• Proceedings of the Korean Statistical Society Conference
• /
• 2002.11a
• /
• pp.169-174
• /
• 2002

본 연구는 k개 지수분포 모수들의 기하평균에 대한 베이지안추정 방법을 제시하였다. 이를 위해 Tibshirani가 제안한 직교변환법으로 비정보적 사전확률분포를 도출하여 모수들의 결합사후확률분포를 유도해 내었으며, 이 분포 하에서 가중 몬테칼로 방법을 사용하여 기하평균을 추정하는 절차를 제안하였다. 모의실험과 실제자료의 예를 통해 제안된 베이지안 추정의 유효성 및 효용성을 보였으며, 본 연구에서 제안한 사전확률분포가 전통적인 포함확률을 기준으로 볼 때, Jeffrey의 사전확률분포 보다 더 유효한 추정을 함을 보였다.

• Journal of the Korean Geotechnical Society
• /
• v.17 no.2
• /
• pp.21-30
• /
• 2001

통계적 절리모델링에서 가장 불확실성이 큰 부분이 절리의 길이분포를 추정하는 것이다. 절리선 길이 분포의 추정에서 이제까지는 주로 조사선 조사(scanline survey)를 통한 절리선 반길이 분포를 이용하여 왔다. 이 연구에서는 포이송 디스크 절리모델에 대하여 보다 정밀도가 높은 절리선 길이 분포 추정방법을 찾기 위하여 조사창 조사를 이용하였다. 직사각형 및 원형 조사창에 대하여 양쪽 끝이 조사창 내부에 존재하는 절리선인 양끝내포선의 길이 분포와 한쪽 끝만이 존재하는 한끝내포선의 길이 분포를 이용, 절리선 분포를 추정하는 4개의 관계식을 각각 유도하고 컴퓨터 모의실험을 통하여 유도식의 타당성을 검증한 후 각 유도식을 이용한 절리선 분포의 추정오차를 비교하였다. 또한 절리선 분포로부터 절리직경분포를 계산하는 수치적 해를 유도하고 컴퓨터 모의시험을 통해 수치적 해에 대한 타당성을 검증하였다. 이 연구에서 제시한 조사창 조사를 이용한 절리 길이의 추정방법은 앞으로 절리모델링 분야에서 적용성이 높을 것으로 판단된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.451-453
• /
• 2001

본 논문에서는 향상된 AR 비디오 시스템을 위하여 장면내의 객체에 대한 그림자 모양 안쪽의 광휘 분포로부터 실제장면의 조명 분포를 추정하기 위한 새로운 메소드를 설명한다. 장면의 조명 분포는 확장된 빛의 근원에 대한 이산 샘플링에 의해 근사화되었고, 장면에 대한 조명 분포는 그림자 모양 안쪽의 광휘 분포로부터 장면내의 다른 객체 위에 알려진 모양의 객체에 의해 추정되었다. 그림자 안쪽 표면에 대한 반사 특성 대신에, 장면에 대한 조명 분포와 표면에 대한 반사 특성을 동시에 추정하는 반복적인 최적화 구조를 기반으로 한다. 또한, 장면에 대한 조명분포의 적응적 샘플링 방법을 소개한다. 전체적인 조명 분포에 대한 균일한 분리를 사용하기보다는 이전의 반복 지점에서 조명 분포에 대한 샘플링 방향을 적응적으로 증가한다. 적응적인 샘플링 구조를 사용한 추정방법은 보다 소수의 샘플링을 사용하여 전체적인 조명을 보다 효율적으로 추정할 수 있었다. 제안된 메소드는 복잡한 조명 환경아래라도 조명 분포를 추정하는데 매우 효율적이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.464-464
• /
• 2012

