• The KIPS Transactions:PartB
• /
• v.18B no.5
• /
• pp.271-278
• /
• 2011

Storm and flood such as torrential rains and major typhoons has often caused damages on a large scale in Korea and damages from storm and flood have been increasing by climate change and warming. Therefore, it is an essential work to maneuver preemptively against risks and damages from storm and flood by predicting the possibility and scale of the disaster. Generally the research on numerical model based on statistical methods, the KDF model of TCDIS developed by NIDP, for analyzing and predicting disaster risks and damages has been mainstreamed. In this paper, we introduced the model for prediction of damage cost from storm and flood by the neural network algorithm which outstandingly implements the pattern recognition. Also, we compared the performance of the neural network model with that of KDF model of TCDIS. We come to the conclusion that the robustness and accuracy of prediction of damage cost on TCDIS will increase by adapting the neural network model rather than the KDF model.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.16 no.3
• /
• pp.2234-2241
• /
• 2015

This study has been undertaken to develop a relationship between the shear strength coefficients and the cone index. The theoretic mathematical equations for the relationship were rigorously investigated, and then a Artificial Neural Network(ANN) analysis was adapted to enhance the reliability of the investigation. The theoretical investigation involved various assumptions resulting in the significant error involvement of geotechnical behaviors of ground. Therefore, a model using the ANN has been learned to enhance the prediction of the cone index form the shear strength parameters. Site investigation reports from various construction fields were used for ANN model learning. The results of the study show that the model predicts the cone index from the shear strength parameters of soils very well. The further study that is undertaking has a potential promise of the generalized prediction technique for the cone index from the soil parameters.

• Proceedings of the Korea Contents Association Conference
• /
• 2003.11a
• /
• pp.436-439
• /
• 2003

Urbanization is worldwide phenomenon and unexceptional in Korea. It is necessary in the spatial decision making steps to predict urban forms for the efficient land use. This study aims to develop urban growth model based on allometry which deals with relationships between urban populations and urban area. For the input data and accuracy assessments, various GIS techniques are used. Although this research is an exemplary urban growth model dealing with physical data only, it can be a good start to develop a more practical model having socio-economic sides for planning practices.

• Journal of Korea Water Resources Association
• /
• v.36 no.4
• /
• pp.691-703
• /
• 2003

In this paper, a new and integrated approach easily used to calculate the pollutant loads from agricultural watersheds is suggested. Basic concepts of this empirical tool are based on the hypotheses that variations in event mean concentrations(EMCs) of the pollutants from a given agricultural watershed during rainstorms are only due to the rainfall pattern. This assumption would be feasible to agricultural watersheds whose land uses does not change during the cultivation period overlapped by rainy season and also in which point-sources of the pollutants are rare. Therefore, if EMC data sets through extensive sampling from various rural areas are available, it is possible to establish relationships between EMCs, shapes and land uses of the watersheds, and rainfall events. For this purpose, fifty one sets of EMC values were obtained from nine different watersheds, and those data were used to develop predictive tools for the EMCs of 55, COD, TN and TP in rainfall runoff. The results of the statistical tests for those formulas show that they are not only fairly good in predicting actual EMC values of some parameters, but also useful in terms of calculating pollutant loads on any time-spans such as the day of rainfall event or weekly, monthly, and yearly. Their applicability was briefly demonstrated and discussed. Also, the unit loads calculated from EMCs based on different land uses and real rainfall data over one of the watershed used for this study. were provided, and they are compared with other well-known unit loads.

• Journal of the Society of Naval Architects of Korea
• /
• v.31 no.1
• /
• pp.133-141
• /
• 1994

In this paper, experiences obtained during the development of MASS(Noise Analysis of Ship-board using SEA) are described. The results are summarized as follows. (1) The modelling techniques for ship structure and cabins are suggested. (2) Structureborne and airborne noise for a real ship were measured at sea trial and predicted by NASS. The differences between the two values are acceptably small for the cabins located on higher decks, although problems related with modelling of lower decks and evaluation of radiation efficiency were found.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.3-8
• /
• 2007

