• Journal of Korea Water Resources Association
• /
• v.50 no.10
• /
• pp.681-690
• /
• 2017

This study estimated the daily maximum snow depth using the Artificial Neural Network (ANN) model in Korean Peninsula. First, the optimal ANN model structure was determined through the trial-and-error approach. As a result, daily precipitation, daily mean temperature, and daily minimum temperature were chosen as the input data of the ANN. The number of hidden layer was set to 1 and the number of nodes in the hidden layer was set to 10. In case of using the observed value as the input data of the ANN model, the cross validation correlation coefficient was 0.87, which is higher than that of the case in which the daily maximum snow depth was spatially interpolated using the Ordinary Kriging method (0.40). In order to investigate the performance of the ANN model for estimating the daily maximum snow depth of the ungauged area, the input data of the ANN model was spatially interpolated using Ordinary Kriging. In this case, the correlation coefficient of 0.49 was obtained. The performance of the ANN model in mountainous areas above 200m above sea level was found to be somewhat lower than that in the rest of the study area. This result of this study implies that the ANN model can be used effectively for the accurate and immediate estimation of the maximum snow depth over the whole country.

• 한국방재학회:학술대회논문집
• /
• 2010.02a
• /
• pp.33.2-33.2
• /
• 2010

고층건물의 최상층 수평변위는 해당 건물의 안전성 및 사용성 평가에 중요한 지표가 된다 이러한 건물의 수평변위는 주로 풍하중에 기인한다 본 논문에서는 이러한 구조반응을 풍하중에 기인한 풍속데이터로부터 직접 추정하기 위해서 인공신경망(Artificial Neural Network, ANN)을 도입하였다 이에 대한 적용성을 판단하기 위해서 고층건물을 형상화한 모형테스트를 실시하고 풍향, 풍속, 변위 값을 얻었다. 이후 인공신경망에 적용시켜 실제 실험 데이터와의 비교를 통해 타당성을 검토하였다.

• Journal of Navigation and Port Research
• /
• v.44 no.3
• /
• pp.187-194
• /
• 2020

It is very important to forecast freight volume accurately to establish major port policies and future operation plans. Thus, related studies are being conducted because of this importance. In this paper, stepwise regression analysis and artificial neural network model were analyzed to compare the predictive power of each model on Gwangyang Port, the largest domestic port for coal and iron ore transportation. Data of a total of 121 months J anuary 2009-J anuary 2019 were used. Factors affecting coal and iron ore trade volume were selected and classified into supply-related factors and market/economy-related factors. In the stepwise regression analysis, the tonnage of ships entering the port, coal price, and dollar exchange rate were selected as the final variables in case of the Gwangyang Port coal volume forecasting model. In the iron ore volume forecasting model, the tonnage of ships entering the port and the price of iron ore were selected as the final variables. In the analysis using the artificial neural network model, trial-and-error method that various Hyper-parameters affecting the performance of the model were selected to identify the most optimal model used. The analysis results showed that the artificial neural network model had better predictive performance than the stepwise regression analysis. The model which showed the most excellent performance was the Gwangyang Port Coal Volume Forecasting Artificial Neural Network Model. In comparing forecasted values by various predictive models and actually measured values, the artificial neural network model showed closer values to the actual highest point and the lowest point than the stepwise regression analysis.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.20-20
• /
• 2017

