• 한국산학기술학회논문지
• /
• 제16권1호
• /
• pp.801-806
• /
• 2015

본 최근 세계적으로 기후 변화에 의한 홍수 피해가 증가하고 있다. 우리나라의 경우 홍수가 발생하는 빈도가 증가함에 따라 홍수 발생 상황을 예측하고 대비할 수 있는 기술이 주로 대규모 하천을 대상으로 이루어졌으므로, 기존의 홍수 예보시스템을 예보 선행시간이 짧은 소규모 유역에 적용하기에는 무리가 있다. 이에 본 연구에서는 도시 유역 내 배수위 영향을 가진 수암천 유역을 대상으로 2개의 경보발령지점을 선정한 후, 홍수 예 경보 모형을 이용하여 홍수 경보 강우량을 산정하였다. 산정 결과, 저수 예 경보 지점의 경우 25.4mm/120min~78.8mm/120min로 산정되었으며, 고수 예 경보 지점의 경우 68.5mm/120min~140.7mm/120min로 산정되었다. 이에 따른 빈도로는 저수 예 경보의 경우 3년 빈도에 해당되며, 고수 예 경보의 경우 80년 빈도에 해당된다. 본 연구의 분석결과는 도시유역의 홍수 발생 상황을 예측하는데 기초 자료를 제공할 것으로 기대되며, 장차 실제 홍수 경보발령기준을 제시하기 위해 많은 유역에서의 관측자료를 바탕으로 한 지속적인 적용 및 검증이 필요하다.

• 전자통신동향분석
• /
• 제34권3호
• /
• pp.106-113
• /
• 2019

Mobile traffic is one of the most important indexes of the growth of the mobile communications market, and it has a close relationship with subscribers' service usage patterns, frequency demand and supply, network management, and information communication policy. The purpose of this paper is to understand mobile data usage in Korea and to suggest the optimal steps for establishing the frequency supply and demand system by researching the traffic trends that reflect the characteristics of radio resources in the mobile communications field. To achieve this goal, attempts were made to increase the possibility of policy use by analyzing and forecasting mobile traffic trends, and to improve the accuracy of the research through the verification of the existing prediction results. The paper ends with a discussion of the necessity of a frequency management system based on data science.

• Earthquakes and Structures
• /
• 제18권4호
• /
• pp.507-517
• /
• 2020

This study aims to present new frequency-related seismic intensity parameters (SIPs) based on the Hilbert-Huang Transform (HHT) analysis. The proposed procedure is utilized for the processing of several seismic accelerograms. Thus, the entire evaluated Hilbert Spectrum (HS) of each considered seismic velocity time-history is investigated first, and then, a delimited area of the same HS around a specific frequency is explored, for the proposition of new SIPs. A first application of the suggested new parameters is to reveal the interrelation between them and the structural damage of a reinforced concrete frame structure. The index of Park and Ang describes the structural damage. The fundamental frequency of the structure is considered as the mentioned specific frequency. Two statistical methods, namely correlation analysis and multiple linear regression analysis, are used to identify the relationship between the considered SIPs and the corresponding structural damage. The results confirm that the new proposed HHT-based parameters are effective descriptors of the seismic damage potential and helpful tools for forecasting the seismic damages on buildings.

• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support fer multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To date, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques' results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support for multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To data, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 한국수자원학회논문집
• /
• 제46권7호
• /
• pp.697-706
• /
• 2013

최근 한국은 기후변화로 인한 기온 및 수온 상승, 빈번한 집중호우와 친수공간 조성에 따른 적극적인 하천의 활용 등으로 인하여 하천 및 저수지 내 수질관리에 있어 해결해야 하는 많은 문제점을 가지고 있다. 본 연구는 효율적인 수질관리를 위하여 인공신경망을 이용한 단기조류예측모형 구축에 관한 연구이다. 대상지역으로 조류가 번식하기 좋은 조건을 지니고 있는 금강유역 내 대청호를 선정하였고 설치되어 있는 수질 자동측정망의 일 단위자료를 이용하였다. 다층전방향신경망의 역전파 알고리즘을 이용하여 단기(1일, 3일, 7일) 조류를 예측할 수 있는 모형을 구축하였다. 본 모형에서는 대청호 내 수문 및 수질성분을 교차상관분석을 기초하여 단기조류예측모형의 입력 성분을 선정한 후 다양한 조류예측 신경망 모형을 구축하여 결과에 대한 검증을 실시하였다. 구축된 단기조류예측모형은 자연발생적인 기작과 유사한 현상을 재현할 수 있는 다양한 수질인자를 고려하여 단기조류예측모형을 구축한 경우 예측의 정확도가 높게 도출되었다. 본 연구는 신경망모형의 최대 장점인 비선형성 및 간편성 등을 고려하였을 때 우리나라의 수질예측에 적합한 신경망 모형을 구축할 수 있으며 이를 통한 하천 및 호수 내 효율적인 수질관리 방안을 제시할 수 있을 것이다.

