• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2016년 정기학술대회
• /
• pp.388-390
• /
• 2016

본 연구에서는 금강유역의 가뭄과 한반도 주변 지역의 기후 인자들과의 상관관계를 파악하고 이를 바탕으로 기후변화 시나리오를 이용하여 미래의 가뭄을 예측하였다. 1974 - 2015년 동안 11 - 5월에 발생한 강우 자료와 NOAA에서 제공하는 NCEP-NCAR 자료를 이용하여 한반도 주변 기후인자와 금강유역의 강우가 과거 발생한 가뭄과 어떠한 상관관계를 갖는지를 분석하였다. 금강유역의 강우 패턴을 4개의 스테이지로 구분한 후 이를 상태층으로 참고하였으며, 관측 자료는 학습단계에 활용하였다. 이러한 기후인자와 강우 관계의 학습 결과를 바탕으로 기후변화 시나리오를 적용하고 미래의 기후요소를 예측하였으며 이를 통해 미래 금강유역의 가뭄을 예측하였다. 본 연구의 결과는 금강권역 수자원 공급 계획 및 설계의 기초자료로 제공될 수 있으며, 가뭄 대비 대책 사업의 우선순위 결정에 대한 근거 자료로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회논문집
• /
• 제34권4호
• /
• pp.391-401
• /
• 2001

토양수분의 공간적 분포를 예측하기 위하여 지표면 곡률관련인자, 지형흐름인자, 태양에너지 복사인자들을 계산하였다. GPS와 토양수분측정기를 활용한 산지유역에서의 토양수분측정은 토양수분의 공간적 분포자료의 구축을 가능하게 했다. 측정된 토양수분자료와 토양수분 추정인자 사이의 상관관계를 분석하였다. 다중회귀분석을 통한 토양수분 추정인자와 토양수분의 공간적 분포상황에 대한 검토는 수치고도모형(DEM)의 분석을 통한 토양수분 추정능력의 가능성과 한계성을 보여주었다.

• Composites Research
• /
• 제25권1호
• /
• pp.1-8
• /
• 2012

본 논문에서는 다공성 복합재료의 열탄성 거동 예측을 위하여 미시역학적 유한요소 해석을 통해 기공 탄성 인자를 측정하였다. 먼저 기공 압력에 의한 복합재료의 응력 및 변형 상태를 기술하기 위해서 구성 방정식에 기공 탄성 인자를 도입하였다. 기공 탄성 인자의 산출에 필요한 기공 압력에 의한 팽창 변형도와 기공 형성에 따른 균질화 탄성 계수의 저하를 측정하였다. 기공의 형상, 크기, 배열 형태에 따른 이차원 대표 체적 요소의 모델링과 유한요소 해석을 수행하였다. 기공도, 재료 이 방성이 기공 탄성 인자에 미치는 영향과 기공 압력에 따른 변형 에너지 밀도 분포를 살펴보았다. 또한, 측정된 기공 탄성 인자의 유용성을 검토하기 위하여 탄소/페놀릭 복합재료의 열탄성 거동을 예측하였다.

• 지질공학
• /
• 제28권4호
• /
• pp.553-563
• /
• 2018

최근 국내에서 지반함몰의 발생빈도가 증가하고 있으므로 지반함몰 가능성을 사전에 예측할 수 있는 기술개발이 필요하다. 본 연구에서는 굴착 전에 지반함몰에 영향을 미치는 18개의 인자들을 지반의 종류, 지하수, 외부 인자 등을 고려하여 6가지 카테고리로 분류하였다. 18개 인자들은 지반함몰 예측을 위한 굴착 전 적용 가능한 지반함몰 위험등급 분류(GSRp) 도표를 구성하는데, 이러한 영향인자들의 중요도, 신뢰성, 저자들의 공학적 판단 등을 종합적으로 고려하여 등급을 나눈 후 점수를 부여하였다. 지반조건과 현장 상황에 따라 적용되는 지반함몰 영향인자가 다르므로 영향인자 별 가중치와 카테고리 별 가중치가 곱해지게 되는데 가중치는 영향인자들의 인용 빈도수를 기준으로 결정되었다. 지반함몰 영향인자 별점수, 인자별 가중치, 지반조건에 따라 부여되는 가중치 등을 종합하여 계산하면 굴착 전의 지반함몰 위험등급을 정량화 할 수 있다. 본 연구를 통하여 제안된 GSRp 도표는 굴착 전 현장에서 실무자들이 지반의 지반함몰 위험성을 예측하는데 활용할 수 있을 것으로 기대된다.

