• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.05a
• /
• pp.323-332
• /
• 2002

전자상거래와 같은 분산컴퓨팅환경에서는, 의사결정을 위해 협동적 문제해결과 사례기반의 자동 모형화가 더욱 중요시 되고 있다. 왜냐하면, 문제요구는 다양하고 이에 대응하기 위해 모든 모형을 준비한다는 것은 실제로 어려우며, 모형의 저장 및 관리관점에서도 비효율적이기 때문이다. 이에 따라, 최적화 에이전트 기반의 자동 모형화에 의한 문제해결을 위한 연구의 필요성이 인식되고 있다. 본 연구에서는 최적화 모형에 대한 지식이 부족한 사용자 수준의 XML 표현과 같은 문제요구를 이해하고, 최적화 모형 사례로부터 목표모형을 탐색하는 최적화 에이전트를 위한 사례기반 자동 모형화의 프레임웍을 제시한다. 이를 위해, 자동 모형화 지식의 표현과 목표모형 탐색을 위한 전방향 추론절차를 제시한다 최적화 에이전트는 모형화 노력을 줄이기 위해서, 민감도분석을 통해 성능이 평가된 탐색 알고리즘을 사용한다.

• Water for future
• /
• v.39 no.9 s.158
• /
• pp.83-94
• /
• 2006

1900년대 초부터 수자원공학에서의 최적화 기법은 상당한 기대 속에서 많이 활용되어 왔다. 최적화 모형은 시뮬레이션 모형에 비하여 상당히 많은 장점이 있음에도 불구하고, 기대한 만큼의 효과를 보지 못하고 있다. 그동안 실패한 사례도 많지만, 성공적인 사례도 많이 나오고 있다. 실패하는 이유는 개발자에게 더 많은 책임이 있지만, 모형에 대한 이해부족에 따른 사용자의 잘못도 있다 최적화 모형은 장점도 있지만, 단점도 많으므로 그 한계를 확실히 이해하고, 개발자는 물론 사용자도 실제 활용에 많은 주의를 기울여야 한다. 무리하게 사용하게 되면 시뮬레이션 모형을 활용하는 것 보다 종종 못한 결과가 나을 수도 있다. 최적화 모형에 대한 이해를 돕기 위해서 부족하지만, 수자원 공학에서 최적화 모형의 활용에 관련된 내용을 세 번에 나누어서 정리하였다.

• Water for future
• /
• v.39 no.7 s.156
• /
• pp.81-87
• /
• 2006

1960년도 초 부터 수자원공학에서의 최적화 기법은 상당한 기대 속에서 많이 활용되어 왔다. 최적화 모형은 시뮬레이션 모형에 비하여 상당히 많은 장점이 있음에도 불구하고, 기대한 만큼의 효과를 보지 못하고 있다. 그동안 실패한 사례도 많지만, 성공적인 사례도 많이 나오고 있다. 실패하는 이유는 개발자에게 더 많은 책임이 있지만, 모형에 대한 이해부족에 따른 사용자의 잘못도 있다. 최적화 모형은 장점도 있지만, 단점도 많으므로 그 한계를 확실히 이해하고, 개발자는 물론 사용자도 실제 활용에 많은 주의를 기울여야 한다. 무리하게 사용하게 되면 시뮬레이션 모형을 활용하는 것 보다 종종 못한 결과가 나올 수도 있다. 최적화 모형에 대한 이해를 돕기 위해서 부족하지만, 수자원 공학에서 최적화 모형의 활용에 관련된 내용을 앞으로 세 번에 나누어 정리해 본다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2004.05b
• /
• pp.1117-1121
• /
• 2004

본 인구는 유역 물관리에 내한 기초연구로서 유전자 알고리즘(Genetic algorithm)을 사용하여 유역내 장기유출 및 단기유출모형의 매개변수를 최적화하므로 유역의 이${\cdot}$치수관리를 위한 과학적인 유출량산정에 목적이 있다. 장기유출모형은 수정 TANK모형, 단기유출모형은 저류함수모형을 선정하여 최적화를 실시하였다. 또한, 장기유출모형의 홍수기에 대한 부정확성을 보정하기 위해 평수기와 홍수기로 매개변수의 최적화를 실시하므로 수정 TANK모형의 단점을 보완하였다. 수정 TANK모형과 저류함수모형의 적용결과 각각 장${\cdot}$단기 유출량에서 실측값과 비교하여 유의성을 나타냈으며, 홍수시 수정 TANK모형과 실측유출량의 비교결과 최적화 전의 모의 보다 높은 상관성을 나타내므로 본 인구의 수정 TANK모형을 사용하여 유역의 효율적인 장기물수지분석이 가능하리라 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2002.05b
• /
• pp.1316-1321
• /
• 2002

