• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.328-328
• /
• 2023

표준강수지수(Standardized Precipitation Index, SPI)는 강수량 변동의 정도를 표준화하여 나타낸 지수로, 가뭄 평가에 적용되고 있다. 일반적으로 SPI를 산정할 때는 월 단위의 시간 척도를 적용하며, 장기간의 가뭄에 대해 평가한다. 그러나 시간 척도가 길어질수록 가뭄 발생 후 가뭄을 감지하는 데 걸리는 시간이 더 길어지기 때문에 대처가 더욱 어려워진다. 또한, 기후변화로 인해 가뭄 빈도가 증가하고, 그 정도가 더욱 심화되면서 일 단위의 적용이 필요해지고 있다. 본 연구는 한반도 남부지역을 대상으로 일 단위의 SPI 적용을 위한 최소 시간 척도를 조사하였다. 대상 지역을 강원권, 수도권, 부울경, 대경권, 호남권, 충청권의 총 6개 지역으로 분리하여, 각 지역별, 계절별 최소 시간 척도를 조사하였다. SPI 산정을 위해 후보 분포형으로 Gumbel, Gamma, GEV, Loglogistic, Lognormal, Weibull을 적용하였으며, 시간 척도는 5일부터 365일까지 총 10개로 설정하였다. 본 연구에선 크게 적합도 검정과 정규성 검정으로 진행하였다. 적합도 검정에서는 Chi-square test를 적용하였으며, 이때 일 단위의 짧은 시간 척도를 적용할 경우 누가 강수 시계열의 값이 0으로, 0값이 시계열에 포함되면 SPI의 정확도가 떨어지는 문제가 발생하는데, 이를 보완하기 위해 누가 강수 시계열의 0값을 고려하였다. 마지막으로 각 후보 분포형을 적용하여 산정된 SPI가 표준정규분포에 합당한지를 검증하기 위해 Anderson-Darling test를 수행하였다. 결과적으로 대부분의 지역에서는 봄과 여름의 경우 최소 15일 정도의 시간 척도까지는 적용할 수 있을 것으로 판단되며, 겨울의 경우는 최소 30일 정도의 시간 척도를 적용해야 함을 확인하였다. 지역별로 차이가 크진 않지만, 이러한 연구 결과를 참고하여 각 지역별로 더 나은 가뭄 대책을 마련할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.118-118
• /
• 2021

최근 지구 온난화 현상으로 인한 기후변화로 이상기후 현상이 발생하고 있으며 이로 인해 장기적으로 폭염의 빈도 및 강도 상승에 따른 가뭄 피해 우려가 증가하고 있다. 농업 가뭄은 강수량 부족, 토양 수분 부족, 저수량 부족 등 농업분야에 영향을 주는 인자들과 관련되어 있어 농작물 생육 및 수확량 감소를 야기한다. 우리나라는 논농사가 주를 이루고 있어 국내 농업 가뭄은 주수원공인 농업용 저수지의 가용저수용량으로 판단 가능하다. 따라서 안정적인 농업용수 공급을 위해 수리시설물의 모니터링, 공급량 등의 분석이 이루어져야 하며, 농업 가뭄에 대비하기 위해 농업용 저수지의 가용저수용량 파악이 필요하다. 수자원 분야에서 지점자료의 시·공간적 한계점을 보완하기 위해 인공위성 자료를 활용한 연구가 활발히 이루어지고 있으며, 본 연구에서는 위성영상 자료 및 딥러닝 기반 알고리즘을 적용하여 농업용 저수지 수표면 탐지 및 시계열 분석을 목적으로 한다. 위성영상 자료는 5일 주기 및 10 m 공간해상도를 가진 Sentinel-2 위성영상 자료를 활용하고자 하였으며, 딥러닝에 적용하기 위하여 100장 이상의 영상 이미지를 구축하였다. 딥러닝 기반 알고리즘으로는 Convolutional Neural Network (CNN)을 활용하였으며, CNN은 주로 이미지 분류나 객체 검출 문제를 해결하기 위해 제안된 모델로 최근 픽셀 단위로 분류가 가능한 알고리즘이 개발되어 높은 정확도의 수표면 탐지가 가능할 것으로 판단된다. 따라서 본 연구에서는 CNN 기반 수표면 탐지 알고리즘을 개발하여 Sentinel-2 영상 기준 경기도 안성시를 대상으로 소규모 농업용 저수지의 수표면적에 대한 시계열 데이터를 분석하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.1012-1016
• /
• 2006

