• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.70-70
• /
• 2023

강우 발생 중 용담댐 상류로부터 용담댐으로 유입되는 유입량을 정확하게 예측하는 것은 하류 지역의 홍수 피해를 최소화하기 위한 댐의 적절한 운영에 필수적이다. 물리 기반 강우-유출 시뮬레이션 모형은 물리적 과정의 이해를 바탕으로 홍수 예측 분야에 광범위하게 사용되고 있다. 그러나 복잡한 물리 과정을 완벽히 이해하는 것은 거의 불가능하므로 다양한 가정 조건들을 이용해 복잡한 과정을 단순화하여 계산해야 하는 한계가 존재한다. 최근에는 방대한 데이터의 축적과 컴퓨터 능력의 향상으로 인해 데이터 기반 모형이 다양한 실무 문제를 해결하는 데 강력한 도구로 활용되고 있을 뿐 아니라 시뮬레이션 및 예측 등에도 다양하게 이용되고 있다. 그러나 예측 시간이 늘어날수록 입력자료로 이용되는 과거 자료와 출력자료로 이용되는 미래자료와의 상관관계가 줄어들어 모형의 성능이 저하된다. 따라서 본 연구에서는 용담댐의 시간당 유입량을 예측하기 위해 물리 기반 강우-유출 모형과 오차 보정 모형을 결합한 하이브리드 접근 방식을 제안한다. 물리 기반 강우-유출 모형으로는 HEC-HMS 모형을 사용하였으며, 오차 보정 모형에는 기계학습 모형인 인공신경망(Artificial Neural Network, ANN) 모형을 사용하였다. HEC-HMS 모형, ANN 및 하이브리드 모형(HEC-HMS + ANN)의 성능을 비교하기 위해 20 개의 홍수 사상을 모형 구축 및 검증에 사용하였다. 그 결과 하이브리드 모형은 예측 시간이 늘어날수록 HEC-HMS 및 ANN 모형보다 우수한 성능을 나타냈다. 물리모형에 기계학습을 이용한 오차 보정 절차를 통합한 경우 홍수 유출 예측의 정확성이 향상되었다. 다양한 모형의 비교 결과 본 연구에서 적용한 하이브리드 모형이 물리기반 강우-유출 모형 및 순수 기계학습 모형보다 우수한 성능을 보여줌으로써, 하이브리드 모형은 물리모형과 순수 기계학습 모형의 단점들을 보완하는데 이용할 수 있음을 나타낸다. 이 연구의 주요 목적은 강우-유출 시물레이션 모형의 오차 보정 기술에 대한 더 깊은 이해를 제공하는데 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.66-66
• /
• 2023

대규모 댐의 운영으로 인한 인위적인 유량 교란은 물리 기반 수문모형의 정확한 하천유량 모의를 어렵게 만든다. 이러한 한계를 극복하기 위해, 상류의 자연형 유역 모의를 위한 물리 기반 수문모형 Variable Infiltration Capacity model과 댐 운영 모의를 위한 딥러닝 기반 모델을 결합한 하이브리드 모델링 프레임워크를 개발하였다. 본 연구는 수도권의 주요 상수원이자 대규모 댐들이 존재하는 팔당댐 유역을 대상으로, 물리 기반 수문모형만을 기반으로 구축한 단일 및 계단식 구조의 모델과 하이브리드 모델의 예측 성능을 비교하였다. 2015년부터 2019년까지의 검증 기간 동안, 하이브리드 모델, 단일 및 계단식 구조 모델의 Nash-Sutcliffe Efficiency는 각각 0.6410, -0.1054 그리고 0.2564로 하이브리드 모델의 성능이 가장 높은 것으로 나타났다. 이는 머신러닝 알고리즘을 이용한 댐 운영 고려가 정확한 하천유량 평가를 위해서 필수적임을 시사한다. 이러한 결과는 수자원 관리, 홍수 예측 등 다양한 분야에서 활용될 수 있으며, 특히 미래의 지속 가능한 물 관리를 위해 실무자에게 정확한 자료를 제공하는 데 기여할 수 있다.

