• 한국수자원학회논문집
• /
• 제49권9호
• /
• pp.761-771
• /
• 2016

기상청에서 운영하고 제공하는 전지구 계절예측시스템 GloSea5 (Global Seasonal forecasting system version 5)자료를 활용하여 용담댐유역에 적용하고자 하였다. GloSea5는 예측자료(Forecast; 이하 FCST)와 과거재현자료(Hindcast; 이하 HCST)로 제공되며 공간 수평해상도는 N216 ($0.83^{\circ}{\times}0.56^{\circ}$)으로 중위도에서 약 60km이다. 이를 유역단위 물관리에 활용하기 위해서는 시 공간적인 상세화가 필요하므로 통계적 상세화 기법을 수행하여 변수가 갖는 계통적인 지역 오차를 보정함으로써 자료의 신뢰도를 향상시키고자 하였다. HCST자료는 앙상블 형태로 주어지며 용담댐 유역의 앙상블 평균에 대한 6번 격자의 통계적인 상관성($R^2=0.60$, RMSE=88.92, NSE=0.57)이 가장 높게 나타났다. 또한 계절분석시 여름철의 경우 원시 GloSea5 강우량이 600.1mm로 관측값인 816.1mm 대비 -26.5%로 가장 많은 차이를 보였으며 상세화 후 GloSea5 강우량은 -3.1%의 오차율을 보였다. 대부분의 과소 모의된 결과가 여름철 홍수기에 해당되는 강우로 상세화 이후 강우가 회복되는 매우 중요한 결과를 보였다. 계절별 Moran's I 지수를 이용한 공간적 자기상관분석 결과 역시 통계적으로 유의성 있는 공간적인 분포를 나타냄으로써 자료의 불확실성을 개선하고 시 공간적인 정확도와 타당성을 입증하였다. HCST기간에 대한 GloSea5의 앙상블 강우에 대한 신뢰도를 향상시킴으로써 수문학적인 영향을 평가하기 위한 자료로서의 충분한 가능성을 확보하였으며 이러한 시 공간적인 재현성에 대한 평가결과는 향후 유역단위 물관리를 위한 기초자료로서 매우 중요한 역할을 할 것이다.

• 대기
• /
• 제30권3호
• /
• pp.257-276
• /
• 2020

Faithful evaluation of the meteorological input is a prerequisite for a better understanding of air quality model performance. Despite the importance, the preliminary meteorological assessment has rarely been concerned. In this study, we aim to evaluate the performance of the Weather Research and Forecasting (WRF) model conducting a year-long high-resolution meteorological simulation in 2016 over the Seoul metropolitan area. The WRF model was configured based on a series of sensitivity simulations of initial/boundary meteorological conditions, land use mapping data, reanalysis grid nudging method, domain nesting method, and urban canopy model. The simulated results of winds, air temperature, and specific humidity in the atmospheric boundary layer (ABL) were evaluated following statistical evaluation guidance using the surface and upper meteorological measurements. The statistical evaluation results are presented. The model performance was interpreted acceptable for air quality modeling within the statistical criteria of complex conditions, showing consistent overestimation in wind speeds. Further statistical analysis showed that the meteorological model biases were highly systematic with systematic bias fractions (f_SB) of 20~50%. This study suggests that both the momentum exchange process of the surface layer and the ABL entrainment process should be investigated for further improvement of the model performance.

• 응용통계연구
• /
• 제23권1호
• /
• pp.63-71
• /
• 2010

기업가들은 일반적으로 기업의 성장을 위하여 국내외 경제동향에 대하여 면밀한 분석과 판단 및 예측을 하고 기업의 경영 활동에 반영한다. 기업가들의 이와 같은 종합적인 판단, 예측, 계획 등은 생산, 투자, 고용 등 기업의 경제활동에 영향을 미치게 되며, 국민경제 전체의 경제활동 수준이라 할 수 있는 경기에도 큰 영향을 미치게 된다. 기업경기 실사지수(Business Survey Index; BSI)는 이러한 기업가의 주관적이고 심리적인 요인에 대한 정보를 수집하여 경기분석에 활용하고자 하는 필요성에 의해 작성되었다. 기업경기실사지수는 과거 외환위기를 전후한 경기변동기에서 경제예측을 위한 단기시계열 모형의 매우 유용한 변수로 이용되었다. 최근의 금융위기는 과거 외환위기 당시와 유사한 급격한 경기변동올 수반하연서 기업정기실사지수의 경제예측변수로서의 중요성을 재차 부각시졌다. 본고에서는 이와 같이 유용성이 높아지고 있는 경제심리지표로서 기업경기실사지수의 의미에 대해 개괄하고 동 지수에 영향을 미치고 있는 요인에는 어떠한 것들이 있는지 살펴보았다. 분석을 위해 GUIDE 회귀나무 알고리즘을 이용하였으며, 분석한 결과 다양한 경제변수틀 중 제조업 가동률 및 소비재 판매액 등 기업의 활동과 직결된 지표와 더불어 kospi와 환율 등 금융시장의 안정성과 관련된 지표도 경제심리에 영향을 미치는 변수로 나타났다.

