장기적인 측면에서 유역의 도시화는 토지이용(불투수면적의 확대), 인위적인 구조물, 하천환경의 변화로 도시화되기 이전과 매우 다른 유출거동 특성을 가진다. 이러한 유역특성변화 요소를 모형에 적절히 반영함으로써 지표수, 하천수, 지하수 등의 수문순환요소를 정량화하고 이를 수문학적으로 평가할 수 있다. 이를 위하여 본 연구에서는 장기유출모형인 SWAT과 도시지역 유출해석에 주로 이용되는 SWMM의 RUNOFF 블록의 결합모형을 구성하였고, SWAT-SWMM 결합모형의 구성방법 및 모형의 한계, 결합모형의 모식 등을 기술하였다.
장기 유역 유출모형인 SWAT에 도시지역의 영향을 적절히 고려할 수 있도록 SWMM 모형을 포함시킨 SWAT-SWMM 결합모형을 테스트하기 위해 시험유역에 적용하였다. 이로부터 SWAT 모형과 SWAT-SWMM 결합모형에 의한 수문순환요소(지표수, 지하수, 하천유출, 증발산 등)를 비교${\cdot}$분석하였다. 또한 각 모형이 수문순환요소를 모식하는 방법을 비교${\cdot}$분석하여 SWAT-SWMM 결합모형을 개선하였다.
각종 인공지능 기법들을 활용하여, 주식시장의 흐름을 예측하려는 연구가 지금까지 많은 인공지능 및 금융공학의 연구자들에 의해 시도되어 왔으며, 그 결과 다양한 인공지능 기법들이 예측 방법론으로 제시되어 왔다. 이런 가운데 서로 다른 예측모형들이 산출하는 예측결과를 종합 - 보완하는 결합기법에 관련된 연구가 90년대 후반부터 오늘날까지 꾸준하게 발표되고 있다. 본 연구 역시 유전자 알고리즘 기반의 새로 인공지능 예측모형간 결합기법을 제시하고 있다. 다만, 기존의 연구모형들이 각 개별모형 결과의 상대적 가중치에 초점을 맞추고 있었다면, 본 연구의 제안모형은 등락을 판단하는데 활용되는 임계치까지 유전자 알고리즘을 이용해 동시에 최적화하도록 설계되어 있다는 점에서 차별화된다. 제안모형의 유용성을 검증하기 위해, 본 연구에서는 지난 1998년부터 2007년까지의 KOSPI 지수 등락 예측을 위해 구축된 로지스틱 회귀모형, 인공신경망, SVM모형의 결과들을 제안모형을 이용해 결합하였다. 그 결과, 예측력 향상에 본 연구의 제안모형이 기여 할 수 있음을 확인 할 수 있었다.
점착성 유사는 응집현상을 통해 크기와 밀도를 바꾸고 이에 따라 부유 및 이동에 큰 영향을 미치는 침강속도가 지속적으로 변화한다. 따라서 점착성 유사의 거동을 이해하기 위해서는 응집현상에 대한 고려가 필수적으로 이루어져야 한다. 현재까지 이루어진 응집현상 모형은 크게 Population balance equation type 모형(PBE)과 Floc growth type 모형(FGM)으로 나뉜다. PBE 모형은 점착성 유사의 입도분포를 모의할 수 있는 장점이 있는 반면에 닫힌 계에서 질량보존을 만족시키지 못하는 단점을 가진다. FGM 모형은 간단한 식을 통해 질량보존을 만족시키고 수치적으로 효율적인 모의를 할 수 있는 반면 입도분포를 모의할 수 없는 단점을 가진다. 이러한 장단점으로 인해 PBE 모형은 유사이동모형과 결합되어 이용된 사례가 없으며 FGM 모형은 유사이동모형과 결합되어 평균적인 점착성 유사의 거동만을 모의하는 연구에 이용되었다. 본 연구에서는 Stochastic floc growth type 모형(SFGM)의 개발에 따라 이해할 수 있는 점착성 유사이동의 특성과 이를 유사이동 모형과 결합시키는 방향에 대해 검토한다. 현재까지 진행된 연구 결과를 분석하면 SFGM은 질량보존을 만족시키면서도 점착성 유사의 입도분포를 모의할 수 있는 장점을 가지는 것으로 판단된다. 특히 난수발생의 단계에서 적절한 확률분포형을 선정하고 확률매개변수의 보정이 이루어지는 경우에는 높은 정확도를 가지는 입도분포 모의가 가능하다. 가는 모래를 대상으로 하는 비점착성 유사의 경우에는 추계학적인 유사이동 모형의 개발이 활발히 이루어져 왔다. 개발된 모형은 실제 측정값에 적용되어 다양한 학술적 가능성을 보여왔다. 따라서 SFGM의 개발이 점착성 유사의 이동모형과 결합되는 경우에는 점착성 유사가 지배적인 다양한 환경에서의 거동 특성을 이해할 때 매우 유용할 것으로 판단된다. 응집모형은 난류의 강도에 지배적인 영향을 받으며 유사의 입경 및 밀도 변화를 계산한다는 점을 고려할 때 유사이동 모형 역시 난류 강도에 대한 정보를 계산할 수 있는 지배방정식을 필요로 한다. 향후 개발될 추계학적 점착성 유사의 이동모형은 난류에 대한 정보, SFGM의 결합 등을 필요조건으로 가진다.