• 한국항해항만학회지
• /
• 제35권1호
• /
• pp.83-91
• /
• 2011

예측의 정확성은 비용의 감소나 고객서비스의 제고를 위해 필수적으로 선행되어야 하기에 현재까지도 많은 연구자들에 의해 연구되고 있는 분야이다. 본 연구에서는 국내 항만의 컨테이너 물동량 예측에 있어 대표적인 비선형예측모형인 인공신경망모형과 ARIMA모형에 대한 비교연구를 수행하는데 목적을 두었고, 컨테이너 물동량 예측력 제고를 위해 ARIMA모형과 인공신경망(ANN)모형을 결합한 하이브리드모형을 사용해 다른 모형들과 예측성과를 비교하고자 한다. 특히 인공신경망모형의 네트워크 구조 설계에 부분에 있어 방대하며 복잡한 탐색공간에서도 전역해 찾기에 효과적인 기법으로 알려져 있는 유전알고리즘을 사용함과 동시에 인공신경망의 대표적인 모형으로 알려진 다층 퍼셉트론(MLP)뿐만 아니라 시간지연네트워크(TDNN)를 사용해 예측성과를 비교하였다. 그 결과 ANN모형과 하이브리드모형이 ARIMA모형보다 더 뛰어난 예측성과를 보이는 것으로 나왔다.

• 자원ㆍ환경경제연구
• /
• 제22권4호
• /
• pp.691-726
• /
• 2013

본 연구에서는 기존의 하향식 모형을 기반으로 전력부문에 한하여 상향식 모형의 요소를 적용함으로써 전원구성 및 전원계획을 고려할 수 있는 하이브리드 모형을 개발하였다. 여기서 개발된 모형은 기존의 모형과 달리 개별적인 규모에 대한 수확체감 생산함수로 각각의 발전기술(원자력, 중유, 가스, 신재생 등)을 표현하였고 이것의 합산으로써 전력부문을 모사하고 있다. 하이브리드 모형과 기존의 하향식 모형을 동일한 시나리오 하에서 비교할 때 하이브리드 모형을 통한 감축비용 결과값이 기존의 하향식 모형과 비교해서 더 낮았다. 이는 상향식 모형이 추가될 경우 감축비용이 더 낮게 계산된다는 기존의 연구결과에 부합되는 것이다. 추가로 중복규제의 효과에 대해서도 살펴보았는데, 배출규제에 의무할당제가 추가될 경우 배출규제만 있을 때에 비해 전체적인 감축비용은 소폭 증가하고 석탄 발전 등 배출집약도가 높은 발전기술을 사용하는 전원의 비중은 비슷하거나 증가하는 것을 관찰할 수 있었다. 향후 전력 관련 공학적 자료가 더욱 충실히 갖추어진다면 본 연구에서 개발된 하이브리드 모형은 실제 정책의 파급효과를 추정하기 위한 유용한 도구로 이용될 수 있을 것이다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.1-17
• /
• 2013

본 연구에서는 시계열 예측을 위해 선형 모형과 비선형 모형의 하이브리드 모형 및 순수 모형의 성과를 비교 평가하였다. 이를 위해 5가지 서로 다른 패턴을 가지는 데이터를 생성하여 시뮬레이션을 진행하였다. 본 연구에서 고려한 선형 모형은 AR(autoregressive model)과 SARIMA(seasonal autoregressive integrated moving average model)이고 비선형 모형은 인공신경망(artificial neural networks model)과 GAM(generalized additive model)이다. 특히, GAM은 여러 장점에도 불구하고 시계열 예측을 위한 비선형 모형으로 기존 연구들에서는 거의 쓰이지 않았던 모형이다. 시뮬레이션 결과, seasonality를 가지는 시계열에 대해서는 AR 및 AR-AR 모형이, trend를 가지는 시계열에 대해서는 SARIMA 및 SARIMA와 다른 모형의 하이브리드 모형이 다른 모형에 비해 높은 성과를 보였다. 한편, 인공신경망과 GAM을 비교하면, 트렌드와 계절성이 더해진 시계열에 대해 SARIMA와 GAM의 하이브리드 모형이 거의 모든 노이즈(noise) 수준에 대해 높은 성과를 보인 반면, 노이즈 수준이 미미한 경우에 한해 SARIMA와 인공신경망의 하이브리드 모형이 높은 성과를 보였다.

