• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.168-168
• /
• 2018

최근 기후변화로 인하여 전 세계적으로 과거 강우사상에서 확인되지 않는 극치사상이 빈번하게 관측되고 있으며 이에 따른 피해도 증가하고 있다. 미래의 기상학적 변동성 및 기후변화 영향은 지구순환모형 (General Circulation Models, GCM)을 통해 구체화되며 가장 일반적인 기후변화 전망자료로서 활용된다. 그러나 산정된 기후변화 시나리오마다 서로 그 특성에 차이가 있으며 이러한 이유로 다양한 원인으로 인해 큰 변동성을 가지는 미래 극치강우를 하나의 시나리오로 분석하기에는 무리가 있다. 또한 다양한 시나리오를 통해 분석한 결과값이 상이하며 이러한 시나리오별 산정 결과의 차이는 사용자에게 혼란을 야기할 수 있어 이를 하나의 결과로 나타낼 필요성이 있으나 정량적인 대푯값을 얻기 위해 특정 시나리오를 선택하는 것은 신뢰성에 문제가 있다. 본 연구에서는 시나리오들을 정량적 지표에 의거하여 혼합된 하나의 시나리오로 표출하고자 하였다. CORDEX-RCMs 시나리오 중 HadGEM3-RA, RegCM, SNU_WRF 및 GRIMs를 입력 자료로 하여 다중모형앙상블(Multi-Model Ensemble, MME)을 통해 낙동강 유역의 극치강우에 대한 하나의 최적 기후변화 시나리오를 도출하고자 하였으며 계층적 베이지안 (Hierarchical Bayesian Model, HBM) 기법을 통하여 기후변화 시나리오에 내제된 불확실성에 대한 정량적인 해석을 수행하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.272-272
• /
• 2023

기후변화로 인해 많은 경우 강수량은 증가할 것으로 전망되지만 시공간적 편차 또한 커짐으로써 가뭄 위험은 증가할 것으로 예상된다. 가뭄 위험도 평가는 강수량, 유출량 등 수문자료로부터 추출한 가뭄변량의 빈도해석을 통해 이루어질 수 있다. 빈도해석의 대상이 되는 수문변량의 통계적 속성이 일정하게 유지되는 정상성의 가정은 기존 빈도해석 방법의 핵심이 되지만, 최근 기후변화로 인한 수문변량의 통계적 특성 변화가 발생할 것으로 예상되기 때문에 이러한 비정상성의 특성을 빈도해석 시 고려할 필요가 있다. 자료의 비정상성을 평가하는데 짧은 기록을 갖는 자료로부터 변화 추세를 신뢰성 있게 평가하는 것은 어려움이 크다. 이러한 점에서 지점자료를 통합적으로 활용할 수 있는 지역빈도해석 절차 도입을 통해 해석 결과에 신뢰성을 확보하는 것이 합리적이다. 본 연구에서는 유역단위에서 가뭄의 지속기간과 심도 사이의 상호의존성을 고려하기 위해 이변량 Copula 함수 기반 가뭄 지역빈도해석을 도입했으며, 두 가뭄변량의 주변확률분포의 매개변수는 시간에 따른 함수로 가정하였다. 모형의 모든 매개변수는 계층적 Bayesian 모형을 통해 동시에 추정하였다. 최종적으로 주어진 가뭄빈도에 해당하는 시간에 따라 변화하는 가뭄 위험을 평가하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.433-433
• /
• 2022