최근 도로 네트워크 환경에서 이동 객체 위치 정보를 관리하고 이동 객체의 미래 위치를 예측하는 이동 객체 위치 예측 시스템의 필요성이 나날이 증가되고 있다. 이동 객체위치 예측 시스템은 교통 관제 및 다양한 응급 상황 시 이동 객체의 미래 위치를 신속히 예측하기 위해 사용되며, 보다 편리한 위치 기반 서비스의 제공을 가능하게 해준다. 이러한 시스템을 위한 대부분의 미래 인덱싱 기법은 일반적으로 이동 객체의 미래 위치 예측을 위해 과거 이동 궤적을 이용하고 있다. 그러나, 수많은 이동 객체의 과거 이동 궤적 관리가 어렵고, 실시간으로 변화하는 이동 객체의 미래 궤적을 반영하기 위한 방대한 미래 인덱스의 갱신 요청으로 인해 인덱스 유지 비용이 증가하여 미래 위치 질의 요청에 대한 신속한 처리 성능이 떨어지게 된다. 따라서 본 논문에서는 이동 객체 위치 예측 시스템에서 방대한 이동 객체의 과거 이동 궤적으로부터 효율적으로 미래 위치를 예측하기 위해 셀 기반의 미래 인덱싱 방법인 PFCT-Tree(Probability Future Cell Trajectory-Tree)를 제시한다. PFCT-Tree는 방대한 과거 이동 궤적을 셀 단위로 재구성하여 인덱스 크기를 줄이고, 셀 내부 경험치를 기반으로 장기간 질의 시 빠른 미래 위치를 예측할 수 있다. 또한 신속한 미래 이동 궤적의 갱신 속도를 향상시키기 위해 미래 시간을 미래 궤적과 분리하여 인덱싱함으로써 위치 예측 오류로 인한 미래 인덱스 갱신 비용을 최소화 할 수 있다. 마지막으로 실험을 통해 도로 네트워크 환경에서 PFCT-Tree가 기존 인덱싱 기법들보다 갱신 및 검색 성능이 우수함도 입증하였다.ential oil (Bergamot, Grapefruit, Lemon, Petigrain)은 농도 의존적으로 ROS 생성을 증가시켰다. 이상의 결과를 종합하여 볼 때 citrus essential oil은 MSH에 의한 melanin 생성을 억제하는 것으로 보아 미백제로서의 개발 가능성이 있는 것으로 사료된다.가 사용될 수 있음을 제시한다.찍 발견되어 크기는 작았으며, 육안적으로 폴립의 Yamada 형태의 분류는 II, III의 형태를 띠고 있었다.EX>로 한반도 후기 백악기의 고지자기극$(Lat./Long.=70.9^{\circ}N/215.4^{\circ}E,\;A_{95}=5.3^{\circ})$의 위치와 유사하므로 암석의 생성 시기는 후기 백악기로 판단하였다. 한편 함평분지에 분포하는 백악기 화산암류에서는 한 개의 정자화 방향과 두 개의 역자화 방향이 확인되었다. 이들 특성잔류자화 방향은 백악기 화산암 형성 당시 암석에 기록된 성분으로써 당시 지구자기장의 상태를 기록한 것으로 해석하였으며, 이중 정자화 방향을 함평분지 화산암의 대표 방향으로 채택하였다 함평분지 화산암의 고지자기 극의 위치는 정자극의 경우는 $Lat./Long.=70.2^{\circ}N/199.5^{\circ}E,\;(K=18.1,\;A_{95}=9.6^{\circ})$ 이며 역자극의 경우는 $Lat./Long.=65.5^{\circ}S/251.3^{\circ}E,\;(K=7.1,\;A_{95}=20.7^{\circ})$이다. 이중 정자극의 위치는 한반도의 후기 백악기극의 위치와 통계적으로 동일한 것으로 나타나 함평분지 화산암

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2830-2832
• /
• 1999

신경망은 선형 시스템 뿐 만 아니라 비선형 시스템에 있어서도 탁월한 모델링 및 예측 성능을 갖고 있다. 하지만 좋은 성능을 갖는 신경망을 구현하기 위해서는 최적화 해야할 파라미터들이 있다. 은닉층의 뉴런의 수, 학습율, 모멘텀, 학습오차 등이 그것인데 이러한 파라미터들은 경험에 의해서, 또는 문헌들에서 제시하는 값들을 선택하여 사용하는 것이 일반적인 경향이다. 하지만 신경망의 전체적인 성능은 이러한 파라미터들의 값에 의해서 결정되기 때문에 이 값들의 선택은 보다 체계적인 방법을 사용하여 구하여야 한다. 본 논문은 유전 알고리즘을 이용하여 이러한 신경망 파라미터들의 최적 값을 찾는데 목적이 있다. 유전 알고리즘을 이용하여 찾은 파라미터들을 사용하여 학습된 신경망의 학습오차와 예측오차들을 심플렉스 알고리즘을 이용하여 찾은 파라미터들을 사용하여 학습된 신경망의 오차들과 비교하여 본 결과 유전 알고리즘을 이용하여 찾을 파라미터들을 이용했을 때의 신경망의 성능이 더욱 우수함을 알 수 있다.

