• 응용통계연구
• /
• 제24권2호
• /
• pp.217-225
• /
• 2011

본 논문에서는 스펙트럼 분석과 계절성 선형 모델을 이용하여 intra,-day 콜센터 통화량 예측에 필요한 계절성 변수를 찾아내는 방법을 제시한다. 제시한 방법을 북미 지역의 어느 은행의 5분 단위 콜센터 통화량에 실증 적용하여 기존의 통계적 방법으로는 입증할 수 없었던 월 단위 계절성 변수가 유의함을 보인다. 새로이 찾아진 연수가 intra-day 콜센터 통화량 예측능력을 향상시키는지 확인하기 위해서 새로운 변수를 포함하는 계절성 선형 모델과 이 변수를 포함하지 않은 계절성 선형 모델의 익일 통화량 예측능력을 비교 평가한다. 평가결과 새로운 변수를 포함한 모델이 우수하다는 결과를 얻었다.

• 생태와환경
• /
• 제36권3호통권104호
• /
• pp.336-343
• /
• 2003

본 연구에서는 남, 북한강 그리고 경안천으로부터 팔당호에 유입되는 유기물 및 영양물질농도의 연속성 예측을 위하여 단순로그선형모델과 다변수 로그선형모델이 함께 적용되었으며, F-검정과 결정계수에 기초하여 산정된 모델의 유의성과 유효성이 검토되었다. 검토 결과 단순로그선형모델은 산정된 9개의 모델 중 4개 모델만이 통계적으로 유의한 반면 다변수 로그선형모델의 경우에는 9개 모델 모두 통계적으로 유의한 것으로 나타났다. 모델의 유효성을 평가하는 결정계수 또한 다변수 로그선형모델의 경우에 더 높게 예측되었다. 즉 팔당호 유입 수질 농도의 연속성 예측과 경향성 파악을 위해서는 다변수 로그선형모델의 적용이 더 적합한 것으로 판단되었다. 다변수 로그선형모델 결과에 기초하여 팔당호 유입수질의 유량 의존성, 경향성, 계절성을 분석하였다. 분석결과 모든 지류에서 유량이 증가함에 따라 팔당호로 유입되는 BOD 농도는 감소하는 것으로 나타났으며, TN과 TP의 경우에는 BOD와 달리 유량이 증가하더라도 농포는 증가 또는 감소하지 않는 것으로 나타났다. 따라서 3개 지류 유역에서 유기물을 배출하는 주요 오염원은 점오염원인 반면 영양물질의 경우에는 점오염원 뿐만 아니라 비점오염원 역시 주요 배출원으로 작용하고 있는 것으로 판단된다. 경향성을 분석한 결과 1995턴부터2000년까지 모든 지류에서 팔당호로 유입되는 BOD농도의 증감 경향은 보이지 않았다. 남한강과 북한강으로부터 팔당호로 유입되는 TP의 경우 1988년부터 1994년까지 점진적인 증가 추세를 보이는 것으로 보고된 바 있으나 본 연구의 대상 기간인 1995년 이후에는 이러한 증가 추세는 관찰되지 않았으며, 반면 경안천으로부터 유입되는 TP농도는 연간 10%정도 증가하고 있는 것으로 예측되었다. 한편 북한강으로부터 팔당호로 유입되는 TN농도는 연간 10%정도 감소하는 반면 남한강과 경안천으로부터의 유입 농도는 각각 연간 3%와 7%씩 증가하는 경향을 보였다. 수질 농도의 계절별 변화 경향을 분석한 결과 팔당호로 유입되는 3개 지류의 유기물 및 영양물질 농도는 모두 계절성을 갖는 것으로 분석되었으며, 이 중 가장 작은 변동폭을 갖는 수질항목은 총 질소인 것으로 나타났다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.268-268
• /
• 2023

