• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.442-442
• /
• 2022

고해상도 시공간적 격자 형태의 레이더 강수는 돌발홍수(flash flood)와 같은 기상재해에 대비하기 위하여 실시간 예측정보로 활용된다. 그러나 대부분의 레이더 강수는 과소 추정되는 경향이 있어 정량적인 보정 과정인 QPE (Quantitative Precipitation Estimation)가 필요하다. 일반적으로 레이더 강수자료 보정은 지점 관측자료를 활용하지만, 본 연구에서는 지상 강수량 기반의 고해상도 격자 강수자료를 생산하여 레이더 강수자료와 직접적으로 비교하고자 한다. 이에 고도와 지형적 특성을 고려한 PRISM(Precipitation-elevation Regressions on Independent Slopes Model) 방법을 사용하여 고해상도 격자기반의 자료를 생성하였다. PRISM 방법은 고도와 지리정보를 독립변수로 갖는 회귀모형 기반의 기후인자 추정 모형이다. 생산된 고해상도 격자 강수자료와 레이더 강수자료를 QPF (Quantitative Precipitation Forecast) 모델의 입력자료로 사용하여 예측결과를 비교하였다. 해당 QPF 모델은 이류(advection)와 확률론적 섭동(stochastic perturbation)을 기반으로 하며, 강수 앙상블 자료를 생산한다. QPF 모델에 대해 투 트랙(two-track) 방법으로 생산된 예측정보를 통해 레이더 강수자료의 격자별 후처리 보정이 가능할 것으로 판단된다.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2022.10a
• /
• pp.158-159
• /
• 2022

최근 건설현장에서는 안전사고 예방을 위한 다양한 노력을 하고 있지만 전 산업에서 건설업 재해율은약 50%로 여전히 높은 비율을 차지하고 있다. 중대재해처벌법 시행(22년 1월 27일)과 4차산업 발달에 따른 IOT기반 안전관리 등 안전규제와 안전관리기술이 현장에 적용되고 있지만 건설현장 안전관리의 접점에 있는 실무자 및 근로자가 실효성 있게 안전관리활동을 하고 실질적으로 안전행동을 강화시키는 안전사고 예방적 안전관리가 부족한 실정이다. 본 연구에서는 건설현장에서 시행되고 있는 안전보건활동, 안전교육, 안전행동강화, 안전성과와의 구조방정식모형(SEM)을 제시하고 관계 분석하였다. 건설현장 실무자 및 근로자의 설문조사 데이터를 구조방정식에 적용하여 관계를 분석한 예측결과, 분석결과에 의해 검증된 가설이 시사하는 부분을 해석하고, 가설검증을 기반으로 외생변수로부터 안전행동강화에 도달하는 경로를 탐색하고 주요 논점을 논의한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.377-377
• /
• 2019

본 연구에서는 LSTM 모형을 이용하여 갈수예보를 위한 월 단위 전망모형개발의 대상지점으로 이수 및 치수의 측면에서 아주 중요한 한강대교 지점을 선정하였으며 유량예보를 위하여 한강수계 19개 기상관측소의 월평균강수량, 월평균기온 및 3개 댐(소양,횡성,충주)의 월방류량을 사용하여 한강대교의 월 유량을 예측하였다. 1996년부터 2016년까지의 자료는 모형의 학습, 2017년 자료는 모형의 검증에 활용하였으며 가장 최근 건설된 횡성댐 방류량의 경우 1996년~2000년의 자료가 없으므로 2001년~2005년의 자료를 반복하여 학습에 활용하였다. 모형의 예측결과는 신경망 학습 시 한강대교 월유량자료를 포함한 결과와 미포함 결과를 도출하였으며, 모의결과의 재현성 분석을 위하여 월별 예측값과 실측값의 비율을 산정하였으며 1월부터 12월까지 12개 값을 평균하여 평균예측률을 산정하고 이를 홍수기(6월~10월) 및 비홍수기(1월~5월, 11월~12월)를 구분하였다. 딥러닝 학습 시 월유량을 포함한 경우의 예측결과가 학습 시 월유량을 포함하지 않았을 경우보다 상대적으로 좋은 정확도를 보이는 것으로 분석되었다. 다만, 신경망을 실제 갈수예보에 활용하기 위해서는 예측 기상정보인 월강우량, 월평균기온, 댐방류량만을 활용하여야 하는데 학습 시월유량 미포함 결과는 예측률이 매우 낮았으며, 신경망의 학습횟수가 늘어날 경우 학습자료 과적합(over-fitting)되어 정확도가 보다 저하되는 것으로 나타났다. 그래서 기존의 현재시간 t까지의 입력자료로 학습 후 익월(t+1)의 월유량을 예측하는 (t $\rightarrow$ t+1) 방법에서 현재시점 (t-n ~ t)까지의 입력자료를 이용하여 당월(t)의 월유량을 산정하는 (t$\rightarrow$t) 방법으로 재학습 후 모형검증을 수행한 결과 전술한 익월(t+1) 유량을 예측한 결과보다 재현성이 훨씬 향상된 것으로 분석되며평균예측률이 0.99로 홍수기 및 비홍수기에서도 뛰어난 정확성을 보이고 있다.

