• 제목/요약/키워드: 예측인자

검색결과 2,403건 처리시간 0.035초

위성 데이터 및 기계 학습 기법을 활용한 한반도 임진강 미계측 지역 유출량 예측: MODIS, ASCAT, SDS 데이터를 활용하여 (River Flow Forecasting using Satellite-based Products and Machine Learning Technique over the Ungauged River Flow in Korean Peninsula, Imjin River: Using MODIS, ASCAT, and SDS dataset)

  • 최민하;김형록;;전경수
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2016년도 학술발표회
    • /
    • pp.159-159
    • /
    • 2016
  • 북한 지역에서 시작되어 한반도의 금문댐까지 연결되는 임진강은 북한지역의 유출량 미계측으로 인해 유출량 산출에 많은 어려움이 있어왔다. 본 연구에서는 위성 데이터를 활용하여 미계측 유역의 유출량을 추정 할 수 있는 기법을 제시하였다. Satellite-derived Flow Signal (SDF)는 위성 기반 특정 지역의 유출 정보를 제공하며, JAXA의 GCOM-W1 위성에 탑재된 Advanced Microwave Scanning Radiometer 2(AMSR2) 센서에서 산출된다. 본 연구에서는 SDS 뿐 아니라 유출에 크게 관련이 있는 지표 토양수분 데이터와 식생인자를 임진강 유출 값을 예측하기 위한 입력 값으로 활용하였다. 토양수분 데이터는 Metop-A 위성에 탑재된 Advanced Scatterometer(ASCAT) 센서에서 산출되는 데이터를 활용하였으며, 식생데이터는 Aqua 위성에 탑재된 Moderate Resolution Imaging Spectroradiometer(MODIS) 센서에서 측정되는 Normalized Difference Vegetation Index(NDVI) 데이터를 활용하였다. 추가적으로 SDS, 토양수분, NDVI 데이터는 다양한 lag time으로 약 150여개의 입력데이터로 세분화되었다. 150개의 방대한 입력인자는 Partial Mutual Information(PMI) 방법을 통해 소수 중요 인자들로 간추려져 기계 학습 입력인자로 활용되었다. 기계학습에 있어서는 Support Vector Machine(SVM), Artificial Neural Network (ANN) 기법을 활용하였다. SVM, ANN을 통해 모델화된 유출데이터는 금문댐 유출데이터와 비교/분석되었다. SVM 기법 기반의 유출량은 실제 유출량과 0.73의 상관계수를 보여주었고, ANN 기법 기반의 유출량은 0.66의 상관계수를 결과를 나타내었다. 하지만 SVM 기반 유출데이터는 과소 산정 되는 경향을 보였으며, ANN 기법 기반의 유출량은 과대산정되는 결과가 산출되는 한계점이 있음을 파악할 수 있었다.

  • PDF

포항지역 중심 지진 모니터링과 예측을 위한 라돈인자 분석 (Radon factor analysis for earthquake monitoring and prediction in Pohang area)