전 지구적 급격한 기후변화로 인해 수문기상인자들의 비선형적 변동성이 발생함과 동시에 가뭄, 홍수와 같은 수재해의 발생빈도 및 강도가 증가하고 있는 추세이다. 이에 따라, 세계의 유수기관 (NASA, ESA 등)에서는 대기모형과 해양 모형의 결합 및 수치해석적 접근법을 활용하여 계절내-계절 (Subseasonal to seasonal; S2S) 예측치를 생산하여 제공하고 있다. 이에 따라, 본 연구에서는 European Centre for Medium-Range Weather Forecast (ECMWF)에서 산정되는 수문기상인자 (강수량, 증발산량 및 유출량)에 대한 정확도를 평가하고자 한다. 연구지역으로는 다양한 기후대 및 토지 피복으로 구성되어 있으며, El-Nino-Southern Oscillation (ENSO), Indian Ocean Diapole (IOD)와 같은 기후 현상이 빈번히 발생하는 호주지역을 대상으로 연구를 수행하였다. ECMWF S2S 자료에 대한 통계적 검증은 1) 지점 기반 관측치와 더불어 2) 물수지 모델 기반 수문 추정치 (The Australian Water Resources Assessment Landscape Model; AWRA-L)와 비교하였다. 연구 결과 S2S 강우 및 증발산량 산정치의 경우 비교적 짧은 예측기간(약 2주)에서 상대적으로 높은 상관관계 (R=0.5~0.6)와 낮은 편차 (강수량 = 0.10 mm/day, 증발산량 = 0.21 mm/day)를 나타내었다. 유출량의 경우, 강우 및 증발산량에 비해 상대적으로 낮은 정확도를 나타내었으며, 예측 기간이 길어짐에 따라 불확실성이 상당히 높아지는 것으로 확인되었다. 이는, S2S 계산과정에서 강우 및 증발산량 뿐만아니라 지표 유출로 도달하기 전까지의 수문기상인자들의 불확실성이 모두 모여 유출량의 불확실성이 높아진 것으로 확인할 수 있었다. 계절적 검증에서는, 강우 및 증발산량 모두 여름철에 높은 상관관계를 나타내었지만 불확실성은 상대적으로 큰 값을 나타내었다. 자세한 분석을 위해, 공간적인 불확실성을 분석해본 결과 ECMWF S2S가 매우 습윤하거나 건조한 지역에서 수문기상인자를 예측하는데 있어 한계성이 나타난 것을 확인하였다. 본 연구를 토대로, 추후 S2S 예측치에 대한 보정과 더불어 미래의 수재해 발생 위험도에 대한 정보를 획득하는데 적용될 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.100-100
• /
• 2019

최근 대기 중 미세먼지의 농도가 높은 일수가 급증하면서, 미세먼지를 저감하고자 하는 연구가 활발히 이루어지고 있다. 미세먼지는 주로 자동차 혹은 공장 등 인간 활동에 의한 오염물질 배출에 의해 발생하는 것으로 알려져 있으며, 태양복사에너지, 토양수분, 강우, 풍속 등의 수문기상학적 인자에 의해 발생, 이동, 소멸의 과정을 거친다. 현재 우리나라에서는 미세먼지 농도를 관측하기 위해 지점 기반의 관측소를 운영하고 있으며, 관측소가 위치하지 않은 지역의 미세먼지 농도는 선형 보간법 등을 활용한 내삽 기법을 통해 제공하고 있다. 그러나 미세먼지 농도는 다양한 수문기상인자들의 영향에 의한 차이가 크게 나타나기 때문에 지점 기반의 자료로는 해당 지역의 미세먼지 농도를 추정하는 데 어려움이 많다. 본 연구에서는 미세먼지의 공간적인 분포를 추정하고자 MODerate resolution Imaging Spectroradiometer (MODIS) 에어로졸 자료와 Global Land Data Assimilation System (GLDAS) 수문기상인자를 활용하여 미세먼지 농도에 영향을 주는 것으로 판단되는 다양한 수문기상인자들과의 상관성을 분석하였다. 미세먼지와 각 인자간의 상관성을 분석하여 높은 상관성을 갖는 수문기상인자들을 도출하고 최적의 선형회귀분석 모델을 구축하기 위해 베이지안 모델 평균(Bayesian Model Averaging, BMA)을 사용하였으며, 지점 데이터와의 비교를 통해 활용성을 검증하였다. 전체적으로 수문기상인자를 사용한 선형회귀분석 결과에서는 미세먼지농도 변화의 경향을 반영하고 있는 것을 확인할 수 있었으나, 계절별, 지역별 등 대기 특성을 고려하지 않아 각 기간의 급격한 농도 변화를 감지하기에 어려움이 있었다. 이러한 연구를 바탕으로 수문기상인자와 미세먼지 농도의 패턴이 더욱 정확히 분석된다면, 미세먼지 농도 모니터링과 정확한 예보 시스템의 구축에 효과적으로 활용 될 것으로 기대된다.

