• 한국수자원학회논문집
• /
• 제46권5호
• /
• pp.449-463
• /
• 2013

본 연구에서는 선형시스템 가정에 근거하여 하도구간에 대한 Muskingum 하도추적모형의 매개변수 결정방법을 제안하였다. 제안된 모형은 충주댐 유역에 적용되어 검토되었다. 추가적으로 영춘-충주댐 유역에 대해 총 7개의 호우사상을 대상으로 유출해석을 실시하고 그 결과를 검토하였다. 그 결과를 정리하면 다음과 같다. 먼저, 유역분할에 의해 발생하는 하도의 집중시간 및 저류상수는 상류 분할유역과 상류 분할유역을 포함한 하류 유역의 집중시간 및 저류상수의 차로써 표현가능하다. 이와 같은 방법으로 산정된 하도구간에서의 저류상수는 Muskingum 하도추적모형의 저류상수와 동일하며, 가중인자 역시 집중시간과 저류상수와의 비를 이용하여 간단히 산정할 수 있다. 둘째, Russel 계수와 Muskingum 모형의 가중인자는 서로 반비례 관계에 있으며 일반적으로 적용되고 있는 Russel 계수의 범위에 해당하는 가중인자의 범위는 0.4166-0.625이다. 마지막으로, 영춘-충주댐 구간을 대상으로 한 적용에서는 관측자료의 불확실성과 같은 한계에도 불구하고 제안된 방법의 유효성을 확인할 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.27-29
• /
• 2008

시스템 분석에 주로 사용하는 자료 중에는 비선형 자료와 시계열 등이 있다. 이들 자료는 그 함축적인 관계가 매우 복잡하여 전통적인 통계분석 도구로 분석하는데 어려움이 많다. 본 연구에서는 현실 세계에서 다양하게 나타나는 복잡성을 다루기 위하여 하이브리드 진화 신경망 모델링 접근 방법으로 자료를 모형화 하고 이를 통한 학습의 적합도를 살펴본다. 비선형 자료 등을 모형화하기 위한 학습은 역전파 신경망 기법을 이용한다. 학습의 효율을 높이기 의해서 격자감소 학습 알고리즘과 함께 이용하는 유전자 알고리즘은 네트워크 구조를 최적화 시킬 수 있는 초기가중값을 이용한 전역 최소값을 찾는데 이용한다. 학습 결과를 통해 제안된 하이브리드형 접근방법의 학습이 보다 효율적임을 살펴보기 위하여 유전자 알고리즘으로 최적화된 신경망 학습 알고리즘을 비선형 모의자료의 학습에 적용하여 보았다.

• 응용통계연구
• /
• 제16권1호
• /
• pp.55-69
• /
• 2003

일반적인 다차원 분할표 분석을 위해 고려 할 수 있는 로그 선형 모형 (log-linear model)과 순위 변수(ordered variables)가 고려된 여러 연관성 모형(association models)을 위한 가중값이 부여된 LAD(least absolute deviations) 추정량을 제안하고 추정을 위한 반복 추정법을 제안하였다. 모의실험을 통하여 제안된 LAD추정량이 최우추정량에 비해 로버스트한 성질을 갖는 다는 것을 밝히고, 이상칸 식별을 위해 많은 선행 연구들에서 인용된 자료들의 경험적 분석을 통해 제안된 추정량과 추정방법이 가질 수 있는 문제점과 특징에 관하여 토론하였다