• Communications for Statistical Applications and Methods
• /
• 제17권2호
• /
• pp.293-308
• /
• 2010

본 연구는 2003년 1월 3일부터 2007년 6월 29일 동안의 실현변동성 측정방법에 따른 KOSPI200 지수의 변동성 예측성과를 비교 분석하였다. 또한 VKOSPI 선물이 상장되면 기초자산인 VKOSPI의 예측이 중요한 이슈가 되므로 어떤 변동성이 VKOSPI를 잘 예측할 수 있는지에 대한 분석도 실시하였다. 본 연구에서는 고빈도 자료를 사용하여 실현변동성을 산출할 때, 우리나라 주식거래의 특성인 동시호가제도를 반영할 수 있는 방법과 야간변동성과 주간변동성의 차이를 고려해주기 위하여 기존의 연구에서는 일간수익률(daily return)을 사용한 것과는 달리 일중수익률(intradaily return)을 사용하여 조정해주는 방법을 제시하였다. 새롭게 제시된 실현변동성은 기존의 실현변동성 측정방법과는 t-검증과 F-검증에서 0.01% 이하 유의수준에서 차이가 있고 기초통계량측면에서 보다 안정적(stable)인 것으로 나타났다. 변동성 측정 방법에 VKOSPI의 예측성과를 상관분석, 회귀분석, 교차타당성 (cross validation) 성과를 통한 검증에서 본 논문에서 새롭게 제시한 실현변동성 측정방법이 가장 예측력이 높았다. 회귀분석을 통한 미래 실현될 실현변동성에 대한 예측 검증결과 변동성지수인 VKOSPI가 역사적 변동성이나 CRR 내재변동성보다 우수함을 기존의 방법론과 새롭게 제시된 방법론에서 동시에 확인할 수 있었다.

• 한국수자원학회논문집
• /
• 제43권8호
• /
• pp.695-707
• /
• 2010

기후변화로 인해 태풍과 집중호우의 빈도 및 규모가 증가하고 있으며, 이로 인한 피해 역시 증가하고 있다. 태풍과 집중호우로 인한 피해를 줄이기 위한 홍수 예 경보 시스템에는 단시간 강우예측모델과 레이더 자료를 이용하여 산정된 예측강우가 필요하다. 이를 위하여 외국의 경우 단시간 강우예측 모델을 개발하여 레이더 자료를 이용한 강우예측을 수행하고 이를 수문모형과 연계하여 그 적용성을 분석하거나 홍수예보의 활용성을 평가하는 연구를 활발히 진행하고 있다. 이에 본 연구에서는 홍수예보를 위한 단시간 예측강우의 활용 측면에서 기상레이더 정보와 결합된 이류모델을 활용한 초단시간 강우예보의 국내 적용성을 평가하고자 한다. 이를 위해 최소자승법(Least-square fitting) 기법으로 레이더 강우를 추정하고, 추정된 강우를 이류모델의 초기장으로 활용하였다. 또한, 레이더 예측강우와 지상관측강우의 비교를 통해 레이더 예측강우의 정확도를 정성적 정량적으로 평가하고, 도시홍수예보의 활용 측면을 고려하여 중랑천 유역을 대상으로 초단시간 예측강우의 유역평균강우량을 산정하여 평가하였다. 연구 결과, 관악산 레이더와 진도 레이더 대부분의 사례에서 선행시간의 증가에 따라 예측강수의 정확도가 감소하지만 정성적 평가 측면에서 예측강우는 0.6 이상의 높은 정확도를 나타내었으며, 정량적 측면에서 예측강우와 관측강우와의 상관계수는 평균적으로 선행시간 1시간 이내에서 대부분 0.5 이상의 비교적 좋은 상관성을 보였다. 예측 유역평균강우의 평가 결과 관측강우에 비해 과소추정하는 경향이 있으나 평균적으로 상관계수 0.5 이상으로 비교적 정확하게 강우를 예측하는 것을 확인할 수 있었다. 이를 통해 레이더 자료와 이류모델을 통해 산정한 초단시간 예측강우의 활용성을 확인할 수 있었다.

• 한국농공학회지
• /
• 제36권2호
• /
• pp.44-55
• /
• 1994

This paper describes the development of real-time irrigation reservoir operation models that adequately allocate available water resources for paddy rice irrigation. Water requirement deficiency index(WRDI) was proposed as a guide to evaluate the operational performance of release schemes by comparing accumulated differences between daily release requirements for irrigated areas and actual release amounts. Seven reservoir release rules were developed, which are constant release rate method (CRR), mean storage curve method(MSC), frequency analysis method of reservoir storage rate(FAS), storage requirement curve method(SRC), constant optimal storage rate method (COS), ten-day optimal storage rate method(TOS), and release optimization method(ROM). Long-term forecasting reservoir operation model(LFROM) was formulated to find an optimal release scheme which minimizes WRDIs with long-term weather generation. Rainfall sequences, rainfall amount, and evaporation amount throughout the growing season were to be forecasted and the results used as an input for the model. And short-term forecasting reservoir operation model(SFROM) was developed to find an optimal release scheme which minimizes WRDIs with short-term weather forecasts. The model uses rainfall sequences forecasted by the weather service, and uses rainfall and evaporation amounts generated according to rainfall sequences.

• 한국농공학회지
• /
• 제36권1호
• /
• pp.63-72
• /
• 1994

The objective of the study is to develop weather generators for daily rainfall and small pan evaporation and to test the applicability with recorded data. Daily rainfall forecasting model(DRFM) was developed that uses a first order Markov chain to describe rainfall seque- nces and applies an incomplete Gamma function to predict the amount of precipitation. Daily evaporation forecasting model(DEFM) that adopts a normal distribution function to generate the evaporation for dry and wet days was also formulated. DRFM and DEFM were tested with twenty year weather data from eleven stations using Chi-square and Kolmogorov and Smirnov goodness of fit tests. The test results showed that the generated sequences of rainfall occurrence, amount of rainfall, and pan evaporation were statistically fit to recorded data from eleven, seven, and seven stations at the 5% level of significance. Generated rainfall data from DRFM were very close in frequency distri- bution patterns to records for stations all over the country. Pan evaporation for rainy days generated were less accurate than that for dry days. And the proposed models may be used as tools to provide many mathematical models with long-term daily rainfall and small pan evaporation data. An example is an irrigation scheduling model, which will be further detailed in the paper.