• 한국해양학회지:바다
• /
• 제27권2호
• /
• pp.49-70
• /
• 2022

해수면 온도는 기후와 바다의 생태계 그리고 인간의 활동에까지 중요한 영향을 미치는 해수의 특성 중 하나로 이를 예측하는 것은 항상 중요하게 다뤄지는 문제다. 최근 들어 과거의 패턴을 학습하여 예측값을 생성할 수 있는 딥러닝을 활용한 해수면 온도 예측이 복잡한 수치모델을 이용한 예측의 대안으로 주목받고 있다. 딥러닝은 입력 자료 간의 비선형적인 관계를 추정할 수 있는 것이 큰 장점이며, 최근 컴퓨터 그래픽카드의 발달로 많은 양의 데이터를 반복적이고 빠르게 계산할 수 있게 되었다. 본 연구에서는 기존의 딥러닝 모델의 단점들을 보완하면서 시공간 자료를 다룰 수 있는 합성곱 신경망(Convolutional Neural Network) 기반의 U-Net을 통해 단기 해수면 온도 예측을 수행하였다. 개발한 딥러닝 모델을 이용한 한국 남부 근해 해수면 온도의 단기 예측은 예측일의 해수면 온도의 중장기 변동성에 따라 달라지는 성능을 보였다. 해수면 온도 변동성의 증감은 계절적 변동 뿐 아니라 Pacific Decadal Oscillation (PDO) 지수의 변동과도 유의미한 상관관계를 보였는데, 이는 계절 변동 및 PDO에 따른 기후 변화에 기인한 수온 전선의 강도 변화가 해수면 온도의 시공간적 변동성에 영향을 줌으로써 발생했음을 확인하였다. 본 연구는 해수면 수온 자료가 가지고 있는 계절적 변동성과 경년 변동성이 딥러닝 모델의 해수면 단기 수온 예측 성능에 기여함을 밝힌 것에 그 의의가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.350-350
• /
• 2022

R은 통계 및 빅데이터 분석에 널리 사용되는 오픈 소스 프로그래밍 언어로, 통계와 그래픽스에 관련된 기능을 확정할 수 있어 다양한 분야에 활용되고 있다. 특히, 수자원 분야의 연구에서 그 활용이 늘어나고 있으며, 최근 들어 다양한 수자원 관련 R 패키지가 발표되고 있다. 이중, 미국 지질조사국(U.S. Geological Survey, USGS)이 개발한 EGRET은 수질 및 유출량 자료의 장기 추세 변화 분석을 위한 패키지로 R 프로그래밍 언어를 기반으로 구동되며, 분석·처리한 데이터에 대하여 광범위한 그래픽 프리젠테이션을 제공하여 탐색적 자료 분석에 매우 효과적인 도구이다. 특히, EGRET 패키지는 농도와 유출 사이의 관계 특성, 수집된 자료의 계절성 존재 및 특성, 점진적 또는 급격한 경향의 존재를 검토할 수 있는 그래픽 결과를 제시하며, 가중 회귀(Weighted Regressions on Time, Discharge, and Season, 이하 WRTDS) 모델을 적용하여 농도와 부하의 상태와 경향을 특성화한다. 시간, 유량 및 계절에 대한 WRTDS 모델은 농도 및 부하의 상태와 경향을 특성화하는 데 사용할 수 있는 수질 데이터 세트의 분석 방법으로, 근본적으로 탐색적 데이터 분석 방법으로 다양한 유형의 트렌드 시나리오에 민감하도록 설계되었으며 선형 또는 2차 함수형에 맞지 않을 수 있는 시간적 추세를 탐지하여 설명할 수 있고, 불규칙한 간격의 자료를 사용하기에 적합한 장점이 있다. 본 연구에서는 북한강 상류의 지속적인 흙탕물 발생으로 문제가 되고 있는 자운지구의 자운천을 대상으로 흙탕물 발생 현황을 분석하기 R을 이용하여 탐색적 자료 분석을 실시하였다. 자료 분석은 EGRET 패키지를 사용하여 수집된 자료(2016년 4월 - 2021년 7월까지 수집된 191개의 SS 자료와 인근 유량측정망의 유량자료)의 유량과 SS 농도 간의 관계, 시간에 따른 SS 농도 분포, SS 농도의 월별 특성 분석 및 유황별 SS 농도 변화 등을 검토하였으며, WRTDS 모델로 SS와 부하량을 예측하고 검토하여 자운천 유역의 흙탕물 부하 특성을 검토하였다.

