• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.59-59
• /
• 2019

최근 기후변화로 인해 대류성 집중호우가 빈번하게 발생하고 있으며, 이러한 강우 특성은 산지지역에 위치한 소하천유역에 상당한 피해를 야기한다. 대류성 집중호우는 규모가 작고 속도가 빠르기 때문에 중규모 이상의 유역에서 부분적으로 상이한 강우특성을 보인다. 아울러 이러한 호우패턴의 변화는 일시적인 현상이 아닌 하나의 기상 특성으로 자리를 잡아가고 있기 때문에 이에 대한 대책마련이 더욱 필요한 실정이다. 돌발홍수 예경보시스템에 예측강우 자료는 예측 선행시간의 한계를 가진다. 즉, 예측강우 자료자체가 가지는 편의와 불확실성으로 인해 예측 선행시간이 3시간을 초과하면 신뢰도가 급격히 하락하게 된다. 이를 해결하기 위해 우리나라에서는 지상관측치와의 편의를 보정하거나 예측강우자료 자체의 품질을 개선하려는 노력을 지속하고 있다. 본 연구에서는 예측 선행시간을 확장하고자 순차적으로 생산되는 예측강우를 가중평균하여 앙상블 예측치를 모의하는 기법을 개발하였다. 각 선행시간별 예측강우자료를 앙상블 멤버로 인식하여 이들의 공분산 구조를 파악하고, 분산과 공분산 수치를 이용하여 가중치를 결정하였다. 1, 2, 3시간 예측 선행시간에 대한 확장 가능성을 확인하고자 하였고, 최적의 앙상블 멤버 개수를 결정하여 적용 및 평가하였다. 본 연구에서는 2016년과 2017년에 발생한 주요 호우사상을 선정하고, 우리나라 전역에 걸쳐 예측강우 앙상블 생성 방법론을 적용하였다. 그 결과, 가중평균 앙상블의 예측치가 예측강우장 1개, 단순평균 앙상블 예측치에 비해 좋은 품질의 예측 성능을 보였으며, 예측치의 분산 또한 감소하여 예측에 대한 불확실성이 줄어듦을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.348-348
• /
• 2023

최근 전세계 곳곳에서는 다양한 유형의 물 관련 복합재해가 발생하고 있다. 일례로 미국 캘리포니아 지역은 2014년부터 2017년까지 극심한 가뭄에 시달리다가 대기강(atmospheric river)의 영향으로 인하여 대규모의 홍수가 잇달아 발생하였다. 유럽에서는 2021년 전례 없는 홍수 직후 500년 빈도의 가뭄이 발생하면서 심각한 인명 및 재산피해가 발생하였다. 짧은 시간 동안 양극단의수재해가 연속적으로 발생하거나, 가뭄과 폭염, 홍수와 산사태의 결합, 또는 동시에 여러 지역에서 홍수나 가뭄이 발생하는 현상 등도 복합재해에 해당한다. 즉, 복합재해는 서로 다른 특성의 독립적인 수재해가 결합되어 나타나는 재해의 한 형태로써, 발생 빈도는 적으나 유발되는 피해는 매우 크다. 더욱이 복합재해는 미래에 더욱 빈번하게, 극심하게 발생할 것으로 예상되고 있다. Single Model Initial-condition Large Ensemble (SMILE)은 복합재해의 분석에 적합한 자료로 최근 활용사례가 증가하고 있다. 기존의 기후변화 관련 연구는 여러 기후모델에서 생산한 단일 모의자료를 앙상블의 형태로 이용하여 기후요소 및 기후재해의 미래 전망이나 거동을 분석하는 과정에 기반해왔다. 이 기후모델 앙상블은 모델 간 불확실성은 고려할 수 있으나 기온 상승 시나리오의 불확실성 및 기후 시스템 내부의 변동성은 고려하지 못하는 한계가 있다. 이에 미국의 National Center for Atmospheric Research에서는 자연 자체의 변동에 의한 불확실성을 모의할 수 있는 SMILE을 개발하였다. SMILE은 단일 기후모델에서 N개의 다중 모의자료 앙상블을 출력한다. 기존의 기후모델과 유사한 과정으로 모의를 수행하되, 미세한 섭동을 부여함으로써 자연적으로 발생하는 기후시스템 내부의 변동성을 고려한다. 이러한 실험 설정은 카오스 이론에 근거한다. 여러 기후모델에 대해 SMILE 기반 모의를 수행하면 앙상블의 앙상블 개념(large ensemble)이므로 방대한 양의 기후모의 자료가 확보되어 다양한 목적의 연구에 활용할 수 있다. SMILE은 기존의 다중 기후모델 앙상블이 고려할 수 없었던 종류의 불확실성을 추가적으로 고려함으로써 인간의 활동과 자연적 변동성이 복합재해에 미치는 상대적 영향을 정량적으로 평가할 수 있게 한다. 복합재해 연구에 필수적인 표본 수 부족의 한계를 극복할 수 있기 때문에 최근 기후변화 및 수자원 관련 연구에서 적극적으로 활용되고 있다. 또한, 미래 기후를 모의하기 때문에 복합재해 발생의 특성 및 거동을 전망할 수 있고, 충분한 수의 표본은 통계분석 결과에 신뢰성을 부여할 수 있다. 이러한 SMILE의 장점은 향후 더욱 다양한 연구의 기회를 제공할 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.64-64
• /
• 2019

