• Ecology and Resilient Infrastructure
• /
• v.7 no.2
• /
• pp.114-125
• /
• 2020

Despite the various artificial neural networks that have been developed, most of the discharge models in previous studies have been developed using deep neural networks. This study aimed to develop a discharge model using a convolution neural network (CNN), which was used to solve classification problems. Furthermore, the applicability of CNN was evaluated. The photographs (pictures or images) for input data to CNN could not clearly show the characteristics of the study area as well as precipitation. Hence, the model employed in this study had to use numerical images. To solve the problem, the CN of NRCS was used to generate images as input data for the model. The generated images showed a good possibility of applicability as input data. Moreover, a new application of CN, which had been used only for discharge prediction, was proposed in this study. As a result of CNN training, the model was trained and generalized stably. Comparison between the actual and predicted values had an R² of 0.79, which was relatively high. The model showed good performance in terms of the Pearson correlation coefficient (0.84), the Nash-Sutcliffe efficiency (NSE) (0.63), and the root mean square error (24.54 ㎥/s).

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.103-103
• /
• 2012

본 연구에서는 시험포장($1276.6m^2$)에서의 지표피복 BMPs (Best Management Practices) 시나리오를 적용하여 얻은 평균 유출저감율을 HSPF 모델에 적용하여 유역차원에서의 비점원오염 저감효과를 평가하고자 한다. 본 연구에서는 별미천 유역($1.21km^2$)을 대상으로 모형의 적용을 위한 입력자료로 기상자료와 지형자료를 구축하였으며 기상자료로 수원, 양평, 이천 기상관측소 자료를 구축하였으며, 지형자료로 격자크기 2m의 DEM (Digital Elevation Model)과 토지이용도는 2006년 5월 1일 QuickBird 영상을 제공받아 기존 환경부, 건교부, USGS의 토지피복분류체계 및 현장조사를 통하여 QuickBird 영상으로부터 추출 가능한 정밀농업정보에 대한 항목을 결정하였으며, 정사보정된 QuickBird 영상을 스크린 디지타이징 기법(On-Screen Digitizing Method)을 이용하여 총 21개 토지이용항목의 정밀토지이용도를 구축하였다. 실제모니터링으로 측정된 자료를 바탕으로 수위-유량곡선 산정 및 오염부하곡선을 선정, 2011년 6월 8일부터 10월 31일 분석기간으로 HSPF 모델링을 실시하였으며 모의결과 월별 통계에 따른 적용성 분석으로 RMSE (Root Mean Square Error) 는 1.15 ~ 1.76(mm/day), $R^2$는 0.62 ~ 0.78, Nash-Sutcliffe model efficiency (NSE)는 0.62 ~ 0.76로 모의치는 실측치와 유의성이 있는 것으로 분석되었다. 또한, Sediment, T-N, T-P의 $R^2$는 각각 0.72, 0.62, 0.63으로 상관성을 보이는 것으로 분석되었다. 시험포장으로부터 얻어진 event별 볏짚을 이용한 지표피복시나리오적용 후 밭에서의 평균 유출 약 10 % 유출율 감소 조건과 실제 평균 비점원오염 저감효과 89.7 % ~ 99.4 %의 결과로부터 지표피복효과의 침투효과를 HSPF 모델로 적용하기 위해 침투량(INFILT)를 조절하여 평균유출 약 10 %가 감소되는 16.0 mm/hr 값을 선정하였다. 그 결과, Sediment. T-N, T-P의 평균 저감율은 각각 87.2 %, 28.5 %, 85.1 %로 나타났으며 이는 시험포장에서의 실제 평균 비점오염 저감효과 89.7 % ~ 99.4 %에 근접함을 알 수 있었다. 이 결과로부터 침투량 조절에 따른 지표피복(침투짚단)효과는 Sediment, T-P에서 저감효율이 80 % 이상으로 높았지만 T-N은 약 30 %로 낮은 저감율을 보임으로써 저감효과가 크지 않음을 나타냈다.

