• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.219-219
• /
• 2017

상대적으로 유역의 관측 자료가 충분하지 못하거나 검증되지 않았을 경우 미계측 유역으로 정의되며 수문모형의 매개변수 검정을 할 수 없으므로 다른 방법을 고안해야 한다. 이를 위해 기존 연구에서는 지역적 특성을 고려한 지역회기분석을 통해 미계측 유역의 유량을 산정하였는데, 대부분 유역의 특성과 연 평균 유출량 자료의 관계를 이용한 회귀식으로 실시간 유량의 변화를 고려하기 어려웠다. 본 연구에서는 개념적 강우-유출모형으로 많이 사용되고 있는 개념적 수문모형인 GR4J의 매개변수에 대해 미계측 유역의 특성을 고려한 변수들을 이용하여 회귀식을 구하고 그 적용성을 평가하였다. 이를 통해 미계측 유역의 유량 시계열 자료를 생성할 수 있었다. 또한 IPCC에서 발간한 AR5의 RCP 4.5 시나리오를 적용하여 미래 유출량을 산정하였다. 우선 지역회귀분석을 적용하기 위해 수문모형을 이용한 계측 유역의 유출량을 구하였으며 22개의 전국 댐 상류 지점을 기준으로 SCE 알고리즘을 이용하여 GR4J의 최적 매개변수를 구하고 각 유역별로 물리적, 지형적, 기상학적 특성을 고려하여 11개의 변수를 선택하였다. 각 변수간 다중공선성(Multicollinearity)를 고려하기 위해 VIF(Variation Inflation Factor) test를 적용하여 최종 7개의 변수를 선정하고 단계별 회귀방법(Stepwise regression)을 이용하여 GR4J의 매개변수별 회귀식을 생성하였다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.09a
• /
• pp.134-141
• /
• 2010

임분 단위의 재적 및 생체량은 LiDAR 자료의 높이 분포변수들로부터 추정될 수 있다. LiDAR 자료의 높이 분포변수들은 재적을 측정하는 임분고(stand height)와 임분평균 지하고(mean crown base height), 그리고 수관형태에 따른 평균수관장(mean crown depth) 등의 변수와 직 간접적인 연관성이 있다. 그러므로, 본 연구에서는 잣나무림의 샘플지역에서 반사된 LiDAR 자료의 높이분포변수를 이용하여 임분단위의 수간재적을 추정한 다음, 앞 세부연구에서 수행한 방법을 이용하여 임분의 생체량을 추정하였다. 변수는 임분 내에서 반사되는 LiDAR 자료의 평균높이, 최대 최소높이, 높이값들의 표준편차, 변이계수, 첨도, 왜도, 식생반사비율, 10분위 높이자료와 강도데이터의 기술통계량 등을 사용하였다. 그리고, 최종적인 임분수간재적은 다중회귀분석을 통하여 수행되었다. 다중회귀분석을 통하여 각 변수들은 임분수간재적과 가장 관련있는 2~3개의 변수들로 추려졌으며, 추정된 회귀식의 결정계수는 0.66으로 분석되었다. 또한 유보표본을 이용하여 검증한 결과의 결정계수는 0.59로 분석되어 LiDAR 자료의 높이분포변수들은 임분의 재적을 비교적 잘 설명할 수 있음이 밝혀졌다.

• The Korean Journal of Applied Statistics
• /
• v.21 no.3
• /
• pp.537-546
• /
• 2008

One of main goals of time series analysis is to estimate prediction of future values. In this paper, we investigate the bias problem when the transformation and back- transformation approach is applied in ARMA models and introduce a modified smearing estimation to reduce the bias. An empirical study on the returns of KOSDAQ index via Yeo-Johnson transformation was executed to compare the performance of existing methods and proposed methods and showed that proposed approaches provide a bias-reduced estimation of the prediction value.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.307-307
• /
• 2011

