• 한국지반공학회논문집
• /
• 제19권6호
• /
• pp.61-70
• /
• 2003

사력댐은 점토부터 사석에 이르는 다양하고 복합적인 재료로 구성되어 있고, 이에 따른 제체의 투수성 차이 등으로 인해 건설 후의 거동양상은 아주 복잡하게 나타난다. 특히, 건설 이후 계절적 강우 차이로 야기되는 수위변화는 댐의 거동변화를 야기하며, 이런 특성들은 결과적으로 건설 후 댐 거동의 정형화를 어렵게 한다. 건설 후 댐의 거동은 저수위의 변화, 제체침투 등으로 인해 시간 의존적이며 이러한 거동이 건설 후 댐의 열화현상과 어떠한 관계가 있는가를 조사해보는 것은 중요한 의미가 있다. 건설 후 댐 거동정보는 댐 관리는 물론 설계에도 아주 유용한 정보로써 활용될 수 있다. 본 연구에서는 건설 후 발생 가능한 다양한 수위변화조건을 담수, 수위하강, 반복수위의 형태로 이상화하고, 수위변화속도에 따른 시간의존성 거동을 모델링하기 위하여 변위-간극수압의 결합방정식을 이용한 유한요소 해석을 수행하였다. 해석결과는 하중전이, 수압할렬의 가능성, 응력경로 변화 등의 관점에서 분석하였다. 본 연구결과로부터 실제 댐파괴 사례로부터 발견되는 지반공학적 문제에 대한 정량적 이해와 건설 후 댐관리에 있어 댐에 잔존하는 역학적 능력을 고려하여 수위를 제어하는 것이 중요함을 확인하였다.

• Journal of Ecology and Environment
• /
• 제38권1호
• /
• pp.95-107
• /
• 2015

Because an ecological community consists of diverse species that vary nonlinearly with environmental variability, its dynamics are complex and difficult to analyze. To investigate temporal variations of benthic macroinvertebrate community, we used the community data that were collected at the sampling site in Baenae Stream near Busan, Korea, which is a clean stream with minimum pollution, from July 2006 to July 2013. First, we used a self-organizing map (SOM) to heuristically derive the states that characterizes the biotic condition of the benthic macroinvertebrate communities in forms of time series data. Next, we applied the hidden Markov model (HMM) to fine-tune the states objectively and to obtain the transition probabilities between the states and the emission probabilities that show the connection of the states with observable events such as the number of species, the diversity measured by Shannon entropy, and the biological water quality index (BMWP). While the number of species apparently addressed the state of the community, the diversity reflected the state changes after the HMM training along with seasonal variations in cyclic manners. The BMWP showed clear characterization of events that correspond to the different states based on the emission probabilities. The environmental factors such as temperature and precipitation also indicated the seasonal and cyclic changes according to the HMM. Though the usage of the HMM alone can guarantee the convergence of the training or the precision of the derived states based on field data in this study, the derivation of the states by the SOM that followed the fine-tuning by the HMM well elucidated the states of the community and could serve as an alternative reference system to reveal the ecological structures in stream communities.

• Journal of Forest and Environmental Science
• /
• 제40권2호
• /
• pp.99-110
• /
• 2024

According to the REDD+ program, it is necessary to monitor, quantify, and report forest conditions in protected land areas. The objectives of this work were to quantify the average monthly aerial net primary productivity (ANPP_MONTH) of semi-arid Chaco Forest at Copo National Park (CNP), Santiago del Estero, Argentina, during the period 2000-2023, as well as its spatial distribution and relationship, and its use efficiency (RUE) of average monthly rainfall (AMR). The ANPP_MONTH model accounted for 90% of the seasonal variability from October to May, the average seasonal ANPP_MONTH was 145 tons of dry matter per hectare (t dm/ha), being the maximum in January with 192 t dm/ha and the minimum in May with 91 t dm/ha. The surface area covered by ANPP_MONTH exhibited a consistent positive trend from October to May (t test=15.65, p<0.01). Strong and significant direct relationships were found between ANPP_MONTH and AMRs, linear models explaining 90% and 96% of the variability, respectively. The results obtained become reference values for assessing the capacity of the forest systems to stock carbon for global warming mitigation and for monitoring and controlling their response to extreme climatic adversities. The average ANPP_MONTH reduces uncertainty when defining the thresholds to monitor and quantify ANPP and forest area, thus facilitating the detection of negative changes in land use in CNP. Such results evidence the National Parks Administration's high effectiveness for the maintenance of protected area and for the high ANPP of the FCHS of CNP in the period 2000-2023.