• Journal of Korea Water Resources Association
• /
• v.51 no.10
• /
• pp.839-852
• /
• 2018

The purpose of this study is to predict monthly agricultural reservoir storage by developing weather data-based Multiple Linear Regression Model (MLRM) with precipitation, maximum temperature, minimum temperature, average temperature, and average wind speed. Using Naïve-Bayes classification, total 1,559 nationwide reservoirs were classified into 30 clusters based on geomorphological specification (effective storage volume, irrigation area, watershed area, latitude, longitude and frequency of drought). For each cluster, the monthly MLRM was derived using 13 years (2002~2014) meteorological data by KMA (Korea Meteorological Administration) and reservoir storage rate data by KRC (Korea Rural Community). The MLRM for reservoir storage rate showed the determination coefficient ($R^2$) of 0.76, Nash-Sutcliffe efficiency (NSE) of 0.73, and root mean square error (RMSE) of 8.33% respectively. The MLRM was evaluated for 2 years (2015~2016) using 3 months weather forecast data of GloSea5 (GS5) by KMA. The Reservoir Drought Index (RDI) that was represented by present and normal year reservoir storage rate showed that the ROC (Receiver Operating Characteristics) average hit rate was 0.80 using observed data and 0.73 using GS5 data in the MLRM. Using the results of this study, future reservoir storage rates can be predicted and used as decision-making data on stable future agricultural water supply.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.70-70
• /
• 2015

하천에서의 수문/수리적 특성은 주수로의 다양한 지형학적 형태로 나타난다. 특히 흐름과 수반된 유사량의 변화는 하천의 지형학적, 수리기하적 특성을 지배하며, 하도의 물리적 시스템을 변화시켜 동적 평형에 이르게 된다. 하천에서 하도 형성에 지배적인 역할을 하는 수리특성은 하도형성유량으로 지배유량이며, 보통 만제유량을 사용한다. Dunne and Leopold(1978)는 만제유량을 유사의 이송, 하천의 사행, 유선형의 변화 등 하천의 일반적인 형태를 변화시키며, 주수로의 특성을 형성하는 유량으로 정의하였다. 이와 같이 수리 지형학적 특성을 반영하는 만제유량은 하천의 특성을 나타내는 중요한 요소이다. 따라서 본 연구에서는 한강 수계 20개 하천, 27개 수위 관측소의 최소 10년 이상의 실측 자료를 기반으로 다년간의 연평균 실측유량을 산정하였으며, McCandless(2003)가 제시한 지형학적 만제지표를 이용하여 추정한 만제유량과의 상관성을 분석하였다. 추정된 만제유량은 HEC-RAS model을 이용하여 만제하폭, 만제수심, 만제 시 평균유속을 산정하였다. 27개 지점의 실측유량과 만제유량의 상관성 분석결과 만제유량은 연평균 일유량의 7.7배로 나타났다. 따라서 만제유량을 7일 평균유량(1 week mean discharge)으로 정의하였으며, 수정된 7일 유량과 만제유량의 RMSE는 13.90 m/s, MAPE는 9.94 %로 상관성이 매우 높게 나타났다. 또한 만제유량과 만제하폭, 만제수심, 평균유량, 구간경사와 상관성 분석결과 개별적으로의 상관성은 나타나지 않았으나, 만제하폭, 수심, 평균유량과 만제유량에 대한 회귀 분석을 실시한 결과 $R^2$는 0.911로 매우 높게 나타났으며, 구간경사를 추가하여 분석한 결과 $R^2$가 0.914로 증가하였다. 따라서 만제유량은 수리 기하학적 특성이 모두 반영된 하천 특성을 나타내는 복합적인 지표임을 확인하였다. 아울러 만제유량을 통해 추정된 연평균 유량($48{\cdot}Q_{bf}$)을 우리나라의 월간 유출량 분포 비율을 이용하여 일유량으로 배분/생성하였으며, 생성된 일유량을 통해 CCHE2D model을 이용하여 하상변동 모의를 수행하였다. 대상 구간은 병성천 최하류로부터 상류로 7 km 구간이며, 2013년 1월과 12월 측량 자료를 통한 1년간의 실제 하상 변동 자료와 2013년 실측 유량자료에 따른 하상변동 모의 결과 및 만제유량에 의해 배분/생성된 일유량에 따른 하상변동 모의 결과를 비교하였다. 비교 분석 결과 7일 평균 유량으로 정의된 만제유량을 통해 배분/생성된 유량의 수치모의 결과는 실제 측량자료 및 실측유량자료에 따른 하상변동 결과와 매우 일치하는 것을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.580-580
• /
• 2015