• 한국수자원학회논문집
• /
• 제56권9호
• /
• pp.529-541
• /
• 2023

기후변화에 따른 가뭄 등 극한 기상을 예측하기 위해, 최근 전 세계적으로 GCMs 모델에 기반하여 향후 7개월까지를 전망하는 계절 기상 전망(Seasonal Forecasts) 기술이 꾸준히 관심을 받고 있다. 그러나 국내에서의 연구 및 적용사례는 많지 않으며, 특히 유역단위에서 그 활용성에 대해서는 검증이 필요하다. 따라서 본 연구에서는 국내 12개 다목적댐 유역에 대해 2011년부터 2020년까지 계절 기상 전망의 정확성을 과거 45년간의 기상 자료(climatology)와 비교하여 평가하였다. 본 연구에서는 ECMWF에서 제공하는 계절 기상 전망의 인자로 향후 수문전망에 활용성이 높은 강수, 기온 그리고 증발산을 선정하였고, 앙상블 전망의 정확성 평가를 위해 Continuous Ranked Probability Skill Score (CRPSS) 기법을 적용하였다. 또한, 계절 기상 전망에 대해 선형 편의 보정기법(Linear scaling)을 적용하여 그 효과를 평가하였다. 연구결과, 계절 기상 전망이 향후 1개월 간은 climatology와 유사한 정확도를 보이나 전망 리드타임이 증가함에 따라 그 정확도가 크게 낮아지는 특성을 나타냈다. Climatology와 비교하여, 계절적으로는 Dry season보다는 Wet season이 더 나은 결과를 보였으며, 특히 건조했던 2015년과 2017년의 Wet season에서는 장기간에 걸친 전망 정확도가 모두 높게 나타났다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권5호
• /
• pp.153-160
• /
• 2020

산업용 에너지 소비 예측은 에너지 수요와 공급에 동적이고 계절적인 변화가 있기 때문에 에너지 관리 및 제어 시스템에서 중요한 위치를 차지한다. 본 논문은 철강 산업의 에너지 소비 예측 모델을 제시하고 논의한다. 사용되는 데이터에는 후행 및 선도적인 전류 반응 전력, 후행 및 선도적인 전류 동력 계수, 이산화탄소(TCO2) 배출 및 부하 유형이 포함된다. 테스트 세트에서는 (a) 선형 회귀(LR), (b) 방사형 커널(SVM RBF), (c) Gradient Boosting Machine (GBM), (d) 무작위 포리스트(RF). 평균 제곱 오차(RMSE), 평균 절대 오차(MAE) 및 평균 절대 백분율 오차(ME)의 네 가지 통계 모델을 사용하여 예측하고 평가한다. 회귀 설계의 효율성 모든 예측 변수를 사용할 때 최상의 모델 RF는 테스트 세트에서 RMSE 값 7.33을 제공할 수 있다.