일반적으로 강우-유출모형은 lumped model과 distributed model로 크게 구분될 수 있으며, 우리나라에서는 이중 비교적 부족한 자료를 이용하여도 개략적 모의가 가능한 전자를 널리 사용하고 있다. 본 연구에서는 이러한 모형들의 매개변수를 보정하는 방법에 관해 연구하였다. 일반적으로 모형의 보정 방법에는 크게 시행오차에 의한 수동보정(manual calibration) 방법과 최적화 기법에 의한 자동보정(automatic calibration) 방법으로 나눌 수 있다. 수동보정 방법은 모형 수행결과를 수문곡선의 시각적 비교에 의해 관측치와 비교하여 모형 운영자의 주관적인 판단하에 조정하는 기법이며, 자동보정 방법은 최적화 기법을 이용8하여 특정한 산정기준(estimation criteria)을 최대 또는 최소화시켜 모형의 매개변수를 결정하는 방법이다. 이러한 최적화기법은 일반적으로 직접탐색법과 경사법으로 구분할 수 있다. 경사법은 수렴속도가 빠르지만 편미분에 의해 방향을 찾아가는 방법으로 편도함수가 필요하므로 수문모형에는 적용하기가 힘들므로 적합하지 않다. 그러나, 보다 많은 컴퓨터 수행시간을 필요로 하는 직접탐색법의 경우 수렴속도는 느리지만, 편도함수를 필요치 않으므로 수문모형의 최적화 기법으로 적합하다고 할 수 있다. 직접탐색법에는 simplex-search 법, 패턴인식(pattern-search)법, rotating-direction 법, brent 법 등이 있으며, 본 연구에서는 직접탐색법의 일종인 패턴인식(pattern -search)법을 이용하여 매개변수 최적화 과정을 모의하였다. 이러한 매개변수 보정모형을 구성한 후 이를 가장 보편적으로 사용되고 있는 유출모형인 각종 단위도법들을 결합하는 모형을 구성하였다. 또한 구성된 모형을 시범유역에 적용하여 나온 결과를 HEC-1에서 적용되고 있는 단일변량 증감법과 같은 최적화 기법을 이용한 결과와 비교·분석을 실시하였다. 본 모형을 활용하여 강우-유출 모형의 매개변수를 지속적으로 산정하고 일반화할 경우 임의의 유역의 수문기상학적 특성에 부합한 매개변수를 정량화 시킬 수 있었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.299-299
• /
• 2021

본 연구에서는 강우-유출 모형의 매개변수를 최적화하기 위해 머신러닝 기법을 활용하였다. 강우-유출 모형의 종류가 검토되었으며 이를 통해 선정된 강우-유출 모형의 매개변수 특성과 유출량 선정과의 관계성이 검토되었다. 이를 위해 다년간의 유출 측정 자료가 있는 연구지역이 선정되었다. 또한 매개변수 최적화를 위한 머신러닝 기법이 검토되었으며, 매개변수 최적화와 유출량 산정 정확성을 비교, 분석함으로써 관계성을 검토하였다. 본 연구의 결과를 요악하면 다음과 같다. (1) 여름 장마의 지속성은 매개변수 최적화 정확성에 영향을 주며 이 둘은 비선형적인 관계를 나타낸다. (2) 매개변수 최적화가 강우 심도에 따라 다른 결과를 나타내며 최적의 강우 심도는 연구 지역마다 차이가 있기 때문에 유역 특성을 반영한 머신러닝 기법 활용이 가능하다. 이를 통해 강우-유출 모형의 매개변수 최적화를 위한 머신러닝 기법의 활용 가능성을 확대하고, 모형의 정확도 개선을 기대 할 수 있다.

• Journal of Korean Society of Transportation
• /
• v.15 no.1
• /
• pp.157-174
• /
• 1997

도시간선도로의 신호시간요소를 계획하는 방법은 크게 3가지로 나뉜다. 이들은 통 과폭 최대화모형, 지체도 최소화 모형 그리고 이들 두 가지 모형의 통합모형으로 구분된다. 기존의 통합모형은 지체를 줄이기 위하여 최대 통과폭 모형인 PASSER-II로 최적화된 좌회 전현시순서를 TRANSYT-7F에 사용하는 방법이다. 그러나 통과폭 최대모형과 기존의 통합 모형은 지체를 최소화해주지 못하고, 반면에 지체도 최소화모형인 TRANSYT-7F는 좌회전 현시순서를 최적화 시켜주지 못하는 단점을 가지고 있다. 따라서 본 연구의 목적은 기존 모 형들의 갖고 있는 단점을 극복하기 위하여 좌회전현시를 최적화하면서 지체를 최소화해줄 수 있는 새로운 모형(KS_SIGNAL)을 개발하는데 있다. 개발된 모형은 MAXBAND 등과 같은 최대통과폭모형을 발전시킨 혼합정수계획법 형태를 갖는다. 평가결과에 의하면 개발된 모형 으로 최적화된 좌회전현시순서를 TRANSYT-7F에 사용할 경우 TRANSYT-7F나 PASSER-II 와 TRANSYT-7F를 통합한 기존 모형들보다 지체를 줄일 수 있는 것으로 나타났다.