수자원 관리를 위한 설계수문량의 산정은 수문자료의 통계적 특성을 고려한 빈도해석을 통해 이루어지며, 대상 관측지점에 대해 개별적으로 수행되는 지점빈도해석과 수문학적으로 동질하다고 판단되는 지점들의 자료를 동시에 고려하는 지역빈도해석으로 분류된다. 기후변화에 의한 미래 수문량의 변동성을 고려하기 위해 비정상성 빈도해석이 요구되나 짧은 기록을 갖는 수문자료로부터 정확한 변화 추세를 평가하기 어렵다. 이에 따라 지역빈도해석을 통해 자료를 확충함으로써 자료에 대한 신뢰성을 확보하고 지역 전체에 대해 대표성을 갖는 확률수문량을 산정하는 것이 합리적이다. 본 연구에서는 극치강수량의 지역빈도해석에서 비정상성을 고려하기 위해 단순선형회귀 모형을 통해 시간항에 대한 강수량의 경향성을 탐지하였다. 계층적 Bayesian 모형을 통해 Partial Pooling 기법을 적용함으로써 기존 L-모멘트 방법(complete pooling)에서 고려하지 못하는 개별지역의 강수 특성을 고려하였으며 불확실성을 정량화하였다. 한강 유역 18개 지점의 극치강수량에 대해 비정상성 평가 결과 대부분 지점에서 양의 기울기를 확인하였으며 미래 빈도별 확률강수량의 증가율을 제시한다.

• 응용통계연구
• /
• 제32권2호
• /
• pp.213-227
• /
• 2019

본 논문에서는 베이즈 신경망을 결합한 종단 간 딥러닝 모형을 한국어 음성인식에 적용하였다. 논문에서는 종단 간 학습 모형으로 연결성 시계열 분류기(connectionist temporal classification), 주의 기제, 그리고 주의 기제에 연결성 시계열 분류기를 결합한 모형을 사용하였으며. 각 모형은 순환신경망(recurrent neural network) 혹은 합성곱신경망(convolutional neural network)을 기반으로 하였다. 추가적으로 디코딩 과정에서 빔 탐색과 유한 상태 오토마타를 활용하여 자모음 순서를 조정한 최적의 문자열을 도출하였다. 또한 베이즈 신경망을 각 종단 간 모형에 적용하여 일반적인 점 추정치와 몬테카를로 추정치를 구하였으며 이를 기존 종단 간 모형의 결괏값과 비교하였다. 최종적으로 본 논문에 제안된 모형 중에 가장 성능이 우수한 모형을 선택하여 현재 상용되고 있는 Application Programming Interface (API)들과 성능을 비교하였다. 우리말샘 온라인 사전 훈련 데이터에 한하여 비교한 결과, 제안된 모형의 word error rate (WER)와 label error rate (LER)는 각각 26.4%와 4.58%로서 76%의 WER와 29.88%의 LER 값을 보인 Google API보다 월등히 개선된 성능을 보였다.

• Journal of the Korean Data and Information Science Society
• /
• 제4권
• /
• pp.109-120
• /
• 1993

Using a noninformative prior and a gamma prior, the Bayesian predictive density and the prediction intervals for a future observation or the p-th order statistic of n' future observations from the Burr distribution have been obtained. In additions, we examine the sensitivities of the results to the choice of model.

• 품질경영학회지
• /
• 제29권1호
• /
• pp.11-23
• /
• 2001

This paper is concerned with suggesting a Bayesian method for variable selection in multinomial logit model. It is based upon an optimal rule suggested by use of Bayes rule which minimizes a risk induced by selecting the multinomial logit model. The rule is to find a subset of variables that maximizes the marginal likelihood of the model. We also propose a Laplace-Metropolis algorithm intended to suggest a simple method forestimating the marginal likelihood of the model. Based upon two examples, artificial data and empirical data examples, the Bayesian method is illustrated and its efficiency is examined.

• 응용통계연구
• /
• 제19권3호
• /
• pp.505-519
• /
• 2006

셀 수 있는 이산 자료(discrete count data)에 대한 분석은 여러 분야에서 활용되고 있지만 영(zero)을 과도하게 포함하고 있는 영과잉 자료는 자료의 성격상 포아송 분포를 따르지 못할 때가 있어 분석에 어려움이 따른다. Zero-Inflated Poisson(ZIP)모형은 이런 어려움을 극복하기 위하여 영에 대한 점확률을 가지는 분포와 포아송 분포를 합성하여 과도한 영과 영이 아닌 자료를 설명하는 모형이다. 설명 변수가 존재할 때는 포아송 분포 부분에서 반응변수의 평균과 공변량사이에 로그선형 연결함수를 사용한 Zero-Inflated Poisson Regression(ZIPR)모형이 사용될 수 있다. 본 논문에서는 Markov Chain Monte Carlo 기법을 이용한 ZIPR모형의 베이지안 추론방법을 제안하고, 이를 실제 구강위생 자료에 적용하며 다른 모형들과 비교한다. 그 결과 베이지안 추론 방법을 적용한 영과잉 모형의 추정오차가 다른 모형들의 추정오차보다 작았고, 예측치가 더 정확했다는 점에서 우수함을 알 수 있었다.

