• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1164-1168
• /
• 2010

수자원이 우리 생활의 전반적으로 중요한 역할을 차지하면서 댐의 효율적인 운영과 안정적인 용수공급에 대한 연구는 지속적으로 수행되어지고 있다. 1990년대 이후 비선형적인 특성을 잘 모의하는 장점을 가진 인공신경망(ANN)을 이용하여 유입량 예측에 대한 많은 연구가 수행되었다. 하지만 ANN 모형을 포함한 회귀모형은 월 강우 및 유입량의 예측에 대해 간편하게 사용을 할 수 있지만, 예측의 정확성에 한계를 가지고 있다. 본 연구에서는 ANN 모형과 회귀모형의 예측오차를 후처리 과정을 통하여 오차를 줄임으로써 예측모형의 성과를 향상시키는 방법을 제안하였다. 연구지역은 금강수계의 대청댐 유역으로, 1982년 9월부터 2005년 12월에 해당하는 유역 내 11개 지점의 강우관측소에서 관측한 월 강우와 댐 유입량을 수집하여 모형을 구축하였다. 강우량과 유입량 자료에 대해 자기상관함수와 교차상관함수를 이용하여 입력변수를 결정하였고, 정규화를 통한 전처리 과정을 거쳐 ANN 모형과 회귀모형을 이용한 예측모형을 구축하였으며, 예측성과의 향상을 위하여 군집 분석을 이용하여 오차를 재조정하였다. 이러한 오차 후처리 과정을 포함한 모형은 RMSE와 상관계수를 이용하여 비교 평가한 결과, 예측성과를 약 40% 정도 향상시켰다.

• Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology
• /
• v.7 no.4
• /
• pp.593-601
• /
• 2017

In this paper, we constructed the model of production/investment, distribution, and screening by using variables that can be considered at each stage according to the value chain stage of the movie industry. To increase the predictive power of the model, a regression analysis was used to derive meaningful variables. Based on the given variables, we compared the difference in predictive power between the artificial neural network, which is a machine learning analysis method, and the decision tree analysis method. As a result, the accuracy of artificial neural network was higher than that of decision trees when all variables were added in production/ investment model and distribution model. However, decision trees were more accurate when selected variables were applied according to regression analysis results. In the screening model, the accuracy of the artificial neural network was higher than the accuracy of the decision tree regardless of whether the regression analysis result was reflected or not. This paper has an implication which we tried to improve the performance of movie prediction model by using machine learning analysis. In addition, we tried to overcome a limitation of linear approach by reflecting the results of regression analysis to ANN and decision tree model.

• Journal of Korea Water Resources Association
• /
• v.45 no.7
• /
• pp.631-641
• /
• 2012

In this study, satellite data (MTSAT-1R), a numerical weather prediction model, RDAPS (Regional Data Assimilation and Prediction System) output, ground weather station data, and artificial neural networks were used to improve the accuracy of summer rainfall forecasts. The developed model was applied to the Seoul station to forecast the rainfall at 3, 6, 9, and 12-hour lead times. Also to reflect the different weather conditions during the summer season which is related to the frontal precipitation and the cyclonic precipitation such as Jangma and Typhoon, the neural network models were formed for two different periods of June-July and August-September respectively. The rainfall forecast model was trained during the summer season of 2006 and 2008 and was verified for that of 2009 based on the data availability. The results demonstrated that the model allows us to get the improved rainfall forecasts until lead time of 6 hour, but there is still a large room to improve the rainfall forecast skill.

• Journal of Korea Water Resources Association
• /
• v.46 no.7
• /
• pp.697-706
• /
• 2013

In recent, Korea has faced on water quality management problems in reservoir and river because of increasing water temperature and rainfall frequency caused by climate change. This study is effectively to manage water quality for establishment of algal bloom forecasting models with artificial neural network. Daecheong reservoir located in Geum river has suitable environment for algal bloom because it has lots of contaminants that are flowed by rainfall. By using back propagation algorithm of artificial neural networks (ANNs), a model has been built to forecast the algal bloom over short-term (1, 3, and 7 days). In the model, input factors considered the hydrologic and water quality factors in Daecheong reservoir were analyzed by cross correlation method. Through carrying out the analysis, input factors were selected for algal bloom forecasting model. As a result of this research, the short term algal bloom forecasting models showed minor errors in the prediction of the 1 day and the 3 days. Therefore, the models will be very useful and promising to control the water quality in various rivers.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.28 no.3D
• /
• pp.307-315
• /
• 2008