• Journal of the Korean Society for Railway
• /
• v.15 no.5
• /
• pp.459-466
• /
• 2012

Due to the issues such as omission of data, document based management, maintenance based on measurement data and wire-based network, it is difficult existing maintenance system for railway bridges to act to diverse characteristics of site and environmental changes in real time. With these reasons, there are many constraints in establishing active maintenance strategies for railway bridges. To solve these issues, this study suggests an integrated maintenance business model based on practical utilization and information management based on BIM technology to build a smart maintenance operation system based on ubiquitous computing for railway bridges. To secure its development and practical applications, a quantitative evaluation by questionnaire analysis was performed. Therefore, it is expected that the suggested model will be utilized as a framework model in order to build the smart maintenance operation system from collection of maintenance data to action for railway bridges.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.135-135
• /
• 2018

한강의 잠수교는 평상시에는 사람과 차의 통행이 가능하나 예측수위가 5.5m일 경우, 보행자통제, 6.2m일 경우, 차량통제를 실시한다. 잠수교는 국토교통부의 홍수예보 지점은 아니지만 그 특수성으로 인해 정확한 홍수위 예측을 통해 선행시간을 확보할 필요가 있다. 일반적으로 하천 홍수위 예측을 위해서는 강우-유출 모형과 하도추적을 위한 수리모형을 결합한 모델링이 요구되나 잠수교는 하류부 조위로 인한 배수 및 상류부 팔당댐 방류량의 영향을 받아 물리적 수리 수문모형의 구축이 상당히 제약적이다. 이에 본 연구에서는 딥러닝 오픈 라이브러리인 Tensorflow 기반의 LSTM 심층신경망(Deep Neural Network) 모형을 구축하여 잠수교의 수위예측을 수행한다. LSTM 모형의 학습과 검증을 위해 2011년부터 2017년까지의 10분단위의 잠수교 수위자료, 팔당댐의 방류량과 월곶관측소의 조위자료를 수집한 후, 2011년부터 2016년까지의 자료는 신경망 학습, 2017년 자료를 이용하여 학습된 모형을 검증하였다. 민감도 분석을 통해 LSTM 모형의 최적 매개변수를 추정하고, 이를 기반으로 선행시간(lead time) 1시간, 3시간, 6시간, 9시간, 12시간, 24시간에 대한 잠수교 수위를 예측하였다. LSTM을 이용한 1~6시간 선행시간에 대한 수위예측의 경우, 모형평가 지수 NSE(Nash-Sutcliffe Efficiency)가 1시간(0.99), 3시간(0.97), 6시간(0.93)과 같이 정확도가 매우 우수한 것으로 분석되었으며, 9시간, 12시간, 24시간의 경우, 각각 0.85, 0.82, 0.74로 선행시간이 길어질수록 심층신경망의 예측능력이 저하되는 것으로 나타났다. 하천수위 또는 유량과 같은 수문시계열 분석이 목적일 경우, 종속변수에 영향을 미칠 수 있는 가용한 모든 독립변수를 데이터화하여 선행 정보를 장기적으로 기억하고, 이를 예측에 반영하는 LSTM 심층신경망 모형은 수리 수문모형 구축이 제약적인 경우, 홍수예보를 위한 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.97-97
• /
• 2022

