• 물과 미래
• /
• 제28권6호
• /
• pp.107-118
• /
• 1995

갈수기를 포함한 자연하천에서의 오염물질의 확산 및 이동 거동을 정확하게 예측하기 위하여 하천수로의 존재하는 저장대의 영향과 저장대에서의 오염물질의 저장 및 재방출 과정을 보다 정확하게 설명할 수 있는 수학적 모형을 개발하였다. 수학적 모형은 수치해석적인 방법에 의해 해를 구하고, 실험자료를 통해 검증하였다. 저장대에서의 오염물질의 저장과정을 설명하기 위한 두 개의 서로 다른 저장과정 부모형을 결합시킨 모형의 모의결과, 두 모형의 정확도에 있어서는 서로 대등하지만, 저장-확산 모형이 저장-교환 모형보다 저장 및 교환과정을 물리적으로 더욱 정확하게 표현할 수 있음이 밝혀졌다. 본 연구에서 개발된 저장-교환모형과 저장-확산 모형은 자연 하천으로 방류된 오염물질의 확산 및 혼합특성을 예측하는 모형으로서 종래의 1차원 확산모형에 비해 월등히 개선된 모형으로 판단된다.

• 산업경영시스템학회지
• /
• 제18권34호
• /
• pp.107-114
• /
• 1995

The objective of this study is to design a one-stage dynamic prediction model with Kalman state space model. For a model verification, it is compared with EWMA(Exponentially Weighed Moving Average) model. The model designed in this research can be extended to process prevention control and quality monitoring.

• 한국콘텐츠학회논문지
• /
• 제10권5호
• /
• pp.210-219
• /
• 2010

본 연구에서는 선택모형을 이용하여 소비자패널자료를 분석함에 있어 시간의 흐름에 따라 동적(dynamic)으로 변화하는 소비자내부의 특성 차이를 반영한 특정소비자의 종적인 변화인 소비자동태성을 분석하였다. 선택모형 내에서 소비자동태성은 효용함수에 시변계수(time-varying coefficient)를 도입함으로써 표현될 수 있다. 본 연구에서는 이를 위해 계층적모형(hierarchical model)과 상태공간모형(state-space model)에 기반하여 Random-Walk 계수를 지니는 이산프로빗모형을 개발하였고, 개발된 모형을 패널자료로부터 추정하기 위하여 Gibbs 표본법을 적용하였다. 모형추정결과 효용함수의 시변계수들에 유의한 소비자동태성이 존재함을 확인할 수 있었다. 소비자동태성이 존재할 경우 이에 효과적으로 대응하기 위해서는 동적시장세분화가 필요하다고 할 수 있다.

• 한국해안해양공학회지
• /
• 제18권2호
• /
• pp.166-177
• /
• 2006

본 연구에서는 Boussinesq방정식을 지배방정식으로 한 기존의 강비선형 모형과 고차 모형(다층모형)의 정확도를 각각 검토하였으며, 사용된 다층모형은 Lynett과 Liu(2004a)에 의해 개발된 것이다. 수치모형으로 shelf 지형에서의 쇄파를 모의하였으며, 실험에 적용된 파랑의 비선형성(${k_0}{A_0}$)은 0.029~0.180 범위이다. 전반적으로 2층 모형의 해석결과가 실험결과와 잘 일치하였다. 1층모형의 경우에는 쇄파점 가까운 곳에서부터 파고가 빨리 증폭이 된 반면, 2층모형의 파고증폭 정도는 수리실험결과와 잘 부합하였다.

• 대한토목학회논문집
• /
• 제31권6B호
• /
• pp.515-522
• /
• 2011

수리해석 모형들은 하천의 흐름에 대한 연구에 이용되거나, 수공구조물의 설계 및 하천의 설계 등 실무에 널리 사용되고 있다. 이들 수리해석 모형은 실측자료를 통한 보정이 필요하나, 홍수시 유속을 측정하는 것 자체가 위험한 작업이기 때문에 홍수시 하천의 2차원 유속분포에 대한 실측자료가 전무한 실정이다. 이러한 이유로 2차원 수치모형의 결과는 보통 몇 개 지점의 실측된 자료를 비교함으로써 보정 및 검증을 실시하고 있다. 더욱이 설계 홍수량에 대한 모형의 보정은 1차원 모형인 HEC-RAS의 모의결과를 이용하여 보정하고 있다. 본 연구에서는 일본의 토네강(Tone river)에서 홍수시 촬영한 항공사진을 분석하여 추출한 유속벡터 자료를 이용하여 하천설계 실무 및 연구 등에 널리 사용되어지고 있는 2차원 수치모형인 RAMS의 RAM2, SMS의 RMA2와 1차원 모형인 HEC-RAS 모형의 검증을 실시하였다. 또한, HEC-RAS결과를 이용한 2차원 모형의 보정에 대한 타당성을 검토하였다. 검토결과, HEC-RAS 및 RAM2, RMA2 모형의 수위모의 결과 모두 관측점의 수위와 비슷한 결과을 보이고 있었으나, 유속모의의 경우 고수부지에서의 2차원 모형에 의한 유속결과와 항공사진으로부터 추출된 유속결과가 차이를 보이고 있었다. 또한, 1차원 모형에 의한 결과와 항공사진으로부터 추출된 유속장을 단면평균한 유속과 비교한 결과 큰 오차가 발생하고 있는 것으로 나타났다.

