• Magazine of korean Tunnelling and Underground Space Association
• /
• v.12 no.3
• /
• pp.57-64
• /
• 2010

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.49-53
• /
• 2012

본 연구는 불확실성을 고려하여 홍수 취약성 평가를 정량화하기 위한 새로운 방법을 제시하였다. 현실 세계로부터 얻는 많은 정보들은 불확실성을 가지고 있으므로 본 연구는 우리나라의 공간적 홍수 취약성을 산정하기 위해 Fuzzy TOPSIS기법을 사용하였다. 또한 Fuzzy TOPSIS의 결과를 TOPSIS 및 가중합계법을 적용한 결과와 비교하였다. 그 결과 일부 지역의 취약성 순위가 큰 폭으로 역전되는 현상을 보였다. Spearman 순위 상관분석을 실시한 결과 TOPSIS와 가중합계법의 순위는 높은 일치성을 보였으나 Fuzzy TOPSIS의 순위와는 상당히 일치하지 않은 결과를 나타냈다. 즉, Fuzzy 개념을 반영하여 지역별 취약성을 산정할 경우 우선순위의 변동이 크게 발생할 수 있으므로 본 연구에서 제시한 모형도 하나의 취약성 평가의 방법이 될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.165-165
• /
• 2021

전 세계적으로 하천 수질이 저하되고 있다. 이는 수생태계의 손상을 야기하고 인류를 위한 하천의 물 공급원 기능에 저해 요소로 작용한다. 오염된 수생태계에 대한 효과적인 맞춤형 관리전략을 수립하려면 수질의 시공간적 변동 요인을 이해하는 것이 중요하다. 시간적 및 공간적 변동성이 모두 중요하지만, 본 연구에서는 낙동강 전체 유역에서 나타나는 공간적인 변동성에 집중하여 하천 수질의 공간적 차이에 영향을 미치는 요인을 식별하고 그들의 상대적 중요성을 분석하고자 하였다. 분석을 위해 낙동강 유역 전역의 40개 수질오염총량관리 단위유역에서 5년 동안 수집된 하천 총인 농도와 유역특성 자료를 사용하였다. 총인 농도의 공간적 변동성에 영향을 미치는 주요 유역특성을 식별하기 위한 통계모델 선정을 위해 완전 탐색 접근법과 베이지안 추론이 적용되었다. 완전 탐색은 두 단계에 걸쳐 진행되었으며, 1 단계 완전 탐색의 결과로 유역특성 자료들의 중요도가 선정되었으며 2 단계 완전탐색 결과로 통계모델이 우선 선정되었다. 우선 선정된 통계모델은 베이지안 추론을 통해 모델의 정확도와 불확실성이 분석되었고 공간적 변동성 분석을 위한 최적 모델이 선정되었다. 본 연구의 결과로 낙동강 하천 총인 농도의 공간적 변동성에 영향을 미치는 주요 유역특성에 대한 통찰력이 제공된다. 또한 식별된 주요 유역특성은 유역특성 변화에 대한 하천의 수질 반응을 예측하는데 사용될 수 있을 것으로 기대된다.

• Korean Journal of Remote Sensing
• /
• v.20 no.6
• /
• pp.383-396
• /
• 2004

The application of spatial statistics to obtain the spatial uncertainty distributions in classification of remote sensing images is investigated in this paper. Two quantitative methods are presented for describing two kinds of uncertainty; one related to class assignment and the other related to the connection of reference samples. Three quantitative indices are addressed for the first category of uncertainty. Geostatistical simulation is applied both to integrate the exhaustive classification results with the sparse reference samples and to obtain the spatial uncertainty or accuracy distributions connected to those reference samples. To illustrate the proposed methods and to discuss the operational issues, the experiment was done on a multi-sensor remote sensing data set for supervised land-cover classification. As an experimental result, the two quantitative methods presented in this paper could provide additional information for interpreting and evaluating the classification results and more experiments should be carried out for verifying the presented methods.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.406-406
• /
• 2021

