• 한국지리정보학회지
• /
• 제19권4호
• /
• pp.36-51
• /
• 2016

본 연구는 기후변화에 따른 도시홍수 리스크 평가를 위해 베이지안 확률통계 모형과 GIS를 연계 활용하였다. 리스크는 재난발생가능성과 영향 크기의 곱으로 평가될 수 있다. 본 연구는 베이지안 모델을 기반으로 침수발생가능성을 추정하였고, 기후변화 시나리오 정보를 반영하여 미래 침수발생가능성도 평가하였다. 침수로 발생할 수 있는 영향은 인명피해와 재산피해의 측면에서 살펴보았다. 서울시 서초구를 대상으로 분석한 결과, 현재 침수발생가능성은 하천에 인접하고, 주변지역보다 고도가 낮으며 불투수면 밀집지역인 서초동, 반포동 일대가 높게 나타났다. 미래 침수발생가능성 추정결과, 2050년의 위험지역 면적이 2030년보다 1.3배 증가하는 것으로 나타났다. 추정된 발생가능성을 활용한 리스크 평가 결과, 인명피해 리스크는 일반 및 고층 주거지역을 중심으로 높은 리스크를 보인 반면, 재산피해는 상업지역을 중심으로 리스크가 높게 나타났다. 2050년의 재산피해 리스크는 2030년의 재산피해 리스크보다 약 6.6% 증가하는 것으로 평가되었다. 본 연구에서 제안된 도시홍수 리스크 평가 기법은 상세한 공간결과 값의 제공으로 지역맞춤형 재해저감 전략을 위한 중요한 의사결정 자료로 활용될 수 있을 것으로 기대한다.

• 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.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권12호
• /
• pp.1065-1074
• /
• 2007

기존의 참조서명과 입력서명을 비교하는 방법 중 분절 단위 비교 방법은 전역적 비교와 점 단위 비교 방법과 비교하여 우수한 장점을 가지고 있다. 그러나 분절 단위 비교 방법은 인식률과 직접적인 관계가 있는 분절의 불안정 문제점이 있다. 이러한 문제점을 해결하기 위하여 본 논문에서는 분절단위 방법 외에 선형판별분석에 의한 매칭방법을 고려한 서명 검증 기법을 제안한다. 최종 검증단계에서 두 개의 독립모델을 효과적으로 융합할 수 있는 확률기반의 베이지안 분류기를 적용하였다 다양한 서명데이타를 이용하여 실험한 결과 제안된 기법은 분절단위 기반 구간분할매칭 기법에 비해 우수한 성능을 나타냈다.

• 응용통계연구
• /
• 제33권1호
• /
• pp.47-59
• /
• 2020

본 논문에서는 마코프 이항 회귀 모형의 시차가 알려져 있거나 그렇지 않은 경우일 때, t-링크 함수를 갖는 종단적 마코프 이항 회귀 모형을 제시한다. 일반적으로, 이항 회귀 모형에서는 로직 모형이나 프로빗 모형이 주로 사용된다. t-링크 함수는 t 분포가 자유도가 커질수록 정규분포로 근사하기 때문에 프로빗 모형을 대신 더 많은 유연성을 위해 사용될 수 있다. 게다가 마코프 회귀모형은 종단 자료에 대해 사용될 수 있다. 우리는 마코프 회귀 모형의 시차를 결정하기 위해 베이지안 방법을 제시하고자 한다. 특히, 각 모델의 차수에 대해 알고 있는 경우에는 DIC를 기준으로 모델 비교를 실시하였다. 모델의 차수에 대해 모르는 경우에는 가능한 모델들의 사후 확률을 이용하였다. 복잡한 베이지안 계산을 해결하기 위하여 Albert와 Chib (1993), Kuo와 Mallick (1998)과 Erkanli 등 (2001)의 방법을 이용하여 모델을 재설정하였다. 제안하는 방법은 시뮬레이션 데이터와 Somer 등 (1984)에 의해 조사된 인도네시아 어린이 종단 데이터에 적용했다. 마코프 이항 회귀모형의 순서에 대해서 아는 경우와 모르는 경우를 각각 가정하여 최적의 모델을 알아보기 위해 MCMC 방법을 사용하였다. 또한, 매트로폴리스 해스팅 알고리즘의 수렴성을 점검하기 위해 Gelman과 Rubin의 진단을 이용했다.