• 응용통계연구
• /
• 제31권2호
• /
• pp.189-204
• /
• 2018

본 연구는 2014년 1월부터 2017년 4월까지 광, 공업용 제조업을 하는 건물(GGM)의 전기 사용량에 대한 예측을 살펴보고자 한다. SARIMA, SARIMA + GARCH, Holt-Winters 방법, Fourier 변환으로 분해를 한 ARIMA 모형을 중심으로 네 가지 모형에 대한 적합을 하였다. 또한 2017년 5월 사용량에 대한 예측하고, 실제값을 고려하여 각 모형에 대해 예측 제곱근 평균 제곱 오차와 예측 오차율을 비교하였다. GGM 건물의 전기 사용량에 대한 변동이 심하기 때문에 여러 가지 모형 중에서도 변동성과 주기를 함께 고려한 SARIMA + GARCH 모형의 적합과 예측이 가장 뛰어난 것을 확인하였다.

• Asian Journal of Business Environment
• /
• 제7권4호
• /
• pp.35-41
• /
• 2017

Purpose - This paper aims to examine several time series models to predict sales of department stores and discount store markets in South Korea, while other previous trial has performed sales of convenience stores and supermarkets. In addition, optimal predicted values on the underlying model can be got and be applied to distribution industry. Research design, data, and methodology - Two retailing types, under investigation, are homogeneous and comparable in size based on 86 realizations sampled from January 2010 to February in 2017. To accomplish the purpose of this research, both ARIMA model and exponential smoothing methods are, simultaneously, utilized. Furthermore, model-fit measures may be exploited as important tools of the optimal model-building. Results - By applying Holt-Winters' additive seasonality method to sales of two large-scale retailing types, persisting increasing trend and fluctuation around the constant level with seasonal pattern, respectively, will be predicted from May in 2017 to February in 2018. Conclusions - Considering 2017-2018 forecasts for sales of two large-scale retailing types, it is important to predict future sales magnitude and to produce the useful information for reforming financial conditions and related policies, so that the impacts of any marketing or management scheme can be compared against the do-nothing scenario.

• 조명전기설비학회논문지
• /
• 제28권1호
• /
• pp.50-56
• /
• 2014

Accurate midterm load forecasting is essential to preventive maintenance programs and reliable demand supply programs. This paper describes a midterm load forecasting method using autoregressive integrated moving average (ARIMA) model which has been widely used in time series forecasting due to its accuracy and predictability. The various ARIMA models are examined in order to find the optimal model having minimum error of the midterm load forecasting. The proposed method is applied to forecast 104-week load pattern using the historical data in Korea. The effectiveness of the proposed method is evaluated by forecasting 104-week load from 2011 to 2012 by using historical data from 2002 to 2010.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.373-373
• /
• 2021

Rainfall forecasting is an important issue that is applied in many areas, such as agriculture, flood warning, and water resources management. In this context, this study proposed a statistical and machine learning-based forecasting model for monthly rainfall. The Bayesian Gaussian process was chosen to optimize the hyperparameters of the Stacked Long Short-term memory (SLSTM) model. The proposed SLSTM model was applied for predicting monthly precipitation of Seoul station, South Korea. Data were retrieved from the Korea Meteorological Administration (KMA) in the period between 1960 and 2019. Four schemes were examined in this study: (i) prediction with only rainfall; (ii) with deseasonalized rainfall; (iii) with rainfall and minimum temperature; (iv) with deseasonalized rainfall and minimum temperature. The error of predicted rainfall based on the root mean squared error (RMSE), 16-17 mm, is relatively small compared with the average monthly rainfall at Seoul station is 117mm. The results showed scheme (iv) gives the best prediction result. Therefore, this approach is more straightforward than the hydrological and hydraulic models, which request much more input data. The result indicated that a deep learning network could be applied successfully in the hydrology field. Overall, the proposed method is promising, given a good solution for rainfall prediction.

