성하였다. 강우의 지역특성을 고려하기 위해 2010~2015년 동안 발생한 강우사상 중 서울지역을 통과하는 대류성 강우사상 30개를 선정하였다. 지역특성 고려하기 위한 매개변수로 강우강도와 풍향을 선정하고, 매개변수의 가중인자를 결정하였다. 또한 매개변수의 정량화를 위해 강우강도의 경우 대수정규분포, 풍향의 경우 Von mises분포를 매개변수의 확률분포로 선정하고, 선정된 두 확률분포에 Copula함수를 적용하여 결합확률분포를 추정하였다. 아울러 추정된 결합확률분포에 Monte-Carlo Simulation기법을 적용하여 매개변수에 대한 난수를 발생시키고, 이를 이용하여 지역특성을 고려한 강우 앙상블을 생성하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.160-160
• /
• 2017

본 연구는 앙상블 칼만필터(Ensemble Kalman Filter)를 통해 인공위성 기반 토양수분 자료를 수문모형에 동화하여 단위 격자에 대한 수문인자를 산출하고자 한다. 수문모형은 Variable Infiltration Capacity(VIC) model을 대상으로 수행하였으며, 시범 유역으로는 소양강댐 유역을 선정하였다. 입력자료는 2007년 이후 8년간 자료를 수집하였으며, 2007-2010년 관측 유량 자료를 사용하여 모형을 보정하고, 2011-2014년 자료를 통하여 검증하였다. Isolated-Speciation Particle Swarm Optimization(ISPSO) 기법을 통하여 매개변수를 추정하였고, 보정기간 뿐 아니라 검증 기간에 대해서도 높은 모형효율성계수를 얻을 수 있었다. VIC 모형 자료 동화 대상 자료로는 AMSR2 위성 토양 수분 자료, 지상관측 토양수분 보간자료 및 조건부합성방법을 통한 위성/지점 융합 토양수분을 선정하였다. 위성 토양 수분 자료는 값을 과대 추정하는 경향이 있었으며, 지상관측 보간 자료는 유량이 큰 사상에 대한 첨두 유량을 과소 추정하는 경향을 보였다. 인공위성자료와 지상 자료를 합성한 조건부합성기법 토양수분자료는 더 정확한 추정이 가능하여 모의의 정확도가 향상되었다. 본 연구를 통해서 미계측 유역에 대해 격자별 수문기상인자 정보를 제공할 수 있으며, 데이터베이스를 구축하여 다양한 수문분석에 기초자료로 활용될 수 있을 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.562-564
• /
• 2022

조호환경이란 환자의 지속적인 추적 및 관찰이 필요한 환경으로써, 병원 입원실, 요양원 등을 의미한다. 조호환경 내 환자의 이상 증세가 발생하는 시간 및 이상 증세의 종류는 예측할 수 없기에 인력을 통한 상시 관리는 필수적이다. 또한, 환자의 이상 증세 발견 시간은 발병 시점부터의 소요 시간이 생사와 즉결되기에 빠른 발견이 매우 중요하다. 하지만, 인력을 통한 상시 관리는 많은 경제적 비용을 수반하기에 독거 노인, 빈민층 등 요양 비용을 충당하지 못하는 환자들이 수혜받는 것은 어려우며, 인력을 통해 이루어지기 때문에 이상 증세 발병 즉시 발견에 한계를 가진다. 즉, 기존까지 조호환경 내 환자 관리 방식은 경제적 비용과 이상 증세 발병 즉시 발견에 한계를 가진다는 문제점을 가진다. 따라서 본 논문은 YOLO 모델의 조호환경 내 환자 탐지 성능 비교 및 바운딩 박스 앙상블 기법을 제안한다. 이를 통해, 딥러닝 모델을 통한 환자 상시 관리가 이루어지기에 높은 경제적 비용문제를 해소할 수 있다. 또한, YOLO 모델 바운딩 박스 앙상블 기법 WBF를 통해 폐색이 짙은 조호환경 영상 데이터 내에 객체 탐지 영역 정확도 향상 방법을 연구하였다.