• 한국습지학회지
• /
• 제18권2호
• /
• pp.148-153
• /
• 2016

하도 홍수추적과 관련하여 하천에서의 시 공간적 홍수파를 해석하는데 수리학적 방법과 수문학적 방법이 일반적으로 많이 이용되어 왔다. 수문학적 홍수추적 방법은 수리학적 방법에 비해 수행하기에는 비교적 간단하면서도 합리적인 정확성을 지닌다. 수문학적 홍수추적 방법 중 광범위하게 적용되어지고 있는 Muskingum 모형의 중요 변수인 저류상수는 유하시간과 매우 유사한 값을 가진다. 이러한 점에 착안하여 본 연구에서는 저류상수를 산정하기 위해 HEC-RAS를 이용한 유하시간을 산정하고, 하도거리, 하도경사, 유량 자료를 이용하여 유하시간에 대한 비선형 회귀곡선식을 개발하였다. 비선형 회귀곡선에 의해서 산정된 저류상수를 Muskingum 모형에 대입하여 구한 유출량은 HEC-RAS 1차원 부정류 모의를 적용하여 산정된 유출량과 비교하였다. 이와 함께 본 연구에서는 가중인자에 대한 영향 및 상하류 사이의 구간 분할에 대해서 검토하였는데, 그 결과 가중인자 값이 클수록 첨두홍수량이 올라가는 것으로 나타났으며, 구간 분할을 많이 할수록 RMSE가 감소하는 것으로 나타났다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권1호
• /
• pp.141-150
• /
• 2015

로지스틱회귀에서 모형을 평가하거나 진단할 때 가설검정이 주로 사용되지만 이것만으로는 놓칠 수 있는 부분이 많고 이에 대한 보완을 위하여 그래픽적 방법의 사용이 요구된다. 그래프를 이용한 모형의 적절성 평가를 위한 도구로 잔차산점도가 널리 이용되고 있으나 적용 범위가 선형회귀에 국한되는 문제점이 있다. 해결 방안으로 주변모형산점도를 이용하여 모형의 적절성을 평가하는 방법이 있으나 역시 문제점을 가지고 있다. 본 논문에서는 주변모형산점도의 대안으로 카이잔차산점도를 제안하고 그 효용성을 알아본다.

• 응용통계연구
• /
• 제29권4호
• /
• pp.595-611
• /
• 2016

일반적으로 독성학 또는 약리학에서는 자료를 분석할 때 Hill Model과 같은 비선형 회귀모형을 사용한다. 비선형 회귀모형에서 모수의 추정량과 그것의 불확실성(uncertainty)에 대한 측도의 추정은 오차의 분산 구조에 영향을 받게 된다. 따라서 자료가 등분산인지 혹은 이분산인지에 따라 사용하여야 할 추정 방법이 달라져야 한다. 그러나 일반적으로 자료를 실제로 분석하기 전에는 오차의 분산구조에 대해서 잘 알 수 없다. 그러므로 오차의 분산구조에 로버스트한 추정 방법을 개발하는 것은 중요한 문제이다. 본 논문에서는 예비검정 방법을 기반으로 한 비선형 회귀모형에서의 모수 추정 방법을 제안하였다. 오차 분산의 등분산성에 대한 간단한 예비검정의 결과에 따라 보통 최소제곱 추정(ordinary Least Square Estimation) 방법과 반복 가중 최소제곱 추정(iterative weighted least square estimation) 방법을 사용하는 추정량을 정의하였다. 제안된 추정량은 모의실험 연구를 통하여 기존의 표준적인 추정량들과 그 성능을 비교하였다. 또한 미국의 National Toxicology Program으로부터 얻어진 실제자료를 사용하여 추정 방법들을 비교하였다.

• 응용통계연구
• /
• 제36권4호
• /
• pp.295-307
• /
• 2023

HAR 모형은 간단한 선형 모형으로 실현 변동성의 장기기억성을 비교적 잘 설명할 수 있어 널리 쓰이고 있다. 하지만, 실현 변동성은 조건부 이분산성, 레버리지 효과, 변동성 집중 등과 같은 복잡한 특징을 보이고 있기에 단순 HAR 모형을 확장할 필요가 있다. 따라서 본 연구는 조건부 이분산성을 설명하는 GARCH 모형에 임계값에 따라 계수가 달라지는 비선형 모형인 임계 HAR 모형(THAR-GARCH)을 제안하고 그 추정 방법 및 예측 성능에 대해서 살펴보고자 한다. 보다 구체적으로 오차항의 등분산 가정을 벗어났기 때문에 모형의 계수를 추정하기 위해서 반복적인 가중최소제곱추정법을 제안하고 모의실험을 통해 일치성을 보였다. 또한 전세계 21개의 주요 주가 지수의 실현 변동성에 대한 예측 오차를 비교함으로써 제안한 GARCH 오차를 가지는 임계 HAR 모형이 일반적으로 더 우수한 예측력을 보임을 확인하였다.

