• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.108-108
• /
• 2017

깊은 불확실성이 내재되어 있는 기후변화의 특성을 고려한 의사결정은 강건함(Robustness)의 특성을 지니고 있어야 한다. 강건한(Robust) 의사결정은 광범위한 불확실성의 상황에서 모든 요구사항을 충족시키는 전략을 제시한다. 이러한 강건함의 개념은 저수지운영 규칙 산정에 필요한 최적화 과정에도 적용될 수 있는데, 이를 로버스트(Robust) 최적화 과정이라고 한다. 로버스트 최적화 과정은 기존 최적화과정이 현재의 자료를 바탕으로 최적의 해를 찾기 때문에 미래 입력자료의 불확실성을 반영하지 못하는 한계를 극복하기 위하여 등장하였다. 로버스트 최적화 과정은 크게 두 가지 방법으로 나눌 수 있는데, 확률적 로버스트 최적화 방법과 비확률적 로버스트 최적화 방법이다. 확률적 로버스트 최적화 과정은 전통적인 최적화 과정과 동일하게 불확실 변수의 확률분포를 가정하지만, 비확률적 로버스트 최적화 과정은 불확실 변수의 확률분포를 가정하지 않는다. 본 연구는 최근 수자원의 부족을 겪었던 보령댐의 보다 안정적인 이수기 운영방안 산정을 위해 로버스트 최적화 과정을 적용하였다. 먼저 전통적인 최적화 방법을 적용하여 운영방안을 도출한 뒤 기후변화 상황에서의 취약성, 신뢰성, 지속가능성 그리고 회복탄력성 등을 검토하였다. 다음으로 이에 대한 대안으로 로버스트 최적화 방법으로 운영방안을 산출하였으며 이를 기존의 최적화방법과 여러 기준으로 비교하여 그 타당성을 검토하였다. 또한 두 가지 로버스트 최적화 방법을 비교하여 각 과정의 장단점에 대해 논의 하였으며, 어떤 최적화 과정이 댐 운영방안 산정에 있어 보다 합리적이고 타당한지 비교하였다. 본 연구의 결과를 통해, 기후변화의 영향 하에서 보다 안정적인 수자원 관리 방안을 제안할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.114-114
• /
• 2018

과거 수십년간 댐의 운영방법은 과거 관측 유입량 자료를 바탕으로 결정되었지만, 미래 기후변화의 불확실성을 고려하면 기존 운영방법이 더 이상 유효하지 않을 수 있다. 따라서, 이에 대응하여 수자원을 적절히 운용하기 위해서는 기후변화의 불확실성을 고려한 댐의 운영방법에 대한 연구가 필요하다. 본 연구는 예측 유입량의 불확실성을 고려하기 위하여 로버스트(Robust) 의사결정 방법을 댐 운영 최적화에 접목한 다목적 로버스트 최적화(Multi-Objective Robust Optimization) 방법을 제안한다. 이는 기존의 다목적 로버스트 의사결정이론(MORDM, Multi Objective Robust Decision Making)과 로버스트 최적화이론(Robust Optimization)을 결합한 의사결정 방법이다. 로버스트 최적화의 목적함수는 로버스트 항(Robust Term)을 신뢰도, 심각도, 그리고 회복도 등의 여러 관점으로 구성할 수 있으며, 이는 다목적 최적화의 일종으로 볼 수 있다. 본 연구는 신뢰도와 심각도 관점으로 로버스트 항을 적절히 구성하고 그 가중치들을 조절하며, 그에 따라 기후변화의 상황에서 댐 운영의 수행결과가 어떻게 변하는지 의사결정자들이 파악할 수 있도록 가시화한다. 그리고 동시에, 목표하는 댐 운영의 안정성이 다양한 미래 기후변화 시나리오 상에서 유지되도록 하는 로버스트 항과 각 항의 가중치들을 결정하는 방법을 제시한다. 이를 통해 의사결정자는 여러 측면에서 안정적인 다목적 로버스트 최적화의 해를 찾아갈 수 있다. 댐 운영을 위한 로버스트 최적화를 진행하기 위해서 본 연구는 Robust-SDP(Stochastic Dynammic Programming)을 수행하였으며, 대상유역인 보령댐이 이수기동안 인근지역의 수요량만큼 물을 충분히 공급함을 목적으로 로버스트 최적화를 진행하였다. 아울러, 저수지 용량이 로버스트 최적화에 미치는 영향을 분석하기 위해서 남강댐에 동일한 최적화 방법을 적용하고 이를 비교하였다.

• The Korean Journal of Applied Statistics
• /
• v.21 no.4
• /
• pp.561-569
• /
• 2008

In this paper, we propose the double robust estimators which are the solutions of the double robust estimating equations to analyze and treat the outliers in the stock market data in Korea including the IMF period. The feasibility study shows that the proposed estimators work quitely better than the least squares estimators and the conventional robust estimators.

• 한국데이터정보과학회:학술대회논문집
• /
• 2003.10a
• /
• pp.163-170
• /
• 2003

본 논문에서는 로버스트 파라미터(robust parameter) 설계에서 다특성(multiple quality characteristics)인 경우 제어인자의 동시 최적화 조건을 찾는 방안으로 인자분석(factor analysis)에 의한 최적화 방안을 제시한다. 또한 하나의 사례를 들어 제안한 방안과 기존의 방안을 비교 연구하였다.

