• Korea journal of population studies
• /
• v.29 no.3
• /
• pp.51-72
• /
• 2006

In Korea, most studies have used the conventional Wolfbein and Wool method, which cannot be applied to women's work-life table because of bimodality and/or M curve of female labor force participation. The increment/decrement work-life table method, however, is equally applicable to both men and women, but requires individual data on employment transition. This paper demonstrates that the Garfinkle-Pollard method is the same as the increment/decrement work-life table method developed by Hoem, Schoen and Woodrow and adopted by BLS. The merit of Garfinkle-Pollard method is to produce work-life table using labor force participation rate without individual employment transition. This paper applies the Garfinkle-Pollard methods to the estimation and projection of work-life of Korean labor force for the period of 2000-2050, using the abridged life tables provided by Korean National Statistical Office and a projection of labor force participation rates. The work-life expectancy at 65 is 5.8 years for men and 4.1 years for women in 2000, and it increased to 7.7 years for men and 5.1 years in 2050. However, differences in work-life expectancy are found depending on the data processing of elderly labor force participation and mortality assumption. Detailed data on elderly labor force participation and further study on future mortality are required to estimate and project more accurate work-life expectancy.

• Journal of Wetlands Research
• /
• v.21 no.spc
• /
• pp.51-60
• /
• 2019

In this study, we performed At-site Frequency Analysis(AFA) and Regional Frequency Analysis(RFA) using the observed and climate change scenario data, and the relative root mean squared error(RMMSE) was compared and analyzed for both approaches through Monte Carlo simulation. To evaluate the rainfall quantile, the daily rainfall data were extracted for 615 points in Korea from HadGEM3-RA(12.5km) climate model data, one of the RCM(Regional Climate Model) data provided by the Korea Meteorological Administration(KMA). Quantile mapping(QM) and inverse distance squared methods(IDSM) were applied for bias correction and spatial disaggregation. As a result, it is shown that the RFA estimates more accurate rainfall quantile than AFA, and it is expected that the RFA could be reasonable when estimating the rainfall quantile based on climate change scenarios.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.88-88
• /
• 2023

지난 100년 동안 전 지구의 기상 이변이 꾸준히 증가하고 있다. 기후 변화는 도시 홍수 피해에 큰 영향을 끼치는데 급속한 도시화와 이상 기후로 인한 돌발 강우 패턴의 증가는 도시 침수의 취약성을 가중시킨다. 또한 급격한 도시 발전으로 인한 도심지의 불투수율 또한 꾸준히 증가하였다. 특히 2022년 8월 8일에 강남역과 도림천 일대에 내린 기록적인 강우는 기후 변화를 실감하게 하는 사회적 이슈가 되었으며 도심지 미래 수방 대책 변화를 상기시키는 계기가 되었다. 이로 인한 재해 피해에 최소화하기 위해 미래 기후 변화를 고려한 도심지의 새로운 방재 목표강우량 설정이 필요하다. 하지만 전 지구 모형(GCM)의 기후 변화 시나리오는 일 단위(Daily) 상세화 자료를 보편적으로 사용하고 있다. 하지만 이는 단기 강우 자료를 필요로 하는 도시 홍수 모의에서 제대로 활용할 수 없는 한계를 가지고 있다. 따라서 본 연구는 2019년에 발간된 IPCC 6차 평가 보고서(AR6)가 제안하는 SSP(Shared Socioeconomic Pathways, 공통사회경제경로) 시나리오를 기반하여 상세화된 일 단위(Daily) 강우 데이터를 비모수적 통계 기법을 사용하여 시간 단위(Hourly)로 상세화하였다. 또한 지속 시간별 연 최대치 강우를 추출하여 빈도 해석을 통해 도시 유역의 미래 확률 강우량을 제시하였으며, 서울시 상습적인 침수 취약 지역인 도림천 유역에 강우-유출 모형(XP-SWMM)을 사용하여 미래전망 기후 자료인 SSP2-4.5와 SSP5-8.5에 따른 미래 확률 강우 침수 모의를 실시하였다. 본 연구의 결과는 최신 기후 변화 시나리오를 고려한 서울시 방재 성능 목표 강우량 산정에 활용 가능할 것으로 사료되며 미래 강우량 침수 모의를 통해 침수 취약 구역인 도림천 일대 홍수피해의 근거 자료가 되는 것에 의의를 둔다. 또한 치수 분야에서 기후 변화를 고려하기 위해서는 기후 변화 시나리오에 따른 시간 단위 자료의 상세화가 필요함을 시사한다.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.38 no.5
• /
• pp.655-669
• /
• 2018