• Journal of Korea Water Resources Association
• /
• v.38 no.6 s.155
• /
• pp.471-483
• /
• 2005

A monthly Ensemble Streamflow Prediction (ESP) system was developed by applying a daily rainfall-runoff model known as the Streamflow Synthesis and Reservoir Regulation (SSARR) model to the Han, Nakdong, and Seomjin River basins in Korea. This study first assesses the accuracy of the averaged monthly runoffs simulated by SSARR for the 3 basins and proposes some improvements. The study found that the SSARR modeling of the Han and Nakdong River basins tended to significantly underestimate the actual runoff levels and the modeling of the Seomjin River basinshowed a large error variance. However, by implementing optimal linear correction (OLC), the accuracy of the SSARR model was considerably improved in predicting averaged monthly runoffs of the Han and Nakdong River basins. This improvement was not seen in the modeling of the Seomjin River basin. In addition, the ESP system was applied to forecast probabilistic runoff forecasts one month in advance for the 3 river basins from 1998 to 2003. Considerably improvement was also achieved with OLC in probabilistic forecasting accuracy for the Han and Nakdong River basins, but not in that of the Seomjin River basin.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.497-497
• /
• 2018

복잡한 기상조건 하에서 강우의 예측은 수문 기상 분야에서 필수적인 과정이라 할 수 있다. 특히 월 단위의 강우 예측은 장기적인 수자원 관리 및 계획 수립 시 매우 중요한 기준이 되기 때문에 보다 정확하고 신뢰도 있는 예측을 필요로 하고 있다. 이를 위해 전 지구적 기후 변동의 양상을 수치화 하여 나타낼 수 있는 기상인자의 활용이 활발해지고 있으며 다양한 모형을 기반으로 한 강우 예측이 수행되고 있다. 최근에는 인공지능 기법을 활용한 인공신경망 모형의 적용이 활발해짐에 따라 높은 예측력을 바탕으로 강우 예측에 대한 연구가 이루어지고 있지만 초기 가중치의 무작위성 또는 과적합으로 인한 문제도 함께 나타나고 있다. 본 연구에서는 인공신경망 모형의 활용성을 높이고 신뢰성을 확보하기 위한 강우 예측을 수행하고자 하였다. 이를 위해 다양한 기상인자를 활용하여 인공신경망 모형을 위한 정보를 구축하고 인공신경망 모형을 통해 생성되는 결과로부터 단일 예측이 아닌 앙상블 예측을 활용함으로써 강우 앙상블을 생성하고 조합하였다. 그 결과 인공신경망 모형을 통한 단일 예측보다 앙상블을 통한 예측으로 안정적이고 정확한 예측 결과를 산정할 수 있었으며 기존에 인공신경망 모형을 통한 예측의 문제점을 보완할 수 있었다.

• Journal of Korea Water Resources Association
• /
• v.55 no.10
• /
• pp.761-774
• /
• 2022

Accurate hydrologic prediction is essential to analyze the effects of drought, flood, and climate change on flow rates, water quality, and ecosystems. Disentangling the uncertainty of the hydrological model is one of the important issues in hydrology and water resources research. Hydrologic data assimilation (DA), a technique that updates the status or parameters of a hydrological model to produce the most likely estimates of the initial conditions of the model, is one of the ways to minimize uncertainty in hydrological simulations and improve predictive accuracy. In this study, the two ensemble-based sequential DA techniques, ensemble Kalman filter, and particle filter are comparatively analyzed for the daily discharge simulation at the Yongdam catchment using airGRdatassim. The results showed that the values of Kling-Gupta efficiency (KGE) were improved from 0.799 in the open loop simulation to 0.826 in the ensemble Kalman filter and to 0.933 in the particle filter. In addition, we analyzed the effects of hyper-parameters related to the data assimilation methods such as precipitation and potential evaporation forcing error parameters and selection of perturbed and updated states. For the case of forcing error conditions, the particle filter was superior to the ensemble in terms of the KGE index. The size of the optimal forcing noise was relatively smaller in the particle filter compared to the ensemble Kalman filter. In addition, with more state variables included in the updating step, performance of data assimilation improved, implicating that adequate selection of updating states can be considered as a hyper-parameter. The simulation experiments in this study implied that DA hyper-parameters needed to be carefully optimized to exploit the potential of DA methods.

