• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.401-401
• /
• 2011

본 연구는 Bayesian MCMC(Markov Chain Monte Carlo)를 이용한 비정상성 빈도해석 모형에 외부기상인자를 결합하여 계절단위의 강수량을 예측하는데 목적을 두고 있으며, 그 중에서도 홍수 위험도와 관련하여 유용하게 이용될 수 있는 여름강수량을 예측 대상으로 하였다. 비정상성 빈도해석 모형을 기반으로 외부 기상인자에 의한 변동성을 고려하기 위해서는 대상 수문량을 한정할 필요가 있으며 극대치강수량과 연관성이 높은 장마전선, 태풍 등의 기상인자는 공간적 변동성 및 복합적인 특성들로 인해 예측인자를 구성하는 기상인자로 사용하기에는 무리가 있다. 따라서 본 연구에서는 계절단위의 수문량으로 여름강수량을 대상으로 하였으며, 이에 영향을 미치는 외부 기상인자로서 SST(sea surface temperature)와 OLR(outgoing longwave radiation)을 도입하였으며, 낙동강유역 여름강수량과의 공간 상관성이 높은 지역의 이전 겨울 SST와 6월 OLR을 예측인자로 활용한 7~9월 여름강수량 예측모형을 구성하였다. 모형의 검증은 결과를 알고 있는 2010년 여름 강수량을 대상으로 수행하였으며, 모형의 적용은 현재시점에서 관측된 2010년 겨울 SST와, 과거 관측 자료를 토대로 가정된 2011년 6월 OLR을 이용하여 2011년 여름 강수량을 예측하였다. 결과적으로 모형 매개변수들의 사후분포로부터 불확실성 구간을 포함한 예측결과를 구할 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.279-279
• /
• 2017

토양유실로 인해 발생된 토사는 강우 유출수와 함께 하류로 흘러들어 하천 및 호소의 탁수문제를 야기시킨다. 토양유실에 관한 현황을 파악하기 위해서는 유역 내 토지이용현황과 피복되어 있는 작물 등의 현황조사와 더불어 유역 내 발생되는 토양유실량에 대한 장기모니터링을 수행할 필요가 있다. 하지만 유역 내 발생되는 토양유실량에 대한 장기모니터링을 수행하기에는 많은 시간과 인력이 필요하므로 토양유실량 산정 및 유사거동특성을 계산하는 모형을 활용한 연구가 국내외 많은 연구자들에 의해 수행되고 있다. 토양유실량을 산정하는 모형 중 가장 많이 사용되고 있는 범용토양유실량산정공식(Universal Soil Loss Equation, USLE)은 5개의 인자를 사용하여 연평균 토양유실량을 산정한다. 국내의 경우 환경부에서 제정한 '표토의 침식 현황 조사에 관한 고시'에 표토침식현황을 조사하는 방법으로 USLE 공식을 사용한다. USLE 모형을 구성하는 인자 중 식생피복인자는 작물의 생육과정에 따른 변화를 고려하지 않고 작물에 대한 획일적인 값을 제시하고 있어 밭에서 발생되는 정확한 토양유실현황을 예측하는데 한계가 있다, 따라서 본 연구에서는 국내에서 사용하는 USLE 모형의 구성인자인 식생피복인자의 한계점을 인식하고 이를 유역별 월단위 인자값으로 산정하는 방법을 제시하기 위해 국내의 4대상 유역 중 대청호 유역, 소양호 유역, 주암호 유역, 임하호 유역을 선정하여 각 유역의 기후 및 지역특성을 고려한 식생피복인자를 제안하였다. 월단위 식생피복인자를 제안하기 위해 SWAT모형을 사용하여 일단위 식생피복인자를 출력하도록 모형을 구성하였으며, 구축된 인자의 지역적 한계를 보완하기 위해 4대강 유역에 대한 작물 재배일정을 조사하여 모형에 반영하여 모의하였다. 모의 결과 산정된 월단위 식생피복 인자는 모든 작물에 대해 작물이 파종되는 시점에서 수확되기까지 점차 감소하는 경향을 보였으며, 작물에 따라서 그리고 동일한 작물일지라도 유역에 따라 다소 차이가 있는 것으로 확인되었다. 따라서 본 연구를 통해 제안된 월단위 식생피복인자는 토양유실에 직접적인 영향을 주는 지표피복변화를 고려한 식생피복인자로써 정확한 토양유실량을 산정하는데 기여할 것으로 판단된다.