In this study, we developed a hybrid forecasting model based on a four-parameter distribution which allows a simultaneous season-ahead forecasting for both seasonal rainfall and sub-daily rainfall in Han-River and Geum-River basins. The proposed model is mainly utilized a set of time-varying predictors and the associated model parameters were estimated within a Bayesian nonstationary rainfall frequency framework. The hybrid forecasting model was validated through an cross-validatory experiment using the recent rainfall events during 2014~2017 in both basins. The seasonal precipitation results showed a good agreement with the observations, which is about 86.3% and 98.9% in Han-River basin and Geum-River basin, respectively. Similarly, for the extreme rainfalls at sub-daily scale, the results showed a good correspondence between the observed and simulated rainfalls with a range of 65.9~99.7%. Therefore, it can be concluded that the proposed model could be used to better consider climate variability at multiple time scales.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.199-199
• /
• 2023

최근 기후변화의 영향으로 가뭄, 홍수 등 재해의 발생 빈도 및 강도가 증가하고 있다. 미래에는 온실가스 배출량의 증가로 극한 기상현상은 더욱 심화될 전망이다. 이러한 위험에 효율적으로 대비하기 위해 기후변화 시나리오를 고려하여 미래를 전망하는 것은 매우 중요하며, 최근 연구자들은 불확실성을 고려하기 위해 다양한 시나리오를 적용하고 있는 추세이다. 다만, 기후변화 시나리오를 입력자료로 하여 분석을 수행하는 경우, 새로운 기후변화 시나리오가 생성될 때 기존 기후변화 영향 평가는 무의미해지며, 기존 결과의 신뢰도 또한 감소하게 된다. 지금까지 사용된 시나리오 기반 접근법의 한계를 보완하여 시나리오 중립(Scenario Neutral, SN) 접근법이 개발되었고, 이는 다양한 기후변화 시나리오에 대한 시스템의 반응을 평가하는데 유용하다. 본 연구에서는 시나리오 중립 접근법을 활용하여 가뭄 위험도를 분석하였으며, 이를 위해 금강 유역 내 용담댐 유역을 대상으로 분석을 수행하였다. 입력자료로는 용담댐 유역의 1966~2020년 일단위 강수량 자료를 사용하였고, 문헌 조사를 통해 미래 기후변화에 따른 강수량 변화 추이를 파악하였다. 연평균 강수량의 증가와 여름 강수량의 증가를 기준으로 삼아 증가 비율에 따른 노출 공간을 생성했으며, 목표 변화에 따른 교란된 시계열을 도출해냈다. 이후, 각각의 시계열에 대한 이변량 가뭄빈도분석을 수행하여 재현기간을 산정한 뒤, 목표 변화에 따른 위험도를 비교하였다. 그 결과, 연평균 강수량과 여름 강수량이 현재와 유사한 경우 100년 빈도 가뭄이 발생할 확률은 0.84, 연평균 강수량의 증가가 110%, 여름 강수량의 증가가 115%일 경우 100년 빈도 가뭄이 발생할 확률은 0.79이었다. 추후 실제 미래 기후변화 시나리오를 적용하여 기준치에 따른 만족도를 분석한다면, 가뭄 대응에 유용한 의사결정 도구로 활용될 수 있을 것이다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.384-384
• /
• 2020

갈수량은 연간 355번째에 해당하는 일유량으로 연중 10일은 유지할 수 있는 유량을 의미한다. 갈수량은 하천유지유량을 결정하고 다목적댐의 이수안전도를 평가하는 기준으로 활용되는 지표로 활용되고 있으나 현재 기준으로는 과거사상에 초점을 맞추어 산정되고 있다. 본 연구에서는 기후변화에 따른 수문사상의 변화로 인한 미래 극한사상에 대비한 평가기준 마련을 위하여 CMIP5의 GCM 자료를 활용한 한강수계의 소양강댐의 실제증발산량을 추정하고, 이를 고려한 갈수량을 전망하고자 한다. 실제증발산의 경우 관측자료가 부재하므로 증발산 보완관계 가설 기반의 간접계산을 통해 추정하였으며, 잠재증발산량은 FAO Penman-Monteith 공식, 습윤증발산량은 Priestley-Taylor공식을 활용하여 산정하였다. 기준기간(1974-2000년) GCM 자료의 보정은 강우 및 증발산에 대하여 정상성 분위사상법을 적용하였으며, 우리나라의 홍수기 특성을 반영하기 위하여 홍수기(6~9월) 및 비홍수기(10~5월)로 구분하였다. 소양강댐 유역에 대한 연단위 원시 GCM의 경우, 연단위 강우와 실제증발산 각각 -20.0%, +17.3%의 오차율을 보였으나, 지역오차보정 후 각각 -1.2%, -0.2%로 개선되었다. 전망기간(2011-2100년)에 대해서는 비정상성 분위사상법을 적용하였으며, 지역오차보정 과정을 거친 강우 및 실제증발산 자료는 장기유출모형의 입력자료로 활용되었다. 실제증발산을 고려한 유출량을 산정하기 위해 IHACRES 모형을 활용하였으며, 갈수량은 모형으로부터 산정된 유출 시계열에 대한 lognormal 분포의 누적확률밀도함수의 3%에 해당하는 값으로 결정하였다. 전망결과는 근미래(Near future, 2011~2040년), 중미래(Midcentury future, 2041~2070년), 먼미래(Distance future, 2071~2100년)로 나누어 제시하였으며, 미래구간별 추세를 반영한 증감율을 제시하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.236-236
• /
• 2016