• 응용통계연구
• /
• 제21권3호
• /
• pp.361-375
• /
• 2008

본 논문에서는 패널의 일부를 규칙적으로 교체하는 4-8-4 교체표본설계에서 발생할 수 있는 항목 무응답을 대체하는 방법에 대하여 연구하였다. 특히 소득이나 취업과 같이 민감한 질문에 대하여 발생할 수 있는 무응답에 대하여 무시할 수 없는 무응답(nonignorable nonresponse) 체계하에서 발생하는 무응답을 가정하였다. 무응답들의 대체방법으로 모형에 기반한 대체방법을 고려하였으며 베이지안 방법을 이용하여 사후확률밀도함수를 최대화하는 최대사후우도추정량(maximum posterior likelihood estimator)을 구하였다. 그리고 대체된 자료를 이용하여 면접시점이 달라질 때 발생하는 편향을 추정하였으며 추정된 편향을 제거한 후 연속적인 두 조사기간에서의 각 칸의 확률과 고정된 시점에서의 주변확률을 계산하였다. 모의실험을 통해 최종적으로 도출된 결과를 평균제곱오차와 편향의 관점에서 비교하였다.

• 응용통계연구
• /
• 제16권1호
• /
• pp.101-115
• /
• 2003

본 논문에서는 Chen, Dey와 Shao(1999), Branco와 Dey(2001)가 제안한 왜도가 있는 두터운 꼬리를 가지는 오차 분포와 디리슈레 과정 사전분포를 이용한 베이지안 메타분석 (meta-analysis)을 하고자 한다. 베이지안 메타분석을 위하여 가중함수를 고려한 계층적 선택 모형을 이용한다. 이때의 오차항은 왜도가 있는 비정규 분포로 가정한다. 이를 위하여 우선 왜도 타원형 분포의 일반적인 족을 소개한다 이 분포족중 왜도 정규분포와 왜도 t 분포를 오차항 분포로 이용한 베이지안 계층적 선택 모형을 고려하며, 이 때 발생하는 복잡한 베이지안 계산은 MCMC 방법으로 해결한다. 마지막으로, 실제 자료(Johnson, 1993)인 두 가지의 충치예방약의 효과에 대한 차이를 비교하기 위해 얻어진 12개의 연구 자료를 이용하여 본 연구에서 제시된 베이지안 방법을 이용하여 메타분석을 한다.

• Smart Structures and Systems
• /
• 제33권5호
• /
• pp.325-332
• /
• 2024

This study proposes a novel long short-term memory (LSTM)-based approach for predicting carbonation depth, with the aim of enhancing the durability evaluation of concrete structures. Conventional carbonation depth prediction relies on statistical methodologies using carbonation influencing factors and in-situ carbonation depth data. However, applying in-situ data for predictive modeling faces challenges due to the lack of time-series data. To address this limitation, an LSTM-based carbonation depth prediction technique is proposed. First, training data are generated through random sampling from the distribution of carbonation velocity coefficients, which are calculated from in-situ carbonation depth data. Subsequently, a Bayesian theorem is applied to tailor the training data for each target bridge, which are depending on surrounding environmental conditions. Ultimately, the LSTM model predicts the time-dependent carbonation depth data for the target bridge. To examine the feasibility of this technique, a carbonation depth dataset from 3,960 in-situ bridges was used for training, and untrained time-series data from the Miho River bridge in the Republic of Korea were used for experimental validation. The results of the experimental validation demonstrate a significant reduction in prediction error from 8.19% to 1.75% compared with the conventional statistical method. Furthermore, the LSTM prediction result can be enhanced by sequentially updating the LSTM model using actual time-series measurement data.

