• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.301-301
• /
• 2016

국내의 경우 수공구조물을 설계하기 위해서는 빈도해석을 통해 설계수문량을 산정한다. 일반적으로 실무에서는 지점빈도해석을 수행하게 되는데 설계빈도보다 대부분 짧은 기간의 자료를 이용하여 산정한다. 지역빈도해석은 이러한 자료기간이 가지는 문제점을 극복하기 위하여 확률수문량의 정확도와 신뢰도를 향상시키는 기법이다. 스케일 모델은 지속기간별로 관측된 강우자료를 이용하여 재현기간에 대한 지속기간의 함수로 표현이 가능하며, 이를 통해 강우의 IDF곡선을 제시할 수 있는 수학적 모델이다. 대상지역의 강우관측소에서 관측된 강우자료가 일단위이면, 기준지속기간이 24시간이 되며, 기준지속기간에 대한 확률강우량으로부터 임의의 지속기간에 대한 확률강우량을 스케일 모델을 이용하여 추정할 수 있다. 따라서 짧은 자료를 보유한 지역이거나 미계측 지역에 대한 확률강우량을 추정을 위해 지역빈도해석과 지역 스케일 모델을 이용하여 확률강우량을 추정하여 지점빈도해석과 비교하고자 한다. 본 연구를 위해 한강유역의 강우 관측소를 이용하였으며, 군집분석 중 k-means방법을 적용하여 수문학적 동질성을 확보한 후 지역을 구분하였다. 구분된 지역은 지점 및 지역빈도해석을 수행한 후 상대평균제곱근오차(relative root mean square error, RRMSE)를 비교하여 정확도를 판단하였고, 정확도가 높은 빈도해석에 지역 스케일 모델을 적용하여 미계측 지점에 대한 임의의 시간에 대한 확률강우량을 추정하고자 한다.

• Geophysics and Geophysical Exploration
• /
• v.24 no.3
• /
• pp.89-97
• /
• 2021

Fault detection in seismic data is well suited to the application of machine learning algorithms. Accordingly, various machine learning techniques are being developed. In recent studies, machine learning models, which utilize synthetic data, are the particular focus when training with deep learning. The use of synthetic training data has many advantages; Securing massive data for training becomes easy and generating exact fault labels is possible with the help of synthetic training data. To interpret real data with the model trained by synthetic data, the synthetic data used for training should be geologically realistic. In this study, we introduce a method to generate realistic synthetic seismic data. Initially, reflectivity models are generated to include realistic fault structures, and then, a one-way wave equation is applied to efficiently generate seismic stack sections. Next, a migration algorithm is used to remove diffraction artifacts and random noise is added to mimic actual field data. A convolutional neural network model based on the U-Net structure is used to verify the generated synthetic data set. From the results of the experiment, we confirm that realistic synthetic data effectively creates a deep learning model that can be applied to field data.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.97-97
• /
• 2016

가뭄은 홍수와 더불어 매우 심각한 자연재해이며, 그 특성상 광역적이고 장기간 발생함에 따라 구체적인 발생시점, 규모, 범위 등을 규명하기가 어렵다. 다만, 적시에 경보해야 하는 홍수와 달리 진행속도가 느리고 시간적으로 대처할 여유가 있어 진행중 일지라도 초기에 감지한다면 그 피해를 최소화할 수 있다. 미국 등 수문기상 선진국에서는 수문기상 장기예보자료를 활용한 가뭄전망정보 생산 및 제공하고 있으며, 활용성을 검증한바 있다. 국내의 경우 기상청에서는 대기-해양-해빙 모델을 접합한 GloSea5 (Global Seasonal forecasting system version 5) 모델을 도입하였으며, 가뭄예보를 목적으로 장기예보자료 기반의 가뭄전망정보 생산체계를 구축한 바 있다(기상청, 2012; 손경환 등, 2015). 본 연구에서는 장기예보자료 기반의 수문기상 전망정보를 이용하여 2014-15년 가뭄사례에 대한 가뭄감시 및 전망정보를 생산 및 평가하였다. 수문기상전망 정보는 기상청 현업예보 모델인 GloSea5와 지면모델을 이용하여 생산하였으며, 관측자료와 수문전망정보 기반의 가뭄지수를 산정하였다. 매스컴 및 언론 보도 자료부터 2014-15년 가뭄에 대한 행정구역별 피해사례를 수집하였으며, 이를 기반으로 시계열, 지역별 및 통계적(CC, RMSE) 분석을 이용하여 선행시간별 정확도를 평가하였다. 1개월 및 2개월 전망정보의 정확도가 높음을 확인하였으며, 가뭄심도가 심각한 시기의 가뭄상황을 적절히 재현하는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.45-45
• /
• 2018