• 한국측량학회지
• /
• 제19권1호
• /
• pp.27-37
• /
• 2001

강우나 물의 유출에 의한 토양침식은 농업 생산성을 떨어뜨리고 목초지를 손상시키며, 물의 흐름을 방해하는 등의 각종 환경적인 문제를 야기시키고 있다. 환경에 대한 관심이 고조되는 시점에서 토양침식이 매우 중요한 위치를 차지하고 있지만 아직은 체계적인 자료의 정리와 분석이 이루어지지 못하고 있는 실정이다. 본 연구는 최근 부각되고 있는 GSIS를 활용하여 토양침식을 예측하는 모형에 입력되는 인자를 추출하는 기법을 제시하는 것으로 침식모형에는 ANSWER, WEPP RUSLE 등 여러 가지가 있으나 본 연구에서는 GSIS 자료와의 연계가 용이하면서 유역에 대한 일반적인 토양침식을 예측할 수 있는 RUSLE 침식모형을 사용하였다. RUSLE 입력인자에는 강우침식인자 R, 토양침식인자 K, 침식사면의 길이인자 L, 침식사면의 경사인자 S, 식생피복인자 C 그리고 경작인자 P로 구성되어 있다. RUSLE 입력인자 중 L과 S인자 추출에 사용되었던 기존의 식은 대부분 농업지역에 적용된 식으로 유역에 적용시 한계가 있기 때문에 본 연구에서는 GSIS 자료를 통해 격자별로 유역에 적용 가능한 수정된 경험식을 활용하였다. 또한 격자형 RUSLE인자를 유역추출 알고리즘을 이용하여 유역별로 분석함으로서 유역별 RUSLE인자의 최소값, 최대값, 평균 그리고 표준편차를 계산할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.179-183
• /
• 2009

본 연구에서는 GCM 기후변화 전망 시나리오를 이용하여 유역단위의 기후변화를 추정하였다. 원시 GCM 시나리오를 지역화 시키기 위해서 인공신경망 모형을 사용하였다. GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수는 인공신경망의 잠재적 예측인자로 사용되었으며, AWS에서 관측된 강수량과 온도는 예측변수로 사용되었다. 원시 GCM 데이터는 CCCma(Canadian Centre for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 인공신경망 학습과정에서 사용된 기준시나리오(reference scenario)자료의 기간은 1997년부터 2000년까지의 데이터를 사용하였다. 인공신경망을 학습을 통하여 결정된 각 층사이의 가중치를 이용하여 이산화탄소 배출농도를 가정하여 생성된 CGCM3.1/T63 SRES B1 기후변화시나리오(project scenario)를 인공신경망의 입력값으로 하여 미래의 기온과 강수변화를 전망하였다. 신경망의 학습효과를 높이기 위하여 기온과 강수에 대한 평균 및 누적기간을 각각 일단위와 월단위로 설정하였다. 본 연구에서 사용된 인공신경망은 3층 퍼셉트론(다층 퍼셉트론)을 사용하였으며, 학습방법으로는 역전파알고리즘(back-propagation algorithm)을 이용하였다. 민감도분석을 통하여 선택된 예측인자는 소양강댐유역(1011, 1012소유역)에서의 인공신경망 예측인자로 활용되었으며, 2001년부터 2100년까지의 일 평균온도와 일 강수량의 변화경향을 추정하였다. 1011유역, 1012유역에서는 여름철의 온도변화경향이 겨울철에 비하여 높게 나타났다. 일 평균온도의 통계분석 결과 평균예측오차가 가장 적게 나타나는 지역은 1001유역으로 -0.08로 평균예측오차가 가장 적게 나타났으며, 인공신경망기법을 이용하여 스케일 상세화된 일 평균온도와 관측된 일 평균온도가 얼마나 잘 일치하는지를 확인할 수 있는 1012유역에서 CORR이 0.74로 가장 높게 나타났다.

• 월간당뇨
• /
• 통권172호
• /
• pp.70-76
• /
• 2004

• 과학과기술
• /
• 3호통권418호
• /
• pp.106-107
• /
• 2004

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• 대한교통학회지
• /
• 제30권5호
• /
• pp.43-59
• /
• 2012

통행분포 예측시 목표년도가 단기일 경우에는 성장인자모형의 예측 정확도가 높고, 장기 목표년도의 경우에는 중력모형의 예측 정확도가 높은 것으로 인식되어 오고 있다. 이와 같은 예측모형 적용경향에 대한 검정을 위해 본 연구에서는 대구시 3개 년도(1988년, 1992년, 2004년)의 O-D표를 이용하여 통행분포 예측모형들의 정확도를 비교하였다. 비교는 분석 죤이 대죤인 경우와 중죤인 경우에서 예측모형별로 단기 목표년도의 정확도와 장기 목표년도 정확도를 구분하여 행하였다. 비교결과, 통행분포 예측모형의 통상적인 인식과 다른 결과가 있을 수 있다는 것이 규명되었다.