• The Korean Journal of Applied Statistics
• /
• v.33 no.4
• /
• pp.365-377
• /
• 2020

We discuss latent factor regression when constructing a common structure inherent among explanatory variables to solve multicollinearity and use them as regressors to construct a linear model of a response variable. Bayesian estimation with LASSO prior of a large penalty parameter to construct a significant factor loading matrix of intrinsic interests among infinite latent structures. The estimated factor loading matrix with estimated other parameters can be inversely transformed into linear parameters of each explanatory variable and used as prediction models for new observations. We apply the proposed method to Product Service Management data of HBAT and observe that the proposed method constructs the same factors of general common factor analysis for the fixed number of factors. The calculated MSE of predicted values of Bayesian latent factor regression model is also smaller than the common factor regression model.

• The Korean Journal of Applied Statistics
• /
• v.13 no.1
• /
• pp.115-131
• /
• 2000

이 논문에서는 평균-이동모형(mean-shift model)을 이상점을 위한 대립모형으로 사용하여 변량모형(random effect model)에서의 이상점 검출을 위한 베이즈인자(Bayes factor)를 제시한다. 그러나 가능한 사전 정보가 없어서 무정보사전분포(noninformative prior distribution)가 사용되어야만 할 때, 대부분의 무정보사전분포는 부적절분포(improper distribution)이기 때문에 베이즌 인자에는 사전분포로부터 나온 미지의 상수가 포함되어 잇다. 이 문제를 해결하기 위해 이 논문에서는 Berger와 Pericchi (1996)가 제시한 내재베이즈인자(the intrinsic Bayes factor;IBF)를 사용한다. 또한 이 베이즈인자를 계산상 어려움을 해결하기 위해 Verdinellidh Wasserman(1995)의 일반화 세비디지키 밀도비를 이용하여 수정하고 이것을 이용하여 이상점을 검출하는 방법을 제시한다. 마지막으로 인위적으로 이상점을 포함하고 있는 데이터를 만들고 제시된 방법으로 가상실험을 하고 또한 실제 데이터에서 제시한 방법으로 이상점을 찾아보았다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1578-1582
• /
• 2007

SWAT(Soil and Water Assessment Tool) 모형을 이용한 수문 환경인자 예측에 있어서 적절한 소유역의 분할은 그 결과에 매우 중요한 영향을 미친다. 소유역의 크기, 규모 및 분할개수에 따라 유역모델링 과정과 그 결과에 큰 영향을 미치기 때문이다. 따라서 본 연구에서는 SWAT 모형의 거동 특성과 유역수준별 소유역 분할에 대한 기준을 제시할 목적으로 낙동강의 제1지류이자 국제수문개발계획(International Hydrologic Project, IHP)의 국내 대표유역 중 하나인 위천 유역을 대상으로 하여 각 유역별 소유역 분할 수에 따른 연평균 유출, 유사량 및 환경인자의 변화를 검토하였다. 여기서, SWAT 모형의 적용을 위하여 DEM, 토지이용도/토지피복도, 토양도 등의 GIS 자료와 강우량 및 기상자료를 이용하였다. 이로부터 본 논문은 위천 유역에 대한 적정 소유역 분할 기준을 제시하였으며, 이를 바탕으로 모형 구축시간 및 모의시간 단축할 수 있어 모형의 적용 효율을 높일 수 있을 것으로 판단된다.

• The Korean Journal of Applied Statistics
• /
• v.13 no.1
• /
• pp.81-96
• /
• 2000

본 논문은 의학분야에서 주로 사용되는 메타분석 중 그룹화 임의효과 모형(grouped random effects model)을 프라빗 연결함수(probit link function)를 이용하여 베이즈적 관점에서 연구하였다. 이때 프라빗 함수를 강요하기 위해 잠재변수를 정의하였고, 사전 분포를 달리한 세가지 모형을 고려하였다. 주어진 세가지 모형들에게서 적합한 모형 선택을 위하여 베이즈 인자(Bayes factor, BF)와 유사베이즈 인자(pseudo-Bayes factor, PsBF)를 이용하였다. 깁스샘플러와 메트로폴리스 알고리즘을 이용하여 베이지안 계산상의 어려움을 해결하였다. 예로써, 새로운 간질약에 대한 효과를 조사하기 위하여 앞에서 제시된 방법으로 해석하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.699-703
• /
• 2008