• International Journal of Highway Engineering
• /
• v.14 no.3
• /
• pp.49-58
• /
• 2012

In many countries including Korea, the design concept of pavement structure has been converted from empirical method to mechanisticempirical method since the advent of compaction control based on resilient modulus proposed by AASHTO in 1986. Studies of last decades indicates that the classical compaction control method based on relative compaction and plate bearing test(PBT) will necessarily move to the methods taking advantage of light falling weight deflectometer(LFWD) and dynamic cone penetrometer(DCP) in addition to PBT. In this study, the validity of resilient modulus prediction equation proposed by Korean Pavement Design Guide is verified by comparison with physical properties of subgrade soil and the results of structural analysis. In addition, correlational equations between elastic modulus measured by various field tests and resilient modulus estimated by empirical model are proposed. Finally, a field test-based compaction control procedure for subgrade is suggested by using proposed correlational equations.

• Journal of the Korean earth science society
• /
• v.26 no.3
• /
• pp.268-275
• /
• 2005

One of the nonlinear statistical modelling, neural network method was applied to predict the Sea Surface Temperature Anomalies (SSTA) in the Nino regions, which represent El Nino indices. The data used as inputs in the training step of neural network model were the first seven empirical orthogonal functions in the tropical Pacific $(120^{\circ}\;E,\;20^{\circ}\;S-20^{\circ}\;N)$ obtained from the NCEP/NCAR reanalysis data. The period of 1951 to 1993 was adopted for the training of neural network model, and the period 1994 to 2003 for the forecasting validation. Forecasting results suggested that neural network models were resonable for SSTA forecasting until 9-month lead time. They also predicted greatly the development and decay of strong E1 Nino occurred in 1997-1998 years. Especially, Nino3 region appeared to be the best forecast region, while the forecast skills rapidly decreased since 9-month lead time. However, in the Nino1+2 region where they are relatively low by the influence of local effects, they did not decrease even after 9-month lead time.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.448-448
• /
• 2021

최근 급격한 기후변화와 도시화 및 산업화로 인한 지류하천에서의 수량과 수질의 변동은 생물 다양성 감소와 수생태계 건강성 저하에 큰 영향을 미치고 있다. 효율적인 수생태 관리를 위해서는 지속적인 유량, 수질, 그리고 수생태 모니터링을 통한 데이터 축적과 더불어 면밀한 상관 분석을 통해 수생태계 건강성의 악화 원인을 규명해야 할 필요가 있다. 그러나 수많은 지류하천을 대상으로 한 지속적인 모니터링은 현실적으로 어려움이 있으며, 수생태계의 특성 상 단일 영향 인자만으로 수생태계의 건강성 변화와의 관계를 정확히 파악하는데 한계가 있다. 따라서 지류하천에서의 유량 및 수질의 시공간적인 변동성과 다양한 영향 인자를 고려하여 수생태계의 건강성을 효율적으로 예측할 수 있는 기술이 필요하다. 이에 본 연구에서는 경험적 데이터 기반의 머신러닝 모델 구축을 통해 미계측 하천에서의 수생태계 건강성 지수(BMI, TDI, FAI)의 등급(A to E)을 예측하고자 하였다. 머신러닝 모델은 학습 데이터셋의 양과 질에 따라 성능이 크게 달라질 수 있으며, 학습 데이터셋의 분포가 불균형적일 경우 과적합 또는 과소적합 문제가 발생할 수 있다. 이를 보완하고자 본 연구에서는 실제 측정망 데이터셋을 바탕으로 생성적 적대 신경망 GAN(Generative Adversarial Network) 알고리즘을 통해 머신러닝 모델 학습에 필요한 추가 데이터셋(유량, 수질, 기상, 수생태 등급)을 확보하였다. 머신러닝 모델의 성능은 5차 교차검증 과정을 통해 평가하였으며, GAN 데이터셋의 정확도는 실제 측정망 데이터셋의 정규분포와의 비교 분석을 통해 평가하였다. 최종적으로 SWAT(Soil and Water Assessment Tool) 모형을 통해 예측 된 미계측 하천에서의 데이터셋을 머신러닝 모델의 검증 자료로 사용하여 수생태계 건강성 등급 예측 정확도를 평가하였다. 본 연구에서의 GAN에 의해 강화된 머신러닝 모델은 수질 및 수생태 관리가 필요한 우심 지류하천 선정과 구조적/비구조적 최적관리기법에 따른 수생태계 건강성 개선 효과를 평가하는데 활용될 수 있을 것이다. 또한 이를 통해 예측된 미계측 하천에서의 수생태계 건강성 등급 자료는 수량-수질-수생태를 유기적으로 연계한 통합 물관리 정책을 수립하는데 기초자료로 활용될 수 있을 것이라 사료된다.