극한강우사상의 분석은 다양한 극치 분포로 구성된 극치이론을 통해 가능하다. 일반적으로 단일 지점의 극한사상의 분석을 위한 지점빈도해석 (Point Frequency Analysis, PFA)이 다양한 재현기간에 해당하는 강우량을 추정하는데 널리 사용되어왔다. 하지만 수문기후학적 극치기록은 시간적 그리고 공간적으로 제한적이다. 따라서 모의 불확실성을 줄이고 신뢰성 높은 결과를 도출하기 위해 서로 유사한 분포를 가질 수 있는 인근 지점의 활용하는 지역빈도해석 (Regional Frequency Analysis, RFA) 방법이 개발되어 적용되고 있다. 본 연구에서는 부산, 울산, 경남지역의 기상청 종관기상관측시스템(Automated Synoptic Observing System, ASOS) 울산, 부산, 통영, 진주, 거창, 합천, 밀양, 산청, 거제, 남해지점 일강수량을 자료를 기반으로 Metropolis-Hasting 알고리즘을 사용하여 일반극치분포(Generalized Extreme Value, GEV)의 매개변수를 추정하고 PFA 및 RFA의 불확실성을 평가하고자 한다. 이러한 연구는 공간적 구성 요소(예, 지리적 좌표, 고도)를 고려하지 못하며 추가변수 (예, 공변량)를 분석에 결합할 수 없는 등의 RFA의 한계를 극복하고, 명시적으로 불확실성을 추정하여 결과의 신뢰성을 확보 할 수 있는 계층적 베이지안 모델의 개발에 도움이 되리라 기대된다.

• Magazine of korean Tunnelling and Underground Space Association
• /
• v.3 no.4
• /
• pp.121-128
• /
• 2001

• Journal of the Korean Geotechnical Society
• /
• v.30 no.5
• /
• pp.17-24
• /
• 2014

This paper determines 1D shear wave velocity (Vs) distribution of rockfill zone of CFRD using Vs profile determined by the surface wave test. There exists uncertainty in the field test result because of a spatial variation of material property. The harmonic wavelet transform is used to evaluate the uncertainty of test result and generate random 1D Vs distributions which may exist in the rock fill zone. Through the statistical analysis of generated random Vs distributions, the representative 1D Vs distribution considering the uncertainty of test results is proposed for the rockfill zone of CFRD in Korea.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.71-71
• /
• 2012

현재 전 세계적으로 극한강우의 발생빈도가 점차 높아지고 있으며 홍수량 또한 강도가 커지고 있는 것이 현실이다. 하지만 과거의 홍수발생 빈도에 따라 설계된 홍수방어시설들이 점차 한계를 보이고 있으므로 이를 대비하기위한 구조적 대책뿐만 아니라 홍수피해 발생 가능지역에 사전 예경보를 시행하는 비구조적 대책마련 또한 필요하다. 기존의 홍수예측은 확정적인 하나의 유량예측값만을 제공함으로써 신속하고 편리하였지만 이에 대한 불확실성이 큰 경우 예상치 못한 큰 인적 물적 피해를 가져올 수 있다. 이처럼 확률론적 홍수예측의 필요성이 대두되어 지면서 유럽이나 미국등 선진국에서는 EFFS(European Flood Forecasting System)과 NWSRFS(National Water Service River Forecast System)같이 이미 확률론적 홍수예측에 대한 연구 및 기술개발이 활발하게 진행되어지고 있다. 하지만 홍수예측의 확률론적 접근에 있어서는 많은 불확실성들이 내포되어 있으므로 예측시스템에서 생성된 앙상블 유량예측 결과의 신뢰도 분석과 올바른 불확실성 정보의 제공이 필요하다. 본 연구는 확률론적 홍수예측 방법을 국내에 적용시켜서 기상청의 예측시스템 KLAPS(Korea Local Analysis and Prediction System), MAPLE(McGill Algorithm for Precipitation Nowcasting by Lagrangian Extrapolation), UM(Unified Model) 그리고 MOGREPS(Met Office Global Regional Ensemble Prediction System)으로부터 생성된 기상앙상블을 현재 국토해양부 홍수통제소에서 사용하고 있는 강우-유출모형인 저류함수모형(Storage Function Method)의 입력 자료로 사용한다. 확률론적 홍수예측에서 오는 불확실성을 분석하기 위해서 첫 번째로 제공되는 기상예측 시스템의 시 공간적 스케일 및 대상유역의 공간특성에 따라 어떠한 형태로 전파되어지는지를 분석하였다. 두 번째는 각각의 예측시스템들이 선행기간(Lead time)에 따라 불확실성의 특성이 어떻게 나타나게 되는지를 확인하였다. 이러한 불확실성의 특성을 정확하게 파악하게 된다면 예측에 있어서 현재 갖고 있는 문제점들로부터 개선해 나가야 할 방향을 제시해주어 향후연구에 유용하게 활용될 수 있을 것이다.

