• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.309-309
• /
• 2019

기후예측모델을 통해 일단위 강수의 예측정보가 제공되고 있지만, 실제 강수량자료와 시공간적 편의로 인해 수문학적 활용은 한계가 있다. 일반적으로 기후모델의 시공간적 해석 규모 및 예측정확성을 고려할 때 계절단위에서 예측정보의 활용이 가장 현실적인 것으로 알려지고 있다. 그러나 수문해석 시 시공간적 해상도가 낮아 직접적인 활용은 어려운 상황이며, 수문해석 모형의 입력자료로 활용 시 편의보정 및 상세화 과정이 일반적으로 요구된다. 본 연구에서는 기후모델로부터 얻은 강우예측결과에 Bayesian 모델 기반의 편의보정-상세화 기법을 개발하여 강우예측정보의 활용성을 개선하고자 한다. 이 과정에서 Bayesian Copula 모델을 이용한 이변량 형태의 예측강수의 검보정 방법을 개발하였으며, 특히 기후모델 이외의 기상 상태변량인 해수면온도(sea surface temperature, SST)를 예측인자로 추가하여 Hybrid 형태의 계절 앙상블 강우예측모델을 개발하고자 한다.

• Fire Science and Engineering
• /
• v.28 no.4
• /
• pp.35-43
• /
• 2014

The prediction performance of 9 model sets, which combine 3 turbulent models and 3 combustion models, was investigated numerically for turbulent partially-premixed jet flame. The standard ${\kappa}-{\varepsilon}$ (SKE), Realizable ${\kappa}-{\varepsilon}$ (RKE) and Reynolds stress model (RSM) were used as a turbulence model, and the eddy dissipation concept (EDC), steady laminar flamelet (SLF) and unsteady laminar flamelet model (ULF) were also adopted as a combustion model. The prediction performance of those 9 model sets was evaluated quantitatively and qualitatively for Sandia D flame of which flame structure was measured precisely. The flame length was predicted as, from longest to shortest, RSM > SKE > RKE, and the RKE predicted the flame length of the jet flame much shorter than experiment. The flame temperature was over predicted by the combination of RSM + SLF or RSM + ULF while the flame length obtained by RSM + SLF and RSM + ULF was well agreed with the experiment. The combination of SKE + SLF and SKE + ULF predicts well the flame length as well as the temperature distribution. The SKE turbulence model was most superior to the other turbulent models, and SKE + ULF showed the best prediction performance for the structure of turbulent partially-premixed jet flame.

• The Sea:JOURNAL OF THE KOREAN SOCIETY OF OCEANOGRAPHY
• /
• v.27 no.2
• /
• pp.49-70
• /
• 2022

Sea Surface Temperature (SST), one of the ocean features, has a significant impact on climate, marine ecosystem and human activities. Therefore, SST prediction has been always an important issue. Recently, deep learning has drawn much attentions, since it can predict SST by training past SST patterns. Compared to the numerical simulations, deep learning model is highly efficient, since it can estimate nonlinear relationships between input data. With the recent development of Graphics Processing Unit (GPU) in computer, large amounts of data can be calculated repeatedly and rapidly. In this study, Short-term SST will be predicted through Convolutional Neural Network (CNN)-based U-Net that can handle spatiotemporal data concurrently and overcome the drawbacks of previously existing deep learning-based models. The SST prediction performance depends on the seasonal and interannual SST variabilities around the southern coast of Korea. The predicted SST has a wide range of variance during spring and summer, while it has small range of variance during fall and winter. A wide range of variance also has a significant correlation with the change of the Pacific Decadal Oscillation (PDO) index. These results are found to be affected by the intensity of the seasonal and PDO-related interannual SST fronts and their intensity variations along the southern Korean seas. This study implies that the SST prediction performance using the developed deep learning model can be significantly varied by seasonal and interannual variabilities in SST.

