• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.184-188
• /
• 2008

추계학적 시계열 분석은 크게 수문자료의 장기간 합성과 실시간 예측으로 구분해 볼 수 있다. 장기간 합성은 주로 수문자료의 추계적 특성을 반영한 수자원 시스템의 운영율 개발에 이용되어 왔다. 반면에 실시간 예측은 수자원 시스템의 순응적(adaptive) 관리에 적용되고 있다. 두 개념의 차이로 전자는 시계열 자료를 합성하여 발생 가능한 모든 수문조합을 얻고자 하는 것이라면 후자는 전 시간의 수문량을 조건으로 하는 다음 시간의 값을 순응적으로 예측하는 것이라 할 수 있다. 수문자료의 합성과 예측에는 크게 결정론적, 확률론적 방법의 두 가지 대별될 수 있다. 결정론적 모델링 방법에는 인공신경망이나 Fuzzy 기법 등을 이용할 수 있으며, 확률론적 방법에는 ARMAX 등의 모수적 기법과 k-NN(k-nearest neighbor bootstrap resampling), KDE(kernel density estimates), 추계학적 인공신경망 등의 비모수적 기법으로 분류할 수 있다. 본 연구에서는 대표적 비모수적 기법인 k-NN를 이용하여 충주댐을 대상으로 월 및 일 유입량 자료의 예측 정도를 살펴보았다. 전 시간 관측치를 조건으로 하는 다음 시간의 조건부 확률분포를 구하여 평균값을 계산한 후 관측치와 비교함으로써 모형의 정도를 살펴보았다. 그리고 실시간 저수지 운영에 이 기법의 활용성과 장단점도 살펴보았다. 모형개발 절차로 모형의 보정을 거쳐 검증을 실시하였다. 결론적으로 월 및 일 유입량 예측에 k-NN 기법이 실무적으로 적용될 수 있었으며, 장점으로는 k-NN 기법이 다른 기법보다 모델링 절차가 비교적 쉬워 저수지 운영 최적화 등 타 시스템과의 연계에 수월함이 인식되었다.

• Geomechanics and Engineering
• /
• v.24 no.3
• /
• pp.281-293
• /
• 2021

Uncertainties in geomechanical input parameters which mainly related to inappropriate data acquisition and estimation due to lack of sufficient calibration information, have led wellbore instability not yet to be fully understood or addressed. This paper demonstrates a workflow of employing Quantitative Risk Assessment technique, considering these uncertainties in terms of rock properties, pore pressure and in-situ stresses to makes it possible to survey not just the likelihood of accomplishing a desired level of wellbore stability at a specific mud pressure, but also the influence of the uncertainty in each input parameter on the wellbore stability. This probabilistic methodology in conjunction with Monte Carlo numerical modeling techniques was applied to a case study of a well. The response surfaces analysis provides a measure of the effects of uncertainties in each input parameter on the predicted mud pressure from three widely used failure criteria, thereby provides a key measurement for data acquisition in the future wells to reduce the uncertainty. The results pointed out that the mud pressure is tremendously sensitive to UCS and SHmax which emphasize the significance of reliable determinations of these two parameters for safe drilling. On the other hand, the predicted safe mud window from Mogi-Coulomb is the widest while the Hoek-Brown is the narrowest and comparing the anticipated collapse failures from the failure criteria and breakouts observations from caliper data, indicates that Hoek-Brown overestimate the minimum mud weight to avoid breakouts while Mogi-Coulomb criterion give better forecast according to real observations.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2019.11a
• /
• pp.266-266
• /
• 2019

Marine accidents are increasing year by year, and various accidents occur such as engine failure, collision, stranding, and fire. These marine accidents present a risk of large casualties. It is important to prevent accidents beforehand. In this study, we propose a modeling to predict the occurrence of marine accidents by applying the Markov Chain Process that can predict the future based on past data. Applying the proposed modeling, the probability of future marine accidents was calculated and compared with the actual frequency. Through this, a probabilistic model was proposed to prepare a prediction system for marine accidents, and it is expected to contribute to predicting various marine accidents.

• Journal of Korea Water Resources Association
• /
• v.39 no.3 s.164
• /
• pp.261-274
• /
• 2006

This study performs a daily long-term runoff analysis for 30 years to forecast medium- and long-term probabilistic reservoir inflows on the Soyang River basin. Snowmelt is computed by Anderson's temperature index snowmelt model and potenetial evaporation is estimated by Penman-combination method to produce input data for a rainfall-runoff model. A semi-distributed TOPMODEL which is composed of hydrologic rainfall-runoff process on the headwater-catchment scale based on the original TOPMODEL and a hydraulic flow routing model to route the catchment outflows using by kinematic wave scheme is used in this study It can be observed that the time variations of the computed snowmelt and potential evaporation are well agreed with indirect observed data such as maximum snow depth and small pan evaporation. Model parameters are calibrated with low-flow(1979), medium-flow(1999), and high-flow(1990) rainfall-runoff events. In the model evaluation, relative volumetric error and correlation coefficient between observed and computed flows are computed to 5.64% and 0.91, respectively. Also, the relative volumetric errors decrease to 17% and 4% during March and April with or without the snowmelt model. It is concluded that the semi-distributed TOPMODEL has well performance and the snowmelt effects for the long-term runoff computation are important on the study area.