최근 오염총량관리제도를 위한 오염부하량의 관리문제가 대두되면서 이를 위한 수질분석의 중요성이 인식되고 있다. 그러나 시간적 변화를 가진 유입유량, 유입부하량 자료의 한계로 인하여 기준유량을 대상으로 하는 정적수질분석의 결과가 환경정책에 반영되고 있는 실정이며, 이는 하천유량의 변동과 강우 시 비점오염부하량을 무시한 지극히 제한된 분석에 국한되어 있다. 따라서 시간적 변화를 가진 동적수질분석의 결과가 정책에 반영되기 위해서는 자료의 확보가 우선이다. 본 연구에서는 월 별, 소유역 별 시계열 자료 확보를 위하여 합리적이고 사용이 용이한 방법을 제시하였다. 유출량의 경우, 기존의 비유량법과는 달리 저류효과를 고려한 토양수분 저류구조 Tank모형을 적용하여 장기간의 유출량을 산정하였고, 유출농도의 경우, 기존 인접유역의 동일 유달계수 적용과는 달리, 월 오염부하총량비와 유역오염부하 전달함수를 이용하여 월 별, 소유역 별, 수질변수 별 유출농도를 산정하였다. 산정된 유출량과 유출농도는 남강댐 상류유역 하천에서 WASP 모형을 가지고 동적수질분석을 하기 위하여 적용되었다. 그 결과 적절한 오염물질 농도곡선을 얻을 수 있었으며, 제안된 가정의 적용 가능성은 충분하였다.

• 재무관리연구
• /
• 제17권1호
• /
• pp.91-110
• /
• 2000

충격이 경제에 가해질 때 이 충격이 경제 내에 일시적으로 존속하는 경우도 있고 이 충격이 영구히 존속하는 경우도 있다. 이 양극단 사이의 과정도 존재할 수 있다. 이것을 표상한 것이 stopbreak 과정이다. 충격의 효과가 영구적 효과와 일시적 효과 사이에서 파동하는 시계열을 모형화한 것이 이 과정인 것이다. 이 과정에서는 일정한 기간에는 영구적인 평균이동이 발생하여 구조변화가 발생한다. 다른 기간에 발생하는 충격은 그 효과가 급속히 소멸한다. 밀접한 관계를 맺고 있는 두 주가의 비율은 한 주가의 변동이 제시하는 것을 분석하고 이것을 이용하여 다른 주가를 예측할 수 있는 정보를 제공한다. 한 주가의 변동이 발생하면 이 두 주가의 비율은 변동한다. 그러나 한 주가의 변동의 정보성이 인정되어 이 정보가 다른 주가에 반영되어 조정되면 두 주가의 비율은 변동이전의 수준으로 회귀할 것이다. 변동이 영구적이면 두 주가비율은 동일한 수준을 유지할 것이다. 반면 다른 주가에 영향을 미치지 못하는 정보이면 두 주가의 비율은 변동된 상태에서 지속될 것이다. 일정기간은 영구적 구조변화가 발생하고 그 이외의 기간에는 구조 변화가 발생하지 않고 있는 것이다. 따라서 stopbreak 과정을 사용하여 정확한 예측을 수행할 수 있다. 주가지수들이 stopbreak 과정에 의하여 생성되고 있음이 발견되었다. 즉 주가지수들은 확률적 영구구조변화가 발생하고 있는 시계열들이다. 종합주가지수/제조업지수 역시 확률적 영구구조변화를 가지는 stopbreak 과정에 의하여 생성되고 있음이 밝혀졌다. 이 과정을 실제에 적용하여 주가의 움직임을 파악하면 예측이 가능하다. 특히 연관성이 깊은 두 주식의 주가비율을 사용할 때 효과적이라 할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제6권9호
• /
• pp.457-464
• /
• 2017

