• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1536-1540
• /
• 2010

자료기반 수문예측 모형은 서로 자기상관이 다른 자료계열에 대해 예측결과만으로 모형의 성능에 대한 상대비교가 어렵다. 그러나 관측치와 예측치간의 평균 오차만을 기준으로 판단하는 기존의 모형 성능평가 기법은 대부분 이러한 자료기반 예측모형의 특성을 고려하지 못하고 있다. 따라서 본 논문에서는 자료기반 수문 예측모형의 성능을 보다 객관적으로 평가할 수 있는 새로운 모형 성능평가 기법인 상대 상관계수(Relative Correlation Coefficient; RCC) 제시하였다. RCC는 자기상관계수에 대한 관측치와 예측치간의 상관계수의 비로 산정되며, 자기상관정도에 따라 예측성능의 결과가 달라진다. 본 논문에서는 다양한 자기상관을 가지는 선형, 비선형 자료계열에 대해 자료기반 수문모형을 적용하여 기존 모형평가 기법의 한계를 제시하였다. 그리고 기존의 성능평가 기법과 RCC를 비교분석하여 자료기반 수문예측모형의 성능평가에 있어 RCC가 보다 객관적이고 일관성 있는 성능평가가 가능함을 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.150-150
• /
• 2023

기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• pp.53-56
• /
• 2003

유사도 혹은 자료간의 거리 개념은 많은 기계학습 알고리즘에서 사용되고 있는 중요한 측정개념이다 하지만 입력되는 자료의 속성들중 순서가 정의되지 않은 범주형 속성이 포함되어 있는 경우, 자료간의 유사도나 거리 측정에 어려움이 따른다. 비거리 기반의 알고리즘들의 경우-C4.5, CART-거리의 측정없이 작동할 수 있지만, 거리기반의 알고리즘들의 경우 범주형 속성의 거리 정보 결여로 효과적으로 적용될 수 없는 문제점을 갖고 있다. 본 논문에서는 이러한 범주형 자료들간 거리 측정을 자료 집합의 특성을 충분히 고려한 방법을 제안한다. 이를 위해 자료 집합의 선험적인 정보를 필요로 한다. 이런 선험적 정보인 조건부 확률을 기반으로한 거리 측정방법을 제시하고 오류 피드백을 통해서 속성 간 거리 측정을 최적화 하려고 노력한다. 주어진 자료 집합에 대해 서로 다른 두 범주형 값이 목적 속성에 대해서 유사한 분포를 보인다면 이들 값들은 비교적 가까운 거리로 결정한다 이렇게 결정된 거리를 기반으로 학습 단계를 진행하며 이때 발생한 오류들에 대해 피드백 작업을 진행한다. UCI Machine Learning Repository의 자료들을 이용한 실험 결과를 통해 제안한 거리 측정 방법의 우수한 성능을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.114-114
• /
• 2021

본 연구에서는 Sentinel-1 SAR 센서 기반 이미지자료와 딥러닝기법을 이용하여 고해상도 토양수분을 산정하였다. 입력자료는 지표특성(모래함량, 점토함량, 경사도), 인공위성 기반의 강우와 LANDSAT 기반의 이미지자료(NDVI, LST, 공간분포 토양수분)를 사용하였다. 강우자료의 경우 GPM(Global Precipitation Measurement) 일강우 자료를 사용하였으며, 관측일 기준으로 5일전까지의 강우자료와 5일평균강우를 구분하여 사용하였다. LANDSAT 기반의 토양수분 이미지자료와 지점관측 토양수분을 이용하여 검·보정 이후 딥러닝 모형의 입력자료로 사용하였다. 입력자료는 30m × 30m 해상도로 Resample 하여 딥러닝 모형의 학습을 진행하였으며, 학습에 사용된 모형을 이용하여 Sentinel-1 기반의 고해상도(10m × 10m) 토양수분이미지를 산정하였다. 검증지점은 거창군 거창읍, 계룡시 두마면, 장수군 장수읍 및 무주군 무주읍 토양수분 관측지점을 선정하였다. 거창군 거창읍의 산정결과, LANDSAT 기반의 토양수분 이미지와 DNN 기반의 토양수분 이미지가 매우 유사하게 나타났으며, 모의값(DNN 기반 토양수분)이 실측값(LANDSAT 기반의 토양수분)을 잘 반영한 것(R: 0.875 ; RMSE: 0.013)으로 나타났다. 또한 학습모형을 토지피복이 유사한 지역에 적용하여 토양수분을 산정한 결과 검증지점 계룡시(R: 0.897 ; RMSE: 0.014), 장수군(R: 0.770 ; RMSE: 0.024) 및 무주군(R: 0.909 ; RMSE: 0.012)의 모의값이 실측값과 매우 유사한 것으로 나타났다. 이를 바탕으로 Seninel-1 SAR센서 이미지자료와 딥러닝기법을 연계한 고해상도 토양수분자료가 농업, 수문, 환경 등 다양한 분야에서 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.268-268
• /
• 2011