하천에서의 수문/수리적 특성은 주수로의 다양한 지형학적 형태로 나타난다. 특히 흐름과 수반된 유사량의 변화는 하천의 지형학적, 수리기하적 특성을 지배하며, 하도의 물리적 시스템을 변화시켜 동적 평형에 이르게 된다. 하천에서 하도 형성에 지배적인 역할을 하는 수리특성은 하도형성 유량으로 지배유량이며, 보통 만제유량을 사용한다. Dunne and Leopold(1978)는 만제유량을 유사의 이송, 하천의 사행, 유선형의 변화 등 하천의 일반적인 형태를 변화시키며, 주수로의 특성을 형성하는 유량으로 정의하였다. 이와 같이 수리 지형학적 특성을 반영하는 만제유량은 하천의 특성을 나타내는 중요한 요소이다. 따라서 본 연구에서는 한강 수계 20개 하천, 27개 수위 관측소의 최소 10년 이상의 실측 자료를 기반으로 다년간의 연평균 실측유량을 산정하였으며, McCandless(2003)가 제시한 지형학적 만제지표를 이용하여 추정한 만제유량과의 상관성을 분석하였다. 추정된 만제유량은 HEC-RAS model을 이용하여 만제하폭, 만제수심, 만제 시 평균유속을 산정하였다. 27개 지점의 실측유량과 만제유량의 상관성 분석결과 만제유량은 연평균 일유량의 7.7배로 나타났다. 따라서 만제유량을 7일 평균유량(1 week mean discharge)으로 정의하였으며, 수정된 7일 유량과 만제유량의 RMSE는 13.90m/s, MAPE는 9.94 %로 상관성이 매우 높게 나타났다. 또한 만제유량과 만제하폭, 만제수심, 평균유량, 구간경사와 상관성 분석결과 개별적으로의 상관성은 나타나지 않았으나, 만제하폭, 수심, 평균유량과 만제유량에 대한 회귀 분석을 실시한 결과 $R^2$는 0.911로 매우 높게 나타났으며, 구간경사를 추가하여 분석한 결과 $R^2$가 0.914로 증가하였다. 따라서 만제유량은 수리 기하학적 특성이 모두 반영된 하천 특성을 나타내는 복합적인 지표임을 확인하였다. 아울러 만제유량을 통해 추정된 연평균 유량($48{\cdot}Q_{bf}$)을 우리나라의 월간 유출량 분포 비율을 이용하여 일유량으로 배분/생성하였으며, 생성된 일유량을 통해 CCHE2D model을 이용하여 하상변동 모의를 수행하였다. 대상 구간은 병성천 최하류로부터 상류로 7 km 구간이며, 2013년 1월과 12월 측량 자료를 통한 1년간의 실제 하상 변동 자료와 2013년 실측 유량자료에 따른 하상변동모의 결과 및 만제유량에 의해 배분/생성된 일유량에 따른 하상변동 모의 결과를 비교하였다. 비교 분석 결과 7일 평균 유량으로 정의된 만제유량을 통해 배분/생성된 유량의 수치모의 결과는 실제 측량자료 및 실측유량자료에 따른 하상변동 결과와 매우 일치하는 것을 확인하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.429-429
• /
• 2018

성덕댐은 기존 농업용 저수지였던 수락저수지를 다목적댐으로 재개발한 우리나라 최초의 사례로 2006년 11월에 착공하였다. 댐재개발 사업은 장랠 물 부족이 예상되나, 현재 마땅한 댐 개발적지가 부족하여 수자원 확보를 위해 기존의 댐을 재개발하는 것으로, 기 개발된 수자원의 활용도 제고 및 환경적으로 건전하고 지속 가능한 수자원을 개발하는 사업을 말한다. 기존의 수락저수지의 재원은 높이 19.0m, 길이 150.0m, 총 저수량 $806,000m^3$이었으며, 성덕다목적댐으로 재개발 되면서 증가된 주요재원은 높이 58.5m, 길이 274.0m, 총 저수량 $27,900,000m^3$이다. 성덕다목적댐 건설이 완료됨에 따라 기존의 농업용수($8,400m^3$/일) 공급뿐만 아니라 하천유지용수 $5,800m^3$/일 및 경북 청송, 영천, 경산지역에 생활용수와 공업용수를 $42,300m^3$/일를 공급할 수 있게 되었으며, 홍수조절용량 $4,200,000m^3$을 확보하여 유역의 홍수예방에도 기여할 수 있다. 댐의 운영기준을 수립하기 위해서는 적어도 20년 이상의 댐 유입량 자료가 필요하지만 성덕댐의 경우 댐 유입량 자료의 확보가 쉽지 않은 상황이다. 이에 K-water에서 개발하고 다양한 다목적 댐 유역에 적용한 경험이 있는 격자기반 강우-유출 모형인 K-DRUM(K-water Distributed Rainfall rUnoff Model)을 이용하여 성덕댐 유역의 장기유출모형을 구축하였다. 격자기반 수문모형의 장점은 공간적인 비균질성을 고려하여 물리적인 유출과정을 모형화할 수 있고, 이로 인해 신뢰성 있는 수문해석이 가능하기 때문이다. 성덕댐 유역의 K-DRUM 모형을 구축하기 위해서 토지이용도, 토양도(종류, 유효토심), 하천차수도, 유역도, 표고분포도 등을 수집하였으며, 격자는 60m의 정사각형 격자로 약 11,500개를 구성하여 적용하였다. 기상자료로는 안동, 의성, 영천 기상대의 강우자료와 안동 기상대의 기상자료를 활용하였다. 모형의 보정을 위해서는 2016년을 시단위로 모의하였으며 성덕댐 유입량와 비교하여 매개변수를 보정하였고, $R^2$는 0.72, NSE는 0.70, RMSE는 1.82로 신뢰도 높은 보정결과를 획득할 수 있었다. 보정된 매개변수를 성덕댐 유역의 장기유출에 적용하였으며, 1997년부터 2017년까지 총 21년 장기유출 모의를 수행하였으며, 모의결과는 댐 운영기준의 기초자료로 활용하였다.