AI 모형을 적용한 도시지역 침수예측에 대한 연구는 꾸준히 수행되어 왔다. AI 모형을 이용해 도시침수예측을 하기 위해서는 모형에 강우자료를 학습시키게 되는데, 시계열 강우분포 자료를AI 모형의 학습자료로 사용하기에 자료의 양이 너무 많기 때문에 총 강우량만을 이용하여 도시침수예측을 수행한 바 있다(Kim et al., 2021). 하지만 총 강우량만을 AI 모형에 학습시킬 경우, 지속기간 동안 강우가 고르게 분포하는지 불규칙적으로 분포하는지에 대한 정보가 포함되지 않았기 때문에 침수예측력이 떨어질 수 있다. 따라서 본 연구에서는 시계열 강우자료의 통계치를 산정하여 AI 모형에 학습시킴으로써 강우분포특성을 고려한 침수예측을 통해 예측력을 높이고자 한다. 총 강우량만을 학습시킬 경우, 같은 지속시간에 같은 양의 강우가 내리더라도 고른 분포를 가진 강우에 의해서는 실제 침수는 작게 일어나므로 과대예측을, 전체 지속시간 중 특정 시간대에 편향된 분포를 가진 강우에 의해서는 실제 침수가 크게 일어나므로 과소예측을 하는 문제가 발생할 수 있다. 따라서 표준편차를 평균 강우량으로 나눈 값인 변동계수, 강우분포의 뾰족한 정도를 나타내는 첨도, 평균값에 대해 어느 방향으로 비대칭인지를 나타내는 왜도 값을 추가로 학습시킴으로써 시계열 강우자료 전체를 학습시키지 않고도 강우분포를 학습시키지 않았을 때 발생하는 과소·과대예측 문제를 해결할 수 있다. 또한 변동계수 대신 표준편차를 학습시키는 모형, 변동계수와 표준편차를 모두 학습시키지 않는 모형, 변동계수와 표준편차를 모두 학습시키는 모형과의 침수예측 결과 비교를 통해 표준편차와 변동계수 중 어떤 통계치를 학습시키는 것이 적합한지와 비슷한 통계치 자료를 모두 학습시켰을 때의 과적합 문제 등에 대한 결론를 얻을 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.335-335
• /
• 2021

하천의 홍수터는 평상시 수면위로 노출되어 국민의 여가생활을 위한 공원, 주차장 등으로 활용되다 홍수기 수위가 상승하면 침수되는 하천공간이다. 홍수범람 면적 또는 홍수위 산정을 위한 수치모의 시, 홍수의 평면적인 변화를 분석하기 위해서는 1차원 모의결과와 지형정보를 연계하여 범람면적을 산정하거나 2차원 수치모형의 격자를 대상공간에 대하여 구축한 후 모의를 수행한다. 1차원 수치모형은 계산효율이 우수하고 지류의 합류에 의한 영향을 다수 반영하거나, 긴 구간의 하천단면 구축을 통하여 경계조건이 수치해석 결과에 미치는 영향을 최소화할 수 있는 장점이 있다. 그러나 지형의 영향으로 발생하는 국부적인 유속변화와 유향의 평면적인 분포에 의해 발생하는 범람면적의 변화를 반영하기 어렵다. 홍수범람을 고려하여 제작하는 홍수위험지도는 2차원 수치모형의 결과를 기반으로 한다. 2차원 수치모형은 하도의 만곡, 제방의 형상 등과 같은 지형에 의한 유속장의 변화, 흐름영역의 수축 및 확대에 의한 유속의 변화 등을 자세히 반영할 수 있는 장점이 있다. 반면에 수치격자 생성 및 계산결과 도출에 소요되는 시간이 길고 계산영역 설정의 한계로 인하여 경계조건이 흐름해석결과에 영향을 미칠 수 있는 문제점이 있다. 이와 같은 문제점을 해결하기 위하여 국내외적으로 1차원과 2차원 수치해석기법을 연계하여 하나의 모형으로 구축한 1-2차원 수치해석 모형이 개발 또는 적용되고 있다. 1-2차원 연계해석기법은 1차원 해석영역과 2차원 해석영역을 연계함에 있어서 흐름방향 연계와 횡방향 연계로 구분할 수 있다. 본 연구에서는 1차원과 2차원 수치해석을 연계하는 기법에 따라서 발생하는 수치모의결과를 비교하고 적용성을 검토하였다. 수리실험 관측결과가 있는 사례에 모형을 적용한 후, 한강지형에 수치모형을 적용하고 그 결과를 비교한다. 또한, 계산에 소요되는 시간을 비교하기 위하여 2차원 수치격자의 해상도를 다양하게 적용하여 수치실험을 수행한다. 분석결과를 기반으로 홍수위험지도 제작, 홍수위산정 및 홍수예보 등에 새로운 기술의 적용성을 검토한다.

