• Proceedings of the Korea Air Pollution Research Association Conference
• /
• 1999.10a
• /
• pp.203-204
• /
• 1999

대기질의 통계예측모형은 주로 오존 농도 예측에 사용된다. 통계예측 방법은 중회귀 모형, 신경망 모형, Fuzzy 논리 모형 등이 있다. 중회귀 모형은 종래 통계분석 방법으로 예전부터 많이 사용되고 있는 방법인 반면에 신경망 모형과 Fuzzy 논리 모형은 최근에 개발되어 적용가능성을 검토 중인 방법이다. 국내외 연구결과에 의하면 각 방법에 의한 고농도 오존 예측성은 크게 다르지 않았다. 국내에서는 중회귀 모형과 신경망 모형이 적용되었는데, 상관계수는 0.6-0.7저도로 보고되었다.(중략)

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.403-403
• /
• 2012

최근 단시간 동안에 특정지역에 집중되는 국지적 호우에 의한 돌발홍수가 빈번히 발생하고 있으며, 이에 따른 위험과 손실이 증가하고 있는 추세이다. 현재 국내에서는 이러한 피해를 최소화하고자 돌발홍수 예측모형을 개발하고 예 경보 시스템을 구축하여 다양한 비구조적 대책을 마련하고 있다. 그러나 활용되는 예측모형의 경우 개념적 유출량인 한계유출량으로부터 돌발홍수능(Flash Flood Guidance, FFG)을 결정하여 예측 강우와 상대적인 대소 비교를 통해 돌발홍수의 발생가능성 유무를 판단하게 되는데, 문제는 산정되는 한계유출량은 개념적이기 때문에 검증이 어렵고 산정방법도 다양하여 불확실성이 높다는 단점이 있다. 이에 본 연구에서는 기존의 돌발홍수 예측 방법이 아닌, 수문모형 Nesting 기법을 이용한 돌발 홍수 예측 방법을 개발하였다. 저해상도의 대유역 기반의 유출량이 큰 영역의 경계값이 되고, 대유역을 이루고 있는 소유역을 고해상도의 작은 영역이라 할 때, 경계값인 대유역의 기반의 유출량을 참고 유출량으로 하여 소유역의 유출을 물리적 혹은 개념적으로 보다 타당하게 모의하는 방법이 수문모형 Nesting 기법이다. 이러한 기법에 필요한 강우-유출 모형으로는 대유역의 경우, SURR 모형(Sejong University Rainfall-Runoff model)을 선택하였으며, 대유역을 이루는 소유역의 유출모의는 물리적 기반의 분포형 모형인 CASC2D 모형을 이용하였다. 또한 실시간 활용을 위해서는 CASC2D 모형의 매개변수를 자동으로 추정하는 기술이 요구되며, 본 연구에서는 매개변수 전역 최적화 방법인 SCE-UA(The Shuffled Complex Evolution, University of Arizona) 기법을 활용하였다. 본 연구에서 사용한 수문모형의 적용성을 평가한 결과 대상유역에 대한 적용성이 높은 것으로 나타났으며, 연계된 두 모형의 유출거동이 유사하게 나타난 것으로 확인되었다. 본 연구에서는 Nesting 기법을 이용하여 0.5m 하천 수위의 상승 여부에 따라 돌발홍수의 발생 가능성을 예측하는 기법을 제안하였으며, 돌발홍수 사례와 일반호우사상으로부터 이 방법의 적용성을 평가하였다. 실제 돌발홍수가 발생한 유역을 선정하고 연계된 두 모형을 대상 유역에 적용한 결과 Nesting 기반의 돌발홍수 예측방법은 기존의 한계유출량 산정 방법에서 반영하지 못한 사상을 적절히 반영한 것으로 나타났다. 본 연구에서 개발한 Nesting 기법을 이용한 돌발홍수 예측모형은 일반적인 강우량 비교의 돌발홍수 예측방법에서 벗어나 새로운 돌발홍수 예측방법을 제안한 측면에서 큰 의미가 있다고 사료되며, 이러한 연구 결과는 실시간 돌발홍수 예측 시스템의 기본 모형으로 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.267-271
• /
• 2004