• 한국지리정보학회지
• /
• 제2권2호
• /
• pp.69-78
• /
• 1999

본 논문에서는 한반도의 지역별 강수량 예측을 위한 신경망 기법을 소개한다. 시계열 패턴 예측 문제에 적용될 수 있는 기존의 다양한 신경망 모델의 특성을 분석하고 이로부터 강수량 예측 문제에 적합한 모델 및 학습 알고리즘을 제시한다. 본 논문에서 제시하는 모델은 계층적구조의 신경망으로 각 노드의 출력값은 일정기간동안 버퍼에 저장되어 상위계층에 입력으로 작용한다. 본 연구에서는 제안된 모델에 대하여 이중연결형태의 시냅스 구조를 채택하고, 이에 대한 네트워크의 동작특성과 학습알고리즘 등을 정의한다. 이러한 이중연결구조는 기존의 다층퍼셉트론에서 바이어스 노드의 역할을 담당하며, 노드가 갖는 특징들간의 관계를 효과적으로 반영함으로써 기존의 전형적인 시계열 예측 신경망인 FIR(Finite Impulse Response) 네트워크와 비교할 때 학습의 효율을 개선시킨다. 제시된 이론은 월별 및 계절별 강수량 예측 실험에 적용하였다. 신경망 예측기의 학습자료로서 과거 수십년동안 관측된 강수량 데이터와 해수표면온도 데이터를 사용하며 예측 실험결과로부터 제시된 이론의 타당성을 고찰한다.

• 물과 미래
• /
• 제29권2호
• /
• pp.179-190
• /
• 1996

한강하류부 수질의 통계학적 해석을 통하여 수질 시계열자료의 기본 통계특성치, 지점별 및 계절별 변동성을 검토하였으며, 유량과 수질인자간의 상관성 분석을 실시하였다. 본류의 주요 6개 지점 및 3개 지류에 대한 통계특성치와 적정분포형을 산정하여 제시하였으며, 시간의존성 및 계절성을 검토하여 제시하였다. 또한, 수질 항목간의 상관성 검토를 통하여 상관성이 높은 수질, 항목간, 그리고 지점간의 상관식을 제시하였다. 추계학적 모의모형의 적용가능성을 확인하였으며, DO 항목은 전 지점간에 높은 상관성을 가지고 있었다. 유량과의 상관관계 검토에 있어서 DO, SS 항목은 유량보다는 수온에 민감하였으며, BOD, COD 항목은 유량이 적은 갈수기에는 유량에 민감한 것으로 나타났다. 수온에 밀접한 영향을 받는 DO 항목외에도 BOD, COD 항목은 계절적인 주기성을 가지고 있었으며, 상호상관 분석결과 DO, BOD, COD 항목 외의 수질 항목들에서도 각 수질 항목들에 내재된 주기성을 찾아볼 수 있었다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1077-1093
• /
• 2020

해수면 온도는 전 세계 해양, 기상 현상에 영향을 주고 해양 환경 변화와 생물에게 영향을 주는 중요한 요소이다. 특히, 우리나라 남해안을 비롯한 연안 지역의 경우 어업 및 양식업 등의 수산업이 많이 발달하여, 매년 고수온 현상으로 인한 사회·경제적 피해가 발생하고 있다. 따라서 위성 자료와 같은 광범위한 지역을 감시할 수 있는 자료를 활용한 해수면 온도 및 공간적 분포의 예측기술 개발을 통하여 피해를 예방할 수 있는 시스템을 구축할 필요가 있다. 해수면 온도 예측은 기존의 수치 모델을 통해서 예측을 진행하였지만, 다수의 역학적 요인들을 사용하여 예측 결과 산출 시 복잡함이 존재한다. 최근 기계학습 및 딥러닝 기법이 발달함에 따라 해양 분야의 예측에 적용하는 연구가 진행되고 있다. 본 연구는 그 중 시·공간적인 일관성 및 정확도가 높은 장단기 기억(Long Short Term Memory, LSTM)과 합성곱 장단기 기억(Convolutional Long Short Term Memory, ConvLSTM) 딥러닝 기법을 사용하여 남해지역의 해수면온도 예측 및 2017년부터 2019년까지의 고수온 발생 건에 대해서 예측 결과의 공간 분포와 공간 분포와 예측 가능성에 대해 분석을 하였다. 1일 예측 모델의 정확도는 RMSE 기준으로 ConvLSTM(전체: 0.33℃, 봄: 0.34℃, 여름: 0.27℃, 가을: 0.32℃, 겨울: 0.36℃)이 LSTM 기반의 예측 모델(전체: 0.40℃, 봄: 0.40℃, 여름: 0.48℃, 가을: 0.39℃, 겨울: 0.34℃)보다 우수한 성능을 보였다. 2017년 고수온 발생 사례에 대해 해수면 온도 예측과 고수온 탐지 성능에서 ConvLSTM은 5일까지 경보를 탐지하였지만, LSTM의 경우 2일 예측 이후 해수면 온도를 과소 추정하는 경향이 커짐에 따라 탐지하지 못하였다. 시공간적인 해수면 온도 예측 시 ConvLSTM이 LSTM에 비해 적절한 모델로 판단된다.