• Korean Journal of Remote Sensing
• /
• v.36 no.5_1
• /
• pp.847-860
• /
• 2020

The 2-pass DInSAR (Differential Interferometric SAR) processing steps for DEM generation consist of the co-registration of SAR image pair, interferogram generation, phase unwrapping, calculation of DEM errors, and geocoding, etc. It requires complicated steps, and the accuracy of data processing at each step affects the performance of the finally generated DEM. In this study, we developed an improved method for enhancing the performance of the DEM generation method based on the 2-pass DInSAR technique of TanDEM-X bistatic SAR images was developed. The developed DEM generation method is a method that can significantly reduce both the DEM error in the unwrapped phase image and that may occur during geocoding step. The performance analysis of the developed algorithm was performed by comparing the vertical accuracy (Root Mean Square Error, RMSE) between the existing method and the newly proposed method using the ground control point (GCP) generated from GPS survey. The vertical accuracy of the DInSAR-based DEM generated without correction for the unwrapped phase error and geocoding error is 39.617 m. However, the vertical accuracy of the DEM generated through the proposed method is 2.346 m. It was confirmed that the DEM accuracy was improved through the proposed correction method. Through the proposed 2-pass DInSAR-based DEM generation method, the SRTM DEM error observed by DInSAR was compensated for the SRTM 30 m DEM (vertical accuracy 5.567 m) used as a reference. Through this, it was possible to finally create a DEM with improved spatial resolution of about 5 times and vertical accuracy of about 2.4 times. In addition, the spatial resolution of the DEM generated through the proposed method was matched with the SRTM 30 m DEM and the TanDEM-X 90m DEM, and the vertical accuracy was compared. As a result, it was confirmed that the vertical accuracy was improved by about 1.7 and 1.6 times, respectively, and more accurate DEM generation was possible with the proposed method. If the method derived in this study is used to continuously update the DEM for regions with frequent morphological changes, it will be possible to update the DEM effectively in a short time at low cost.

• Journal of Food Hygiene and Safety
• /
• v.35 no.1
• /
• pp.51-59
• /
• 2020

This study evalutated the risk of foodborne illness from Vibrio spp. (Vibrio vulnificus and Vibrio cholerae) through sea squirt consumption. The prevalence of V. vulnificus and V. cholerae in sea squirt was evaluated, and the predictive models to describe the kinetic behavior of the Vibrio in sea squirt were developed. Distribution temperatures and times were collected, and they were fitted to probabilistic distributions to determine the appropriate distributions. The raw data from the Korea National Health and Nutrition Examination Survey 2016 were used to estimate the consumption rates and amount of sea squirt. In the hazard characterization, the Beta-Poisson model for V. vulnificus and V. cholerae infection was used. With the collected data, a simulation model was prepared and it was run with @RISK to estimate probabilities of foodborne illness by pathogenic Vibrio spp. through sea squirt consumption. Among 101 sea squirt samples, there were no V. vulnificus positive samples, but V. cholerae was detected in one sample. The developed predictive models described the fates of Vibrio spp. in sea squirt during distribution and storage, appropriately shown as 0.815-0.907 of R² and 0.28 of RMSE. The consumption rate of sea squirt was 0.26%, and the daily consumption amount was 68.84 g per person. The Beta-Poisson model [P=1-(1+Dose/β)^-α] was selected as a dose-response model. With these data, a simulation model was developed, and the risks of V. vulnificus and V. cholerae foodborne illness from sea squirt consumption were 2.66×10^-15, and 1.02×10^-12, respectively. These results suggest that the risk of pathogenic Vibrio spp. in sea squirt could be considered low in Korea.