• 기술혁신학회지
• /
• 제19권4호
• /
• pp.799-821
• /
• 2016

무인항공기는 현대 전장 환경에서 감시정찰을 위한 필수요소이며, 전장의 복잡성과 불확실성이 증가함에 따라 그 중요성은 더욱 커지고 있다. 본 연구에서는 1982년부터 2014년까지 개발된 96대의 군용 무인항공기를 대상으로 비모수적이며 비통계적 기술예측 방법인 TFDEA를 이용한 기술예측을 실시하였다. 2001년에 최초로 소개된 이후 Inman 외(2006) 등은 TFDEA가 SOA 분석에서 회귀분석과 같은 전통적인 계량방법론보다 예측력이 우수함을 실증하였다. 본 연구에서는 무인항공기에 대한 기술예측 결과 연간 평균기술변화율이 4.06%로 향상되었으며, 개발된 대부분의 무인항공기는 첨단기술 프론티어(SOA) 보다 낮은 수준이었다. 이는 무인항공기를 개발하는 대부분의 국가가 기술적으로 중진국이고, 기술적 선진국인 북미와 유럽의 국가들이 세계 무인항공기 시장의 60% 이상을 장악하고 있다는 것에 기인한다고 볼 수 있다. 본 연구는 TFDEA의 적용분야를 미래체계로서 관심의 대상인 무인화 기술개발 분야로 확대하여 기술혁신의 특성을 분석함으로써 미래 무인항공기의 개발과 기술발전에 관한 기술예측의 기법으로서 적용가능성을 확인하였다. 특히 군의 작전요구성능과 연구개발관리에 필요한 정량적 지표를 설정하는데 활용할 수 있을 것으로 평가된다.

• 한국지구과학회지
• /
• 제26권3호
• /
• pp.268-275
• /
• 2005

대표적인 엘니뇨 지수인 태평양 Nino 해역의 표층 수온을 예측하기 위해 비선형 통계모델 중의 하나인 신경망 기법을 적용하였다. 신경망 모델 학습 과정의 입력 자료로 1951년부터 1993년까지의 태평양 해역$(120^{\circ}\;E,\;20^{\circ}\;S-20^{\circ}\;N)$ NCEP/NCAR의 재분석 표층 수온 편차의 경험적 직교함수 7개 주모드를 사용하였고, 그 중 1994년부터 2003년까지의 10년 결과를 분석하였다. 모든 해역에서의 9개월까지의 신경망 모델의 예측력은 비교적 우수하였으며, 특히 1997년과 1998년의 강한 엘니뇨의 발달 및 소멸도 잘 예측함을 확인할 수 있었다. 해역별로는 Nino3 지역의 예측성능이 가장 높았으며, 9개월 이후부터는 그 예측력이 급격히 감소하였다. 한편 지역적인 영향이 커 예측력이 낮은 동태평양 연안의 Nino1+2 지역은 9개월 이후에도 예측력의 감소가 관찰되지 않았다.