최근 기후변화 영향에 따라 전 세계적으로 인명피해 및 재산피해를 유발하는 자연재난이 지속적으로 증가하고 있으며, 그로 인한 자연재해의 규모가 점점 더 커지고 있다. 실제로 우리나라에서도 지난 1994 년에서 2013 년까지 지난 20 년간 자연재해에 의한 피해액은 12조 3천억 원으로 집계되었으며, 이 중 강우와 태풍에 의한 피해가 85 % 이고, 대설에 의한 피해는 약 13 % 로 자연재해 중 대부분의 피해는 강우 및 태풍에서 발생하지만, 폭설에 의한 피해도 적지 않은 것으로 나타났다. 이에 따라, 정확한 예측을 위해 신뢰도 높은 자료 구축을 통한 대설피해 예측에 관한 연구가 필요한 시점이다. 본 연구에서는 대설피해액 예측을 위해 우리나라의 63개 기상 관측소에서 관측한 적설심 자료 및 기상관측 자료와 사회 경제 자료 총 11개를 대설피해 예측을 위한 입력변수로 선정하고, 이를 기상관측소가 속한 도시의 면적에 따라 3개의 지역으로 구분하였다. 주성분분석을 활용하여 선정된 입력변수들을 4개의 주성분으로 구분하고, 인공신경망 및 다중선형 회귀 모형을 구성하여 각 지역별 대설피해 예측의 오차를 분석하였다. 적용결과, 인공신경망 모형을 이용한 대설피해 예측의 수정결정계수는 22.8 %~48.2 %를 나타냈고, 다중선형회귀 모형의 수정결정 계수는 9.2 %~39.7% 로 나타났다. 그러므로 인공신경망 모형이 다중회귀 모형보다 선택된 입력자료를 활용하여 대설피해를 예측하는 목적으로 조금 더 우수한 결과를 나타내었다. 향후 자료를 보완 및 모형의 고도화를 통해 보다 정확한 대설피해 예측 함수 개발이 가능할 것으로 기대된다.

• Ecology and Resilient Infrastructure
• /
• v.7 no.4
• /
• pp.345-352
• /
• 2020

Securing the lead time for evacuation is crucial to minimize flood damage. In this study, downstream water levels for heavy rainfall were predicted using measured water level observation data. Multiple regression analysis and artificial neural networks were applied to the Seom River experimental watershed to predict the water level. Water level observation data for the Seom River experimental watershed from 2002 to 2010 were used to perform the multiple regression analysis and to train the artificial neural networks. The water level was predicted using the trained model. The simulation results for the coefficients of determination of the artificial neural network level prediction ranged from 0.991 to 0.999, while those of the multiple regression analysis ranged from 0.945 to 0.990. The water level prediction model developed using an artificial neural network was better than the multiple-regression analysis model. This technique for forecasting downstream water levels is expected to contribute toward flooding warning systems that secure the lead time for streams.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2009.05a
• /
• pp.1141-1144
• /
• 2009

인공신경망(artificial neural network) 기법은 인간의 두뇌 신경세포의 활동을 모형화한 것으로 오랜 시간동안 발전해 왔으며 여러 분야에서 활용되고 있고 수문분야에서도 인공신경망을 이용한 연구가 활발히 진행되어 왔다. RDAPS와 같은 단기수치예보 자료는 강우의 유무 판단과 같은 정성적인 분석에서 비교적 정확도가 높지만 정확한 강우량의 추정과 같은 정량적인 부분에서는 정확도가 매우 낮으므로 인공신경망 기법과 같은 후처리 기법을 통해서 정확도를 높이게 된다. 인공신경망 기법을 수행할 때, 가장 중요한 것은 입력변수선택(input variable selection)으로 입력 변수의 적절한 선택이 결과값에 큰 영향을 주게 된다. 본 연구에서는 mutual information을 입력 변수 선택 기법으로 채택하여, 인공신경망의 입력변수 선정의 정확도를 알아보고자 한다. Mutual information은 주어진 자료의 엔트로피값을 이용하여 변수들 간의 독립과 종속의 관계를 나타내는 기법으로서, MI값은 '0'에서 '1'의 값을 가지며 '0'에 가까울수록 변수들 간의 관계가 독립적이고 '1'에 가까울수록 종속적인 관계를 나타낸다. 인공신경망의 입력변수선정에 대한 mutual information의 정확도를 알아보기 위해, 기존 입력변수선택 기법과 mutual information을 이용했을 경우의 인공신경망의 처리능력, 정확도를 비교 검토하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.125-125
• /
• 2012