2000년도 국내에 소개된 앙상블 유량예측은 한반도 유출특성을 고려한 예측시스템 구축을 위해 꾸준한 수정과 보완을 반복하며 약 5년간의 연구가 진행되었다. 앙상블 유량예측의 연구방향은 크게 예측의 정확성을 향상시키기 위한 이론적 인구와 수자원 계획과 관리에 활용될 수 있도록 GUI를 포함한 유량예측시스템을 구축하는 등의 실무적 연구가 함께 진행되고 있다. 앙상블 유량예측의 정확성을 향상시키기 위해 갈수기에 강우-유출모형의 모의능력을 개선해야 하며, 홍수기에는 기상예보를 효율적으로 이용해야 한다는 기본 전략을 수립하였다. 최근 강우-유출모형의 모의능력을 개선하기 위해 신경망 강우-유출모형을 구축하고, 기존 강우-유출모형의 모의결과를 보정하거나, 두개 이상의 모형을 결합함으로서 유량모의능력을 개선하여 갈수기 앙상블 유량예측 정확성을 향상시킬 수 있음을 증명하는 성과를 거둔 바 있다. 향후 앙상블 유량예측의 연구 방향은 기상예보자료의 적극적인 활용에 초점을 맞추고 있다. 최근 ENSO(El Nino Southern Occillation), PDI(Pacific Decadal Idex) 등 다양한 기후정보의 새로운 발견과 GCM 등 기후모형의 급속한 개선으로 기후 예측의 정확도가 높아지고 있는 추세이므로, 이를 이용하여 홍수기 앙상블 유량예측의 정확도 개선을 목표로 인구가 진행될 전망이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1524-1527
• /
• 2009

본 연구는 주요지천 홍수예측에 적용된 통계적 모형을 개선하여 예측 결과의 정확성 향상을 도모하는 데 목적이 있다. 중랑천, 탄천, 왕숙천 등 한강수계 주요 지천은 홍수예보 지점으로 유역면적이 작고 도달 시간이 짧아 기존의 대하천 홍수예보에 이용되고 있는 수문학적 홍수예측 모형을 적용하기에는 한계가 있다. 이러한 문제점을 해결하기 위해 주요 지천 홍수예측에 통계적 모형인 다중선형 회귀모형을 이용하는 방법이 제안되어 활용되었다. 본 연구에서는 지천홍수예측에 기 적용된 다중선형 회귀 모형의 다중공선성 문제를 해결하기 위해 독립변수를 조정하고, 10분 단위 관측 자료를 활용한 예측 결과를 얻기 위해 매개변수를 재산정하였다. 그 결과 기존 모형에 비해 적은 수의 독립변수와 재 산정된 매개변수를 이용한 통계적 모형으로 예측 수위의 오차를 줄일 수 있었다.

• 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 Digital Convergence
• /
• v.10 no.9
• /
• pp.357-362
• /
• 2012

We have compared and predicted for non-linear time series data which are real data having different variences using GRCA(1) model and neural network method. In particular, using Korea Composite Stock Price Index rate, mean square errors of prediction are obtained in genaralized random coefficient autoregressive model and neural network method. Neural network method prove to be better in short-term forecasting, however GRCA(1) model perform well in long-term forecasting.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1625-1629
• /
• 2010

효율적인 장기 수자원 운영을 위하여 미래의 강수량을 예측하는 것은 중요하다. 특히 월 또는 계절단위의 강수량의 정량적인 예측이 필요하다. 우리나라에서는 기상청에서 향후 3개월의 강수량과 온도에 대하여 정성적으로 예측을 하고 있다. 정성적인 예측은 적음과 많음만을 나타내어 정보를 활용하기에 많은 제약이 있다. 기상수치모형을 통한 예측의 경우 월간과 같은 시간스케일에서 정량적인 예측이 가능하나 예측 정확도가 떨어지는 문제로 인하여, 일반적으로 정성적인 예측을 하고 있다. 이런 문제점을 극복하고자 본 연구에서는 기상수치모형을 이용하지 않고 시계열 모형을 이용하여 월강수량을 예측하고자 한다. 기존의 통계학에서 사용되는 시계열 모형과 자기학습모형 등을 이용하여 정량적인 월 강수량을 예측하는 다양한 모형을 구성하고, 각 모형의 적용성을 평가하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1164-1168
• /
• 2010

