• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2016.11a
• /
• 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.

• Journal of Korea Water Resources Association
• /
• v.34 no.4
• /
• pp.391-401
• /
• 2001

Several curvature parameters, solar radiation parameter and topographic flow generation parameters have been summarized and calculated to predict the spatial distribution of soil moisture content. The spatial distribution of soil moisture data can be obtained using Global Positioning System(GPS) and portable soil moisture monitoring equipment, Theta-Probe. Correlation analysis has been performed between the parameters of soil moisture prediction and measured data of soil moisture. Multiple regression analysis of soil moisture prediction shows the potential capability and limitations of existing methods of digital terrain analysis.

• Composites Research
• /
• v.25 no.1
• /
• pp.1-8
• /
• 2012

In order to predict the thermoelastic behavior of porous composites, poroelastic parameters are measured by using micromechanics-based finite element models. The expanding deformation caused by pore pressure, and the degradation of homogenized elastic moduli with pores are calculated for the assessment of the poroelastic parameters. Various representative volume elements considering the shape, size, and array pattern of pores are modeled and analyzed by a finite element method. The effects of porosity and material anisotropy, and the distribution of stain energy density are investigated carefully. In addition, the measured poroelastic parameters are verified by predicting the thermo-pore-elastic behavior of carbon/phenolic composites.

• The Journal of Engineering Geology
• /
• v.28 no.4
• /
• pp.553-563
• /
• 2018

The recent increase of ground subsidence in Korea requires the development of technology for predicting the possibility of ground subsidence. Eighteen parameters affecting the ground subsidence for pre-excavation are classified into 6 categories considering ground types, groundwater, and external factors. Eighteen parameters consists of a table which gives ground subsidence risk ratings for pre-excavation(GSRp). Certain scores are given to these parameters after they are divided into several classes considering the importance and the credibility of parameters and the engineering judgements of the authors. Because of the difference of ground subsidence factors depending on the ground and field conditions, weighting factors for the individual factor and for the each category are multiplied. Weighting factors are calculated from citation frequencies of influencing factors. Ground subsidence risk ratings for pre-excavation can be quantified by considering the individual score of each parameter and weighting factors for the individual factor and for the each category. The suggested GSRp tables obtained from this study are expected to be used by engineers for the estimation of ground subsidence risk ratings for pre-excavation sites.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.19 no.1
• /
• pp.27-37
• /
• 2001

Soil erosion by outflow of water or rainfall has caused many environmental problems as declining agricultural productivity, damaging pasture and preventing flow of water. As the interest in environment is increasing lately, soil erosion is considered as a serious problem, whereas the systematic regulation and analysis for that have not established yet. This research shows the method of extracting factor entered model which expects soil erosion by GSIS. There are several erosion model such as ANSWER, WEPP, RUSLE. The research used RUSLE erosion model which could expect general soil erosion connected easily with GSIS data. RUSLE's input factors are composed of rainfall runoff factor(R). soil erodibility factor(K), slope length factor(L), slope steepness factor(S), cover management factor(C) and support practice factor(P). The general equation used to extract L, S factor on the RUSLE to be oriented for agricultural area has some limitation to apply whole watershed. So, on this study we used a revised empirical equation applicable to the watershed by grid on the GSIS. Also, we analyzed RUSLE factors by watershed being analyzed with watershed extraction algorithm. Then we could calculate the minimum, maximum. mean and standard deviation of RUSLE factors by watershed.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• 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.

• The Monthly Diabetes
• /
• s.172
• /
• pp.70-76
• /
• 2004

• The Science & Technology
• /
• no.3 s.418
• /
• pp.106-107
• /
• 2004

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• 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.

• Journal of Korean Society of Transportation
• /
• v.30 no.5
• /
• pp.43-59
• /
• 2012

It is generally assumed about trip distribution estimation model that growth factor model's estimation accuracy is higher than that of other models in short-term and that gravity model's estimation accuracy is higher than that of other models in long-term. For validation of such assumptions, this study compares estimation accuracies of each estimation model using 3year(1988, 1992, 2004) O-D tables from Daegu city. Each estimation model's accuracy were compared by mid-size and large-size zone as well as short-term and long-term target years. The results show that the trip distribution estimation model selection by usual assumption is not always right.