• 대한교통학회지
• /
• 제34권3호
• /
• pp.278-290
• /
• 2016

연속교통류 운영 및 설계에서는 최대통과교통류율에 따른 교통류 상태변화 분석이 중요하다. 최대통과교통류율은 연속교통류 운영상태를 평가함에 있어 기준이 되고 있으며, 병목현상과 같은 지 정체 발생시 최대통과교통류율이 급격히 감소하게 된다. 현재까지 이러한 연속교통류 운영과 관련된 다양한 연구들이 수행되었지만, 변화되는 교통량을 명확하게 식별하지 못하고 있다. 이에 본 연구에서는 교통운영 및 설계 등의 다양한 연구를 수행하는 데 있어 가장 중요한 실시간 교통량 변화 검지 방법론에 대한 연구를 실시한다. 이를 위하여 도시고속도로 자유로 구간의 24시간 레이더검지기의 시계열 자료를 이용하며, 교통류 상태 구분에는 통계적 기법의 일환인 터닝포인트 분석(Tunring Point Analysis, 이하 TPA)를 적용한다. TPA는 베이지안 접근법(bayesian approach)을 이용하며, 차량도착은 포아송 분포로 가정한다. 분석대상 구간에 대한 터닝포인트(Turning Point, 이하 TP)를 도출하였으며, 교통량이 변화되는 시점을 확인할 수 있었다. 또한 실시간 교통상태변화 검지를 위한 방법으로 TP지속시간을 설정하여 분석을 실시하였으며, 실시간으로 교통량의 변화를 검지하였다. 이는 기존의 직관적이고 경험적인 접근법의 한계를 극복할 수 있는 장점을 가지며, 실시간으로 교통량 변화를 식별할 수 있어 램프미터링(ramp-metering), 가변차로 등의 교통운영관리에 적용이 가능하다.

• 한국컴퓨터정보학회논문지
• /
• 제21권6호
• /
• pp.9-19
• /
• 2016

In finance literature, stock liquidity showing how stocks can be cashed out in the market has received rich attentions from both academicians and practitioners. The reasons are plenty. First, it is known that stock liquidity affects significantly asset pricing. Second, macroeconomic announcements influence liquidity in the stock market. Therefore, stock liquidity itself affects investors' decision and managers' decision as well. Though there exist a great deal of literature about stock liquidity in finance literature, it is quite clear that there are no studies attempting to investigate the stock liquidity issue as one of decision making problems. In finance literature, most of stock liquidity studies had dealt with limited views such as how much it influences stock price, which variables are associated with describing the stock liquidity significantly, etc. However, this paper posits that stock liquidity issue may become a serious decision-making problem, and then be handled by using data mining techniques to estimate its future extent with statistical validity. In this sense, we collected financial data set from a number of manufacturing companies listed in KRX (Korea Exchange) during the period of 2010 to 2013. The reason why we selected dataset from 2010 was to avoid the after-shocks of financial crisis that occurred in 2008. We used Fn-GuidPro system to gather total 5,700 financial data set. Stock liquidity measure was computed by the procedures proposed by Amihud (2002) which is known to show best metrics for showing relationship with daily return. We applied five data mining techniques (or classifiers) such as Bayesian network, support vector machine (SVM), decision tree, neural network, and ensemble method. Bayesian networks include GBN (General Bayesian Network), NBN (Naive BN), TAN (Tree Augmented NBN). Decision tree uses CART and C4.5. Regression result was used as a benchmarking performance. Ensemble method uses two types-integration of two classifiers, and three classifiers. Ensemble method is based on voting for the sake of integrating classifiers. Among the single classifiers, CART showed best performance with 48.2%, compared with 37.18% by regression. Among the ensemble methods, the result from integrating TAN, CART, and SVM was best with 49.25%. Through the additional analysis in individual industries, those relatively stabilized industries like electronic appliances, wholesale & retailing, woods, leather-bags-shoes showed better performance over 50%.

• 응용통계연구
• /
• 제16권2호
• /
• pp.273-282
• /
• 2003

순서화된 척도모수들의 사전정보를 가지는 k-모집단 와이블분포의 모수추정을 위한 베이지안방법이 제시된다. 모수추정은 깁스샘플링에 의해서 이루어지며, 특히 깁스샘플러에서 형태모수의 조건부 사후분포는 로그-오목함수이므로 적응기각표집(Adaptive Rejection Sampling: ARS)방법에 의해 모수생성을 하였다. 논의된 모수추정법을 전기 절연유체 고장시간자료에 적용하여 척도모수의 순서화정보를 반영한 경우와 그렇지 않은 경우를 비교하였다.