• 대한교통학회지
• /
• 제20권3호
• /
• pp.159-168
• /
• 2002

미국 도로용량편람(HCM)은 감응식 신호운영의 평가를 위하여 감응식 현시의 평균녹색시간 추정을 요구하고 있고 그 부록에서 제시한 평균녹색시간 추정모형을 적용할 것을 권장하고 있다. 이 모형은 감응식 신호운영의 기능적 특징을 반영하는 유일한 분석모형이지만 그 모형식에는 (1)대기행렬처리시간의 추정, (2)적신호우회전 교통량(Right turn on red)의 영향, (3)공유차로 비보호 좌회전의 영향에 있어 개선요소를 포함하고 있다. 본 연구는 이러한 HCM모형의 개선요소를 분석하고 수정하여 새로운 평균녹색시간추정모형을 제시한다. 다양한 교통상황, 기하구조상황, 현시조합상황을 가상 설정하여 총 234개의 감응식 신호운영시나리오를 구축하고 이로 파생되는 1,196개의 감응현시를 실험자료로 사용하였다. 각각의 시나리오를 Corridor Simulation(CORSIM)모형으로 모의실험한 결과를 기준으로 삼아 HCM 분석모형과 본 연구에서 제시하는 분석모형의 추정력을 비교하였다. 제시된 모형의 전산적용은 Average Green time Estimation(ACE) 프로그램을 개발하여 적용하였고, HCM모형은 미국 University of Florida에서 개발된 ACT348 프로그램을 사용하여 적용하였다. 예측된 결과는 비보호좌회전이 허용되지 않는 신호현시 집단(1,118개)과 허용되는 신호현시 집단(78개)으로 나누어서 비교하였다. HCM모형의 경우 각각의 집단에 대한 설명력이 0.56, 0.57로 결과된 반면 본 연구를 통해 새롭게 제시된 모형의 설명력은 각각 0.90. 0.86으로 결과되었다.

• 대한교통학회지
• /
• 제21권2호
• /
• pp.95-105
• /
• 2003

확률적 통행배정모형은 확정적 모형이 갖는 여러 경직된 가정들을 완화시킬 수 있다는 점에서 많은 연구자들의 연구대상이 되어왔으나, 확률개념이 모형에 내포됨에 따라 풀기가 쉽지 않다는 한계를 갖고 있다. 또한 현재까지 제시된 모형들도 교통망부하(Network loading) 단계에서 대안경로수를 제한함으로서 교통량에 종속적인 통행비용이 변하는 경우. 이를 선택대안의 변화로 반영하지 못하는 문제점과 확률적 사용자균형해를 구하는 단계에서 휴리스틱하게 접근하는 문제점들을 갖고 있다. 본 연구에서는 이들 확률적 통행배정모형의 문제점들을 해결할 수 있는 새로운 모형과 이를 풀기 위한 알고리듬을 제시하는데 목적이 있다. 제시되는 모형들은 로짓모형을 기반으로 개발되며 Wardrop의 확률적 균형상태를 도출하게 된다. 풀이 알고리듬은 링크가 아닌 경로를 기반으로 구축되는데, 모든 경로를 열거해야 하는 어려움이 있지만. 선택경로를 제한함으로서 발생되는 문제를 피할 수 있으며, 초기에 한번만 모든 경로를 열거해놓으면 이를 계속 사용하기 때문에 계산시간도 줄일 수 있다. 또한 본 연구에서 제시되는 수리최소화모형은 목적함수를 직접 평가(evaluation)하기 때문에 수렴해에 신속히 수렴하며, Sheffi(1985)가 제시한 동등 수리모형(equivalent mathematical program)보다 이해하기 쉽다는 장점이 있다. 제시된 모형을 평가하기 위하여 예제 교통망을 이용하며, 각 모형들의 장단점을 분석하였다.