• Journal of Korea Water Resources Association
• /
• v.49 no.9
• /
• pp.761-771
• /
• 2016

The GloSea5 (Global Seasonal forecasting system version 5) is provided and operated by the KMA (Korea Meteorological Administration). GloSea5 provides Forecast (FCST) and Hindcast (HCST) data and its horizontal resolution is about 60km ($0.83^{\circ}{\times}0.56^{\circ}$) in the mid-latitudes. In order to use this data in watershed-scale water management, GloSea5 needs spatial-temporal downscaling. As such, statistical downscaling was used to correct for systematic biases of variables and to improve data reliability. HCST data is provided in ensemble format, and the highest statistical correlation ($R^2=0.60$, RMSE = 88.92, NSE = 0.57) of ensemble precipitation was reported for the Yongdam Dam watershed on the #6 grid. Additionally, the original GloSea5 (600.1 mm) showed the greatest difference (-26.5%) compared to observations (816.1 mm) during the summer flood season. However, downscaled GloSea5 was shown to have only a -3.1% error rate. Most of the underestimated results corresponded to precipitation levels during the flood season and the downscaled GloSea5 showed important results of restoration in precipitation levels. Per the analysis results of spatial autocorrelation using seasonal Moran's I, the spatial distribution was shown to be statistically significant. These results can improve the uncertainty of original GloSea5 and substantiate its spatial-temporal accuracy and validity. The spatial-temporal reproducibility assessment will play a very important role as basic data for watershed-scale water management.

• Journal of Astronomy and Space Sciences
• /
• v.31 no.2
• /
• pp.149-157
• /
• 2014

As the prediction of geomagnetic storms is becoming an important and practical problem, conditions in the Earth's magnetosphere have been studied rigorously in terms of those in the interplanetary space. Another approach to space weather forecast is to deal with it as a probabilistic geomagnetic storm forecasting problem. In this study, we carry out detailed statistical analysis of solar wind parameters and geomagnetic indices examining the dependence of the distribution on the solar cycle and annual variations. Our main findings are as follows: (1) The distribution of parameters obtained via the superimposed epoch method follows the Gaussian distribution. (2) When solar activity is at its maximum the mean value of the distribution is shifted to the direction indicating the intense environment. Furthermore, the width of the distribution becomes wider at its maximum than at its minimum so that more extreme case can be expected. (3) The distribution of some certain heliospheric parameters is less sensitive to the phase of the solar cycle and annual variations. (4) The distribution of the eastward component of the interplanetary electric field BV and the solar wind driving function BV2, however, appears to be all dependent on the solar maximum/minimum, the descending/ascending phases of the solar cycle and the equinoxes/solstices. (5) The distribution of the AE index and the Dst index shares statistical features closely with BV and $BV^2$ compared with other heliospheric parameters. In this sense, BV and $BV^2$ are more robust proxies of the geomagnetic storm. We conclude by pointing out that our results allow us to step forward in providing the occurrence probability of geomagnetic storms for space weather and physical modeling.

• Journal of the Korea Institute of Building Construction
• /
• v.17 no.3
• /
• pp.287-294
• /
• 2017

Recently the construction project is becoming large-sized, complicated, and modernize. This has increased the uncertainty of construction risk. Therefore, studies should be followed regarding scientifically identifying the risk factors, quantifying the frequency and severity of risk factors in order to develop a model that can quantitatively evaluate and manage the risk for response the increased risk in construction. To address the problem, this study analyze the probability distribution of risk causes, the probability of occurrence and frequency of the specific risk level through Monte Carlo simulation method based on the accident data caused at construction sites. In the end, this study derives quantitative analysis by analyzing the amount of risk and probability distributions of accident causes. The results of this study will be a basis for future quantitative risk management models and risk management research.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.71-71
• /
• 2012