오염물의 혼합거동을 해석하기 위해 물리기반 모델을 이용하는 경우 모델을 구축하고 운용하는데 많은 시간과 재정이 소요되며 현장검증을 통한 검증이 반드시 필요하다. 하지만 데이터 기반 모델의 경우 축적된 데이터만으로도 예측을 수행할 수 있으며 물리기반모델에 비해 결정해야할 입력인자가 적어 모델운용이 용이하다는 장점이 있다. 다양한 데이터 모델 중 인공신경망(ANN) 모델은 데이터가 가지는 불확실성 및 비정상성, 복잡한 상호관련성에 효과적으로 대응할 수 있는 모델로 수자원 및 환경 분야에서 자주 사용되고 있다. 본 연구에서는 인공신경망 모델을 이용하여 지천유입이 있는 대하천의 수질인자 (pH, 전기전도도, DO, chl-a)를 예측하였다. 다른 데이터기반 모델과 같이 인공신경망 모델 또한 수집된 데이터 질에 크게 영향을 받으며, 내부 입력인자의 선택이 모델의 예측 결과에 큰 영향을 미친다. 이러한 인공신경망 모델의 특성을 바탕으로 예측모형의 정확도를 향상하기 위해서는 크게 데이터 처리부분과 모델구축 부분에서의 접근이 필요하다. 본 연구에서는 데이터 처리 과정에서 연구대상지점의 각각의 수질인자가 가지는 분포 특성을 유지하기 위해 층화표츨추출법을 이용하여 데이터를 구성하였다. 모델의 구축 과정에서는 초기가중치 값의 영향을 줄이기 위해 앙상블기법을 사용하였으며, 좀 더 견고하고 정확한 결과를 예측하기 위해 탄력적 역전파알고리즘을 추가하였다. 추가적으로 합류 후 본류의 미 계측지역 수질 예측 정확도 향상을 위해 본류의 수질인자뿐만 아니라 지류의 수질인자를 입력자료로 사용하여 모의를 수행하였다. 또한 동일 구간에서 수행한 현장추적자실험 자료를 이용하여 수질인자의 분포특성을 비교, 검증하였다. 개발된 모델을 이용하여 낙동강과 금호강 합류부 하류의 수질인자를 예측한 결과 지류의 수질인자를 입력자료로 추가한 경우 예측의 정확도가 증가하였으며, 현장실험 자료를 통해 밝혀진 오염물의 거동현상을 인공신경망 모델로도 동일하게 재현하는 것으로 나타났다. 본 연구에서 제안한 인공신경모델을 이용한다면 물리기반 수치모델을 대체하여 지천으로 유입된 오염물의 거동을 정확하고 효율적으로 파악할 수 있을 것이다.

• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.305-306
• /
• 2015

과속차량 단속카메라에 촬영된 차량 전면 영상은 차량번호를 인식하여 과속차량에 과금하는 용도로 사용되나 범죄 용의자 차량을 추적하기 위한 용도로도 사용되어진다. 본 연구에서는 국소특징점의 정합을 이용하여 차량 모델을 찾는 방법을 넘어서 실시간으로 차량 모델을 찾기 위한 알고리즘을 제안한다. 입력된 영상에 대하여 차량의 모델을 특징지을 수 있는 헤드라이트를 포함한 차량의 그릴 영역을 관심영역으로 제한하고 관심영역에서 추출된 특징점들을 모델 특징벡터 데이터베이스의 자료와 비교하는 방법 을 사용하였다. 입력 영상의 크기 변화와 조명 변화에 강인한 SURF 국소특징점을 이용한 매칭 방법은 차량 모델을 찾는데 적합하나 선형적으로 탐색하는데 시간이 오래걸린다. 따라서 블러를 사용하여 차량 이미지에서 추출되는 특징점들의 수를 매칭이 가능한 수준으로 낮추는 방법으로 모델 자료로부터 탐색에 필요한 시간을 단축시켰다. 또한 모델 자료를 구조화하여 탐색시간을 줄이는 방법들을 비교하여 LSH 를 사용한 결과 차량 모델을 탐색하는데 필요한 시간이 단축됨을 보였다.

• 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.