현재 댐운영 계획 수립 시 매월 유지해야 하는 저수량의 범위를 나타낸 기준수위가 사용되고 있으며 매년 홍수기 말에 현재의 수문 상황과 장래의 전망을 통한 시기별 연간, 월간 댐운영 계획을 수립하고 있다. 물관리의 이수측면에서 댐수위 운영계획 수립과 홍수기 운영목표 수위를 결정하는데 활용하기 위해서는 계절단위, 연단위의 기상정보가 필요하다. 본 연구에서는 기상청에서 운영하고 제공하는 전지구 계절예측시스템 GloSea5(Global Seasonal forecasting system version 5)자료를 활용하여 금강유역에 적용하고자 하였다. GloSea5는 전지구계절예측시스템으로 대기(UM), 지면(JULES), 해양(NEMO), 해빙(CICE)모델이 서로 결합되어 하나의 시스템으로 구성되어 있으며 공간 수평해상도는 N216($0.83^{\circ}{\times}0.56^{\circ}$)으로 중위도에서 약60km이다. Hindcast자료는 유럽중기예보센터(ECMWF)에서 생산된 ERA-Interim 재분석장을 대기 모델의 초기장으로 사용하며 기간은 1996~2009년의 총 14년이다. 예보자료의 검증은 예보의 질을 결정하는 과정으로 Brier Skill Score (BSS), Reliability Diagrams, Relative Operating, Characteristics (ROC)등을 통해 정확성과 오차에 의한 예보의 성능을 검증하였다. 또한 Glosea5의 통계적 상세화를 수행하여 다양한 변수가 갖는 계통적인 지역 오차를 보정함으로써 자료의 신뢰도를 향상시키고자 하였으며 이는 이후 수문모델과의 연계 시 보다 정확하고 효율적인 댐운영에 활용할 수 있는 기후예측정보를 제공할 수 있을 것으로 판단된다.

• Prospectives of Industrial Chemistry
• /
• v.23 no.6
• /
• pp.3-13
• /
• 2020

저출산 고령화 사회로의 진입은 대한민국뿐만 아니라 전 세계적으로 많은 사회 문제를 야기하고 있다. 그 중에서 고령 인구 증가로 인한 의료 수요 증가와 이를 뒷받침 할 의료인력 부족은 곧 다가올 사회문제이다. 4차 산업 혁명으로 인해 다양한 사회문제에 대한 혁신적인 해법들이 제시되고 있는데, 본 기고문에서는 다가올 고령화 사회에서 의료인력 부족 등에 의한 해결법으로 원격의료 지원을 위한 인공지능 활용을 다루고자 한다. 병 진단 및 예측을 위한 여러 가지 인공지능 알고리즘은 이미 많이 개발 되어 있으나, 일반적으로 딥러닝에 많이 쓰이는 인공신경망 구조인 합성곱 뉴럴네트워크(convolution neural network)나 기존 퍼셉트론(perceptron) 구조에서 벗어나 확률론적 인공신경망 중에 하나인 베이지안 뉴럴네트워크(Bayesian neural network)를 다루고자 한다. 그중에서 연산효율적이며 뉴로모픽 하드웨어로 구현 가능성이 높고 실제 진단 예측(diagnosis prediction) 문제 해결에 강점을 보이는 알고리즘으로써 naive Bayes classifer를 활용한 연구를 소개하고자 한다.