• 컴퓨터교육학회논문지
• /
• 제18권6호
• /
• pp.43-51
• /
• 2015

본 논문의 목적은 진로 상담 분야에서 직접 코치와 학습자가 만나서 확인하고 상담하는 면대면 코칭과 인터넷을 통해 코치와 학습자가 상담하는 E-코칭을 조합한 하이브리드 진로코칭 모형을 개발하고 대학생들의 진로 지도에 적용하고 그 효과를 분석하는데 있다. 하이브리드 진로코칭에서는 프로파일, 적성 검사 등 인터넷 상에서 원격 접속하여 수행 가능하고 데이터 저장이 필요한 것은 E-코칭으로 처리하고, 점검, 상담 및 성찰 등 학생의 상황을 파악하고 대화가 필요한 부분은 면대면으로 설계하였다. 제안한 하이브리드 진로코칭 모형은 진로코칭 안내, 자기이해, 진로의사결정, 진로실행계획 수립, 실행계획 및 실행의지 점검, 실행결과 점검 6단계로 나누어 진행하였다. 하이브리드 진로코칭 모형을 대학생에게 적용하여 진로개발을 위한 인지적, 행동적 행동변화를 촉진하고 그 효과를 분석하였다. 연구 결과 진로준비행동이 높아졌으며, 코칭을 통해 자신의 현재 상태 분석과 실행 전략이 중요성 및 학습법과 자기조절능력 등을 획득하였다고 분석되었다. 이러한 결과를 토대로 이 연구에서 개발된 하이브리드 진로코칭 모형은 진로지도가 강화되는 대학에서 교수의 진로지도를 지원할 수 있을 것이라 기대된다.

• 한국지진공학회논문집
• /
• 제15권5호
• /
• pp.11-24
• /
• 2011

고정반복법에 의한 암시적 HHT 시간적분법을 이용하여 3층 3경간 철근콘크리트 골조구조물을 수치해석모형과 물리적 분구조모형으로 나누어 실시간 하이브리드실험을 실시하였다. 물리적 부분구조모형으로는 1층 내부 비연성기둥 1개소가 선택되었고, 수치해석모형에 일축 방향의 지진하중을 시편이 심한 손상에 의하여 파괴에 이를 때까지 작용시켰다. 비선형 유한요소해석 프로그램인 Mercury가 실시간 하이브리드실험을 위하여 새로이 개발 및 적용되었다. 실험결과는 물리적 부분구조모형의 상부 수평방향 층간변위비를 OpenSees에 의한 수치해석시뮬레이션과 진동대실험의 그것과 비교하였다. 본 실험은 가장 복잡한 실시간 하이브리드실험 중의 하나이고, 하드웨어, 알고리즘 그리고 모형에 대한 기술적인 내용을 본 논문에 자세히 설명하였다. 수치해석모형의 개선, 물리적 부분구조 모형 접선강성행렬의 유한요소해석 프로그램에서의 평가 그리고 하중기반 보-요소의 요소상태결정의 연산시간을 줄이기 위한 소프트웨어의 개선이 이루어진다면 실시간 하이브리드실험과 진동대실험결과의 비교는 권장할 만하다. 그리고 "지진과 같은 동적하중하의 복잡한 구조물의 수치해석시뮬레이션"이라는 목적을 위하여 실시간 하이브리드실험은 동적하중에 대한 실험적 검증을 점진적으로 수치해석모형으로 대체하기 위한 저비용-고효율 실험법으로서의 가치를 충분히 가지고 있다고 할 수 있다.