• 대한원격탐사학회지
• /
• 제38권5_1호
• /
• pp.627-646
• /
• 2022

최근 지구 온난화로 인한 기후 변화와 관련된 문제의 심각성이 커지고 있으며 평균 기온 또한 상승하고 있다. 이로 인해 온도에 민감한 다양한 생물과 생물이 살아가는 환경에 영향을 미치고 있으며, 생태계의 변화 역시 감지되고 있다. 계절은 그 지역에 사는 생물의 종류, 분포, 생육 특성 등에 영향을 미치는 중요한 요인의 하나이다. 기후 변화 영향 평가의 지표 중 가장 대중적이고 쉽게 인식될 수 있는 식물 계절 중 개화일과 단풍나무 절정일의 모델링을 수행하였다. 모델링에 사용된 식물의 종류에는 봄을 대표하는 식물로 볼 수 있는 개나리와 벚나무, 가을을 대표하는 식물로 볼 수 있는 단풍 나무와 은행 나무를 사용하였다. 모델링을 수행할 때 사용된 기상 자료로는 기상청의 Automated Surface Observing System (ASOS) 관측소를 통해서 관측된 기온, 강수, 일사 자료를 사용하였으며, 개나리, 벚나무의 개화일과 약 -0.2, 은행나무, 단풍나무의 단풍 절정일과 약 0.3 정도의 상관 계수를 가지는 Moderate Resolution Imaging Spectroradiometer (MODIS) 식생지수를 사용하여 모델링을 수행하였다. 사용된 모델로는 선형 모델인 다중 회귀 모형과, 비선형 모델인 Random Forest (RF)를 사용하여 모델을 수립하였다. 또한 각 모형으로 추정된 예측 값을 공간 내삽 기법을 이용하여 등치 선도로 2003~2020년의 식물 계절 변화 경향 성을 표현하였다. 향후에 높은 시공간 해상도를 가지는 식생지수를 사용한다면 더 높은 식물 계절 모델링의 정확도를 높일 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2017년도 학술발표회
• /
• pp.87-87
• /
• 2017

최근 이상기후로 인해 국내 가뭄피해가 증가하고 있는 추세이며, 미래 가뭄의 심도 및 지속시간은 증가할 것으로 예측되고 있다. 특히 우리나라는 용수공급의 56.5%를 댐에 의존하여 댐 유역의 가뭄은 생 공 농업용수 공급제한 등의 광범위한 피해를 발생시킬 수 있다. 다만 가뭄은 홍수와 달리 진행속도가 비교적 느리기 때문에 사전에 정확한 댐 유입량 예측이 가능하다면, 용수공급량 조정을 통해 피해를 최소화할 수 있다. 국내에서는 댐 유입량 예측에 ESP (Ensemble Streamflow Prediction) 기법을 활용하고 있으며, ESP 기법은 과거 기상자료를 기반으로 미래를 예측하기 때문에 기상자료, 초기수문조건, 매개변수 등에 불확실성을 가지고 있다. 본 연구에서는 베이지안 이론을 이용하여 댐 예측유입량의 정확도 향상기법을 개발하고 예측성을 평가하고자 하며, 강우유출모델은 ABCD를 활용하였다. 대상유역은 국내의 대표 다목적댐인 충주댐 유역을 선정하였으며, 기상자료는 기상청, 국토교통부 및 한국수자원공사의 지점자료를 수집하였다. 예측성 평가기법으로는 도시적 분석방법인 시계열 분석, 통계적 분석방법인 Skill Score (SS)를 활용하였다. 시계열 분석 결과 ESP 댐 예측유입량(ESP)은 매년 월별 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. 베이지안 기반의 댐 예측유입량(BAYES-ESP)는 ESP의 과소모의하는 경향을 보정하였으며, 다우년에 예측성이 향상되었다. 월별 평균 댐 관측유입량과 ESP, BAYES-ESP의 SS 비교분석 결과 ESP는 유입량 값이 적은 1, 2, 3월에 SS가 양의 값을 가졌으며, 이외의 월에는 음의 값으로 나타났다. BAYES-ESP는 ESP와 관측값이 비교적 선형관계를 나타내는 1, 2, 3월에 ESP의 예측성을 개선시키는 것으로 나타났다. ESP 기법은 강수량의 월별, 계절별 변동성이 큰 우리나라에 적용하기에는 예측성의 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측 연구에 가치가 있는 것으로 판단된다.