• Journal of Bio-Environment Control
• /
• v.31 no.3
• /
• pp.152-162
• /
• 2022

This study developed simulation model for predicting the greenhouse interior environment using artificial intelligence machine learning techniques. Various methods have been studied to predict the internal environment of the greenhouse system. But the traditional simulation analysis method has a problem of low precision due to extraneous variables. In order to solve this problem, we developed a model for predicting the temperature inside the greenhouse using machine learning. Machine learning models are developed through data collection, characteristic analysis, and learning, and the accuracy of the model varies greatly depending on parameters and learning methods. Therefore, an optimal model derivation method according to data characteristics is required. As a result of the model development, the model accuracy increased as the parameters of the hidden unit increased. Optimal model was derived from the GRU algorithm and hidden unit 6 (r² = 0.9848 and RMSE = 0.5857℃). Through this study, it was confirmed that it is possible to develop a predictive model for the temperature inside the greenhouse using data outside the greenhouse. In addition, it was confirmed that application and comparative analysis were necessary for various greenhouse data. It is necessary that research for development environmental control system by improving the developed model to the forecasting stage.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1997.10a
• /
• pp.627-632
• /
• 1997

FLECHT-SEASET 실험을 이용하여 냉각재상실사고시 Reflood에 대한 TRAC-PF1 전산코드의 예측 능력을 평가하였다. FLECHT-SEASET 실험 장치는 3.657m(12 ft) 높이 161개 전열 봉으로 이루어 져 있으며, 다양한 재관수율, 계통압력, 초기 피복재온도, 재관수온도 노심내 반경방향 출력분포 둥의 조건에 따라 수행된 실험이다. TRAC-PF1은 비균질 비평형 이상유동 열수력(Nonhomogeneous Non-equilibrium Two-Fluid Hydrodynamic)모델을 사용하고 원자로 압력용기는 3차원으로 모델할 수 있는 최적전산코드로서, 이 평가 계산에는 HP Version이 사용되었다. 본 연구에서는 재관수율 변화에 따라 달라지는 연료봉 최대 피복재온도와 Quench 시간에 대한 TRAC-PF1 전산코드의 예측 능력을 중점적으로 평가하였다. 계산 결과 TRAC-PF1은 최대 피복재온도는 약 20-100$^{\circ}$K 낮게, Quench 시간은 실험치와 비교하여 약 40-150초 정도 늦게 예측하는 것으로 나타났는데, 재관수율이 낮을수록 최대피복재 온도는 낮게, Quench 시간은 늦게 예측하는 경향을 보이고 있다. 또한 재관수율이 3 in/sec 이상에서 노심 상부가 일찍 Quenching 되는 것으로 계산되는데, 이는 노심상부 열전달 Regime의 부적절한 계산이 원인으로 보인다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.100-100
• /
• 2023

단기 강우 예측에는 주로 물리과정 기반 수치예보모델(NWPs, Numerical Prediction Models) 과 레이더 기반 확률론적 방법이 사용되어 왔으며, 최근에는 머신러닝을 이용한 레이더 기반 강우예측 모델이 단기 강우 예측에 뛰어난 성능을 보이는 것을 확인하여 관련 연구가 활발히 진행되고 있다. 하지만 머신러닝 기반 모델은 예측 선행시간 증가 시 성능이 크게 저하되며, 또한 대기의 물리적 과정을 고려하지 않는 Black-box 모델이라는 한계점이 존재한다. 본 연구에서는 이러한 한계를 극복하기 위해 머신러닝 기반 blending 기법을 통해 물리과정 기반 수치예보모델인 Weather Research and Forecasting (WRF)와 최신 머신러닝 기법 (cGAN, conditional Generative Adversarial Network) 기반 모델을 결합한 Hybrid 강우예측모델을 개발하고자 하였다. cGAN 기반 모델 개발을 위해 1시간 단위 1km 공간해상도의 레이더 반사도, WRF 모델로부터 산출된 기상 자료(온도, 풍속 등), 유역관련 정보(DEM, 토지피복 등)를 입력 자료로 사용하여 모델을 학습하였으며, 모델을 통해 물리 정보 및 머신러닝 기반 강우 예측을 생성하였다. 이렇게 생성된cGAN 기반 모델 결과와 WRF 예측 결과를 결합하는 머신러닝 기반 blending 기법을 통해Hybrid 강우예측 결과를 최종적으로 도출하였다. 본 연구에서는 Hybrid 강우예측 모델의 성능을 평가하기 위해 수도권 및 안동댐 유역에서 발생한 호우 사례를 기반으로 최대 선행시간 6시간까지 모델 예측 결과를 분석하였다. 이를 통해 물리과정 기반 모델과 머신러닝 기반 모델을 결합하는 Hybrid 기법을 적용하여 높은 정확도와 신뢰도를 가지는 고해상도 강수 예측 자료를 생성할 수 있음을 확인하였다.