수자원이 우리 생활의 전반적으로 중요한 역할을 차지하면서 댐의 효율적인 운영과 안정적인 용수공급에 대한 연구는 지속적으로 수행되어지고 있다. 1990년대 이후 비선형적인 특성을 잘 모의하는 장점을 가진 인공신경망(ANN)을 이용하여 유입량 예측에 대한 많은 연구가 수행되었다. 하지만 ANN 모형을 포함한 회귀모형은 월 강우 및 유입량의 예측에 대해 간편하게 사용을 할 수 있지만, 예측의 정확성에 한계를 가지고 있다. 본 연구에서는 ANN 모형과 회귀모형의 예측오차를 후처리 과정을 통하여 오차를 줄임으로써 예측모형의 성과를 향상시키는 방법을 제안하였다. 연구지역은 금강수계의 대청댐 유역으로, 1982년 9월부터 2005년 12월에 해당하는 유역 내 11개 지점의 강우관측소에서 관측한 월 강우와 댐 유입량을 수집하여 모형을 구축하였다. 강우량과 유입량 자료에 대해 자기상관함수와 교차상관함수를 이용하여 입력변수를 결정하였고, 정규화를 통한 전처리 과정을 거쳐 ANN 모형과 회귀모형을 이용한 예측모형을 구축하였으며, 예측성과의 향상을 위하여 군집 분석을 이용하여 오차를 재조정하였다. 이러한 오차 후처리 과정을 포함한 모형은 RMSE와 상관계수를 이용하여 비교 평가한 결과, 예측성과를 약 40% 정도 향상시켰다.

• The Korean Journal of Financial Management
• /
• v.14 no.2
• /
• pp.229-252
• /
• 1997

본 연구에서는 실무 및 학계에 종사하는 45명의 전문가 집단을 대상으로 쌍별비교(pairwise comparision)에 의한 설문조사에서 얻어진 전문가들의 의견을 AHP 분석을 통하여 종합하는 과정을 거쳐 부도예측모형을 설계하여 검증한 뒤, LOGIT모형과 비교하였다. 본 연구에 의하면 부도예측모형에서 정량적인 정보보다 정성적인 정보가 더 중요한 역할을 한다는 D.Bunn-G.Wright(1991)의 연구와 일치하는 결과를 얻을 수 있었다. 본 연구에서 발견된 분석결과를 요약하면 다음과 같다. 첫째로 LOGIT 모형과 AHP 모형에서 모두 정량적인 정보만을 고려하는 경우보다 정성적인 정보를 함께 고려한 모형에서 부도예측율이 더 높은 것으로 나타나고 있어 부도가능성을 예측하는데 있어 정성적인 정보가 중요한 역할을 한다는 결론을 얻었다. 둘째로 AHP를 이용한 부도예측 모형을 설계할 때 각 속성에 대한 전문가(45명)들의 의견을 종합하는 방법으로 산술평균과 기하평균을 이용한 검증결과에 의하면 기하평균방법을 통하여 전문가들의 의견을 종합하는 것이 보다 합리적이라는 실증적 증거를 얻을 수 있었다. 셋째로 Akaike의 기준값을 분석한 결과에 의하면 LOGIT 모형은 정량적인 정보와 정성적인 정보를 모두 이용한 모형이 가장 우수한 것으로 판명되었고, 모형의 부도예측력도 가장 높은 것으로 밝혀졌다. AHP 모형은 정성적인 정보만을 이용한 모형에서 가장 높은 부도예측을을 나타내었으며, 기하평균을 이용한 AHP 모형은 LOGIT 모형보다 항상 높은 부도예측율을 보여주었다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2003.05a
• /
• pp.835-842
• /
• 2003

현행 기업신용평가모형에 관한 연구는 크게 부실예측모형 및 채권등급 평가모형으로 구분된다. 이러한 신응평가모형에 관한 연구는 단순히 부실여부 또는 이미 전문가 집단에 의해 사전에 정의된 등급체계만을 예측하는 데 초점을 맞추고 있었다. 그러나. 대부분의 금융기관에서 사용하는 신응평가모형은 기업의 부실여부만을 예측하거나 기존의 채권등급을 예측하기 위만 목적보다는 기업의 고유 신응위험을 평가하여 이에 적합한 신용등급을 부여함으로써, 효율적인 대출업무를 수행하기 위해 활용되고 있다. 본 연구에서는 기존의 부실예측모형들을 대상으로 다중 부실확률모형 (Business Failure Probability Map; BFPM) 접근방법을 이용한 신응등급화 방법을 제안하고자 한다. 본 연구에서 제시된 다중 부실확률모형은 신경망모형과 로짓모형을 통합하여 부도율, 점유율을 고려한 다단계 신용등급을 예측할 수 있게 해준다. 다중 부도확률지도 접근방법을 이용하여 각 금융기관에서 정의하는 수준의 신용리스크를 효과적으로 추정하고, 이를 기준으로 보다 객관적인 다단계 신용등급을 산출하는 새로운 신응등급화 방법을 제시 하고자 한다.