• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1499-1503
• /
• 2009

본 연구에서는 저류함수모형과 Tank 모형, SSARR 모형을 이용하여 금강유역의 미호천 유역, 일본의 Kusaki 댐 유역, 베트남의 Ta Trach 유역에 대하여 홍수모의예측을 수행하고 그 효율성을 분석하였다. 연구에 적용된 강우-유출 모형에 대하여 Pattern Search, Genetic Algorithm 의 최적화 방법과 WSSR과 SSR의 목적함수를 이용한 매개변수 산정을 수행하였다. 최적화 방법을 적용할 때 매개변수 보정의 효율성 증대를 위하여, 보정과정 내에서 매개변수 간 상관성을 분석하고 이를 바탕으로 매개변수를 소군집으로 분류하여 민감도에 따른 순차 보정 방법을 적용하고 이 결과를 비교 분석하였다. 매개변수 소군집을 이용한 보정 방법과 기존에 사용되는 전체 매개변수를 이용한 보정 방법을 적용한 결과, SSR 에 적용하였을 때 첨두 유량과 보정 시간 면에서 유리한 것으로 나타났고, 저류함수 모형과 TANK 모형에 대해서 좀 더 좋은 결과를 나타내는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.924-927
• /
• 2005

한반도의 강수패턴을 보면 강수일수는 감소하나 호우일수는 증가하고 있는 추세이다. 특히, 우리나라는 강수의 대부분이 하계에 집중되어 있고, 단시간에 강수의 변화가 심하기 때문에 기존의 수치예보를 보완해줄 수 있는 예보체계의 확립이 불가피한 실정이다. TREC(Tracking Radar Echoes by Correlation)기법은 폭풍에 대한 내부 움직임을 결정하기 위한 목적으로 Rinehart와 Garvey(1978)에 의해 처음 개발된 것으로 비교적 간단하게 레이더 에코를 이용하여 강수의 이동경로를 추적할 수 있다. 일정한 시간 간격으로 제공되는 레이더 반사도 자료에 대하여 설정된 두 window 사이의 상관계수의 최대치를 찾아냄으로써 강수의 움직임을 파악하였다. 개발된 기법은 레이더 에코로부터 강수의 안정된 이동방향과 이동속도를 제시하기 위하여 상관성 분석과 함께 일치성 분석 및 가중함수에 의한 이동 백터장 보정을 수행하였다. 또한 이동 백터의 외삽을 통하여 강우이동경로와 대상유역의 단시간 예측 면적 강우 산정 방법을 제시하였다. 결과는 개선된 단시간 강수예측 가능성을 보여주었다.

• The Korean Journal of Applied Statistics
• /
• v.16 no.2
• /
• pp.239-246
• /
• 2003

In small area estimation, Best Linear Unbaised Predictor(BLUP) can be directly implicated ,specially, in use of the time series estimation. If there are correlations between observations and error terms over the time, Kalman Filter method can be used. Therefore, using kalman Filtering technique small area estimation of total of unemployments are estimated by BLUP. And for the example of this study, Economic Active Population Survey data were used.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.382-382
• /
• 2011