• 대한토목학회논문집
• /
• 제6권2호
• /
• pp.45-55
• /
• 1986

본(本) 연구(硏究)는 도시교통계획(都市交通計劃)에서 장래교통발생예측시(將來交通發生豫測時) 항상 문제(問題)로 되는 설명변수선택(說明變數選擇)의 애매성(曖昧性)을 해결(解決)하기 위하여 교통발생(交通發生)의 설명지표(說明指標)를 제안(提案)하는 동시(同時)에 최량(最良)의 도시교통발생(都市交通發生) Model을 작성(作成)하였다. 제안(提案)된 설명지표(說明指標)를 사용(使用)하여 목적별(目的別) 교통발생중회귀(交通發生重回歸) 모델을 작성(作成)하고, 단일변수(單一變數)로 설명(說明)이 가능(可能)한 것은 교통발생(交通발生)의 비손성(非負性)을 확보(確保)하기 위하여 단회귀(單回歸)모델로 수정(修正)하였다. 그러나 다변수(多變數)가 도입(導入)되어도 설명(說明)이 불충분(不充分)한 목적별(目的別) 교통(交通)(등교집중(等校集中)과 자유목적(自由目的)의 발생(發生)모델)은 동질(同質)의 토지이용활동(土地利用活動)으로부터 발생(發生)하는 교통(交通)의 발생특성(發生特性)이 유이(類似)함에 주목(注目)하여 각(各) zone을 특성별(特性別)로 분류(分類)하고 zone 군별(群別)로 교통발생(交通發生) 모델을 작성(作成)하여 통계적(統計的)으로 유의성(有意性)을 검토(檢討)하였다. 그리고 장래교통발생예측(將來交通發生豫測)은 단순(單純)하면서도 예측정도(豫測精度)의 제고(提高)가 바람직하므로 토지이용활동별(土地利用活動別)로 교통발생원단위(交通發生原單位)를 작성(作成)하고 안정성(安定性)을 고찰(考察)하여 교통발생예측시(交通發生豫測時) 실용가능(實用可能)한 원단위(原單位)를 제안(提案)하였다.

• 응용통계연구
• /
• 제32권6호
• /
• pp.795-835
• /
• 2019

최근 다양한 분야에서 '빅데이터'가 생성되었다. 많은 기업들은 인공지능(AI)을 기반으로 빅데이터 분석이 가능한 시스템을 구축하여 이익 창출을 시도하고 있다. 인공지능 기술을 접목함으로써 방대한 양의 데이터를 효율적으로 분석하고 효과적으로 활용하는 것은 점점 더 중요해지고 있다. 특히 재무, 조달, 생산 및 마케팅과 같은 다양한 분야에서 국가 및 기업 경영 관리에있어 최소의 오차와 최대의 정확도를 갖춘 수요예측은 절대적으로 중요한 요소이다. 이때 각 분야의 수요패턴을 고려한 적절한 모델을 적용하는 것이 중요하다. 전통적으로 쓰이는 시계열모델이나 회귀모델로도 비대해진 실제 데이터의 복잡한 비선형적인 패턴을 분석할 수 있다. 그러나 다양한 비선형 모델들 중에서 적절한 모델을 선택하는 것은 사전 지식 없이는 어려운 일이다. 최근에는 인공지능 기반의 기법들인 머신러닝이나 딥러닝 기법을 중심으로 이루어진 연구들이 이를 극복할 수 있음을 증명하고 있다. 뿐만 아니라 정형데이터와 이미지나 텍스트의 비정형 데이터 분석을 통한 수요예측도 높은 정확도를 갖춘 결과를 보이고 있다. 따라서 본 연구에서는 수요예측이 비교적 활발하게 일어나는 중요한 분야들을 나누어 설명하였다. 그리고 각 분야별로 갖는 특징적인 성격을 고려한 인공지능 기반의 수요예측 기법에 대해 머신러닝과 딥러닝 기법으로 나누어 소개하였다.

• 한국수자원학회논문집
• /
• 제53권6호
• /
• pp.395-408
• /
• 2020

본 연구논문은 북부아프리카의 알제리에 위치한 하천유역에서 다중선행일 유출량의 예측을 위하여 진화적 최적화기법과 k-fold 교차검증을 결합한 세 개의 서로 다른 기계학습 접근법 (인공신경망, 적응 뉴로퍼지 시스템, 그리고 웨이블릿 기반 신경망)을 개발하고 적용하는 것이다. 인공신경망과 적응 뉴로퍼지 시스템은 root mean squared error (RMSE), Nash-Sutcliffe efficiency (NSE), correlation coefficient (R), 그리고 peak flow criteria (PFC) 의 네 개의 통계지표를 기반으로 하여 모형의 훈련 및 테스팅 결과 유사한 모형수행결과를 나타내었다. 웨이블릿 기반 신경망모형은 하루선행일 테스팅의 결과 RMSE = 8.590 ㎥/sec 과 PFC = 0.252로 분석되어서 인공신경망의 RMSE = 19.120 ㎥/sec, PFC = 0.446 과 적응 뉴로퍼지 시스템의 RMSE = 18.520 ㎥/sec, PFC = 0.444 보다 양호한 결과를 나타내었고, NSE와 R의 값도 웨이블릿 기반 신경망모형이 우수한 것으로 나타났다. 그러므로 웨이블릿 기반 신경망은 알제리 세이보스 하천에서 다중선행일의 예측을 위하여 효율적인 도구로 사용할 수 있다.