현재 홍수유출량을 산정하기 위해서 실무에선 각 하천마다 유출량에 대한 자료들이 부족한 실정으로 Clark 및 Snyder 등의 여러 가지 합성단위도법을 이용하여 홍수유출량을 추정하고 있는 실정이다. 이와 같이 합성단위도법을 이용하여 유출량 추정시 가장 중요시 되는 도달시간 및 저류상수 등의 매개변수를 산정하기 위하여 수자원분야에서도 GIS의 기법을 도입하여 대상유역의 수문학적 지형인자들을 추출하는 방법을 채택하고 있다. 이는 과거의 방법에 비하여 손쉽고 정확하며 신뢰성 있는 자료들을 제공하고 있지만 하천망 생성 및 유역분할 등을 생성하는 과정에서 각 적용시킨 모형마다 약간의 차이를 보이고 있는 실정이다. 따라서 본 연구에서는 각 방법들에 의해 추출되어지고 있는 지형인자들을 보다 정확하고 신뢰성 있는 수문학적 지형인자를 추출하고 이를 강우-유출모형에 적용시켜 자연하천유역의 홍수유출량을 추정하기 위하여 적절한 지형인자 추출 방법을 제시하고자 한다. 강우-유출 모의시 중요시되는 매개변수 산정을 위해 수자원종합관리시스템을 구현하기 위해 국내기술로 개발된 HyGIS 모형과 기존의 지형인자 추출 방법 중에 하나인 Arcview GIS 모형을 적용하여 분할된 소유역 및 격자크기별로 지형인자들을 추출하여 두 모형의 차이를 비교 분석하였으며 이를 토대로 매개변수 및 홍수유출량 추정에 미치는 영향을 분석 하였다. 추정된 유출량을 검증하기 위하여 실측된 유량자료로 개발된 수위-유량관계곡선식을 이용한 홍수량과 비교 검토하였다.

• Communications for Statistical Applications and Methods
• /
• v.15 no.6
• /
• pp.825-835
• /
• 2008

Multivariate GARCH(MGARCH) has been useful in financial studies and econometrics for modeling volatilities and correlations between components of multivariate time series. An obvious drawback lies in that the number of parameters increases rapidly with the number of variables involved. This thesis tries to resolve the problem by using dimension reduction technique. We briefly review both factor models for dimension reduction and the MGARCH models including EWMA (Exponentially weighted moving-average model), DVEC(Diagonal VEC model), BEKK and CCC(Constant conditional correlation model). We create meaningful portfolios obtained after reducing dimension through statistical factor models and fundamental factor models and in turn these portfolios are applied to MGARCH. In addition, we compare portfolios by assessing MSE, MAD(Mean absolute deviation) and VaR(Value at Risk). Various financial time series are analyzed for illustration.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.222-222
• /
• 2016

기후변화에 의한 자연재해의 규모와 빈도가 증가함에 따라 수자원 영향 평가 및 대응전략 수립을 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 물리기반의 분포형 수문기상모형인 DHSVM을 이용하여 2012년-2014년 동안의 한반도 유역의 기상인자 자료를 수집하여 증발산, 토양수분, 현열, 잠열, 지열, 순복사량 등의 수문기상인자를 산정하였다(Fig. 1). 모형의 적합성 평가를 위해서 안동댐 유역에 대하여 검정통계량으로 NSE(Nash-Sutucliffe model efficiency coefficient), RMSE, $R^2$, MAPE(mean absolute percentage error example)위한 계산하였다.

• Journal of the Korean Society of Hazard Mitigation
• /
• v.9 no.6
• /
• pp.119-124
• /
• 2009

In this study, the characteristics of estimating methodology for RUSLE factors such as soil erodibility factor, slope length-steepness factor, and cover management factor were reviewed and then the relative error according to each methodology was analyzed. RUSLE was applied to experimental watershed for 42 storm events and their results were compared with measured sediment yield to examine the applicability of RUSLE. As a result, this paper found that it should be necessary to consider vegetation effect for forest application of RUSLE as cover management was the most sensitive factor. Also, soil erodbility factor was calculated from data of soil series by National Academy of Agricultural Science caused sediment yield to be overestimated because there were big differences between the soil series and on-site soil texture. The 22.7% of maximum relative error was shown according to selecting the rain energy equation. In addition, it will be necessary to verify the RUSLE factors with more data in order to improve their accuracy.