• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.10 no.3
• /
• pp.97-102
• /
• 2010

The purpose of medical data mining for efficient algorithms and techniques throughout the various diseases is to increase the reliability of estimates to classify. Previous studies, an algorithm based on a single model, and even the existence of the model to better predict the classification accuracy of multi-model ensemble-based research techniques are being applied. In this paper, the higher the medical data to predict the reliability of the existing scope of the ensemble technique applied to the I-ENSEMBLE offers. Data for the diagnosis of hypothyroidism is the result of applying the experimental technique, a representative ensemble Bagging, Boosting, Stacking technique significantly improved accuracy compared to all existing, respectively. In addition, compared to traditional single-model techniques and ensemble techniques Multi modeling when applied to represent the effects were more pronounced.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.345-351
• /
• 2008

미래의 기후변화 영향평가에 있어 전지구모형(General Circulation Model)은 가장 중요한 자료 중 하나이다. 즉, 온실가스 방출(emission) 시나리오에 기초한 전지구모형의 모의결과를 이용하면 미래 수자원에 대한 정보를 얻을 수 있다. 하지만 미래 수자원은 방출 시나리오, 상세화(downscaling) 기법, 강우-유출모형, 전지구모형의 종류에 따라 크게 달라질 수 있어 매우 큰 불확실성(uncertainty)을 포함하고 있다. 이러한 불확실성을 줄이는 방법 중 하나로 전지구모형의 모의능력에 따라 가중치(weight)를 부여하고 결합(combining)하는 multi-model 앙상블(ensemble) 기법이 선진국을 중심으로 활발히 연구되고 있다. 본 연구에서는 우선 기후변화 영향평가를 위하여 국내에서 사용가능한 전지구모형을 조사하고 그 중CCSM3, CSRIO, ECHAM4, GFDL, MIRCO를 선택하였다. 한강 충주댐 유역에 대하여 과거($1980{\sim}1999$년)와 미래($2030{\sim}2049$년) 기간에 대하여 전지구모형의 기후정보를 간단한 선형보간법을 이용하여 상세화하였다. 다음으로 multi-model 앙상블 기법을 조사하였다. 본 연구에서는 Giorgi et al.(2002)이 제안한 Reliability Ensemble Average(REA) 기법을 적용하여 선형보간법으로 상세화한 전지구모형의 모의결과에 가중치를 주어 불확실성을 줄이는 연구를 수행하였다. 특히 REA를 구성하는 식 중 모형의 편차(bias) 뿐만 아니라 분산(variance)까지 고려함으로서 이를 개선하는 Modified-REA를 제안하였다. 제안한 방안을 이용하여 결합한 전지구모형의 모의결과가 기존 REA의 결과보다 기후정보의 불확실성을 더 줄일 수 있는 것으로 나타났다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.135-135
• /
• 2017

최근 강우-유출 모형은 물리적 현상에 근거한 확정론적 모의 모형과 물리적 성분으로 설명할 수 없는 내용에 대해 통계적으로 접근하는 추계학적 모의 모형 등이 계속 연구되고 있어 자연현상에 가까운 결과를 기대할 수 있게 되었다. 하지만 우리나라의 경우 많은 연구에도 불구하고 돌발성 집중호우, 여름철 집중되는 강우 등으로 인해 재난이 반복적으로 발생하고 있어 모형의 정확성에 대한 논의가 지속되고 있다. 동일한 유역에 동일한 입력자료를 사용하더라도 사용하는 모형에 따라 유출 분석결과는 상이하며 이는 유출 해석에 대한 불확실성으로 작용한다. 본 연구에서는 앙상블 및 블랜딩 기법을 사용하여 각 강우-유출 모형의 불확실성을 고려하여 최적 유출량을 산정하고자 한다. 대상 유역으로는 한강 수계에 있는 중랑천 유역을 선정하였으며, Distributed 모형인 Vflo 모형과 Lumped 모형인 저류함수 모형, SSARR모형, TANK 모형을 이용하여 유출 분석을 실시하였다. 그 후, Multi-Model Super Ensemble(MMSE), Simple Model Average(SMA), Mean Square Error(MSE) 방법 등의 blending 기법을 이용하여 하나의 통합된 형태의 유출 분석 결과를 제시하였으며, 최적 유출량 산정을 위한 blending 기법을 선정하였다. 본 연구를 통해 동일한 강우 시나리오에 대한 여러 강우-유출 모형에 대한 정확도를 확인하였으며, 앙상블 및 블랜딩 기법을 사용하여 유출 분석에 대한 정확도를 향상시킬 수 있을 것으로 판단된다.

• Journal of Korea Water Resources Association
• /
• v.51 no.3
• /
• pp.221-233
• /
• 2018

Recently, the flood damage by the localized heavy rainfall and typhoon have been frequently occurred due to the climate change. Accurate rainfall forecasting and flood runoff estimates are needed to reduce such damages. However, the uncertainties are involved in guage rainfall, radar rainfall, and the estimated runoff hydrograph from rainfall-runoff models. Therefore, the purpose of this study is to identify the uncertainty of rainfall by generating a probabilistic radar rainfall ensemble and confirm the uncertainties of hydrological models through the analysis of the simulated runoffs from the models. The blending technique is used to estimate a single integrated or an optimal runoff hydrograph by the simulated runoffs from multi rainfall-runoff models. The radar ensemble is underestimated due to the influence of rainfall intensity and topography and the uncertainty of the rainfall ensemble is large. From the study, it will be helpful to estimate and predict the accurate runoff to prepare for the disaster caused by heavy rainfall.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.25 no.3
• /
• pp.74-99
• /
• 2022