• 응용통계연구
• /
• 제23권6호
• /
• pp.1235-1243
• /
• 2010

다차원 분할표를 구성하는 범주형 변수들의 연관관계를 식별하기 위하여 널리 이용되는 로그선형모형을 위한 절사 LAD(least absolute deviations) 추정방법을 제안하였다. 제안된 방법은 가중 LAD 추정을 반복하여 계산이 수행되므로 분할표 분석을 위해 적용할 수 있는 여러 연관성 모형(association models)에 직접 적용할 수 있다. 또한 붓스트랩을 이용한 최적절사율을 결정하는 방법이 갖는 공분산행렬을 과소추정하는 문제를 해결하기위한 절사율 결정 방법을 제안하였다. 모의실험을 통해 제안된 방법이 붓스트랩 방법에 비하여 항상 우수한 절사율을 보인다는 것을 설명하였으며, 제안된 방법들의 실제 자료분석 결과를 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.446-446
• /
• 2022

본 연구에서는 MODIS(MODerate resolution Imaging Spectroradiometer) 다중 위성영상을 기반으로 전국 시공간 토양수분 및 토양수분 기반의 가뭄지수 SWDI(Soil Water Deficit Index)를 산정하였다. 시공간 토양수분의 산정을 위해 입력자료로 MODIS 위성의 지표면온도(Land Surface Temperature, LST), 증발산 및 식생(Enhanced Vegetation Index, EVI; Fraction of Photosynthetically Active Radiation, FPAR; Leaf Area Index, LAI; Normalized Difference Vegetation Index, NDVI) 관련 산출물 자료와 지상 관측자료인 일 단위 강수량 자료를 구축하였다. MODIS 위성영상은 산출물별로 제공되는 QC(Quality Control) 영상을 활용해 보정을 수행하였고, 공간 강수량 자료는 기상청에서 제공하는 전국 92개 지점의 종관기상관측자료를 구축하여 공간보간기법인 역거리가중법을 적용해 생성하였다. 실측 토양수분은 농촌진흥청에서 제공하는 76개 지점의 토양 깊이 10 cm에 설치된 TDR(Time Domain Reflectomerty) 센서에서 측정된 토양수분 자료를 활용하였으며, 토양수분 모의 시 토양 속성을 고려하기 위해 국립농업과학원에서 제공하는 토양도를 구축하여 활용하였다. 토양수분 산정 모형은 다중선형회귀모형(Multiple Linear Regression Model, MLRM)을 활용하였으며, 계절 및 토성에 따른 회귀식을 산정하였다. 회귀식 기반의 토양수분과 토성별 포장용수량 및 영구위조점 값을 이용하여 SWDI를 산정하고, 실제 가뭄 발생 시기 및 지역과의 비교하고자 한다.

• 정보처리학회논문지B
• /
• 제12B권3호
• /
• pp.343-348
• /
• 2005

본 연구에서는 신경망 학습의 일반화 성능과 학습속도를 개선시키기 위한 인자들의 결합 효과를 살펴본다. 신경망 학습에서 중요한 평가 척도로서 여기서 고려하는 인자들에는 초기 가중값의 범위와 학습률 그리고 계수조정 등이 있다. 특히 초기 가중값과 학습률을 고정시킨 후 새롭게 조정된 계수들을 단계적으로 변화시키는 새로운 인자 결합방법을 이용한다. 이를 통하여 신경망 학습량과 학습속도를 비교해 보고, 계수조정을 통한 개선된 학습 영향을 살펴본다. 그리고 비선형의 단순한 예제를 이용한 실증분석을 통하여 신경망 모형의 일반화 성능과 학습 속도 개선을 위한 각 인자들의 개별 효과와 결합 효과를 살펴보고 그 개선 방안을 논의한다.