최근 심화되고 있는 강우의 시간적 지역적 불균형이 기후변화와 높은 연관성이 있다는 연구결과가 발표되고 있다. 강우에 직접적인 영향을 받는 수자원분야에서는 강우의 변동성을 예측한 결과를 바탕으로 기후변화 영향에 대한 연구가 활발히 진행 하고 있다. 우리나라의 연중 강수량의 대부분이 홍수기에 집중되어 수자원의 총량의 27%만 사용하고 있다. 전체 수자원이용량 중 절반 이상을 댐을 통해 이용하고 있기 때문에 댐 운영방법에 지속적인 연구가 필요하다. 기후변화영향으로 댐 유입량에 대한 불확실성이 커지므로 장기적인 수자원을 관리를 위하여 효율적인 댐 운영을 하기 위한 해결책이 필요하다. 물리적 강우-유출 모형으로 기후변화 영향을 받는 장기간 모의를 하게 되면 입력 자료와 매개변수, 모형구조의 불확실성 갖게 된다. 그에 반해 데이터를 통해 모형의 매개변수 값을 추정하여, 향후의 의사결정에 활용할 수 있는 모형을 구축하는 추계학적 모형과 인공신경망모형은, 물리적인 강우-유출 모형과 비교하여 모의에 드는 시간이 적고 모형 불확실성 파악이 가능하며, 장기간 모의 시 불확실성을 줄이는 효율적인 대안이 될 수 있다. 일반적인 추계학적 모형은 과거의 유입량 자료만 사용하지만 본 연구에서는 기후변화 시나리오 강우량의 영향을 함께 고려한 Transfer Function Noise(TFN)모형을 통하여 장기간 모의를 하였다. 본 연구의 대상 댐으로는 한강유역 중 댐 상류유역면적이 제일 넓은 충주댐으로 선정하였다. 과거의 유입량과 강우량 자료를 사용하여 통계적 방법을 통하여 TFN모형을 구축하고, TFN과 같은 변수를 사용하여 인공신경망모형을 구축하였다. 5개의 시나리오별로 어떠한 차이를 갖는지를 비교하였고, TFN모형과 인공신경망에 따라서 어떠한 양상을 갖는지 비교하였다.

• Journal of Navigation and Port Research
• /
• v.32 no.1
• /
• pp.81-88
• /
• 2008

The forecast of a container traffic has been very important for port plan and development. Generally, statistic methods, such as regression analysis, ARIMA, have been much used for traffic forecasting. Recent research activities in forecasting with artificial neural networks(ANNs) suggest that ANNs can be a promising alternative to the traditional linear methods. In this paper, a hybrid methodology that combines both ARIMA and ANN models is proposed to take advantage of the unique strength of ARIMA and ANN models in linear and nonlinear modeling. The results with port traffic data indicate that effectiveness can differ according to the characteristics of ports.

• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.291-291
• /
• 2011

우리나라는 기상학적 지리학적 영향으로 여름철에 강우가 집중하여 내리며 최근에는 짧은 시간에 많은 양의 강우가 내리는 집중호우의 발생빈도가 증가하고 있다. 이러한 집중호우는 하천의 수위를 증가시켜 하천범람 및 제방붕괴의 위험을 가져와 많은 재산과 인명피해를 가져올 수 있다. 하천 수위의 예측은 기존에 물리적, 개념적 모형을 통해 강우-유출을 해석하는 과정에서 주로 다루어 졌다. 그러나 자연현상인 강우와 유출관계를 규명하는 과정은 지역의 다양한 특성, 강우의 시 공간적 분포 등 복잡하고 다양한 인자를 고려해야 한다는 문제와 부딪쳐 많은 어려움을 겪어왔다. 따라서 본 연구에서는 복잡한 비선형 과정들의 모형화가 가능한 인공 신경망 모형을 이용하여 수위예측 모형을 구성하고 100mm이상의 강우가 연속해서 내린 호우사상을 훈련시켜 집중호우 발생시 수위예측에 활용하고자 하였다. 이를 위해 구성된 인공신경망 모형을 금강유역 보청천에 적용한 결과 중소하천유역인 보청천 유역의 홍수위 예측에 적용이 가능함을 확인하였다.