수문분야에 있어서 빈도해석의 목적은 특정 재현기간에 대한 발생 가능한 수문량의 규모를 파악하는데 있으며, 빈도해석의 정확도는 적합한 확률분포모형의 선택과 매개변수 추정방법에 의존하게 된다. 일반적으로 각 확률분포모형의 특성을 대표하는 매개변수를 추정하기 위해서는 모멘트 방법, 확률가중 모멘트 방법, 최대우도법 등을 이용하게 된다. 모멘트 방법에 의한 매개변수 추정은 해를 구하기 위한 과정이 단순한 반면, 비대칭형의 왜곡된 분포를 갖는 자료들에 대해서는 부정확한 결과를 나타내게 된다. 확률가중 모멘트 방법은 표본의 크기가 작거나 왜곡된 자료일 경우에도 비교적 안정적인 결과를 제공하는 반면, 확률 가중치가 정수로만 제한되는 단점을 갖고 있다. 그리고 대수 우도함수를 이용하여 매개변수를 추정하게 되는 최우도법은 가장 효율적인 매개변수 추정치를 얻을 수 있는 것으로 알려져 있으나, 비선형 연립방정식으로 표현되는 해를 구하기 위해서는 Newton-Raphson 방법을 사용하는 등 절차가 복잡하며, 때로는 수렴이 되지 않아 해룰 구하지 못하는 경우가 발생되게 된다. 이에 반해, 최근의 Genetic Algorithm, Ant Colony Optimization 및 Simulated Annealing과 같은 Meta-Heuristic Algorithm들은 복잡합 공학적 최적화 문제 있어서 효율적인 대안으로 주목받고 있으며, Hassanzadeh et al.(2011)에 의해 수문학적 빈도해석을 위한 매개변수 추정에 있어서도 그 적용성이 검증된바 있다. 본 연구의 목적은 연 최대강수 자료의 빈도해석에 적용되는 확률분포모형들의 매개변수 추정을 위해 Meta-Heuristic Algorithm을 적용하고자 함에 있다. 따라서 본 연구에서는 매개변수 추정을 위한 방법으로 Genetic Algorithm 및 Harmony Search를 적용하였고, 그 결과를 최우도법에 의한 결과와 비교하였다. GEV 분포를 이용하여 Simulation Test를 수행한 결과 Genetic Algorithm을 이용하여 추정된 매개변수들은 최우도법에 의한 결과들과 비교적 유사한 분포를 나타내었으나 과도한 계산시간이 요구되는 것으로 나타났다. 하지만 Harmony Search를 이용하여 추정된 매개변수들은 최우도법에 의한 결과들과 유사한 분포를 나타내었을 뿐만 아니라 계산시간 또한 매우 짧은 것으로 나타났다. 또한 국내 74개소의 강우관측소 자료와 Gamma, Log-normal, GEV 및 Gumbel 분포를 이용한 실증연구에 있어서도 Harmony Search를 이용한 매개변수 추정은 효율적인 매개 변수 추정치를 제공하는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.194-194
• /
• 2020

본 연구에서는 수평반사도를 이용한 강우추정 관계식을 유효성 측면에서 재평가하였다. 이를 위해, 강우추정 관계식의 유도과정을 다시 살펴보고, 관측자료를 가지고 강우입자분포의 매개변수를 추정할 수 있도록 식의 형태를 변환하였다. 이 식을 이용하여 비슬산 레이더에서 관측된 반사도-강우강도의 쌍 자료에 대한 강우입자분포 매개변수를 추정하였다. 마지막으로 추정된 매개변수 대푯값을 다시 강우추정 관계식 유도에 사용하였다. 이렇게 결정된 강우추정 관계식이 관측된 수평반사도-강우강도 자료를 얼마나 잘 대표하는지를 평가하였으며, 그 결과, 레이더 반사도가 작아지면 작아질수록 강우추정 관계식의 이론적 배경과 관측자료의 괴리가 커지는 것으로 나타났다. 또한 강우입자분포를 지수분포로 가정한 형태의 강우추정 관계식이 모든 반사도 구간에서 유의하지 않을 수 있다는 것을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.697-700
• /
• 2006