• Magazine of the Korea Concrete Institute
• /
• v.10 no.3
• /
• pp.153-164
• /
• 1998

본 연구는 양생온도의 영향에 따른 콘크리트의 장기강도 예측식을 개발하고, 기존에 보고된 데이터를 이용하여 제안식의 신뢰성을 검증하기 위한 것이다. 제안식은 반응률상수 모델을 이용하였으며, 콘크리트의 장기강도에 영향을 미치는 인자로 양생온도에 따른 확산장벽의 효과를 고려하였다. 제안식을 검증하기위하여 각각의 데이터를 28일 상대강도의비로바꾸어 -0.6~59.7$^{\circ}C$ 범위의 8개의 평균 양생온도에 대해서 회귀분석하였다. 회귀분석을통해 제안식의 온도 영향계수인 반응율상수, 한계강도, 반응지수를 양생온도에 따른 함수식으로 표현하였다. 제안식은 기존의모델식에 비해 신뢰성이 높았으며, 초기재령에서는 기존의 모델식등과 큰 차이를나타내지 않았으나 장기재령으로 갈수록 제안식의 정확도가 크게 높아짐을 알 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.171-171
• /
• 2011

상수도의 합리적인 운용과 관리를 위해서는 급수량 예측이 매우 중요하다. 기존 급수량 예측은 신경망과 칼만 필터법을 사용한 연구들이 대부분이었다. 이러한 연구결과들은 높은 상관결과를 갖고 있지만 이는 자기상관계수에 대한 높은 의존도에 따른 결과로 볼 수 있다. 즉, 예측의 결과가 전날 수요량을 거의 그대로 따라오는 경향을 띄어, 급수량 예측 그래프가 기존 그래프를 오른쪽으로 이동시킨 것과 같이 나타난다. 본 연구에서는 이러한 문제점들을 해결하기 위해서 물수요량을 예측하는데 있어서 효과적인 예측인자를 도출하는 것이 우선되어야 할 것으로 판단되었다. 이에, 물수요량 특성을 효과적으로 나타내어 줄 수 있는 예측인자로서 강수량, 최저온도, 최고온도, 평균온도 등을 1차적으로 선정하였다. 이들 예측인자들과 서울시 물수요량과의 상관성을 평가하여 최적의 예측인자 Set과 지체시간 등을 산정하였다. 이렇게 선정된 예측인자와 Bayesian 통계기법 기반의 회귀분석 모형을 구축하여 물수요량을 예측하였다. 본 연구에서 적용하고자 하는 계층적 Bayesian 모형은 유사한 특성을 가지는 자료계열들 사이에서 서로 보완이 될 수 있는 정보들을 추출함으로써 모형이 갖는 불확실성을 상당히 줄일 수 있는 방법이다. 이러한 모형적 특징은 생산량 예측에 대한 불확실성 저감 측면에서 장점이 있을 것으로 판단된다. 본 연구에서는 광암, 암사, 구의, 뚝도, 영등포, 강북 정수장을 대상으로 모형의 적합성을 평가하였다. 이러한 연구결과는 향후 정수장 운영계획 및 동일한 시스템을 갖는 상수도 급수량 예측 시 유용하게 사용할 수 있을 것이다.