실내 공기 품질 측정은 측정 대상 공간의 대기 상태 유지, 외부 변인으로 인한 대기 이상 현상을 검출하려는 방법이다. 실내 공기 품질을 주기적으로 기록하면서 변인에 따른 공기 변화에 특정 패턴이 발생함을 관측할 수 있었으나, 파라미터를 설정하고 계수를 찾아 나가기엔 파라미터의 개수나 그 영향력을 추산하기 어렵고 결과가 시간에 의존적이라는 문제가 있다. 따라서 본 실험은 이것을 공식화하는 대신, 측정 주기마다 추이를 예측하는 관측치 중심의 기계 학습 모델을 개발하는 것을 목표로 한다. 본 논문은 실내 대기 품질을 주기적으로 전송 및 저장하는 측정기의 기록 데이터로 공기 품질 변화를 예측하는 모델을 설명하고 시계열 분석 모델을 구축한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.1395-1399
• /
• 2010

최근 들어 전 세계적으로 태풍과 가뭄 그리고 국지적인 호우 등의 기상변화로 인하여 수자원 종합적인 개발과 이용계획에 대한 전문적인 예측이 필요하다. 우리나라는 홍수기에 집중적인 강우 발생으로 인하여 평수기와 유입량 차이가 심한 수문특성을 가지고 있어 안정적인 수자원 공급에 대한 장기적인 관점에서 이수와 치수정책을 수립해야 한다. 본 연구는 1985년 1월부터 2008년 12월까지 24년에 해당하는 한정된 기간의 짧은 유출량 자료를 갖는 대청댐 유역에서의 시계열 유입량 특성을 Box-Jenkins모형 또는 ARIMA모형을 적용하여 추계학적 분석을 실시하였다. 월유입량과 같은 비정상성 시계열에 적용될 수 있는 적절한 추계학적 모형을 찾기 위하여 모형의 식별과 모형의 추정, 모형의 검진 등의 3단계에 걸친 분석을 실시하였다. 연구결과 대청댐 월유입량 예측모형으로 승법계절 ARIMA$(0,1,2){\times}(1,1,0)_{12}$이 유도되었으며, 이 모형으로 1, 3, 6, 12개월의 선행기간에 대한 실시간 유입량을 예측하였다. 예측된 유입량을 2008년 실측유입량과 비교한 결과 6개월에 대한 예측의 정확성이 가장 높게 나타났다. 또한 평수기와 홍수기를 구분한 예측도 실시하였으며, 평수기는 1개월 홍수기는 3개월 간격으로 예측하는 것이 가장 적절한 것으로 분석되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.184-184
• /
• 2020

수자원 계획 및 관리 시 증발산량의 정량적 분석은 필수적으로 고려되는 사항 중 하나이다. 일단위 이하의 잠재증발산량 산정은 세계식량기구(FAO)가 Penman-Monteith 방법을 기반으로 개발한 FAO56 PM 방법을 주로 활용하며, 이는 다른 방법에 비하여 높은 정확성과 적용성이 뛰어나다. 그러나 FAO56 PM 방법의 입력 매개변수는 다양한 기상자료이며, 장기간의 신뢰성 높은 자료를 구축하는 것은 어려운 실정이다. 이에 본 연구에서는 증발산량 공식인 Hargreaves 공식을 활용하여 FAO56 PM 방법으로 산정된 잠재증발산량과 기온차 사이의 시계열 관계를 재구성한 회귀분석 기법을 개발하였다. 개발된 모형에 유역면적을 적용하여 유역면적별 잠재증발산량을 산정하였으며, 이를 기존의 잠재증발산량과의 비교를 통해 모형의 적합성을 평가하였다. 결과적으로, 복잡한 잠재증발산량식을 단순한 대체모형(surrogate model)으로 제시함으로써 효율적인 증발산량 정량적 평가와 제한적인 기상자료 조건에 보편적 활용이 가능하다. 향후 연구에서는 회귀분석방법에 Bayesian 추론기법을 활용하여 구성함으로 잠재증발산량의 불확실성을 정량적으로 표현하고자 한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.172-172
• /
• 2021