• Journal of Intelligence and Information Systems
• /
• v.25 no.2
• /
• pp.39-55
• /
• 2019

Recently banks and large financial institutions have introduced lots of Robo-Advisor products. Robo-Advisor is a Robot to produce the optimal asset allocation portfolio for investors by using the financial engineering algorithms without any human intervention. Since the first introduction in Wall Street in 2008, the market size has grown to 60 billion dollars and is expected to expand to 2,000 billion dollars by 2020. Since Robo-Advisor algorithms suggest asset allocation output to investors, mathematical or statistical asset allocation strategies are applied. Mean variance optimization model developed by Markowitz is the typical asset allocation model. The model is a simple but quite intuitive portfolio strategy. For example, assets are allocated in order to minimize the risk on the portfolio while maximizing the expected return on the portfolio using optimization techniques. Despite its theoretical background, both academics and practitioners find that the standard mean variance optimization portfolio is very sensitive to the expected returns calculated by past price data. Corner solutions are often found to be allocated only to a few assets. The Black-Litterman Optimization model overcomes these problems by choosing a neutral Capital Asset Pricing Model equilibrium point. Implied equilibrium returns of each asset are derived from equilibrium market portfolio through reverse optimization. The Black-Litterman model uses a Bayesian approach to combine the subjective views on the price forecast of one or more assets with implied equilibrium returns, resulting a new estimates of risk and expected returns. These new estimates can produce optimal portfolio by the well-known Markowitz mean-variance optimization algorithm. If the investor does not have any views on his asset classes, the Black-Litterman optimization model produce the same portfolio as the market portfolio. What if the subjective views are incorrect? A survey on reports of stocks performance recommended by securities analysts show very poor results. Therefore the incorrect views combined with implied equilibrium returns may produce very poor portfolio output to the Black-Litterman model users. This paper suggests an objective investor views model based on Support Vector Machines(SVM), which have showed good performance results in stock price forecasting. SVM is a discriminative classifier defined by a separating hyper plane. The linear, radial basis and polynomial kernel functions are used to learn the hyper planes. Input variables for the SVM are returns, standard deviations, Stochastics %K and price parity degree for each asset class. SVM output returns expected stock price movements and their probabilities, which are used as input variables in the intelligent views model. The stock price movements are categorized by three phases; down, neutral and up. The expected stock returns make P matrix and their probability results are used in Q matrix. Implied equilibrium returns vector is combined with the intelligent views matrix, resulting the Black-Litterman optimal portfolio. For comparisons, Markowitz mean-variance optimization model and risk parity model are used. The value weighted market portfolio and equal weighted market portfolio are used as benchmark indexes. We collect the 8 KOSPI 200 sector indexes from January 2008 to December 2018 including 132 monthly index values. Training period is from 2008 to 2015 and testing period is from 2016 to 2018. Our suggested intelligent view model combined with implied equilibrium returns produced the optimal Black-Litterman portfolio. The out of sample period portfolio showed better performance compared with the well-known Markowitz mean-variance optimization portfolio, risk parity portfolio and market portfolio. The total return from 3 year-period Black-Litterman portfolio records 6.4%, which is the highest value. The maximum draw down is -20.8%, which is also the lowest value. Sharpe Ratio shows the highest value, 0.17. It measures the return to risk ratio. Overall, our suggested view model shows the possibility of replacing subjective analysts's views with objective view model for practitioners to apply the Robo-Advisor asset allocation algorithms in the real trading fields.

• Journal of Korea Water Resources Association
• /
• v.46 no.8
• /
• pp.833-842
• /
• 2013

The quantile mapping is utilized to reproduce reliable GCM(Global Climate Model) data by correct systematic biases included in the original data set. This scheme, in general, projects the Cumulative Distribution Function (CDF) of the underlying data set into the target CDF assuming that parameters of target distribution function is stationary. Therefore, the application of stationary quantile mapping for nonstationary long-term time series data of future precipitation scenario computed by GCM can show biased projection. In this research the Nonstationary Quantile Mapping (NSQM) scheme was suggested for bias correction of nonstationary long-term time series data. The proposed scheme uses the statistical parameters with nonstationary long-term trends. The Gamma distribution was assumed for the object and target probability distribution. As the climate change scenario, the 20C3M(baseline scenario) and SRES A2 scenario (projection scenario) of CGCM3.1/T63 model from CCCma (Canadian Centre for Climate modeling and analysis) were utilized. The precipitation data were collected from 10 rain gauge stations in the Han-river basin. In order to consider seasonal characteristics, the study was performed separately for the flood (June~October) and nonflood (November~May) seasons. The periods for baseline and projection scenario were set as 1973~2000 and 2011~2100, respectively. This study evaluated the performance of NSQM by experimenting various ways of setting parameters of target distribution. The projection scenarios were shown for 3 different periods of FF scenario (Foreseeable Future Scenario, 2011~2040 yr), MF scenario (Mid-term Future Scenario, 2041~2070 yr), LF scenario (Long-term Future Scenario, 2071~2100 yr). The trend test for the annual precipitation projection using NSQM shows 330.1 mm (25.2%), 564.5 mm (43.1%), and 634.3 mm (48.5%) increase for FF, MF, and LF scenarios, respectively. The application of stationary scheme shows overestimated projection for FF scenario and underestimated projection for LF scenario. This problem could be improved by applying nonstationary quantile mapping.