현재 전 세계적으로 극한강우의 발생빈도가 점차 높아지고 있으며 홍수량 또한 강도가 커지고 있는 것이 현실이다. 하지만 과거의 홍수발생 빈도에 따라 설계된 홍수방어시설들이 점차 한계를 보이고 있으므로 이를 대비하기위한 구조적 대책뿐만 아니라 홍수피해 발생 가능지역에 사전 예경보를 시행하는 비구조적 대책마련 또한 필요하다. 기존의 홍수예측은 확정적인 하나의 유량예측값만을 제공함으로써 신속하고 편리하였지만 이에 대한 불확실성이 큰 경우 예상치 못한 큰 인적 물적 피해를 가져올 수 있다. 이처럼 확률론적 홍수예측의 필요성이 대두되어 지면서 유럽이나 미국등 선진국에서는 EFFS(European Flood Forecasting System)과 NWSRFS(National Water Service River Forecast System)같이 이미 확률론적 홍수예측에 대한 연구 및 기술개발이 활발하게 진행되어지고 있다. 하지만 홍수예측의 확률론적 접근에 있어서는 많은 불확실성들이 내포되어 있으므로 예측시스템에서 생성된 앙상블 유량예측 결과의 신뢰도 분석과 올바른 불확실성 정보의 제공이 필요하다. 본 연구는 확률론적 홍수예측 방법을 국내에 적용시켜서 기상청의 예측시스템 KLAPS(Korea Local Analysis and Prediction System), MAPLE(McGill Algorithm for Precipitation Nowcasting by Lagrangian Extrapolation), UM(Unified Model) 그리고 MOGREPS(Met Office Global Regional Ensemble Prediction System)으로부터 생성된 기상앙상블을 현재 국토해양부 홍수통제소에서 사용하고 있는 강우-유출모형인 저류함수모형(Storage Function Method)의 입력 자료로 사용한다. 확률론적 홍수예측에서 오는 불확실성을 분석하기 위해서 첫 번째로 제공되는 기상예측 시스템의 시 공간적 스케일 및 대상유역의 공간특성에 따라 어떠한 형태로 전파되어지는지를 분석하였다. 두 번째는 각각의 예측시스템들이 선행기간(Lead time)에 따라 불확실성의 특성이 어떻게 나타나게 되는지를 확인하였다. 이러한 불확실성의 특성을 정확하게 파악하게 된다면 예측에 있어서 현재 갖고 있는 문제점들로부터 개선해 나가야 할 방향을 제시해주어 향후연구에 유용하게 활용될 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.152-152
• /
• 2017

최근 지속적인 심한 가뭄의 발생은 사회적 이슈가 되고 있으므로 가뭄을 감시할 수 있는 가뭄 모니터링 뿐만 아니라 경감할 수 있는 가뭄전망이 되어야 한다. 이를 위해 우선적으로 우리나라 실정에 맞는 최적화된 가뭄지수의 선정 혹은 개선이 필요하며, 다음으로 개선된 가뭄지수를 기반으로 한 다양한 가뭄정보들이 수자원확보를 위한 관리와 정책에 활용되어야 한다. 이에 따라 본 연구에서는 국내 기존에 활용되고 있는 수문학적 가뭄지수인 MSWSI를 개선하였으며, 개선된 MSWSI를 이용하여 앙상블기법 기반의 확률론적 가뭄전망을 수행하였다. 대상 유역은 낙동강 유역을 선정하였으며, 연구내용을 살펴보면, 첫 번째로 MSWSI의 개선에 있어서는 (1) 유역 내 공식적으로 수집되는 모든 수문기상인자를 조사하여 중권역 유역별로 기존 MSWSI에서 적용한 4개 인자(강수량, 하천유량, 댐 유입량, 지하수량) 뿐만 아니라 사용 가능한 적합한 인자(댐 저수위, 댐 방류량)를 추가 선정하여 반영; (2) 각 수문인자들에 대해 기존에는 정규분포만 적용하였으나 본 연구에서는 각각 인자별 적합한 확률분포를 추정하였다. 두 번째로 극심한 가뭄이 발생한 2006년과 2014년을 대상으로 개선된 MSWSI를 이용한 앙상블기반 확률론적 가뭄전망을 수행하고 검증하였다. 분석 결과를 살펴보면, 개선된 MSWSI를 과거 실측 수문기상자료를 이용하여 검증한 결과 기존 MSWSI보다 개선된 MSWSI가 과거 발생한 가뭄현상을 더 잘 나타내어 개선된 MSWSI가 효용성이 있음을 확인하였다. 또한 앙상블 기반의 확률론적 가뭄 전망 결과, 기존보다 개선된 MSWSI를 이용한 가뭄전망이 우수한 결과를 나타냈다. 또한 대부분의 유역에서 실제 가뭄의 가뭄지수가 개선된 MSWSI를 이용한 가뭄전망 범위에 속하는 것으로 나타났다.

• Journal of IKEEE
• /
• v.23 no.1
• /
• pp.127-133
• /
• 2019

Electric power demand forecasting is one of the important research areas for future smart grid introduction. However, It is difficult to predict because it is affected by many external factors. Traditional methods of forecasting power demand have been limited in making accurate prediction because they use raw power data. In this paper, a probability-based CRBM is proposed to solve the problem of electric power demand prediction using raw power data. The stochastic model is suitable to capture the probabilistic characteristics of electric power data. In order to compare the mid-term power demand forecasting performance of the proposed model, we compared the performance with Recurrent Neural Network(RNN). Performance comparison using electric power data provided by the University of Massachusetts showed that the proposed algorithm results in better performance in mid-term energy demand forecasting.