• Proceedings of the Korean Society of Soil and Groundwater Environment Conference
• /
• 2004.04a
• /
• pp.477-481
• /
• 2004

지하수 수질자료의 분포가 광역적이고 자료의 수가 많은 지역과 자료의 분포가 국부적이고 갯수가 적은 지역을 선정하여, 모수적 통계기법인 정규크리깅과 비모수적 통계기법인 지시크리깅을 동시에 적용하였다. 베리오그램 분석은 각 수질자료의 원시 자료와 제한값을 적용하여 제한값 보다 낮거나 동일하면 '1' 의 값으로, 제한값 보다 높으면 '0' 의 값으로 변환된 자료에 대해 실시하였는데, 원시 염소이온 성분은 선형 모델이 선정되었으며, 비소 성분은 지수형 모델이 가장 적합한 것으로 선정되었다. 변환된 염소이온 성분과 비소 성분은 모두 구상형 모델이 가장 적합한 것으로 선정되었다. 정규크리깅과 지시크리깅 기법을 이용하여 지하수 오염 분포도를 작성하여 비교해 본 결과, 정규크리깅 기법은 연구지역의 자료 분포, 갯수와 범위의 영향을 크게 받는 것으로 나타났고, 지시크리깅 기법은 연구지역의 자료 분포와 특히 제한값에 따라 변환된 자료의 갯수의 영향을 크게 받는 것으로 나타났다. 정량적으로 나타낼 수 정규크리깅 기법과 정성적으로 나타낼 수 있는 지시크리깅 기법을 같이 적용한다면 지하수 오염 현황을 효과적으로 파악할 수 있을 것으로 판단된다.

• Asia Marketing Journal
• /
• v.1 no.1
• /
• pp.5.1-5.11
• /
• 1998

이 연구는 2차자료가 부족한 우리나라 슈퍼마켓 업체의 여건을 감안하여 간편하게 활용할 수 있는 입지분석 모델의 가능성을 탐구하였다. 연구모델은 두 가지 기준을 근거로 모두 네가지 모델을 설정하고 비교검토했다. 먼저 표본추출방법에 의해 내점객표본과 지역할당표본으로 분류하고, 이것을 다시 포함하는 변수의 범위에 따라 축소모델과 확장모델로 구분하였다. 공간상호작용모델의 추정에는 MNL(Multinomial Logit)방식을 이용했다. 분석결과 내점객표본으로 조사해서 얻은 응답자의 주거지와 주로 찾는 점포, 그리고 사전적으로 입수한 경쟁점포의 매장면적, 인접점포까지의 거리에 대한 자료만을 이용해서 추정한 가장 간단한 모델이 비교적 만족스러운 결과를 나타냈다.

• Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography
• /
• v.29 no.1
• /
• pp.81-89
• /
• 2011

The previous land gravity data in Korea showed locally biased irregular distribution. Especially, this problem was more serious in the mountainous area where the data density was significantly low. The same problem appeared in GPS/Levelling data thus the precision of the geoid could not be improved. From 2008, new gravity and GPS/Levelling data has been collected by the unified control point and survey on the benchmark project which were funded by the national geographic information institute. The newly obtained data has much better distribution and precision so that it could be used for update precision of geoid model. In this study, the new precision geoid has been calculated based old and new gravity data and this model showed 5.29cm of precision compared to 927 points of GPS/Levelling data. And the degree of fit and precision of hybrid geoid has been calculated 2.99cm and 3.67cm. The new gravimetric geoid has been updated about 27% over whole country. And it showed 42% of precision update due to collection of new gravity data on the Kangwon/Kyeongsang area which showed quite low distribution. In 2010, about 4,000 points of gravity and 300 points of GPS/Levelling data has been obtained by unified control and survey on benchmark project. We expect that new data will contribute to updating geoid precision and veri tying precision more objectively.

• Journal of the Korean earth science society
• /
• v.42 no.5
• /
• pp.504-513
• /
• 2021

Different physical processes, according to the atmospheric boundary layer types, were used in the Local Data Assimilation and Prediction System (LDAPS) of the Unified Model (UM) used by the Korea Meteorological Administration (KMA). Therefore, it is important to verify the atmospheric boundary layer types in the numerical model to improve the accuracy of the models performance. In this study, the atmospheric boundary layer types were verified using observational data. To classify the atmospheric boundary layer types, summer intensive observation data from radiosonde, flux observation instruments, Doppler wind Light Detection and Ranging(LIDAR) and ceilometer were used. A total number of 201 observation data points were analyzed over the course 61 days from June 18 to August 17, 2019. The most frequent types of differences between LDAPS and observed data were type 1 in LDAPS and type 2 in observed(each 53 times). And type 3 difference was observed in LDAPS and type 5 and 6 were observed 24 and 15 times, respectively. It was because of the simulation performance of the Cloud Physics such as that associated with the simulation of decoupled stratocumulus and cumulus cloud. Therefore, to improve the numerical model, cloud physics aspects should be considered in the atmospheric boundary layer type classification.