  • 이재경;윤태희
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2022년도 학술발표회
    • /
    • pp.383-383
    • /
    • 2022
  • 기존 큰 지진을 대상으로 한 많은 연구결과들을 살펴보면, 큰 지진이 발생하기 전에 토양 속에 존재하는 다양한 인자들 중에 라돈(222Rn, 반감기=3.82일) 농도가 비정상적으로 증가하는 현상을 나타낸다. 이러한 결과들은 라돈발생의 경향성을 분석한다면, 지진발생에 대한 전조증상이나 예측이 가능함을 나타낸다. 본 연구에서는 포항지역을 중심으로 지진발생에 대한 전조증상이나 모니터링을 분석하기 위해 지하수 관측소에 설치된 라돈 관측기기에서 라돈 관측자료를 수집하고 이를 활용하는 연구를 수행하였다. 라돈 관측자료 기간은 2019년 11월부터 2020년 9월까지의 자료이며, 라돈인자 뿐만 아니라 지하수위, 강수량, 수온인자를 같이 분석하였으며, 동일기간 동안 발생한 진도 2 이상의 지진사례 6개(E1(ML 3.5): 2019.12.30.; E2(ML 3.2): 2020.01.30.; E3(ML 2.4): 2020.02.09.; E4(ML 2.7): 2020.02.16.; E5(ML 2.8): 2020.05.27.; E6(ML 2.1): 2020.09.22.)를 대상으로 하였다. 지진발생의 전조증상이 나타나는 지역을 분석하기 위해 Dobrovolsky radius values (Dobrovolsky et al., 1979)와 Harversine 관계식을 적용하였다. 적용결과, 시간적 분석에서 라돈의 증감 경향성이 지진발생의 전조증상과 유의미한 상관성이 있음을 확인하였으며, 공간적인 분석에서도 유의미하지는 않으나 상관성이 나타났다. 그 외 지하수위는 상관성이 어느 정도 나타났으나 강수량은 유의미한 결과를 나타내지는 않았다. 따라서 라돈을 활용한다면 지진발생의 전조증상을 시공간적으로 파악할 수 있음을 확인하였다.

  • PDF

유전자 알고리즘을 이용한 프로모터 영역의 전사인자 결합부위 패턴 탐색 ((Pattern Search for Transcription Factor Binding Sites in a Promoter Region using Genetic Algorithm))

  • 김기봉;공은배
    • 한국정보과학회논문지:소프트웨어및응용
    • /
    • 제30권5_6호
    • /
    • pp.487-496
    • /
    • 2003
  • 유전자 발현에 매우 중요한 신호역할을 하는 프로모터 영역은 여러 전사인자들이 결합하는 특정 부위들을 갖고 있다. 전사인자의 결합부위는 프로모터의 다양한 부위에 위치하며, 진화론적으로 잘 보존된 Consensus 형태의 염기서열 패턴을 띠고 있다. 본 논문은 이러한 최적의 패턴들을 탐색하기 위해 유전자 알고리즘을 기반으로 하면서, 동시에 MEME 알고리즘의 N-occurrence-per-dataset 모델의 가정과 패턴의 길이를 결정할 수 있는 Wataru 방법의 장점을 따르는 새로운 방법을 제시하고 있다. 이러한 탐색 방법은 유전체 연구자들이 임의의 DNA 염기서열 상에서 프로모터 영역을 예측하거나 특정 전사인자의 결합부위를 탐색하는데 적극 활용할 수 있다.

차원축소를 통한 다변량 시계열의 변동성 분석 및 응용 (Volatility Analysis for Multivariate Time Series via Dimension Reduction)

  • 송유진;최문선;황선영
    • Communications for Statistical Applications and Methods
    • /
    • 제15권6호
    • /
    • pp.825-835
    • /
    • 2008
  • 계량경제학 분야에서 널리 쓰이는 MGARCH(multivariate GARCH)모형은 여러개의 시계열자료들의 변동성을 함께 모형화한다. 그러나 변수가 많아질수록 추정해야 할 모수의 수가 급격하게 늘어나는 문제점이 있다. 본 연구에서는 인자 모형을 통해 자료의 차원을 축소시킴로써 이러한 문제를 해결하고자 하였다. 국내의 주가수익률 자료에 통계적 인자 모형과 fundamental factor model을 적용하여 각각의 의미 있는 인자들을 얻은 후 이를 MGARCH모형에 적합시켰다. 또한 두 인자모형을 바탕으로 얻어진 최종 모형들의 MSE, MAD와 VaR(Value at Risk)를 계산하여 예측력을 비교하고자 한다.