도시지역은 인구 및 사회인프라시설 등이 밀집되어 있어 홍수 발생 시 타 지역에 비하여 큰 피해가 발생한다. 우리나라의 경우 2017년 부산 지역과 2018년 서울 지역에 시간당 최대 100 mm 이상의 강우가 발생하여 인명 및 재산피해를 발생시켰다. 이러한 도시홍수 피해를 저감시키기 위해서는 수방시설물의 유지관리 뿐만 아니라 한정적인 물자와 인력을 효율적으로 활용하기 위한 홍수예보 방안이 필요하며 정확도 높은 기상예보가 수반되어야 한다. 현재 지자체에서는 기상청의 기상특보를 활용하여 홍수대응을 실시하고 있으나 이는 전국적으로 동일한 기준으로 각 지역의 홍수특성을 반영할 수 없다는 문제가 있다. 또한 국내에서는 정확도 높은 기상예측을 위해 다양한 기상 수치예보모델을 활용하고 있으나 급변하는 기상상황을 정확히 예측하는 데에는 한계가 있다. 수치예보모델의 한계를 극복하기 위하여 현재 영국에서는 강우 앙상블 자료를 활용한 영향예보 도입이 활발히 진행되고 있다. 영향예보란 단순 기상상황 뿐만 아니라 기상현상이 발생시킬 수 있는 위험수준과 그 위험수준이 발생할 확률을 함께 예보하는 방안이다. 본 연구에서는 부산광역시 동래구 지역을 대상으로 과거 피해 발생 강우량 및 지역의 확률강우량 등을 활용하여 지역특성에 맞는 총 4단계의 강우기준을 제시함과 더불어 기상현상의 발생확률을 조합한 홍수위험 매트릭스(Flood Risk Matrix)를 개발하였다. 또한 개발된 홍수위험 매트릭스의 활용성 평가를 위해서는 2016년, 2017년 기상청에서 산출한 국지규모 앙상블예측시스템(Local Ensemble Prediction System, LENS)의 강우 앙상블 자료를 활용하였다. 그 결과 짧게는 24시간 전, 길게는 72시간 전에 홍수피해 발생의 예보가 가능한 것으로 분석되었다. 향후 본 연구에서는 연구 대상 지역을 확대하여 각 지역에 적합한 홍수위험 매트릭스를 개발하고, LENS자료를 활용한 활용성 평가를 통해 실무에 적용 가능한 홍수예보 방안을 마련할 계획이다.