ARF(Areal Reduction Factor, 면적우량감소계수)는 지점강우량을 면적 평균 강우량으로 변환하는 환산계수로 정의되며, 유역의 지형학적 특성과 강우의 공간적 분포특성을 반영한 유역단위의 ARF의 개발이 요구된다. 하지만 국내의 ARF는 대부분 한강유역을 대상으로 하고 있어 한강유역과 지형학적, 수문 기상학적 특징이 상이한 유역에 대하여 연구 결과를 적용하기는 많은 제약이 따를 것으로 판단된다. 따라서 본 연구에서는 남강댐 유역의 ARF를 산정하기 위해 7개의 강우관측소(산청, 삼가, 신안, 안의, 운봉, 태수, 함양)로부터 시강우자료(1990년~2010년)를 수집한 후 14개의 재현기간, 6개의 지속시간에 대한 지수형 ARF 회귀식을 산정하였다. 그 결과 남강댐 유역의 지수형 ARF 회귀식의 결정계수는 0.80~0.99로 높은 상관성을 나타내었다. 그리고 남강댐 유역의 ARF와 첨두홍수량의 관계를 분석하기 위해 남강댐 유역내의 산청유역을 대상으로 재현기간 100년, 지속시간 24시간에 대한 홍수량을 모의하였다. 그 결과 ARF의 적용 전 후의 첨두홍수량은 10% 이상 감소하는 것으로 나타났다. 따라서 남강댐 유역의 기상학적 특성을 고려한 첨두홍수량 산정을 위해서는 본 연구에서 제안한 ARF 회귀식이 유용할 것으로 판단된다.

• Journal of KIISE:Software and Applications
• /
• v.27 no.9
• /
• pp.952-960
• /
• 2000

본 논문에서는 퍼지 자동회귀 이동평균 (Fuzzy Auto-Regressive Moving Average, FARMA)제어기를 전력계통의 비선형 2기 5모선 (Two Machine - Five Bus)모형의 주파수 안정화에 적용한 결과를 제시한다 퍼지 자동회귀 이동 평균 제어기는 기존의 전문가에 의존하였던 퍼지제어 규칙을 실시간으로 형성해 나가는 구조이다. 복잡성, 비선형성 등 전력계통의 일반적인 특징들을 기술하고, 그 특징을 표현할 수 있는 비선형 2기5모선 모형을 제시한다. 제시된 모형을 바탕으로 기존 제어 방식과의 성능 비교를 실시하였고, 이를 통하여 FARMA 제어기의 우수성을 확인하였다.

• The Korean Journal of Applied Statistics
• /
• v.25 no.2
• /
• pp.341-350
• /
• 2012

Composite quantile regression model is considered for iid error case. Since the regression coefficients are the same across different quantiles, composite quantile regression can be used to combine the strength across multiple quantile regression models. For the composite quantile regression, bootstrap method is examined for statistical inference including the selection of the number of quantiles and confidence intervals for the regression coefficients. Feasibility of the bootstrap method is demonstrated through a simulation study.

• Journal of the Korean Data and Information Science Society
• /
• v.25 no.2
• /
• pp.305-315
• /
• 2014

In a simple linear regression, a linear relationship between an explanatory variable and a response variable can be easily recognized in the scatter plot of them. The lack of fit test for the replicated data is commonly used for testing the linearity but it is not easy to test the linearity when the explanatory variable is not replicated. In this paper, we propose three new test statistics for testing the linearity regardless of replication using the principle of average slope and validate them through several simulations and empirical studies.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1277-1281
• /
• 2009

본 연구에서는 권영문 등(2009)에서 제시한 강우의 증가경향성을 고려한 목표년도 확률강우량 산정법의 적용성을 검토하기 위하여 누적평균강우량 회귀직선의 적합도 분석과 모수와 누적평균강우량의 상관분석을 실시하였다. 서울지점의 1961-2006년 관측 강우자료를 바탕으로 지속기간 24시간 연 최대치 자료계열을 구축하여, 정상성 강우빈도해석법을 이용한 확률강우량과 비정상성 강우빈도해석법에 의한 확률강우량을 비교 분석하였다. 여러 가지 경우의 누적평균강우량에 대해서 분석을 실시한 결과, 비정상성 강우빈도해석법에 의한 확률강우량의 적용성이 우수한 것으로 나타났다.