인공신경망을 이용한 지하수위 예측과 계절효과 반영을 위한 입력치의 영향 (The Effect of Seasonal Input on Predicting Groundwater Level Using Artificial Neural Network)

  • 김인철;이준환
    • Ecology and Resilient Infrastructure
    • /
    • 제5권3호
    • /
    • pp.125-133
    • /
    • 2018
  • 인공신경망 (Artificial neural network, ANN)은 간편히 시계열 데이터를 예측할 수 있는 모델 중에 하나로 지하수위를 예측하는데 빈번히 사용되었으며, 많은 연구자들이 ANN으로 지하수위 예측에 있어서 높은 예측 신뢰성을 얻기 위하여 노력해 왔다. 본 연구에서는 ANN를 이용한 지하수위 예측 시 계절 효과를 반영하기 위한 input으로 사용되는 Dummy가 지하수위 예측 결과에 미치는 영향에 대하여 분석하였다. 정성적 및 정량적인 분석을 위하여 도해법과 상관계수, 에러 지수를 이용하였다. 분석결과 하천변 도심지역에서는 ANN의 input으로 사용된 Dummy가 오히려 예측 신뢰성을 떨어뜨리는 결과를 보였다.

강수의 특성을 고려한 기상 예측자료의 보정 기법 개발 (Development of Correction Method for Weather Forecast Data considering Characteristics Rainfall)

  • 이선정;윤성심;배덕효
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2011년도 학술발표회
    • /
    • pp.33-33
    • /
    • 2011
  • 현재 우리나라 기상청에서는 단기, 중기 및 장기 예보자료를 생산하고 있으나, 이들 자료는 단순히 일기 예보에 치중되어 생산되고 있어 강우-유출해석에 직접 적용하기에는 시 공간 해상도가 크고 정량적 강수예측의 정확도가 미흡하다. 이에 기상 및 수자원분야에서는 정확도 개선을 위해서 관측강우와 예측강우의 비교 분석을 통해 편차를 산정하여 예측강수를 보정하는 기법을 적용하고 있다. 다만, 기존의 편차보정방법은 보정인자로 강수량만을 고려하기 때문에 정확도 개선에는 한계가 존재한다. 따라서 본 연구에서는 수자원분야의 수치예보자료의 정확도를 향상시키기 위해 규모, 발생영역에 대한 강수의 특성을 고려한 강수예측자료의 편차보정 방법을 제안하고 이를 강우-유출모델에 적용하여 개선정도를 평가하고자 한다. 이에 적용유역을 춘천댐상류유역으로 선정하고 국내 기상청의 RDAPS(Regional Data Assimilation and Prediction System)수치예보자료, 지점강우자료, radar자료의 수문기상자료와 지형자료를 수집하였다. 화천, 평화의 댐 일부 미계측유역의 관측자료로 radar자료를 이용하였다. 이상의 자료를 토대로 강우강도 및 규모, 영향범위를 고려한 예측강우의 편차를 산정하여 RDAPS 수치예보자료의 정확도를 개선하고 평가하였다. 이는 해당 유역뿐만 아니라 주변 유역의 정보를 이용하여 예측강우의 발생위치에 대한 오차를 고려한 방법으로, 각 영역별로 예측강우의 편차보정계수를 산정하여 적용하였다. 또한, 이전시간대의 강우 편차에 대한 오차를 줄이기 위해 정규분포방법을 이용한 Ensemble 편차보정계수를 산정하고 최근 생산된 수치예보자료에 적용하여 확률예측강우를 산정하였다.

  • PDF

딥러닝 알고리즘 MLP 및 LSTM을 활용한 제주도 지하수위 예측 (Prediction of Groundwater Level in Jeju Island Using Deep Learning Algorithm MLP and LSTM)