• Geophysics and Geophysical Exploration
• /
• v.26 no.4
• /
• pp.211-228
• /
• 2023

Ground-penetrating radar (GPR) surveys are commonly used to monitor embankments, which is a nondestructive geophysical method. The results of GPR surveys can be complex, depending on the situation, and data processing and interpretation are subject to expert experiences, potentially resulting in false detection. Additionally, this process is time-intensive. Consequently, various studies have been undertaken to detect cavities in GPR survey data using deep learning methods. Deep-learning-based approaches require abundant data for training, but GPR field survey data are often scarce due to cost and other factors constaining field studies. Therefore, in this study, a deep- learning-based model was developed for embankment GPR survey cavity detection using data augmentation strategies. A dataset was constructed by collecting survey data over several years from the same embankment. A you look only once (YOLO) model, commonly used in computer vision for object detection, was employed for this purpose. By comparing and analyzing various strategies, the optimal data augmentation approach was determined. After initial model development, a stepwise process was employed, including box clustering, transfer learning, self-ensemble, and model ensemble techniques, to enhance the final model performance. The model performance was evaluated, with the results demonstrating its effectiveness in detecting cavities in embankment GPR survey data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.389-389
• /
• 2018

최근 기후변화로 인해 국지성 집중호우, 태풍 등 위험 기상의 발생이 증가하고 있으며, 이로 인한 피해도 증가하고 있다. 현재 홍수로 인한 피해를 저감하기 위해 하천 홍수를 중심으로 50개 지점에 대한 홍수 예 경보의 정보를 제공하고 있으나, 이는 지역별 특성을 고려하지 못하고 있어 홍수 예 경보에 대한 논의가 지속되고 있다. 본 연구에서는 지역특성을 반영한 위기경보단계 기준을 설정하고, 행정구역별 홍수위험 전망 기법을 개발하고자 한다. 대상 지역으로는 낙동강 권역의 해안지역 29개 지자체를 선정하였으며, 과거에 발생한 홍수 피해 이력을 조사하고 피해액과 지속시간별 강우와의 상관분석을 실시하여 해당 지자체의 강우 지속기간을 선정하였다. 그 후 피해현상 및 강우량을 기준으로 x축을 구축하고, 강우 앙상블을 통한 강우 발생 가능성을 기준으로 y축을 구축하여 홍수위험전망 매트릭스를 구축하였다. '관심', '주의', '경계', '심각'으로 4단계를 나누어 홍수위험전망 매트릭스를 구축하였고, 각 단계별 피해현상을 구분하여 제시하였다. 본 연구를 통해 지역별 특성을 고려한 홍수위험전망 매트릭스를 제시함으로써, 위험 기상이 발생하였을 때 지자체별 홍수 예 경보를 발령하여 홍수 피해를 최소화 할 수 있을 것으로 판단된다.

• KIISE Transactions on Computing Practices
• /
• v.20 no.10
• /
• pp.549-554
• /
• 2014

Handwritten character recognition data is usually imbalanced because it is collected from the natural language sentences written by different writers. The imbalanced data can cause seriously negative effect on the performance of most of machine learning algorithms. But this problem is typically ignored in handwritten character recognition, because it is considered that most of difficulties in handwritten character recognition is caused by the high variance in data set and similar shapes between characters. We propose the oversampling-based ensemble learning methods to solve imbalanced data problem in handwritten character recognition and to improve the recognition accuracy. Also we show that proposed method achieved improvements in recognition accuracy of minor classes as well as overall recognition accuracy empirically.

• KIISE Transactions on Computing Practices
• /
• v.21 no.11
• /
• pp.706-712
• /
• 2015

These days, much information is provided as a list of summaries through mobile services. In this regard, users consume information in which they are interested by observing the list and not by expressing their interest explicitly or implicitly through rating content or clicking links. Therefore, to appropriately model a user's interest, it is necessary to detect latent interest content. In this study, we propose a method for reasoning latent interest of a user by analyzing mobile content consumption logs of the user. Specifically, since erroneous reasoning will drastically degrade service quality, a unanimity ensemble method is adopted to maximize precision. In this method, an item is determined as the subject of latent interest only when multiple classifiers considering various aspects of the log unanimously agree. Accurate reasoning of latent interest will contribute to enhancing the quality of personalized services such as interest-based recommendation systems.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.5
• /
• pp.576-583
• /
• 2020

