• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.863-869
• /
• 2004

댐의 수리${\cdot}$수문학적 월류 확률 추정시에 가장 민감한 불확실성 변량은 댐의 초기수위라 할 수 있으며, 특히 자료의 특성을 충분히 반영하고 댐마루(dam crest)의 높이를 초과하지 않으면서 경계를 갖는 분포형을 추정하는 것은 무엇보다 중요하다. 그러나 기존의 매개변수적 확률분포 추정방법으로 이러한 문제점을 적절히 반영할 수 없으며 통계특성을 반영하지 못하고 이상화시키는 단점이 있다. 이러한 문제점을 보완하기 위해서 비매개변수적 핵밀도함수 방법과 Bootstrap 기법을 적용하여 수위의 신뢰구간을 추정하였다. 연 최대치 자료를 이용한 비매개변수적 핵밀도함수 기법을 이용한 해석결과에서는 댐의 설계빈도를 상회하는 비교적 큰 위험도 나타냈으며 홍수기의 평상수위고 가정하는 Bootstrap Resampling을 적용한 위험도는 5.11E-06의 간을 나타났다. 가장 극심한 기상상태를 가정한 해석 결과인 1.1972E-03은 본 댐은 여수로의 설계빈도가 1,000년 빈도로서 설계당시보다 확률수문량이 크게 증가된 현재 여수로 방류능력 및 안전성 상태로 고려해보면 적당한 위험도 값으로 추정된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1225-1229
• /
• 2008

본 연구에서는 한강의 중요한 관측지점인 한강대교(구 인도교)지점에서 관측된 연최대치 홍수량을 자료를 이용하여 홍수빈도해석을 수행하였다. 홍수빈도해석을 위하여 확률분포형을 가정해 적합도 검정을 통해 최적 분포형을 선정해 확률홍수량을 산정하는 매개변수적 빈도해석과 원자료에 핵함수를 적용하는 비매개 변수적 빈도해석을 통해 각각 산정한 확률홍수량을 비교하였다. 비매개변수적 빈도해석을 위해서는 변동핵 밀도함수를 적용한 Modified Cauchy 핵밀도함수와 Sheater & Jones Plug-In 광역폭 결정 방법을 이용하였다. 따라서 본 연구에서 분석한 확률홍수량과 한강대교 지점의 계획홍수량의 비교를 통해 현재의 계획홍 수량의 적정성을 평가하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.310-310
• /
• 2012

확률강우량 산정은 수공구조물의 설계에 있어서 중요한 과정이다. 확률강우량을 산정함에 있어 지난 수십년간 모멘트법, 최우도법, 확률가중모멘트법, 그리고 L-모멘트법 등의 매개변수적 방법이 발달되어 적용되어 왔다. 매개변수적 빈도해석 방법은 그 적용성이 여러 연구를 통해 검정되었지만 가정한 확률분포와 매개변수 추정방법에 따라 확률강우량이 달라지며 강우지속시간과 기후변화 등에 따른 분포의 변동성을 고려해야 하는 단점이 있다. 매개변수적 빈도해석 방법의 단점을 극복하기 위하여 최근에 핵밀도함수 등을 포함한 다양한 비매개변수적 빈도해석 방법이 제안되고 있다. 본 연구에서는 서울기상관측소의 지난 50년간 지속시간 24시간 강우량을 바탕으로 수자원 분야에서 다양하게 적용된 바가 있는 인공신경망 기법과 대표적인 매개변수적 빈도해석 방법인 L-모멘트법을 이용하여 확률강우량을 산정하고 비교하였다. 그 결과 인공신경망 기법은 전통적인 매개변수방법의 하나인 L-모멘트법 보다 확률강우량 산정에 있어서 높은 정확도를 가지는 것으로 나타났다.

• Journal of Korea Water Resources Association
• /
• v.39 no.6 s.167
• /
• pp.495-502
• /
• 2006

The importance of the bandwidth selection has been more emphasized than the kernel function selection for nonparametric frequency analysis since the interpolation is more reliable than the extrapolation method. However, when the extrapolation method is being applied(i.e. recurrence interval more than the length of data or extreme probabilities such as $200{\sim}500$ years), the selection of the kernel function is as important as the selection of the bandwidth. So far, the existing kernel functions have difficulties for extreme value estimations because the values extrapolated by kernel functions are either too small or too big. This paper suggests a Modified Cauchy kernel function that is suitable for both interpolation and extrapolation as an improvement.

• Journal of Korea Water Resources Association
• /
• v.39 no.12 s.173
• /
• pp.997-1012
• /
• 2006

We have presented a nonparametric stochastic approach for the SOI(Southern Oscillation Index) series that used nonlinear methodology called Nonlinear AutoRegressive(NAR) based on conditional kernel density function and CAFPE(Corrected Asymptotic Final Prediction Error) lag selection. The fitted linear AR model represents heteroscedasticity, and besides, a BDS(Brock - Dechert - Sheinkman) statistics is rejected. Hence, we applied NAR model to the SOI series. We can identify the lags 1, 2 and 4 are appropriate one, and estimated conditional mean function. There is no autocorrelation of residuals in the Portmanteau Test. However, the null hypothesis of normality and no heteroscedasticity is rejected in the Jarque-Bera Test and ARCH-LM Test, respectively. Moreover, the lag selection for conditional standard deviation function with CAFPE provides lags 3, 8 and 9. As the results of conditional standard deviation analysis, all I.I.D assumptions of the residuals are accepted. Particularly, the BDS statistics is accepted at the 95% and 99% significance level. Finally, we split the SOI set into a sample for estimating themodel and a sample for out-of-sample prediction, that is, we conduct the one-step ahead forecasts for the last 97 values (15%). The NAR model shows a MSEP of 0.5464 that is 7% lower than those of the linear model. Hence, the relevance of the NAR model may be proved in these results, and the nonparametric NAR model is encouraging rather than a linear one to reflect the nonlinearity of SOI series.