• 한국항해항만학회지
• /
• 제32권1호
• /
• pp.81-88
• /
• 2008

컨테이너항만의 물동량 예측은 항만의 개발 및 운영계획을 위해 매우 중요한 과정이다. 일반적으로 회귀분석, ARIMA모형 등의 통계적 방법론을 통해 많은 예측이 이뤄져왔다. 최근의 연구에서는 인공 신경망(ANN)기법을 통한 예측이 이뤄지고 있으며 기존의 선형적인 기법을 대신하고 있다. 본 연구에서는 선형모형과 비선형모형에 강점이 있는 ARIMA모형과 신경망모형을 결합해 보다 효과적인 예측 모형을 개발하고자 한다. 실제 항만의 과거 자료를 통해 모델의 적합성을 측정하였고 항만의 특성에 따라 모형의 적합성이 다양하게 나타났다.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 정기총회 및 추계학술대회 논문집
• /
• pp.2409-2421
• /
• 2011

본 논문에서는 지진하중에 의한 1경간 1층 강재골조구조에 대한 하이브리드 실험을 수행하였다. 오른쪽 기둥 1개소와 상부의 트러스요소 또는 보요소는 수치해석모형으로, 왼쪽기둥 1개소는 물리적 부분구조모형으로 선택하여 요소의 성능 및 거동을 평가하였다. 실험은 1자유도 또는 3자유도만을 고려하여 실시간으로 하이브리드 실험을 수행하였으며, 이를 위한 제어 알고리즘은 MATLAB/Simulink를 이용한 방법과 OpenSees, OpenFresco와 xPCTarget를 이용하는 방법으로 나누어 수행하였다. 그리고 수치해석모형과 물리적 부분구조모형의 실시간 데이터 통신을 위하여 SCRAMNet을 사용하였다. 파이버단면을 이용한 구조해석이 가능한 OpenSees를 사용하여 수치해석을 실시하였으며, 실시간 하이브리드 실험결과를 이와 비교하였다. 단순한 구조모형을 이용하여 제어시스템의 유효성을 검증하고자 실시간 하이브리드 실험이 실시되었으며, 추후 심각한 비선형성을 갖거나 복잡한 구조물의 하이브리드 실험으로 확장할 예정이다.

• 한국수자원학회논문집
• /
• 제51권8호
• /
• pp.677-686
• /
• 2018

수문모형의 매개변수 추정에 필요한 유량 관측 자료의 수집은 시 공간적으로 제한이 있어 우리나라도 아직 상당수의 미계측유역이 존재하며, 이를 보완하고자 주변 유역의 정보를 활용하는 지역화 방법들이 연구되어 왔다. 그러나 지역적 특성이나 기후 조건에 따라 지역화 방법의 결과가 상이하여 어느 지역에 어떠한 지역화 방법이 가장 우수하다고 판단하기 어렵다. 본 연구에서는 보편적으로 사용되는 지역화 방법인 지역회귀모형의 설명변수에 공간근접모형으로 추정한 수문모형의 매개변수를 추가하여 회귀모형의 적합성을 향상시켰으며, 이를 하이브리드 지역화모형이라 정의하고 기존 방법들과 비교하였다. 계측유역으로는 관측 자료가 충분한 남한의 37개 유역을 선정하였고, 수문모형은 개념적 수문모형인 GR4J를 사용하였으며, 계측유역에 대한 수문모형의 매개변수 산정은 Shuffled complex evolution 알고리즘을 사용하였다. 유역 특성변수들 간 다중공선성을 고려하기 위해 Variation inflation factor를 사용하였고, Stepwise regression을 통해 회귀모형의 최적 설명변수를 선택하였다. 통계 값을 통해 모형의 적합성을 비교한 결과, 하이브리드 지역화모형에서 가장 작은 RMSE 값을 나타내었으며, 유역별 모의 값의 변동성이 줄어들어 결과의 불확실성 또한 낮아짐을 확인할 수 있었다. 따라서 하이브리드 모형이 미계측유역의 유출량 산정을 위한 하나의 대안이 될 수 있음을 확인하였다.