• Journal of Korea Water Resources Association
• /
• v.55 no.10
• /
• pp.723-736
• /
• 2022

In this study, monthly precipitation forecasting models that can predict up to 12 months in advance were constructed for the Geum River basin, and two statistical techniques, multiple linear regression (MLR) and artificial neural network (ANN), were applied to the model construction. As predictor candidates, a total of 47 climate indices were used, including 39 global climate patterns provided by the National Oceanic and Atmospheric Administration (NOAA) and 8 meteorological factors for the basin. Forecast models were constructed by using climate indices with high correlation by analyzing the teleconnection between the monthly precipitation and each climate index for the past 40 years based on the forecast month. In the goodness-of-fit test results for the average value of forecasts of each month for 1991 to 2021, the MLR models showed -3.3 to -0.1% for the percent bias (PBIAS), 0.45 to 0.50 for the Nash-Sutcliffe efficiency (NSE), and 0.69 to 0.70 for the Pearson correlation coefficient (r), whereas, the ANN models showed PBIAS -5.0~+0.5%, NSE 0.35~0.47, and r 0.64~0.70. The mean values predicted by the MLR models were found to be closer to the observation than the ANN models. The probability of including observations within the forecast range for each month was 57.5 to 83.6% (average 72.9%) for the MLR models, and 71.5 to 88.7% (average 81.1%) for the ANN models, indicating that the ANN models showed better results. The tercile probability by month was 25.9 to 41.9% (average 34.6%) for the MLR models, and 30.3 to 39.1% (average 34.7%) for the ANN models. Both models showed long-term predictability of monthly precipitation with an average of 33.3% or more in tercile probability. In conclusion, the difference in predictability between the two models was found to be relatively small. However, when judging from the hit rate for the prediction range or the tercile probability, the monthly deviation for predictability was found to be relatively small for the ANN models.

• The Korean Journal of Financial Studies
• /
• v.11 no.1
• /
• pp.157-176
• /
• 2005

본 연구는 KOSPI자산 포트폴리오에 대한 VaR를 다양한 ARCH류 모형을 사용하여 추정하고 이들의 예측능력을 평가하였다. 활용된 모형은 우선 기본적인 GARCH(1,1)모형과 레버리지 효과를 감안한 TGARCH모형, 다양한 ARCH모형을 포괄할 수 있는 PGARCH모형, 변동성의 영속성을 고려한 IGARCH모형이 포함되었다. 모형 상호간의 성과비교에 추가하여 ARCH류 모형에서 수익률예측오차의 분포에 따라서 VaR의 예측성과가 얼마나 차이가 발생하는가를 확인하기 위하여 정규분포와 Student-t분포의 성과를 비교하였다. 마지막으로 VaR 추정시에 조건부평균을 무시하는 관례가 어느정도 타당성이 있는지를 확인하기 위하여 1시차 자기회귀과정에 입각한 조건부 평균을 감안한 결과를 검토하였다. ARCH류 모형에서 모형 설명력은 보다 정교한 모형인 TGARCH모형이나 PGARCH모형이 우월하게 나타났지만, VaR의 예측능력 우월성으로 이어지지는 않았다. Student-t분포를 가정한 경우 VaR모형 사후검증성과는 정규분포를 가정한 경우보다 모든 신뢰수준에서 개선되었으며, 조건부평균의 제거는 Student-t분포 가정하에서는 적합하지 않은 것으로 나타났다. ARCH류 모형에서 가장 단순한 형태인 IGARCH모형의 예측성과가 다른 모형들에 비하여 뒤떨어지지 않으며, 더욱 제약된 형태인 RiskMetrics의 EWMA모형이 사후검증에서 우수한 성과를 보여 단순한 모형의 유용성을 확인시켜주고 있다.