The aim of this study is to develop travel time estimation model by using Self-Organized Neural network(in brief, SON) algorithm. Travel time data based on vehicles equipped with GPS and number-plate matching collected from National road number 3 (between Jangji-IC and Gonjiam-IC), which is pilot section of National Highway Traffic Management System were employed. We found that the accuracies of travel time are related to location of detector, the length of road section and land-use properties. In this paper, we try to develop travel time estimation using SON to remedy defects of existing neural network method, which could not additional learning and efficient structure modification. Furthermore, we knew that the estimation accuracy of travel time is superior to optimum located detectors than based on existing located detectors. We can expect the results of this study will make use of location allocation of detectors in highway.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.847-850
• /
• 2010

최근 많은 수문학자들은 전지구적 기후변화로 인한 피해 예방과 저감을 위해 기후변화가 수문학적으로 어떤 영향을 미치고 있는지 알기 위해 많은 연구를 진행하고 있으며, 기후변화시나리오를 작성하고자 이산화탄소 배출농도를 가정하여 다양한 시나리오를 생성하고 있다. 본 연구에서는 효율적인 수자원 관리를 위해 저해상도의 GCM(General Circulation Models) 모형에서 생성되는 모의결과를 유역 규모의 단위로 스케일 상세화 기법(downscaling)을 적용 시켜 보고자 한다. 이를 위해 2007년 IPCC AR4와 함께 제시된 SRES A1B 시나리오를 채택하여 우리나라 기상청이 연구에 참여 제공하고 있는 EHCO-G 모델의 모의결과를 이용하여 소양강 유역에 적용하였다. 상세화 기법으로는 현재와 과거의 입력값들과 이에 대응된 출력값들을 알고 있는 경우에 미래의 새로운 입력값들에 대한 예측값들을 추출하는데 유용하며, 비선형적 비연속적인 특성이 강한 모델에 강점을 가지고 있는 인공신경망(Artificial Neural Network) 모델을 사용하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.64-64
• /
• 2022

이상기후로 인해 돌발적이고 국지적인 호우 발생의 빈도가 증가하게 되면서 짧은 선행시간(~3 시간) 범위에서 수치예보보다 높은 정확도를 갖는 초단시간 강우예측자료가 돌발홍수 및 도시홍수의 조기경보를 위해 유용하게 사용되고 있다. 일반적으로 초단시간 강우예측 정보는 레이더를 활용하여 외삽 및 이동벡터 기반의 예측기법으로 산정한다. 최근에는 장기간 레이더 관측자료의 확보와 충분한 컴퓨터 연산자원으로 인해 레이더 자료를 활용한 인공지능 심층학습 기반(RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), Conv-LSTM 등)의 강우예측이 국외에서 확대되고 있고, 국내에서도 ConvLSTM 등을 활용한 연구들이 진행되었다. CNN 심층신경망 기반의 초단기 예측 모델의 경우 대체적으로 외삽기반의 예측성능보다 우수한 경향이 있었으나, 예측시간이 길어질수록 공간 평활화되는 경향이 크게 나타나므로 고강도의 뚜렷한 강수 특징을 예측하기 힘들어 예측정확도를 향상시키는데 중요한 소규모 기상현상을 왜곡하게 된다. 본 연구에서는 이러한 한계를 보완하기 위해 적대적 생성 신경망(Generative Adversarial Network, GAN)을 적용한 초단시간 예측기법을 활용하고자 한다. GAN은 생성모형과 판별모형이라는 두 신경망이 서로간의 적대적인 경쟁을 통해 학습하는 신경망으로, 데이터의 확률분포를 학습하고 학습된 분포에서 샘플을 쉽게 생성할 수 있는 기법이다. 본 연구에서는 2017년부터 2021년까지의 환경부 대형 강우레이더 합성장을 수집하고, 강우발생 사례를 대상으로 학습을 수행하여 신경망을 최적화하고자 한다. 학습된 신경망으로 강우예측을 수행하여, 국내 기상청과 환경부에서 생산한 레이더 초단시간 예측강우와 정량적인 정확도를 비교평가 하고자 한다.

• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.141-148
• /
• 2008

각종 인공지능 기법들을 활용하여, 주식시장의 흐름을 예측하려는 연구가 지금까지 많은 인공지능 및 금융공학의 연구자들에 의해 시도되어 왔으며, 그 결과 다양한 인공지능 기법들이 예측 방법론으로 제시되어 왔다. 이런 가운데 서로 다른 예측모형들이 산출하는 예측결과를 종합 - 보완하는 결합기법에 관련된 연구가 90년대 후반부터 오늘날까지 꾸준하게 발표되고 있다. 본 연구 역시 유전자 알고리즘 기반의 새로 인공지능 예측모형간 결합기법을 제시하고 있다. 다만, 기존의 연구모형들이 각 개별모형 결과의 상대적 가중치에 초점을 맞추고 있었다면, 본 연구의 제안모형은 등락을 판단하는데 활용되는 임계치까지 유전자 알고리즘을 이용해 동시에 최적화하도록 설계되어 있다는 점에서 차별화된다. 제안모형의 유용성을 검증하기 위해, 본 연구에서는 지난 1998년부터 2007년까지의 KOSPI 지수 등락 예측을 위해 구축된 로지스틱 회귀모형, 인공신경망, SVM모형의 결과들을 제안모형을 이용해 결합하였다. 그 결과, 예측력 향상에 본 연구의 제안모형이 기여 할 수 있음을 확인 할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.123-126
• /
• 2005

본 연구에서는 상층기상자료, 자동 기상 관측망 자료 및 신경망기법을 사용하여 단시간 강우 예측 모형을 개발하였다. 호우를 동반한 이송 기상 시스템의 이동 경로가 라디오존데로부터 획득할 수 있는 상층기상 자료 즉 상층 풍향자료와 동일한 방향으로 이동한다는 가정 하에 원거리에서 발생하는 기상현상의 발달과정을 판단 할 수 있는 알고리즘을 개발하고, 이러한 원거리 입력 자료와 예측하고자 하는 값 사이의 비선형 상관 관계를 연결하는 기법으로 인공 신경망 기법을 도입하였다. 개발된 모형을 2002년 태풍 루사로 인하여 큰 피해를 입은 감천지역에 적용하였다. 포항과 오산의 라디오존데에서 획득한 700mb에서의 풍향자료와 5년의 자료기간을 가지는 350개의 자동 기상 관측망 자료를 입력 자료로 사용하였으며 결과는 상층기상자료를 사용하지 않고 예측한 결과에 대하여 개선된 강우 예측결과를 보여주었다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.28 no.5B
• /
• pp.485-493
• /
• 2008

The Artificial Neural Network (ANN) model was suggested for predicting probability of precipitation (PoP) using RDAPS NWP model, observation at AWS and upper-air sounding station. The prediction work was implemented for flood season and the data period is the July, August of 2001 and June of 2002. Neural network input variables (predictors) were composed of geopotential height 500/750/1000 hPa, atmospheric thickness 500-1000 hPa, X & Y-component of wind at 500 hPa, X & Y-component of wind at 750 hPa, wind speed at surface, temperature at 500/750 hPa/surface, mean sea level pressure, 3-hr accumulated precipitation, occurrence of observed precipitation, precipitation accumulated in 6 & 12 hrs previous to RDAPS run, precipitation occurrence in 6 & 12 hrs previous to RDAPS run, relative humidity measured 0 & 12 hrs before RDAPS run, precipitable water measured 0 & 12 hrs before RDAPS run, precipitable water difference in 12 hrs previous to RDAPS run. The suggested ANN has a 3-layer perceptron (multi layer perceptron; MLP) and back-propagation learning algorithm. The result shows that there were 6.8% increase in Hit rate (H), especially 99.2% and 148.1% increase in Threat Score (TS) and Probability of Detection (POD). It illustrates that the suggested ANN model can be a useful tool for predicting rainfall event prediction. The Kuipers Skill Score (KSS) was increased 92.8%, which the ANN model improves the rainfall occurrence prediction over RDAPS.