  • 강다영;변규현
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2022년도 학술발표회
    • /
    • pp.206-206
    • /
    • 2022
  • 제주도는 투수성이 좋은 대수층이 발달한 화산섬으로 지하수가 가장 중요한 수자원이다. 인위적 요인과 기후변화로 인해 제주도의 지하수위가 저하하는 추세를 보이고 있음에 따라 지하수의 적정 관리를 위해 지하수위의 정확하고 장기적인 예측이 매우 중요하다. 다양한 환경적인 요인이 지하수의 함양 및 수위에 영향을 미치는 것으로 알려져 있지만, 제주도의 특징적인 기상인자가 지하수 시스템에 어떻게 영향을 미치는지를 파악하기 위한 연구는 거의 진행되지 않았다. 지하수위측에 있어서 물리적 모델을 이용한 방안은 다양한 조건에 의해 변화하는 지하수위의 정확하고 빠른 예측에 한계가 있는 것으로 알려져 있다. 이에 본 연구에서는 제주도 애월읍과 남원읍에 위치한 지하수위 관측정의 일 수위자료와 강수량, 온도, 강설량, 풍속, VPD의 다양한 기상 자료를 대상으로 인공신경망 알고리즘인 다층 퍼셉트론(MLP)와 Long Short Term Memory(LSTM)에 기반한 표준지하수지수(SGI) 예측 모델을 개발하였다. MLP와 LSTM의 표준지하수지수(SGI) 예측결과가 상당히 유사한 것으로 나타났으며 MLP과 LSTM 예측모델의 결정계수(R2)는 애월읍의 경우 각각 0.98, 남원읍의 경우 각각 0.96으로 높은 값을 보였다. 본 연구에서 개발한 지하수위 예측모델을 통해 효율적인 운영과 정밀한 지하수위 예측이 가능해질 것이며 기후변화 대응을 위한 지속가능한 지하수자원 관리 방안 마련에 도움을 줄 것이라 판단된다.

  • PDF

열이 있는 3개월 이하의 영아에서 수막염의 예측에 대한 연구 (Predictors of Meningitis in Febrile Infants Aged 3 Months or Younger)

  • 송향순;김은옥;장영택
    • Pediatric Infection and Vaccine
    • /
    • 제16권1호
    • /
    • pp.40-46
    • /
    • 2009
  • 목 적: 3개월 이하의 열이 있는 영아에서 세균성 수막염의 진단에 도움이 되는 유용한 예측인자를 알아보고자 연구를 시작하였다. 방 법: 2003년 1월부터 2008년 4월까지 전주예수병원에 직장 체온으로 $38^{\circ}C$ 이상의 발열을 주소로 내원한 3개월 이하의 영아 652명을 대상으로, 내원 당시 체온, 말초 혈액에서 총 백혈구수, 대호중구수, 절대호중구수, C-반응 단백, 혈액 배양검사를 하였고, 세균성 수막염과 연관있는 인자를 분석하였다. 결 과: 세균성 수막염과 관련된 인자로는 C-반응 단백, 대호중구수, 절대호중구수, 연령의 P value가 각각 0.036, 0.037, 0.036, 0.001로 모두 통계학적인 의의가 있었다. C-반응 단백, 대호중구수, 절대호중구수, 연령의 곡선하면적은 각각 0.969, 0.946, 0.765, 0.235이었으며, C-반응 단백의 민감도, 특이도 및 차단점은 각각 83%, 96%, 8 mg/dL, 대호중구수는 각각 83%, 95%, $2,500/mm^3$, 절대호중구수는 각각 83%, 62%, $5,100/mm^3$이었다. C-반응 단백이 7 mg/dL 미만에서는 우도가 0.17이고, 사후확률은 0.1%, 음성예측도가 91% 이어서 세균성 수막염을 배제할 수 있었으며, C-반응단백이 9 mg/dL 이상인 경우 우도는 20.1로, 대호중구수의 16.6, 절대호중구수의 2.18, 연령의 0.61보다 높아서, 혈청 C-반응 단백이 세균성 수막염을 예측하는데 가장 유용한 것으로 판단되었다. 결 론: 3개월 이하의 영아가 발열이 있는 경우 C-반응 단백, 대호중구수, 절대호중구수가 높은 경우에는 세균성 수막염과 관련이 더 많았으며, 특히 혈청 C-반응 단백이 가장 유용한 인자로, 7 mg/dL 미만인 경우는 세균성 수막염을 배제하는데 도움이 되었고, 9 mg/dL 이상인 경우에는 세균성 수막염의 강한 예측인자가 되어 뇌척수액 검사를 적극적으로 고려해야 할 것으로 사료되었다.

  • PDF