• Communications for Statistical Applications and Methods
• /
• v.18 no.4
• /
• pp.517-525
• /
• 2011

This paper shows the performance evaluation of a robust estimator based on the GARCH model. We first introduce the method of a robust estimate in the GARCH model and the method of an outlier detection in the GARCH model. The results of the real internet traffic data show the out-performance of the robust estimator over the outlier detection method in the GARCH model. In addition, the method of the robust estimate is less complex than the method of the outlier detection method in the GARCH model.

• The Korean Journal of Applied Statistics
• /
• v.12 no.2
• /
• pp.505-515
• /
• 1999

인공신경망 모형을 적합시키는데 사용하는 역전파 알고리즘을 로버스트하게 만드는 새로운 오차함수를 제안했으며, 새 방법의 성능을 확인하기 위해 Liano가 제안한 방법에 따라 모의실험을 수행했다. 실험결과 새 방법은 LMS방법만큼 안정적이었으며, Liano의 LMLS방법보다 더 로버스트했다. 또 실제 사례를 분석함으로써 이 방법이 의미있는 방법임을 보였다. 새 방법은 특히 오차가 없거나 작은 오차를 갖는 표본에 대해서도 좋은 성질을 가짐으로서 대형오차의 유무에 관계없이 항상 사용할 수 있는 방법으로 판명되었다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• pp.117-122
• /
• 2003

개방형 모집단에 대한 Mark-Recapture방법은 일반적으로 Jolly-Seber방법이 사용된다. 이 방법은 각 표본에서 모든 동물들에 대한 포획될 확률은 동일하다는 가정을 갖는다. 개방형 모집단에 대한 Mark-Recapture방법을 소개하고 폐쇄형 모집단에서 갖는 문제를 해결하기 위한 개방형 모집단의 로버스트 설계를 이용하려다. Pollock과 Kendall의 Jolly-Seber 모수로부터 유도된 모집단의 성장율 추정에 대하여 SAS와 POPAN의 결과를 비교하였다.

• Journal of the Korean Data and Information Science Society
• /
• v.11 no.1
• /
• pp.1-18
• /
• 2000

In this paper, we study several parameter estimation methods used for autoregressive processes and compare them in view of forecasting. The least square estimation, least absolute deviation estimation, robust estimation are compared through Monte Carlo simulations.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.421-421
• /
• 2023

하구담수호는 하천의 출구점이 해양과 만나는 곳에 방조제를 건설하고 이를 통해 형성되는 인공호수이다. 출구점에 위치한 지리적 특성은 많은 수자원을 확보할 수 있지만 유역에서 발생하는 모든 유입량 및 오염물질이 유입되어 홍수위험 및 수질악화가 문제점으로 제시되고 있다. 담수호의 관리수위는 배수갑문 운영에 기초가 되는 수위로 용수공급, 홍수위험도를 고려하여 산정한다. 하지만 기후변화로 인해 가뭄, 홍수의 위험성이 커지고 있으며, 이를 고려하여 관리수위의 산정이 필요하다. 로버스트 의사결정 기법은 기후변화의 불확실성 하에서의 정책 결정을 위해 제시된 개념으로 불확실한 미래상황에 대하여 최적이 아닌 여러상황의 준수한 결과를 보이는 방법을 선정해 예상치 못한 상황에도 대비할 수 있는 것을 목적으로 한다. 본 연구에서는 담수호의 관리수위 산정을 위해 로버스트 의사결정 기법을 적용하였다. 관리수위 산정을 위해 미래 기후변화 시나리오는 CanESM5 GCM의 SSP1, 2, 3, 5 시나리오를 이용하였으며 담수호 관리수위는 기존 관리수위를 포함한 5개의 관리수위를 모의하였다. 각 시나리오에 따른 유입량, 호소수위 및 호소수질 변화를 모의하기위해 유역모형 HSPF와 호소모형인 EFDC-WASP 모형을 연계하여 활용하였다. 로버스트 의사결정 기법에 성능인자로는 신뢰도기반 이수, 치수, 수질지표를 활용하였으며, 결정인자으로 후회도를 활용하였다. 후회도는 로버스트의사 결정에서 널리 쓰이는 결정인자로 가장 좋은 성능인자와 그 대안의 성능인자의 차이를 의미한다. 최종적으로 최소의 최대 후회도를 갖는 시나리오를 1순위로 선정하였다.

• Communications for Statistical Applications and Methods
• /
• v.4 no.2
• /
• pp.327-332
• /
• 1997

다층 신경망은 비모수 회귀함수 추정의 한 방법이다. 다충 신경망을 학습시키기 위해 역전파 알고리즘이 널리 사용되고 있다. 그러나 이 알고리즘은 이상치에 매우 민감하여 이상치를 포함하고 있는 자료에 대하여 원하지 않는 회귀함수를 추정한다. 본 논문에서는 통계물리에서 자주 사용하는 방법을 이용하여 로버스트 역전파 알고리즘을 제안하고 수학적으로 신경망과 매우 유사한 PRP(projection pursuit regression) 방법, 일반적인 역전파 알고리즘과 모의실험을 통해 비교 분석한다.