• Journal of Intelligence and Information Systems
• /
• v.27 no.3
• /
• pp.157-173
• /
• 2021

With the development of information technology, the amount of available information increases daily. However, having access to so much information makes it difficult for users to easily find the information they seek. Users want a visualized system that reduces information retrieval and learning time, saving them from personally reading and judging all available information. As a result, recommendation systems are an increasingly important technologies that are essential to the business. Collaborative filtering is used in various fields with excellent performance because recommendations are made based on similar user interests and preferences. However, limitations do exist. Sparsity occurs when user-item preference information is insufficient, and is the main limitation of collaborative filtering. The evaluation value of the user item matrix may be distorted by the data depending on the popularity of the product, or there may be new users who have not yet evaluated the value. The lack of historical data to identify consumer preferences is referred to as data sparsity, and various methods have been studied to address these problems. However, most attempts to solve the sparsity problem are not optimal because they can only be applied when additional data such as users' personal information, social networks, or characteristics of items are included. Another problem is that real-world score data are mostly biased to high scores, resulting in severe imbalances. One cause of this imbalance distribution is the purchasing bias, in which only users with high product ratings purchase products, so those with low ratings are less likely to purchase products and thus do not leave negative product reviews. Due to these characteristics, unlike most users' actual preferences, reviews by users who purchase products are more likely to be positive. Therefore, the actual rating data is over-learned in many classes with high incidence due to its biased characteristics, distorting the market. Applying collaborative filtering to these imbalanced data leads to poor recommendation performance due to excessive learning of biased classes. Traditional oversampling techniques to address this problem are likely to cause overfitting because they repeat the same data, which acts as noise in learning, reducing recommendation performance. In addition, pre-processing methods for most existing data imbalance problems are designed and used for binary classes. Binary class imbalance techniques are difficult to apply to multi-class problems because they cannot model multi-class problems, such as objects at cross-class boundaries or objects overlapping multiple classes. To solve this problem, research has been conducted to convert and apply multi-class problems to binary class problems. However, simplification of multi-class problems can cause potential classification errors when combined with the results of classifiers learned from other sub-problems, resulting in loss of important information about relationships beyond the selected items. Therefore, it is necessary to develop more effective methods to address multi-class imbalance problems. We propose a collaborative filtering model using CGAN to generate realistic virtual data to populate the empty user-item matrix. Conditional vector y identify distributions for minority classes and generate data reflecting their characteristics. Collaborative filtering then maximizes the performance of the recommendation system via hyperparameter tuning. This process should improve the accuracy of the model by addressing the sparsity problem of collaborative filtering implementations while mitigating data imbalances arising from real data. Our model has superior recommendation performance over existing oversampling techniques and existing real-world data with data sparsity. SMOTE, Borderline SMOTE, SVM-SMOTE, ADASYN, and GAN were used as comparative models and we demonstrate the highest prediction accuracy on the RMSE and MAE evaluation scales. Through this study, oversampling based on deep learning will be able to further refine the performance of recommendation systems using actual data and be used to build business recommendation systems.

• Korean Journal of Agricultural and Forest Meteorology
• /
• v.8 no.4
• /
• pp.209-221
• /
• 2006

The purpose of this study is to analyze the effects of climate change on the nonpoint source pollution in a small watershed using a mid-range model. The study area is a basin in a rural area that covers 384 ha with a composition of 50% forest and 19% paddy. The hydrologic and water quality data were monitored from 1996 to 2004, and the feasibility of the GWLF (Generalized Watershed Loading function) model was examined in the agricultural small watershed using the data obtained from the study area. As one of the studies on climate change, KEI (Korea Environment Institute) has presented the monthly variation ratio of rainfall in Korea based on the climate change scenario for rainfall and temperature. These values and observed daily rainfall data of forty-one years from 1964 to 2004 in Suwon were used to generate daily weather data using the stochastic weather generator model (WGEN). Stream runoff was calibrated by the data of $1996{\sim}1999$ and was verified in $2002{\sim}2004$. The results were determination coeff, ($R^2$) of $0.70{\sim}0.91$ and root mean square error (RMSE) of $2.11{\sim}5.71$. Water quality simulation for SS, TN and TP showed $R^2$ values of 0.58, 0.47 and 0.62, respectively, The results for the impact of climate change on nonpoint source pollution show that if the factors of watershed are maintained as in the present circumstances, pollutant TN loads and TP would be expected to increase remarkably for the rainy season in the next fifty years.