주된 물관리 시설의 신뢰성 있는 운영 계획의 수립을 위하여 충분한 길이의 유입량을 확보하는 것은 중요하나 현실적으로 제한된 관측 자료만 존재한다. 본 연구에서는 충분한 길이의 유입량을 생성하기 위하여 유입량의 모의 방법론을 제안하고자 한다. 제안하는 모형은 크게 3가지의 방법론을 기반으로 한다. 첫 번째는 연 유입량과 월 유입량의 생성단계로 Wavelet 기반으로 Autoregressive-moving-average(ARMA)을 적용할 것이다. 다음으로 일 유입량의 생성에 있어서 과거 관측값을 기반으로 한 Z-Score-based jittering 방법론을 적용할 것이다. 이렇게 각각 생성된 연 유입량, 월 유입량 그리고 일 유입량을 K-Nearest Nedighbors (K-NN) 방법론을 이용하여 최종 유입량을 결정하고자 한다. 생성된 유입량의 유용성을 판단하기 위하여 본 연구에서는 단기와 장기에서의 시계열의 지속성을 허스트 지수와 상관계수를 사용하여 검증할 것이며 이를 과거 관측치와 비교하고자 한다. 또한 각각의 연, 월, 일별의 기준으로 주요 통계치인 평균과 표준편차를 과거 관측 시계열의 통계치와 비교하여 그 유용성을 판단할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.95-98
• /
• 2021

최근 비정상적인 네트워크 활동 감지 및 네트워크 서비스 프로비저닝과 같은 다양한 분야에서 응용되는 네트워크 트래픽 예측 기술이 네트워크 통신 문제에 의한 트래픽의 결측 및 네트워크 유저의 불규칙한 활동에 의한 비선형 특성 때문에 발생하는 성능 저하를 극복하기 위해 딥러닝 신경망에 대한 연구가 활성화되고 있다. 이 딥러닝 신경망 중 시계열 딥러닝 신경망은 단기 네트워크 트래픽 볼륨을 예측할 때 낮은 오류율을 보인다. 하지만, 시계열 딥러닝 신경망은 기울기 소멸 및 폭발과 같은 비선형성, 다중 계절성 및 장기적 의존성 문제와 같은 한계를 보여준다. 이 논문에서는 계절성 임베딩을 고려한 주의 신경망 기반 트래픽 예측 기법을 제안한다. 제안하는 기법은 STL 분해 기법을 통해 분해된 트래픽 트랜드, 계절성, 잔차를 이용하여 일별 및 주별 계절성을 임베딩하고 이를 주의 신경망을 기반으로 향후 트래픽을 예측한다.

• 응용통계연구
• /
• 제35권6호
• /
• pp.685-701
• /
• 2022

FDR은 1종 오류를 제어하는 매우 보수적인 FWER과 달리 더 자유로운 변수 판단을 제공하여 고차원 자료의 추론에 있어 널리 쓰이고 있다. 본 논문은 Barber와 Candès (2015)가 제안한 knockoff 방법론을 사용하여 FDR을 일정 수준으로 제어하면서 고차원 장기억 시계열 모형인 성근 VHAR 모형을 추정하는 방법을 제안한다. 또한 기존의 방법론인 AL (adaptive Lasso)와의 모의실험을 통한 비교 연구를 통해서 장단점을 비교하였다. 그 결과 AL이 성근 일치성을 보이는 등 전체적으로 좋은 성질을 가지고 있지만, FDR의 관점에서는 비교적 높은 값을 주는 것을 관찰했다. 즉 AL은 0인 계수를 0이 아닌 계수로 추정하려는 경향이 있었다. 반면, knockoff 방법론은 FDR을 일정 수준으로 유지하였지만 표본의 수가 작을 경우 매우 보수적으로 0이 아닌 계수를 찾아냄을 관찰할 수 있었다. 하지만, 모형이 희박할 수록 knockoff의 성능이 크게 향상됨을 확인할 수 있어 표본의 개수가 크고 성근 모형일 경우 knockoff 방법론이 우수함을 살펴볼 수 있었다.