저수시 하천유량(Low Streamflow)의 추정은 하천의 수질관리, 용수공급계획, 댐 방류계획등의 수자원관리에 있어서 매우 중요한 부분이다. 이러한 중요성에 따라 Vogel과 Kroll (1989)은 저수시 하천유량을 추정하기 위한 여러 가지 확률분포함수를 제안하였다. 가장 흔히 제안되어지는 이변수 확률분포(Two-Parameter Distribution)로는 Lognormal 분포와 Weibull 분포가 있으며 이와 더불어 Three-Parameter Lognormal, Three-Parameter Weibull, Log Person Type Ⅲ 분포도 널리 사용되어진다. 그러나 이러한 여러 가지 확률 분포함수 중에서 가장 적절한 확률분포의 선택은 저수시 하천유량의 물리적인 측면과는 상관없이 주로 적합도(Gooness of Fit)에 기인된 통계치에 의해서만 결정되기도 하는데 이러한 경우 잘못된 가정을 받아들이는 확률이 높아짐에 따라 추정결과의 신뢰성(Reliability)을 감소시킬 수 있다. 이러한 문제점을 극복하기 위해서 Onoz와 Bayazit (2001)는 Recession Curve를 지수함수로 가정하고 최대 갈수 기간의 길이(Maximum Dry Period Length)의 확률에 대한 이론적인 결과치들을 사용하여 Weibull 분포의 특정한 경우에 해당되어지는 Power 분포를 유도하였으며 유도된 Power 분포의 매개변수를 추정하기 위하여 L-Moment 방법을 사용하였다. 또한 Onoz와 Bayazit (2001) 작은 유출량에서 확률분포와 잘 맞지 않는 경우 작은 유출량값에 작은 가중치를 부여하여 확률분포에 대한 영향을 줄이는 방법인 LL-Moment 방법을 제안하였다. 본 연구에서는 낙동강 유역의 1번부터 5번 소유역에 대해 SSARR 모형을 이용하여 모의한 유출량을 이용하여 Weibull 분포, L-Moment방법에 의해 추정된 매개변수를 사용한 Power 분포, LL-Moment 방법에 의해 추정된 매개변수를 사용한 Power 분포를 적용하였으며 이들 분포의 적합도를 PPCC Test를 사용하여 평가해봄으로써 낙동강 유역에서의 저수시의 유출량 추정에 대한 Power 분포의 적용성을 판단해 보았다.

• The Korean Journal of Applied Statistics
• /
• v.29 no.5
• /
• pp.807-822
• /
• 2016

The composite lognormal-GPD models (LN-GPD) enjoys both merits from log-normality for the body of distribution and GPD for the thick tailedness of the observation. However, in the estimation perspective, LN-GPD model performs poorly due to numerical instability. Therefore, a two-stage procedure, that estimates threshold first then estimates other parameters later, is a natural method to consider. This paper considers five nonparametric threshold estimation methods widely used in extreme value theory and compares their performance in LN-GPD parameter estimation. A simulation study reveals that simultaneous maximum likelihood estimation performs good in threshold estimation, but very poor in tail index estimation. However, the nonparametric method performs good in tail index estimation, but introduced bias in threshold estimation. Our method is illustrated to the service time of an Israel bank call center and shows that the LN-GPD model fits better than LN or GPD model alone.

• Proceedings of the Korean Statistical Society Conference
• /
• 2004.11a
• /
• pp.271-276
• /
• 2004

이 논문에서는 유한모집단 분포함수에 대한 추정량들을 소개하고, 이론적인 측면과 경험적인 측면으로 비교하였다 분포함수 추정량은 설계기반 특성을 갖는 추정량과 모형기반 특성을 갖는 추정량으로 구분되며, 각각 설계기반 특성과 모형기반 특성을 갖는다. 수치적인 비교를 위하여 분포함수 추정량들을 2000년 인구주택 총 조사의 서울 가구수와 가구원수 데이터에 적합하여 비교하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.45-45
• /
• 2017