• 대한교통학회지
• /
• 제19권6호
• /
• pp.207-218
• /
• 2001

신호교차로 교통사고는 도시가 발달하고 산업이 고도화됨에 따라 교통혼잡 문제와 함께 심각한 사회문제로 대두되고 있다. 특히 이와 같은 교통사고는 대부분 인적 요인, 차량적 요인, 환경적 요인 등이 상호 복합적으로 작용하여 발생한다. 이전 교통사고와 교통량과의 관계는 운전자 과실과 함께 교통사고 발생에 주요요인으로 작용하고 있다. 본 연구에서는 교통사고 예측모형을 개발하기 위해 1996년부터 1998년까지 3년 동안에 실제 광주광역시 4-지 신호교차로 73개소에서 발생한 교통사고자료를 기초로 하였다. 또한 4-지 신호교차로 교통사고 분석에 단순통계분석과 교차분석 및 다중회귀분석을 사용하였다. 특히 다중회귀분석에는 교차로 사고분석을 위해 사고유형을 종속변수로, 방향별 접근 교통량을 독립변수로 각각 적용하여 교통사고 예측모형을 도출하였다. 그리고 본 연구에서 도출된 예측모형을 이용하여 전라남도 4-지 신호교차로에 대한 교통사고 잦은 지점으로 선정된 30개소를 선택, 사고유형을 분석한 후 교통사고 예측모형에 적용하여 사고모형을 검증하였다. 결론적으로 본 연구에서는 사고유형과 방향별 접근 교통량과의 관계를 이용하여 광주광역시 4-지 신호교차로 교통사고 예측모형을 개발하였고, 향후 연구과제로 타 지역 신호교차로 교통사고 예측모형 연구와 교차로 교통사고에 대한 안전대책 및 안전한 교차로 설계에 대한 지속적인 연구가 수행되어 져야 할 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.31-31
• /
• 2023

During December 2022, the northeast monsoon, which dominates the south and the Gulf of Thailand, had significant rainfall that impacted the lower southern region, causing flash floods, landslides, blustery winds, and the river exceeding its bank. The Golok River, located in Narathiwat, divides the border between Thailand and Malaysia was also affected by rainfall. In flood management, instruments for measuring precipitation and water level have become important for assessing and forecasting the trend of situations and areas of risk. However, such regions are international borders, so the installed measuring telemetry system cannot measure the rainfall and water level of the entire area. This study aims to predict 72 hours of water level and evaluate the situation as information to support the government in making water management decisions, publicizing them to relevant agencies, and warning citizens during crisis events. This research is applied to machine learning (ML) for water level prediction of the Golok River, Lan Tu Bridge area, Sungai Golok Subdistrict, Su-ngai Golok District, Narathiwat Province, which is one of the major monitored rivers. The eXtreme Gradient Boosting (XGBoost) algorithm, a tree-based ensemble machine learning algorithm, was exploited to predict hourly water levels through the R programming language. Model training and testing were carried out utilizing observed hourly rainfall from the STH010 station and hourly water level data from the X.119A station between 2020 and 2022 as main prediction inputs. Furthermore, this model applies hourly spatial rainfall forecasting data from Weather Research and Forecasting and Regional Ocean Model System models (WRF-ROMs) provided by Hydro-Informatics Institute (HII) as input, allowing the model to predict the hourly water level in the Golok River. The evaluation of the predicted performances using the statistical performance metrics, delivering an R-square of 0.96 can validate the results as robust forecasting outcomes. The result shows that the predicted water level at the X.119A telemetry station (Golok River) is in a steady decline, which relates to the input data of predicted 72-hour rainfall from WRF-ROMs having decreased. In short, the relationship between input and result can be used to evaluate flood situations. Here, the data is contributed to the Operational support to the Special Water Resources Management Operation Center in Southern Thailand for flood preparedness and response to make intelligent decisions on water management during crisis occurrences, as well as to be prepared and prevent loss and harm to citizens.