• Smart Media Journal
• /
• v.11 no.3
• /
• pp.9-17
• /
• 2022

Algorithmic trading, which uses algorithms to trade financial products, has a problem in that the results are not stable due to many factors in the market. To alleviate this problem, ensemble techniques that combine trading algorithms have been proposed. However, there are several problems with this ensemble method. First, the trading algorithm may not be selected so as to satisfy the minimum performance requirement (more than random) of the algorithm included in the ensemble, which is a necessary requirement of the ensemble. Second, there is no guarantee that an ensemble model that performed well in the past will perform well in the future. In order to solve these problems, a method for selecting trading algorithms included in the ensemble model is proposed as follows. Based on past data, we measure the contribution of the trading algorithms included in the ensemble models with high performance. However, for contributions based only on this historical data, since there are not enough past data and the uncertainty of the past data is not reflected, the contribution distribution is approximated using the Dirichlet distribution, and the contribution values are sampled from the contribution distribution to reflect the uncertainty. Based on the contribution distribution of the trading algorithm obtained from the past data, the Transformer is trained to predict the future contribution. Trading algorithms with high predicted future contribution are selected and included in the ensemble model. Through experiments, it was proved that the proposed ensemble method showed superior performance compared to the existing ensemble methods.

• KIPS Transactions on Software and Data Engineering
• /
• v.6 no.5
• /
• pp.279-284
• /
• 2017

Currenty, in the era of big data, text mining and opinion mining have been used in many domains, and one of their most important research issues is to extract significant information from social media. Thus in this paper, we propose a logistic regression ensemble method of finding the main body text from blog HTML. First, we extract structural features and text features from blog HTML tags. Then we construct a classification model with logistic regression and ensemble that can decide whether any given tags involve main body text or not. One of our important findings is that the main body text can be found through 'depth' features extracted from HTML tags. In our experiment using diverse topics of blog data collected from the web, our tag classification model achieved 99% in terms of accuracy, and it recalled 80.5% of documents that have tags involving the main body text.

• Journal of Digital Convergence
• /
• v.18 no.11
• /
• pp.129-136
• /
• 2020

The advantages of Blockchain present the necessity of Blockchain in various fields. However, there are several disadvantages to Blockchain. Among them, the uncle block problem is one of the problems that can greatly hinder the value and utilization of Blockchain. Although the value of Blockchain may be degraded by the uncle block problem, previous studies did not pay much attention to research on uncle block. Therefore, the purpose of this study attempts to predict the occurrence of uncle block in order to predict and prepare for the uncle block problem of Blockchain. This study verifies the validity of introducing new attributes and ensemble analysis techniques for accurate prediction of uncle block occurrence. As a research method, voting, bagging, and stacking ensemble analysis techniques were employed for Ethereum's uncle block where the uncle block problem actually occurs. We used Blockchain information of Ethereum and Bitcoin as analysis data. As a result of the study, we found that the best prediction result was presented when voting and stacking ensemble techniques were applied using only Ethereum Blockchain information. The result of this study contributes to more accurately predict the occurrence of uncle block and prepare for the uncle block problem of Blockchain.

• Journal of Korea Water Resources Association
• /
• v.51 no.11
• /
• pp.1031-1041
• /
• 2018

ANFIS-based methodology for improving GloSea5 ensemble weather forecast is developed and evaluated in this study. The proposed method consists of two steps: pre & post processing. For ensemble prediction of GloSea5, weights are assigned to the ensemble members based on Optimal Weighting Method (OWM) in the pre-processing. Then, the bias of the results of pre-processed is corrected based on Model Output Statistics (MOS) method in the post-processing. The watershed of the Chungju multi-purpose dam in South Korea is selected as a study area. The results of evaluation indicated that the pre-processing step (CASE1), the post-processing step (CASE2), pre & post processing step (CASE3) results were significantly improved than the original GloSea5 bias correction (BC_GS5). Correction performance is better the order of CASE3, CASE1, CASE2. Also, the accuracy of pre-processing was improved during the season with high variability of precipitation. The post-processing step reduced the error that could not be smoothed by pre-processing step. It could be concluded that this methodology improved the ability of GloSea5 ensemble weather forecast by using ANFIS, especially, for the summer season with high variability of precipitation when applied both pre- and post-processing steps.