상이한 자연현상으로 발생된 자료들은 때때로 통계적으로 다른 특성을 가지는 경우가 있다. 이런 자료들은 다른 두 개 이상의 모집단에서 자료가 발생한 것으로 가정할 수 가 있다. 기존에 널리 사용되어온 분포형 모형의 경우 단일한 모집단으로부터 자료가 발생한다는 가정하에서 개발된 모형들로 위에서 언급한 자료들을 적절히 모의할 수 없다. 이런 상이한 모집단에서 발생된 자료를 모형화 하기 위해서 혼합분포모형(mixture distribution)이 개발되었다. 홍수나 가뭄 등과 같은 극치 사상의 경우 다양한 자연현상들로부터 발생하기에 혼합분포모형을 적용할 경우 보다 정확한 모의가 가능하다. 혼합분포모형은 두 개 이상의 비혼합분포모형들을 가중합하여 만들어진다. 혼합 분포모형의 형태로 인하여 기존의 분포형 모형의 매개변수 추정 모형으로 널리 사용되던 최우도법 (maximum likelihood method), 모멘트법(method of moment), 확률가중모멘트법 (probability weighted moment method) 등을 이용하여 혼합분포모형의 매개변수를 추정하는 것이 용이 하지 않다. 혼합분포모형의 매개변수 추정 방법으로는 Expectation-Maximization (EM) 알고리즘, Meta-Heuristic Maximum Likelihood (MHML) 방법, Markov Chain Monte Carlo (MCMC) 방법 등이 적용되고 있다. 현재까지 수자원 분야에서 사용되는 극치 자료를 혼합분포모형을 이용하여 모의할 때 매개변수 추정방법에 따른 특성에 대한 연구가 진행되지 않았다. 본 연구에서는 우리나라 연최대강우량 자료를 이용하여 혼합분포모형의 매개변수 추정방법 (EM 알고리즘, MHML 방법, MCMC 방법) 들의 특성들을 비교 분석하였다. 혼합분포모형으로는 Gumbel-Gumbel 혼합분포 모형을 적용하였다. 본 연구의 결과는 향후 혼합분포모형을 이용한 연구에 좋은 기초자료로 사용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.180-180
• /
• 2019

본 연구의 목표는 돌발홍수 예 경보시스템(Flash Flood Warning System, FFWS)의 효용성 극대화를 위한 레이더 자료의 품질향상 기법을 개발하는 것이다. 지금까지 사용되어온 레이더 자료의 품질향상 기법들은 모두 자료의 평균값에 맞추어져 개발되었다. 그러나 돌발홍수 예 경보시스템에서 사용되는 강우강도 임계값은 평균값과 큰 차이가 난다. 따라서 레이더 자료를 이용하여 추정하는 큰 강우강도의 신뢰도는 떨어지게 된다. 이에 본 연구에서는 돌발홍수 예 경보시스템에 사용되는 목표 강우량에 대한 강우추정 관계식의 매개변수 추정 기법을 개발하고자 한다. 이를 위해 비슬산 레이더 반사도 자료와 비슬산 레이더 관측반경 내 위치한 AWS 지점의 강우자료를 이용하였다. 먼저, 강수입자분포(Drop Size Distribution, DSD)를 지수분포로 가정하여 유도한 레이더 강우추정 관계식을 재검토하였다. 다음으로 관측된 비슬산 레이더 반사도 자료를 10dBZ 단위로 구분하여 레이더 반사도 구간별로 레이더 반사도 자료와 강우자료 쌍에 대한 DSD 매개변수를 산정하였다. DSD 매개변수를 산정하기 위해 비슬산 레이더 반사도 자료와 AWS 지점의 강우자료를 지수분포로 가정하여 유도한 강우추정 관계식에 적용하였다. 다음으로 목표 강우량에 대한 강우추정 관계식의 매개변수 추정을 위해 레이더 반사도 구간별로 DSD 매개변수의 대푯값을 결정하였다. 마지막으로 지수분포로 가정하여 유도한 레이더 강우추정 관계식에 레이더 반사도 구간별 DSD 매개변수의 대푯값을 적용함으로써 목표 강우량에 대한 강우추정 관계식의 매개변수를 추정하였다.