• The Journal of the Convergence on Culture Technology
• /
• v.8 no.6
• /
• pp.749-755
• /
• 2022

Electricity is essential energy in modern society, such as being used in various industries. However, the rate of fires occurring on electric wiring to deal with it is very high. In this work, we implemented a system to predict the temperature change of an electric circuit through analysis using various regression models. To do so, we collected the temperature data of 27 types of magnetic switches which control electric circuits as well as trained the regression models by using the collected temperature data. In our experiments, we confirmed that the regression models can be trained at a sufficiently usable level since the difference between the actual temperature and predicted temperature is about 4℃. The results of our work will be useful to predict the temperature of electric circuits and preventing fires on them.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.265-265
• /
• 2019

기후변화로 의한 기온의 상승은 가뭄, 홍수와 같은 재해를 일으킬 뿐만 아니라 깊은 호수나 저수지와 같은 수자원에도 용존 산소, 물질, 영양소 및 식물플랑크톤의 수직적 분포 등과 같은 다양한 부분에 영향을 미친다. 본 연구의 목적은 SWAT, HEC-ResSim 및 CE-QUAL-W2(이하 W2)모델을 사용하여 미래의 기후 변화에 따른 소양호의 수온, 성층강도 및 열적 안정성의 변화를 장기 예측하고 그 영향을 평가하는데 있다. W2 모델의 보정은 2005 년부터 2015 년까지의 실측 과거 데이터를 이용하여 보정하였고 기후변화 시나리오는 IPCC의 AR5 RCP 4.5 시나리오를 사용하였다. 기후자료는 GCM 모델인 HadGEM2-AO 결과를 상세화하여 모의기간의 자료를 생성하였다. SWAT모델을 이용하여 모의기간인 2016 년부터 2070 년까지 일단위로 저수지 유입을 예측했으며 HEC-ResSim모델을 이용하여 소양강댐 저수지 운영 조건에 따라 저수지 방류량 및 수위 변화를 모의하였다. 수온 해석을 위해 W2를 적용하여 저수지의 장기간의 수온 변화를 예측하였다. 결과적으로 대기 온도는 $0.0279^{\circ}C/year$(p < 0.05) 상승할 것으로 예측되었으며, 동일기간 상층(수면으로부터 5m 깊이)과 하층 (바닥으로부터 5m 높이) 수온은 각각 $0.0191^{\circ}C$/년(p < 0.05) 및 $0.008^{\circ}C$/년(p < 0.05) 상승할 것으로 예측되었다. 모의된 수온을 계절별로 분석했을 때 상층수온은 여름철 가장 큰 폭으로 상승하였으며 하층의 경우 겨울철에 가장 큰 폭으로 상승하였다. 계절별 상-하층 수온의 차는 여름이 가장 컸으며, 겨울에 온도차가 가장 작았다. 또한 미래 온도의 상승에 따라, 소양호의 성층 강도가 강해지는 경향을 보였으며 상층 및 하층의 온도차 $5^{\circ}C$를 기준으로 성층이 형성되는 기간은 큰 변동이 없었으나 소멸되는 시점이 점점 늦어지는 추세를 보여 성층 형성 기간이 길어지는 것으로 나타났다. 저수지 표면의 수온 상승은 식물플랑크톤의 계절 성장률에 영향을 미쳤는데, 특정 조건에서 규조류는 최적 성장 범위를 벗어나는 고온 조건에서 성장속도가 감소하였으나 녹조류와 남조류의 출현 시기가 빨라지며 장기화될 것으로 예측되었다.