최근 들어 격자 기반의 분포형 유출 모형에 대한 활용이 증가하면서 격자형 강우자료의 활용을 위한 전처리 과정의 중요성 또한 증대되고 있다. 격자 기반의 수문모형에서 활용하기 위한 격자형 강우자료는 유역 격자와 동일한 위치 및 격자 크기를 가진다. 격자형 강우자료는 텍스트 파일 혹은 GIS 레이어로 저장되며, 강우 기간에 대한 시계열 정보를 나타내므로 일반적으로 수십내지 수천 개의 파일로 구성된다. 본 논문은 격자 기반의 다수의 분포형 강우 파일을 사용목적에 맞게 생성 및 가공하기 위한 GRM(Grid based Rainfall-runoff Model) Tools의 활용에 대해서 기술한다. GRM Tools는 격자 기반의 물리적 분포형 강우-유출 모형인 GRM에서 자료 처리를 위해 제공하는 도구이다. GRM Tools에 포함된 기능 중 강우자료의 처리를 위한 기능은 지점 강우자료를 이용한 분포형 강우자료 생성, 레이더 강우자료의 보정, 기상위성 자료를 이용한 강우 생성, 임의 격자 및 유역 평균 강우량 시계열 자료 추출, 텍스트 파일 변환 및 처리 등이다. GRM Tools 에서는 이와 같은 강우자료 처리 작업을 다수의 파일에 대해서 일괄적으로 수행함으로써 격자 기반의 분포형 강우자료 생성 작업을 효율적으로 수행할 수 있다.

• 한국정보교육학회:학술대회논문집
• /
• 2009.08a
• /
• pp.127-132
• /
• 2009

최근 웹상에는 교육적으로 활용 가능한 자료들이 산재해 있다. 이에 따라 학교 현장에서도 웹 기반의 멀티미디어 자료에 대한 활용이 크게 증가하고 있다. 그러나 웹 페이지 안에 포함되어 있는 여러 멀티미디어 자료들을 실시간으로 활용할 수 있도록 관리 및 서비스하는 파일 서버 시스템은 찾아보기 어려운 형편이다. 이에 본 연구에서는 효율적인 자료 관리 및 사용을 위해 개별적으로 서비스 되고 있는 다양한 멀티미디어 교육 자료들을 수집, 관리하고 그 자료를 멀티 프로토콜 기반으로 관리 및 서비스할 수 있는 파일 서버 시스템을 설계하고 구현하고자 한다. 본 연구 결과는 멀티미디어 자료의 공유 및 활용을 높이는데 사용될 수 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.328-328
• /
• 2020

본 연구에서는 강우앙상블 멤버를 입력자료로 한 강우기반 유출앙상블 멤버와 관측 강우자료를 입력자료로 한 모형기반 유출앙상블 멤버를 생성하고 각 유출앙상블 멤버의 정확도를 비교·평가하였다. 본 연구에서는 강우앙상블 멤버 생성을 위해 서울 지역을 대상으로 강우장 이동 모의에 필요한 모의 격자망을 구축하였다. 다음으로 최근 10년 동안 발생한 37개 호우사상의 관측자료를 토대로 격자별 특성방향을 결정하고 특성방향의 통계치로부터 유도된 베타분포를 기반으로 강우앙상블 멤버를 생성하였다. 유출앙상블 멤버는 대한민국 서울에 위치한 구로1 빗물펌프장 배수유역을 대상으로 shot noise process 기반 강우-유출모형을 이용하여 생성하였다. 강우-유출모형 매개변수의 난수 생성을 위해서 감마분포를 이용하였다. 2017년과 2018년 발생한 호우사상을 대상으로 강우기반 및 모형기반 유출앙상블을 생성한 결과, 강우의 방향성을 조정하여 생성한 강우기반 유출앙상블의 정확도가 더 높은 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.503-503
• /
• 2015