• 한국수자원학회논문집
• /
• 제54권11호
• /
• pp.969-983
• /
• 2021

수문기상인자 중 하나인 증발산은 수자원 계획 및 관리 시 고려되며, 특히 물수지모형 등 수문모형의 입력자료로 활용된다. FAO56 PM 방법은 기상인자로부터 기준증발산량(reference evapotranspiration, ET₀)을 추정하며, 상대적으로 높은 정확성을 보여준다. 그러나 FAO56 PM 방법은 많은 기상인자가 필요하기 때문에 증발산 추정에 한계가 있다. 이러한 점에서 온도인자 기반의 Hargreaves 식의 매개변수를 Bayesian 모형을 통해 지역적으로 재추정하여 기준증발산량을 산정하였다. 통계 지표(CC, RMSE, IoA)를 활용하여 모형검증을 수행한 결과, 검증 기간에 대해 RMSE는 7.94 ~ 24.91 mm/month에서 6.77 ~ 12.94 mm/month로 기존 Hargreaves 식으로 추정된 증발산량에 비해 정확도가 크게 개선되었다. 본 연구에서는 산정된 기준증발산량을 활용해 증발 요구량(E₀) 기반의 가뭄지수 EDDI (evaporative demand drought index)를 제시하였다. 가뭄지수로서 적용성을 확인하기 위해 강수량 및 SPI와 함께 최근 2014 ~ 2015년, 2018년 가뭄사상을 평가하였다. 한강유역에 위치한 춘천, 홍천의 2018년 가뭄 발생 당시, 주단위 EDDI가 2 이상까지 증가하였으며, 이를 통해 EDDI가 강수부족보다는 폭염에 대한 반응정도가 큰 것을 확인할 수 있었다. 가뭄지수 EDDI는 SPI와 함께 가뭄 분석 및 평가에 대해 활용성이 높은 것으로 사료된다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회
• /
• pp.111-116
• /
• 2016

의미역은 자연어 문장의 서술어와 관련된 논항의 역할을 설명하는 것으로, 주어진 서술어에 대한 논항인식(Argument Identification) 및 분류(Argument Labeling)의 과정을 거쳐 의미역 결정(Semantic Role Labeling)이 이루어진다. 이를 위해서는 격틀 사전을 이용한 방법이나 말뭉치를 이용한 지도 학습(Supervised Learning) 방법이 주를 이루고 있다. 이때, 격틀 사전 또는 의미역 주석 정보가 부착된 말뭉치를 구축하는 것은 필수적이지만, 이러한 노력을 최소화하기 위해 본 논문에서는 비모수적 베이지안 모델(Nonparametric Bayesian Model)을 기반으로 서술어에 가능한 의미역을 추론하는 비지도 학습(Unsupervised Learning)을 수행한다.

• Journal of the Korean Data and Information Science Society
• /
• 제7권2호
• /
• pp.247-256
• /
• 1996

본 논문은 깁스 표본 기법을 이용하여 Demster et al.(1981)에 의해 소개된 Field Mice자료를 분석하기 위하여 베이지안 계층적 모형을 적용시켜 보았다. Jeffrey의 사전확률을 이용한 사후 평균을 깁스 표본 기법을 이용하여 구하였고, 이로 부터 얻은 베이지안 추정량을 최소 자승 추정량, EM알고리즘을 이용한 랜덤 효과를 포함한 가능도함수에 대한 최대 가능도 추정량(MLR)과 비교하였다.