• Tunnel and Underground Space
• /
• v.15 no.4 s.57
• /
• pp.275-287
• /
• 2005

At the planning and design stages of a development of underground space or tunneling project, the information regarding ground conditions is very important to enhance economical efficiency and overall safety In general, the information can be expressed using RMR or Q-system and with the geophysical exploration image. RMR or Q-system can provide direct information of rock mass in a local scale for the design scheme. Oppositely, the image of geophysical exploration can provide an exthaustive but indirect information. These two types of the information have inherent uncertainties from various sources and are given in different scales and with their own physical meanings. Recently, RMR has been estimated in unsampled areas based on given data using geostatistical methods like Kriging and conditional simulation. In this study, simulated annealing(SA) is applied to overcome the shortcomings of Kriging methods or conditional simulations just using a primary variable. Using this technique, RMR and the image of geophysical exploration can be integrated to construct the spatial distribution of RM and to evaluate its uncertainty. The SA method was applied to solve an optimization problem with constraints. We have suggested the practical procedure of the SA technique for the uncertainty evaluation of RMR and also demonstrated this technique through an application, where it was used to identify the spatial distribution of RMR and quantify the uncertainty. For a geotechnical application, the objective functions of SA are defined using statistical models of RMR and the correlations between RMR and the reference image. The applicability and validity of this application are examined and then the result of uncertainty evaluation can be used to optimize the tunnel layout.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.948-948
• /
• 2012

합천댐유역에 대한 기후변화에 따른 수문학적 영향을 정량적으로 분석하기 위해, 기상청에서 제공하는 공간해상도 27km의 MM5 RCM(Regional Climate Model)을 사용하였다. RCM의 기상변수들은 공간적 스케일의 상이성과 RCM 기후변수들의 불확실성 때문에 유출모형인 SWAT의 입력자료로 사용하기에는 어려움이 있다. 특히, RCM 변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67%이상이 집중되는 계절성을 반영하지 못하고 있는 실정이기 때문에 국내 유역의 유출량 산정에 사용하기 위해서는 지역적 상세화(Downscaling)가 필요하다. 본 연구에서는 RCM 기후변수에 내포된 공간적 스케일의 상이성과 불확실성을 최소화하기 위해 강우관측소 지점을 단위로 한 다지점 인공신경망 기법을 적용하여 강수량, 습도, 최고기온 및 최저기온에 대한 상세화를 실시하였다. 강수의 경우 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline(1991~2010)과 Projection(2011~2100) 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다. 상세화된 기후자료를 이용한 SWAT 모형의 일(Daily) 단위 강우-유출 모의결과를 2011~2040년, 2041~2070년, 2071~2100년으로 구분하여 추세분석을 실시하였다.