• Journal of Intelligence and Information Systems
• /
• v.8 no.2
• /
• pp.51-69
• /
• 2002

In the supply chain environment on the web, collaborative problem solving and case-based modeling has been getting more important, because it is difficult to cope with diverse problem requirements and inefficient to manage many models as well. Hence, the approach on case-based modeling is required. This paper provides a framework that generates a goal model based on multiple cases, modeling knowledge, and forward chaining and it also develops a search algorithm through sensitivity analysis to reduce the modeling effort.

• Journal of Korean Society of Transportation
• /
• v.20 no.4
• /
• pp.109-122
• /
• 2002

본 연구에서는 교차로의 비용 및 특성을 고려한 도로선형최적화 모형을 유전자 알고리즘(Genetic Algorithms)을 이용하여 개발하였다. 기존의 도로선형최적화 모형은 교차로 특성을 고려하지 못해서 실제 적용에 심대한 문제점을 내재하고 있다. 본 논문에서는 특정 도로선형에 교차로 건설의 필요가 있을 경우, 민감(Sensitive)하고 지배적인(Dominating) 교차로 비용 항목들 즉, 토공비용, 보상비, 포장비, 사고비용, 지체 및 연료소모비용 등의 산정이 시도되었다. 또한 비교적 우수한 도로선형 대안을 유전자 알고리즘을 이용한 탐색과정 중에서 비효율적으로 강제 퇴화시키는 단점 보완을 위한 교차로 국소 최적화 방법(Local Optimization of Intersections)이 개발되어 기존 모형을 보완하였다. 공간상의 도로선형은 매개변수적 묘사(Parametric Representation)를 통하여 구현하였으며 벡터운영(Vector Manipulation)을 통해 교차로비용 산정의 근간인 교차점과 다른 중요점들의 좌표를 찾을 수 있었다. 개발된 교차로 비용산정 모형이 보다 정밀하게 교차로 비용을 산정함이 증명되었으며 궁극적으로는 기존의 최적화 모형의 단점을 보완할 수 있음이 제시되었다. 또한, 새로이 제시된 교차로 국소 최적화 방법이 최적대안 탐색과정의 유연성을 증대하였으며, 결과적으로 효율적인 교차로의 유지에 기여함을 알 수 있었다. 제시된 교차로 국소 최적화 방법은 추후 단일노선이 아닌 도로망 최적화시의 기초를 제시함은 주목할 만 하다. 두개의 예제에서 도출된 최적노선 및 교차로 비용 등의 검토 결과, 도로상의 교차로 건설비용은 도로선형 최적화에 큰 영향을 미치는 실질적이며 민감한 비용 항목임이 검증되었으며 이는 도로선형최적화 모형이 교차로 비용을 반드시 검토 및 평가할 수 있어야 함을 반증한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1752-1756
• /
• 2007

정교한 강우-유출 모의를 위해서는 적절한 매개변수의 추정이 필수적이며, 매개변수 추정 방법은 시행착오(trial and error)에 의한 수동보정법과 최적화방법을 사용한 자동보정법으로 구분할 수 있다. 모형의 매개변수의 수가 많은 경우 수동보정법에 의한 매개변수 추정은 매우 어렵다. 자동 보정법에 사용되는 최적화방법은 Rosenbrock 알고리즘, patten search, 컴플렉스(complex) 방법, Powell 방법 등과 같은 지역최적화 방법과 전역최적화 방법으로 나눌 수 있다. 그러나 기존 방법론들은 매개변수의 최적화를 추적하기 위한 알고리즘이 대부분이며 이들 매개변수에 관련된 불확실성을 평가하는데는 미흡한 단접이 있다. 이러한 점에서 본 연구에서는 강우-유출모형의 매개변수 추정에 있어서 불확실성을 평가할 수 있는 새로운 방법론을 검토하고자 한다. 매개변수와 관련된 불확실성을 평가하기 위한 방법은 여러 가지가 있으나 통계적으로 매우 우수한 능력을 보이는 Hierarchical Bayesian 알고리즘을 Probability-Distributed 강우-유출 모형에 적용하였다. 본 방법론은 최적화와 동시에 각 매개변수에 관련된 사후분포(posterior distribution)의 추정이 가능하므로 모형이 갖는 불확실성을 효과적으로 평가할 수 있다. 따라서, 수자원 관리에 있어서 불확실성을 고려할 수 있으므로 보다 수리수문학적 위험도를 저감할 수 있을 것으로 판단된다.