Surface ozone is produced by photochemical reactions of nitrogen oxides(NOx) and volatile organic compounds(VOCs) emitted from vehicles and industrial sites, adversely affecting vegetation and the human body. In South Korea, ozone is monitored in real-time at stations(i.e., point measurements), but it is difficult to monitor and analyze its continuous spatial distribution. In this study, surface ozone concentrations were interpolated to have a spatial resolution of 1.5km every hour using the stacking ensemble technique, followed by a 5-fold cross-validation. Base models for the stacking ensemble were cokriging, multi-linear regression(MLR), random forest(RF), and support vector regression(SVR), while MLR was used as the meta model, having all base model results as additional input variables. The results showed that the stacking ensemble model yielded the better performance than the individual base models, resulting in an averaged R of 0.76 and RMSE of 0.0065ppm during the study period of 2020. The surface ozone concentration distribution generated by the stacking ensemble model had a wider range with a spatial pattern similar with terrain and urbanization variables, compared to those by the base models. Not only should the proposed model be capable of producing the hourly spatial distribution of ozone, but it should also be highly applicable for calculating the daily maximum 8-hour ozone concentrations.

• Journal of Korea Society of Industrial Information Systems
• /
• v.25 no.2
• /
• pp.57-72
• /
• 2020

The price of iron ore has continued to fluctuate with high demand and supply from many countries and companies. In this business environment, forecasting the price of iron ore has become important. This study developed the machine learning model forecasting the price of iron ore a one month after the trading events. The forecasting model used distributed lag model and deep learning models such as MLP (Multi-layer perceptron), RNN (Recurrent neural network) and LSTM (Long short-term memory). According to the results of comparing individual models through metrics, LSTM showed the lowest predictive error. Also, as a result of comparing the models using the ensemble technique, the distributed lag and LSTM ensemble model showed the lowest prediction.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• 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.

• Journal of Korea Water Resources Association
• /
• v.51 no.11
• /
• pp.1031-1041
• /
• 2018

ANFIS-based methodology for improving GloSea5 ensemble weather forecast is developed and evaluated in this study. The proposed method consists of two steps: pre & post processing. For ensemble prediction of GloSea5, weights are assigned to the ensemble members based on Optimal Weighting Method (OWM) in the pre-processing. Then, the bias of the results of pre-processed is corrected based on Model Output Statistics (MOS) method in the post-processing. The watershed of the Chungju multi-purpose dam in South Korea is selected as a study area. The results of evaluation indicated that the pre-processing step (CASE1), the post-processing step (CASE2), pre & post processing step (CASE3) results were significantly improved than the original GloSea5 bias correction (BC_GS5). Correction performance is better the order of CASE3, CASE1, CASE2. Also, the accuracy of pre-processing was improved during the season with high variability of precipitation. The post-processing step reduced the error that could not be smoothed by pre-processing step. It could be concluded that this methodology improved the ability of GloSea5 ensemble weather forecast by using ANFIS, especially, for the summer season with high variability of precipitation when applied both pre- and post-processing steps.

• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.35 no.2
• /
• pp.327-340
• /
• 2015

General Circulation Models (GCMs) are the basic tool used for modelling climate. However, the spatio-temporal discrepancy between GCM and observed value, therefore, the models deliver output that are generally required calibration for applied studies. Which is generally done by Multi-Model Ensemble (MME) approach. Stochastic downscaling methods have been used extensively to generate long-term weather sequences from finite observed records. A primary objective of this study is to develop a forecasting scheme which is able to make use of a MME of different GCMs. This study employed a Nonstationary Hidden Markov Chain Model (NHMM) as a main tool for downscaling seasonal ensemble forecasts over 3 month period, providing daily forecasts. Our results showed that the proposed downscaling scheme can provide the skillful forecasts as inputs for hydrologic modeling, which in turn may improve water resources management. An application to the Nakdong watershed in South Korea illustrates how the proposed approach can lead to potentially reliable information for water resources management.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.685-688
• /
• 2004

본 연구에서는 저수지군 연계운영을 위한 표본 추계학적 선형 계획(SSLP, Sampling Stochastic Linear Programming) 모형을 제안한다. 일반적 추계학적 모형은 과거 자료로부터 확률변수의 확률분포를 추정하고 이를 몇 개 구간으로 나누어 이산 확률 값을 산정하여 기댓값이 최대가 되는 운영방안을 도출하지만 저수지 유입량 예측시 고려되어야할 지속성 효과(Persistemcy Effect)와 유역간 또는 시점별 공분산 효과(The joint spatial and temporal correlations)를 반영하는데 많은 한계가 있다. 이를 극복하기 위하여 과거자료 자체를 유입량 시나리오로 적용하여 시${\cdot}$공간적 상관관계를 유지하는 표본 추계학적(Sampling Stochastic)기법을 바탕으로 Simple Recourse Model로 구성한 추계학적 선형 계획 모형을 제시한다. 이 모형은 미국 기상청(NWS)에서 발생 가능한 유입량의 시나리오를 예측하는 방법인 앙상블 유량 예측(ESP, Ensemble Streamflow Prediction)을 통한 시나리오를 적용함으로써 좀더 신뢰성 있는 저수지군 연계운영 계획을 도출 할 수 있을 것으로 기대된다.