농촌유역의 물순환 해석은 기후변화, 사회/경제적 변화, 유역환경변화 등의 복잡한 상호작용과 불확실성을 수반한 다양한 형태로 발현하고 있다. 효율적인 농촌유역 수자원 관리를 위해서는 농촌유역에 적합한 데이터베이스를 설계하여 농업생산기반시설, 유역 특성, 기상 및 수문 자료, 기후 변화 자료를 각각 구축하고, 외부 환경의 일회성 평가에 기반을 두어 수행되었던 과거의 접근 방법에서 나아가 내외부의 복합적인 환경변화를 능동적으로 반영하기 위한 요소 모듈 방식의 지능형 관리기법의 개발이 필요하다. 본 연구의 목적은 농촌유역 물순환 해석을 위해 필요한 자료를 효율적으로 가공 및 사용할 수 있는 웹기반 자료 전처리 및 모형 연계 시스템을 개발하는데 있다. 농촌유역 물순환 해석을 위해 농촌유역 데이터베이스 설계, 농업생산기반시설 인벤토리 구축, 유역 물리특성/기상/수문 등의 데이터베이스 구축, 기후변화 자료를 구축하고 이를 웹으로 구현하여 물순환 해석 시스템을 개발하였다. 본 연구는 농촌유역 물순환 해석을 위한 자료 전처리 및 모형 연계 시스템을 개발함으로써 지능형 물순환 해석 및 관리 시스템을 개발하는데 기여할 수 있을 것으로 사료된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.198-198
• /
• 2023

유역 내 수자원 계획을 효율적으로 수립하기 위해서는 장기간에 걸친 수문 모델링 뿐만 아니라 미래 기후 시나리오에 따른 수문학적 기후변화 영향 분석도 중요하다. 이를 위해서는 관측 값에 기반한 고품질 및 고해상도 격자형 기상자료 생산이 필수적이다. 하지만, 우리나라는 종관기상관측시스템(ASOS)과 방재기상관측시스템(AWS)으로 이루어진 고밀도 관측 네트워크가 2000년 이후부터 이용 가능했기에 장기간 격자형 기상자료가 부족하다. 이를 보완하고자 본 연구는 가정적인 상황에 기반하여 만약 2000년 이전에도 현재와 동일한 고밀도 관측 네트워크가 존재했다면 산출 가능했을 장기간 일 단위 고해상도 격자형 기상자료를 생산하는 것을 목표로 한다. 구체적으로, 2000년을 기준으로 최근과 과거 기간의 격자형 기상자료를 딥러닝 알고리즘으로 모델링하여 과거 기간을 대상으로 기상자료(일 단위 기온, 강수량)의 공간적 변동성 및 특성을 재구성한다. 격자형 기상자료의 생산을 위해 우리나라의 고도에 기반하여 기상 인자들의 영향을 정량화 하는 보간법인 K-PRISM을 적용하여 고밀도 및 저밀도 관측 네트워크로 두 가지 격자형 기상자료를 생산한다. 생산한 격자형 기상자료 중 저밀도 관측 네트워크의 자료를 입력 자료로, 고밀도 관측 네트워크의 자료를 출력 자료로 선정하여 각 격자점에 대해 Long-Short Term Memory(LSTM) 알고리즘을 개발한다. 이 때, 멀티 그래픽 처리장치(GPU)에 기반한 병렬 처리를 통해 비용 효율적인 계산이 가능하도록 한다. 최종적으로 1973년부터 1999년까지의 저밀도 관측 네트워크의 격자형 기상자료를 입력 자료로 하여 해당 기간에 대한 고밀도 관측 네트워크의 격자형 기상자료를 생산한다. 개발된 대부분의 예측 모델 결과가 0.9 이상의 NSE 값을 나타낸다. 따라서, 본 연구에서 개발된 모델은 고품질의 장기간 기상자료를 효율적으로 정확도 높게 산출하며, 이는 향후 장기간 기후 추세 및 변동 분석에 중요 자료로 활용 가능하다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.9 no.3
• /
• pp.146-155
• /
• 2006

A handful of previous studies have attempted to integrate socioeconomic data and remotely sensed data for urban quality of life assessment with their spatial dimension in a zonal unit. However, such a zone-based approach not only has the unrealistic assumption that all attributes of a zone are uniformly spatially distributed throughout the zone, but also has resulted in serious methodological difficulties such as the modifiable areal unit problem and the incompatibility problem with environmental data. An alternative to the zone-based approach can be a pixel-based approach which gets its spatial dimension through a pixel. This paper proposes a pixel-based approach to linking remotely sensed data with socioeconomic data in GIS for urban quality of life assessment. The pixel-based approach uses dasymetric mapping and spatial interpolation to spatially disaggregate socioeconomic data and integrates remotely sensed data with spatially disaggregated socioeconomic data for the quality of life assessment. This approach was implemented and compared with a zone-based approach using a case study of Fulton County, Georgia. Results indicate that the pixel-based approach allows for the calculation of a microscale indicator in the urban quality of life assessment and facilitates efficient data integration and visualization in the assessment although it costs an intermediate step with more processing time such as the disaggregation of zonal data. The results also demonstrate that the pixel-based approach opens up the potential for the development of new database and increased analytical capabilities in urban analysis.