This paper proposes a technique to determine the spam comments on YouTube, which have recently seen tremendous growth. On YouTube, the spammers appeared to promote their channels or videos in popular videos or leave comments unrelated to the video, as it is possible to monetize through advertising. YouTube is running and operating its own spam blocking system, but still has failed to block them properly and efficiently. Therefore, we examined related studies on YouTube spam comment screening and conducted classification experiments with six different machine learning techniques (Decision tree, Logistic regression, Bernoulli Naive Bayes, Random Forest, Support vector machine with linear kernel, Support vector machine with Gaussian kernel) and ensemble model combining these techniques in the comment data from popular music videos - Psy, Katy Perry, LMFAO, Eminem and Shakira.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.309-309
• /
• 2023

자연재해대책법에 따라 방재성능목표를 달성하기 위해 행안부 및 지자체는 방재성능목표강우량을 설정·운영하고 있다. 현재, 기후변화로 인한 할증률을 산정하여 방재성능목표강우량 산정에 포함하고 있으나, 기후의 내적변동성으로 인한 강수의 변화는 반영하지 못하고 있는 실정이다. 이에 본 연구에서는 기후변화뿐만 아니라, 엘리뇨, 라니뇨, ENSO 등과 같이 지구의 내적인 원인들로 인해 변화하는 기후내적변동성(Climate Internal Variability, CIV)을 추가적으로 고려하여 할증률 개념을 확장하고자 한다. 외부의 Forcing 변화(즉 기후변화)가 없더라도 자연적으로 기후가 변동하는 현상을 모의하기 위해, 크게 3개 동역학적, 통계학적, 추계학적 방법들이 적용되어 기후내적 변동성을 정량화하고 있다. 본 연구에서는 기후에 대한 일기를 추계학적으로 오랜 기간 동안 생성하고 생성된 시계열을 바탕으로 자연적인 변동성을 추출(Stochastic Approach)하는 방법을 사용하여 기후내적변동성을 추정할 것이다. 구체적으로, 생성된 앙상블 시계열에 Detrended 방법과Differenced 방법을 각각 적용하여 기후내적변동성의 크기를 정량화하고 상호 비교할 예정이다. 정량화된 기후내적변동성의 크기는 추계학적 할증률로 변환될 것이며 방재성능목표강우량 산정에 포함시켜 과거 기왕최대강우량을 갱신하는 지역에 대한 위험도를 추가로 제시할 수 있을 것으로 기대된다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.685-688
• /
• 2004

본 연구에서는 저수지군 연계운영을 위한 표본 추계학적 선형 계획(SSLP, Sampling Stochastic Linear Programming) 모형을 제안한다. 일반적 추계학적 모형은 과거 자료로부터 확률변수의 확률분포를 추정하고 이를 몇 개 구간으로 나누어 이산 확률 값을 산정하여 기댓값이 최대가 되는 운영방안을 도출하지만 저수지 유입량 예측시 고려되어야할 지속성 효과(Persistemcy Effect)와 유역간 또는 시점별 공분산 효과(The joint spatial and temporal correlations)를 반영하는데 많은 한계가 있다. 이를 극복하기 위하여 과거자료 자체를 유입량 시나리오로 적용하여 시${\cdot}$공간적 상관관계를 유지하는 표본 추계학적(Sampling Stochastic)기법을 바탕으로 Simple Recourse Model로 구성한 추계학적 선형 계획 모형을 제시한다. 이 모형은 미국 기상청(NWS)에서 발생 가능한 유입량의 시나리오를 예측하는 방법인 앙상블 유량 예측(ESP, Ensemble Streamflow Prediction)을 통한 시나리오를 적용함으로써 좀더 신뢰성 있는 저수지군 연계운영 계획을 도출 할 수 있을 것으로 기대된다.