• Proceedings of the Korean Institute Of Construction Engineering and Management
• /
• 2007.11a
• /
• pp.652-655
• /
• 2007

Due to stagnation of domestic market, increasing number of domestic construction companies started to make inroads into foreign market recently. Yet compared to domestic market, there are much more risks in the foreign market which companies may confront. So deliberate and rational decision making skills are required. Accordingly, there has been many researches which analyzed the risk of individual markets and also studies covering decision support models. In this study, we suggest a model concerning financial issues when branching out into a new market, specially in the construction companies' point of view. For this we used a real options game which shows real competition status of a new market and deduced a feature of that market, Upon these results, we also suggest a model which helps firms to decide whether investing in the expansion is smart action or not. The model developed in this study is made in specific circumstances of limited conditions. The future study makes more realistic models considering subjects like disproportion in information and generalization of competing companies.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1373-1374
• /
• 2012

공공시설 자산관리는 기존의 대응적 유지보수 개념의 시설물유지관리체계에서 예방적 유지보수 개념으로 전환한 시설물 유지보수의 새로운 개념이다. 기존에 운영되고 있는 공공시설관리 시스템들을 효율적으로 관리하기 위해서는 자산관리 모형이 표준화되어 범정부EA 지원시스템에 목표아키텍처로 등록되고 더 나아가서는 범정부 표준시스템으로 만들어 필요한 기관에 보급할 필요가 있다. 이 연구에서는 공공시설 자산관리 정보시스템을 구축하는데 필수적인 참조모델을 시스템의 상호운영성과 정보의 호환성을 확보하기 용이하도록 범정부EA 관점에서 제시하였다. 제시한 자산관리 참조모델이 GEAP에 등록 관리 된다면 이것을 바탕으로 타 기관에서 향후 정보시스템을 구축할 때 사전에 파악하고 활용하도록 제안 할 수 있을 것이다.

• Korean Journal of Construction Engineering and Management
• /
• v.17 no.5
• /
• pp.13-21
• /
• 2016

Insolvency of construction companies that play the role of main contractors can lead to clients' losses due to non-fulfillment of construction contracts, and it can have negative effects on the financial soundness of construction companies and suppliers. The construction industry has the cash flow financial characteristic of receiving a project and getting payment based on the progress of the construction. As such, insolvency during project progress can lead to financial losses, which is why the prediction of construction companies is so important. The prediction of insolvency of Korean construction companies are often made through the KMV model from the KMV (Kealhofer McQuown and Vasicek) Company developed in the U.S. during the early 90s, but this model is insufficient in predicting construction companies because it was developed based on credit risk assessment of general companies and banks. In addition, the predictive performance of KMV value's insolvency probability is continuously being questioned due to lack of number of analyzed companies and data. Therefore, in order to resolve such issues, the Bayesian Probabilistic Approach is to be combined with the existing insolvency predictive probability model. This is because if the Prior Probability of Bayesian statistics can be appropriately predicted, reliable Posterior Probability can be predicted through ensured conditionality on the evidence despite the lack of data. Thus, this study is to measure the Expected Default Frequency (EDF) by utilizing the Bayesian Probabilistic Approach with the existing insolvency predictive probability model and predict the accuracy by comparing the result with the EDF of the existing model.