• 한국수자원학회논문집
• /
• 제34권4호
• /
• pp.303-316
• /
• 2001

본 연구에서는 중소하천수계에서 수문학적 예측을 위하여 Hybrid Neural Networks의 일종인 반경기초함수(RBF) 신경망모형이 적용되었다. RBF 신경망모형은 4종류의 매개변수로 구성되어 있으며, 지율 및 지도훈련과정으로 이루어져있다. 반경기초함수로서 가우스핵함수(GKF)가 이용되었으며, GKF의 매개변수인 중심과 폭은 K-Means 군집알고리즘에 의해 최적화 된다. 그리고 RBF 신경망모형의 매개변수인 중심, 폭, 연결강도와 편차벡터는 훈련을 통하여 최적 매개변수의 값이 결정되며, 이 매개변수들을 이용하여 모형의 검증과정이 이루어진다. RBF 신경망모형은 한국의 IHP 대표유역중 하나인 위천유역에 적용하였으며, 모형의 훈련과 검증을 위하여 10개의 강우사상을 선택하였다. 또한 RBF 신경망모형과 비교검토하기 위하여 엘만 신경망(ENN)모형을 이용하였으며, ENN 모형은 일단게 할선역전파(OSSBP) 및 탄성역전파(RBP)알고리즘으로 이루어져 있다. 모형의 훈련과 검증과정을 통하여 RBF 신경망모형이 ENN 모형보다 양호한 결과를 나타내는 것으로 분석되었다. RBF 신경망모형은 훈련시키는데 시간이 적게 들고, 이론적 배경이 부족한 수문학자들도 쉽게 사용할 수 있는 신경망모형이다.

• 한국산학기술학회논문지
• /
• 제20권4호
• /
• pp.435-447
• /
• 2019

불필요한 재입원을 예방하기 위해서는 재입원 확률이 높은 집단을 집중적으로 관리할 필요가 있다. 이를 위해서는 재입원 예측모형의 개발이 필요하다. 재원예측 모형을 개발하기 위해 1개 대학병원의 2016년에서 2017년의 2년간의 퇴원요약환자 데이터를 수집하였다. 이때 재입원 환자는 연구 기간 내에 2번 이상 퇴원한 환자라 정의 하였다. 재입원환자의 특성을 파악하기 위해 기술통계와 교착분석을 실시하였다. 재입원 예측 모형개발은 데이터마이닝 기법인 로지스틱회귀모형, 신경망, 의사결정모형을 이용하였다. 모형평가는 AUC(Area Under Curve)를 이용하였다. 로지스틱회귀모형이 AUC가 0.81로 가장 우수하게 나옴에 따라 본 연구에서는 로지스틱 회귀모형을 최종 재입원 예측 모형으로 선정을 하였다. 로지스틱회귀모형에서 선정된 재입원에 영향을 끼치는 주요한 변수는 성별, 연령, 지역, 주진단군, Charlson 동반질환지수, 퇴원과, 응급실 경유 여부, 수술여부, 재원일수, 총비용, 보험종류 등이었다. 본 연구에서 개발한 모형은 1개병원의 2년치 자료이므로 일반화하기에는 제한점이 있다. 추후에 여러 병원 장기간의 데이터를 수집하여 일반화 할 수 있는 모형을 개발하는 것이 필요하다. 더 나아가 계획에 없던 재입원 까지 예측을 할 수 있는 모형을 개발하는 것이 필요하다.

• 한국수자원학회논문집
• /
• 제56권9호
• /
• pp.563-574
• /
• 2023

최근 기후변화로 인해 유역의 기상자료에 대한 반응이 달라지고 있어 강우-유출 모의에 대한 연구는 중요해지고 있다. 아울러 최근 기계학습 기법에 대한 높은 관심으로 이를 통한 강우-유출 모의 역시 활발하게 증가하고 있으나 기계학습 모형이 전통적으로 사용되어온 개념적 모형에 비해 활용성이 높은지는 아직 확실치 않다. 본 연구에서는 개념적 모형인 GR6J와 기계학습 모형인 Random Forest 성능을 한국 전역의 38개 계측 유역에 대해 계측 유역 예측기법과 미계측 유역 예측기법을 이용해 평가하였다. 먼저 계측 유역 적용기법 평가를 위해 각 모형을 관측 일 유량자료에 학습시키고 분리된 평가기간에 대한 모의성능을 비교하였다. 이후 미계측 유역 모의성능 평가를 위해 인접성 기반 지역화 방법을 Leave-One-Out Cross-Validation (LOOCV)을 이용해 평가하였다. 그 결과 계측 유역 평가에서는 Random Forest 기법이 GR6J 모형보다 일관되게 높은 성능을 보였다. 학습된 데이터를 출력 값으로 재생산하도록 구조화되어 있는 기계학습 기법이 개념적 이론을 통한 모형보다 높은 재현성을 갖기 때문으로 판단된다. 하지만 Random Forest 모형의 성능은 미계측 유역의 예측기법으로는 재현되지 않았고 GR6J 모형보다 성능이 더 낮은 것이 확인되었다. 본 연구는 기계학습 모형은 계측 유역의 유출예측에는 적용성이 높을 수 있으나 미계측 유역에 대한 적용가능성은 전통적인 개념적 모형보다 낮을 수 있음을 제시한다.