최근의 극심한 기상이변으로 인하여 발생되는 유출량의 예측에 관한 사항은 치수 이수는 물론 방재의 측면에서도 역시 매우 중요한 관심사로 부각되고 있다. 강우-유출 관계는 유역의 수많은 시 공간적 변수들에 의해 영향을 받기 때문에 매우 복잡하여 예측하기 힘든 요소이며, 과거에는 추계학적 예측모형이나 확정론적 예측모형 혹은 경험적 모형 등을 사용하여 유출량을 예측하였으나 최근에는 인공신경망과 퍼지모형 그리고 유전자 알고리즘과 같은 인공지능기반의 모형들이 많이 사용되고 있다. 하지만 유출량을 예측하고자 할 때 학습자료 및 검정자료로써 사용되는 유출량은 수위-유량 관계곡선식으로부터 구하는 경우가 대부분으로 이는 이렇게 유도된 유출량의 경우 오차가 크기 때문에 그 신뢰성에 문제가 있을 것으로 판단된다. 따라서 본 논문에서는 수위를 직접 예측함으로써 이러한 오차의 문제점을 극복 하고자 한다. Neuro-Fuzzy 모형은 과거자료의 입 출력 패턴에서 정보를 추출하여 지식으로 보유하고, 이를 근거로 새로운 상황에 대한 해답을 제시하도록 하는 인공지능분야의 학습기법으로 인간이 과거의 경험과 훈련으로 지식을 축적하듯이 시스템의 입 출력에 의하여 소속함수를 최적화함으로서 모형의 구조를 스스로 조직화한다. 따라서 수학적 알고리즘의 적용이 어려운 강우와 유출관계를 하천유역이라는 시스템에서 발생된 신호체계의 입 출력패턴으로 간주하고 인간의 사고과정을 근거로 추론과정을 거쳐 수문계의 예측에 적용할 수 있을 것이다. 유전자 알고리즘은 적자생존의 생물학 원리에 바탕을 둔 최적화 기법중의 하나로 자연계의 생명체 중 환경에 잘 적응한 개체가 좀 더 많은 자손을 남길 수 있다는 자연선택 과정과 유전자의 변화를 통해서 좋은 방향으로 발전해 나간다는 자연 진화의 과정인 자연계의 유전자 메커니즘에 바탕을 둔 탐색 알고리즘이다. 즉, 자연계의 유전과 진화 메커니즘을 공학적으로 모델화함으로써 잠재적인 해의 후보들을 모아 군집을 형성한 뒤 서로간의 교배 혹은 변이를 통해서 최적 해를 찾는 계산 모델이다. 이러한 유전자 알고리즘은 전역 샘플링을 중심으로 한 수법으로 해 공간상에서 유전자의 개수만큼 복수의 탐색점을 설정할 뿐만 아니라 교배와 돌연변이 등으로 좁아지는 탐색점 바깥의 영역으로 탐색을 확장할 수 있기 때문에 지역해에 빠질 위험성이 크게 줄어든다. 따라서 예측과 패턴인식에 강한 뉴로퍼지 모형의 해 탐색방법을 유전자 알고리즘을 사용한다면 보다 정확한 해를 찾는 것이 가능할 것으로 판단된다. 따라서 본 논문에서는 선행우량 및 상류의 수위자료로부터 하류의 단시간 수위예측에 관해 연구하였으며, 이를 위해 유전자 알고리즘을 이용항여 소속함수를 최적화 시키는 형태의 Neuro-Fuzzy모형에 대하여 연구하였다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2582-2584
• /
• 2003

역전파 신경망 (BPNN)은 반도체 공정 모델링에 효과적으로 응용되고 있다. 뉴런의 활성화 함수는 동일한 값을 가지며, 이로 인해 예측정확도를 증진하는 데에는 한계가 있었다. 본 연구에서는 난수발생기(Random generator-RG)를 이용하여 뉴런 경사들이 다중값을 가지도록 최적화하였다. 본 기법은 은닉충의 뉴런수의 함수로 고찰하였으며, 종래의 고정된 경사를 갖는 모델과 그 성능을 비교 평가하였다. 평가에 이용된 데이터는 플라즈마 식각 공정데이터이며, 모델에 이용된 응답은 식각률과 프로파일 각이다. 비교결과 종래의 모델에 비해 예측정확도가, 식각률의 경우 19%-43%, 프로파일의 경우 10%-56% 정도 향상하였으며, 이는 제안된 기법이 모델개발에 매우 효과적으로 적용될 수 있음을 보여준다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.409-409
• /
• 2017

유역단위에서 수문모델링을 수행함에 있어 토양수분은 물수지 관점에서 매우 중요한 인자로 고려된다. 더욱이, 최근 발생빈도가 커지고 있는 가뭄을 효과적으로 평가하고 예측하는 데에도 활용성이 매우 큰 것으로 인식되고 있다. 이러한 중요성에도 불구하고, 가용자료의 부족, 자료의 부정확성 등으로 인해 실제 유역모델링을 수행하는데 있어 활용도는 매우 적다. 이러한 점에서 본 연구에서는 동질성이 확보된 유역단위를 기준으로 다지점의 토양수분 자료를 추계학적으로 모의할 수 있는 기법을 개발하고자 한다. 토양함수자료는 지속성(persistence)이 매우 큰 특징을 가진다. 즉, 상태의 지속성이 크며 메모리가 오랫동안 유지된다는 점에서 추계학적 모의가 가능할 것으로 판단된다. 이러한 지속성을 이용함과 동시에 토양함수를 다양한 상태로 분리하고 이들 상태들간의 천이확률을 효과적으로 모의할 수 있다면 관측 토양함수 자료의 통계적 특성 재현이 가능하다. 본 연구에서는 용담댐 유역에 대해서 개발된 모형을 적용하고 활용성을 검토하고자 한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 1997.11a
• /
• pp.139-143
• /
• 1997

본 논문에서는 점확산함수(point spread function; PSF)의 추정을 기반으로 한 완전한 자동초점 시스템을 제안한다. 초점이 맞지 않은 영상의 정확한 PSF의 추정을 위해서, 입력 영상을 부영상으로 분할하고, 에지를 가진 부영상들의 계수함수 응답의 평균을 취한다. 초점이 맞지 않은 열화로 발생하는 PSF는 보통 영상이 물체와 배경간에 선형의 경계를 가지고 있다는 가정하에 에지의 방향을 따라 평균되어진 계단함수 응답의 차이를 따라 추정되어진다. 이렇게 예측된 PSF를 사용하여 영상복원 필터는 제한적 최소 제곱의 접근방법을 통해 구현되어진다.