우리는 이변량 경시적 자료의 조건부 결합 분포를 추정하기 위하여 회귀 모형과 코플라 모형을 연구하였다. 주변 분포의 추정을 위하여 시변 변환 모형을 고려하였고, 이변량 반응변수 각각에 대한 주변 분포를 가우시안 코플라를 이용하여 결합하여 조건부 결합 분포를 추정하였다. 우리가 제안한 모형은 조건부 평균 모형만으로 자료를 설명하기 어려운 경우에 적용될 수 있다. 시변 변환 모형과 가우시안 코플라 모형을 결합한 본 논문의 방법은 반복 측정된 이변량 경시적 자료에 대한 모형화가 용이하며 해석하기 쉬운 장점이 있다. 우리는 본 논문의 방법을 반복 측정된 이변량 콜레스테롤 자료를 분석하는데 적용하여 보았다.
본 연구에서는 보다 효과적인 기업신용평가를 위하여, 통계적 방법과 인공지능 방법을 결합한 결합모형을 제시햐고자 한다. 이를 위하여 본 연ㄴ구에서는 통계적인 모형중에서 가장 널리 활용되고 있는 MDA (Multivariate Discriminant Analysis) 와 인공지능적인 방법으로서 최근에 널리 사용되고 있는 인공싱경망( neural network)모형을 휴리스틱한 방법으로 결합한다. 이러한 결합모형의 성과를 증명하기 위하여 우리나라의 대표적인 3대 기업신용평가 기관에서 수집한 1043개의 기업신용평가자료를 기초로 실혐을 하고, 그 결과를 기존의 MDA 및 인공신경망 방법에 의한 결과와 비교하였다. 실험결과, 통계적으로도 유의하고, 실무적인 관점에서도 의미가 있는 기업신용펑가 결과를 유도할 수 있었다.
서로 다른 출처로부터 얻어진 데이터 파일들을 하나의 데이터 파일로 만드는 통계적 자료결합방법은 공통변수와 서로 다른 고유변수를 포함하여 변수들 간에 존재하는 관련성에 대해 살펴볼 수 있다. Robin (1986)이 제안한 일반회귀모형의 예측값을 이용한 통계적 결합방법은 자료에 대한 다변량 정규성을 가정하기 때문에 이 가정을 위반하는 자료를 이용하는 것은 많은 문제를 수반한다. 본 연구는 제공파일의 고유변수에 모분포를 반영하지 못하는 특이점이 존재하는 경우, 일반회귀모형을 이용한 통계적 결합방법의 대안으로 로러스트 회귀추정방법을 이용한 자료결합방법을 제안하였다. 나아가 로버스트 회귀모형을 이용한 결합방법과 일반회귀모형을 이용한 결합방법에서의 상관관계 및 결정계수 보존에 관한 성능을 비교하기 위하여 모의실험을 수행하였다.
본 논문은 일별 관광수요 자료를 분석하기 위하여 시계열의 대표적인 3개 모형인 ARIMA, Holt-Winters, AR-GARCH 모형을 적용하였다. 모형의 성능을 비교하기 위해 Armstrong (2001)이 제안한 방법을 이용하여 서로 다른 방법의 예측값을 단순결합과 MSE, SE를 이용한 결합법을 이용하여 정확도 높일 수 있음을 확인하였다.
본 연구에서는 국내에서 독자적으로 개발한 완전 연동형 SWAT-MODFLOW결합모형을 평가하였다. 결합모형은 함양량의 시공간적 변동성을 반영할 수 있어 기존 지하수 모델링에 있어서 함양량을 현실적으로 고려하지 못했던 부분이 크게 개선될 것으로 판단된다. 또한 SWAT의 지하수 모형성분은 집중형이므로 분포형 매개변수의 입력이 어렵고 지하수위의 변화 등을 고려하지 못하나 결합모형은 지하수부분에 MODFLOW모형을 탑재시킴으로써 완벽한 시간단계별 지하수위 분포를 재생해 낼 수 있었다. 마지막으로 하천네트워크-대수층간의 상호작용에 있어서 SWAT은 일방향만을 고려하나 결합모형은 양방향 상호작용을 모두 고려할 수 있어 실제적인 하천-대수층간의 경계유량을 고려할 수 있어 유역내 기저 유출량 및 총 유출량의 신뢰성이 크게 증대될 것으로 기대된다.
혼합물 성분비와 공정변수들에 관한 실험 자료가 주어진 경우에, 주어진 실험 자료를 잘 설명하는 적절한 결합모형을 찾는 것은 중요한 과제이다. 우선 모형 선택 기준에 부합하는 시작모형의 후보들을 교적모형의 범주에서 찾고, 다음으로 선택된 시작모형을 완전모형으로 간주하여, 모형의 간결성의 원칙에 따라서 완전모형의 부분모형으로 구성된 적절한 결합모형들을 찾는데, 일반적으로 여러 개의 결합모형들이 추천된다. 주어진 실험 자료에 대한 적절한 모형으로 여러 개의 모형이 추천된 경우에, 엔지니어들의 실용적인 관심사는 각각의 결합모형에 대한 반응변수의 기대값의 예측치와 예측치의 표준편차의 추정치를 동시에 최적으로 하는 최적조건의 찾기이다. 이를 위한 실용적인 방법으로 반응변수가 여러 개인 다중 반응표면 분석에서 동시 최적화 기법을 활용한 최적조건을 찾는 방법을 제안하고, 잘 알려진 혼합물성분-공정변수 실험 자료에 대해서 Design Expert 8.0을 활용하여 적절한 결합모형들을 찾고, 이 모형들을 동시에 최적화하는 최적조건 찾기가 예시된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.