• 한국데이터정보과학회:학술대회논문집
• /
• 2006.04a
• /
• pp.99-108
• /
• 2006

대형 할인점 매출 데이터는 G-CRM, 에어기어 마케팅(Area Marketing)에 활용하기 위해 고객의 구매정보와 위치정보를 포함한다. TM중부좌표로 이루어진 고객 위치정보를 이용하여 지점간의 거리를 구할 수 있다. 서로 다른 위치에서 통시에 측정된 자료들이 공간적인 변인에 의하여 영향을 받는다면, 공간적인 변인의 함수식에 의한 예측모형을 설정하는 것이 타당하다. 본 연구에서는 공간적인 변인으로 거리가 주어졌을 때, 대형 할인점 매출 자료에 대한 세미베리오그램(Semi-Variogram)의 모형을 추정하고, 관측되지 않은 지역에 대한 할인점 이용권을 공간예측기법으로 예측하였다. 그리고 공간예측 기법을 통해 예측된 할인점 이용권을 토대로 할인점 이용권 지도를 작성하였다. 또한 매출 데이터의 공간이상치 탐지를 위한 방법을 제시하고 실례로 알아보았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.230-232
• /
• 2007

최근의 온라인 응용 환경에서는 다양한 종류의 데이터 스트림을 다루고 있으며 이러한 데이터 스트림은 빠른 속도로 무한히 생성되고 실시간의 빠른 처리를 필요로 한다. 따라서 데이터 스트림 실시간 처리 및 분석 작업에서는 데이터 스트림을 지속적으로 모니터링하여 앞으로의 변화와 이에 따른 부하를 예측하고 성능을 조절하는 일이 필요하다. 본 논문에서는 끊임없이 발생하는 데이터를 관찰하여 데이터가 발생하는 패턴을 찾아내고, 찾아낸 패턴을 기반으로 미래의 특정 시점에서 발생할 데이터 값을 미리 예측하는 효율적인 기법을 제안한다. 무한한 양의 데이터를 제한된 크기의 메모리 내에서 처리하여 현재부터 과거 특정시점까지 발생한 데이터의 패턴을 가장 정확히 일반화할 수 있는 함수를 찾아내고 그 함수를 기반으로 미래에 발생할 데이터의 값을 예측한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.333-333
• /
• 2021

최근 전 지구적인 기후변화 및 온난화의 영향으로 태풍 및 집중호우가 빈번하게 일어나고 있으며, 이로 인한 한천범람 등 홍수재해로 인명 및 재산 피해가 크게 증가하고 있다. 우리나라에서도 태풍 및 집중호우로 인한 호수피해는 매년 발생하고 있으며, 피해 빈도와 강도가 증가하고 있는 실정이다. 이러한 현실을 고려하였을 때에 하천 인근 주민의 생명과 재산을 보호하기 위하여 실시간으로 홍수위 예측을 수행하는 것은 매우 중요하다 할 수 있다. 국내에서 수위예측을 위하여 대표적으로 저류함수모형(Storage Function Model, SFM)을 채택하고 있지만, 유역면적이 작아 홍수 도달시간이 짧은 중소하천에서는 충분한 선행시간과 정확도를 확보하기 어려운 문제점이 있다. 이는 유역면적이 작은 중소하천에서는 유역 및 기상 특성과 관련된 여러 인자 사이의 비선형성이 대하천 유역에 비해 커지는 문제점이 있기 때문이다. 본 연구에서는 위와같은 문제를 해결할 수 있도록, 수문자료와 딥러닝 기법을 적용하여 실시간으로 홍수위를 예측할 수 있는 방법론을 제시하였다. 지난 태풍 및 집중호우로 인하여 급격한 수위상승이 있던 낙동강 지류하천에 대하여 LSTM(Long-Short Term Memory) 모형 기반 실시간 수위예측 모형을 개발하였으며, 선행시간 30~180분 별로 홍수위를 예측하고 관측 수위와 비교함으로써 모형의 적용성을 검증하였다. 선행시간 180분 기준으로 영강 유역 수위예측 결과와 실제 관측치의 평균제곱근 오차는 0.29m, 상관계수는 0.92로 나타났으며, 밀양강 유역의 경우 각각 0.30m, 0.94로 나타났다. 본 연구에서 제시된 딥러닝 기반모형에 10분 단위 실시간 수문자료가 입력된다면, 다음 관측자료가 입력되기 전 홍수예측 결과가 산출되므로 실질적인 홍수예경보체계에 유용하게 사용될 수 있을 것이라 보인다. 모형에 적용할 수 있는 더욱 다양한 수문자료와 매개변수 조정을 통하여 예측결과에 대한 신뢰성을 더욱 높일 수 있다면, 기존의 저류함수모형과 연계하여 홍수대응 능력을 향상시키는데 도움이 될 수 있다.