• 한국수자원학회논문집
• /
• 제42권10호
• /
• pp.773-783
• /
• 2009

강우유출모형의 입력 자료로 사용되는 강우 관측 자료의 불확실성이 유량예측에 미치는 영향을 분석하기 위하여 모형변수 검정의 불확실성 연구에서 사용하는 GLUE (Generalized Likelihood Uncertainty Estimation)방법을 입력 자료 부분으로 확장하여 적용 하였다. 독일의 Weida 유역의 강우 관측 자료를 바탕으로 구조적 및 비구조적인 불확실성 부분을 각각 구조적인 오차 수정 과정과 DUE (Data Uncertainty Engine)을 통하여 강우자료를 구성하였다. 이를 유역의 수문학적 작용을 고려하기 위해 선정한 집중형 강우유출모형, PDM (Probability Distribution Model)에 MC (Monte Carlo)와 GLUE 방법을 활용하여 적용하였다. MC검정변수들의 검정 후 반응 표면(Posterior response surface)을 검토하고 GLUE 의 반응검정 모형변수(Behavioural model parameter set)를 선택, 간략한 GLUE 유량곡선들을 계산하였다. 계산된 GLUE 유량곡선들을 모두 합하여 앙상블 유량을 산정하고, 이 유량의 90 분위를 강우량자료 및 모형변수 검정의 불확실성을 고려한 신뢰구간으로 제시하였다. PDM 모형의 결과는 유량곡선의 전구간에서 안정적인 모의 능력을 보여주고 있으나, 첨두유량 부분이 적게 산정되는 문제점을 보이고 있다. 본 연구에서 상대적으로 적은 수의 강우 시나리오 및 반응검정 모형변수의 적용이라는 한계에도 불구하고, GLUE 방법을 강우관측자료의 불확실성 부분으로 확장하여 강우자료 및 변수 검정의 불확실성을 고려한 모의된 유량예측의 신뢰구간의 적용가능성을 보여주고 있다.

• Nuclear Engineering and Technology
• /
• 제53권7호
• /
• pp.2334-2340
• /
• 2021

Radioactive particle tracking (RPT) is a minimally invasive nuclear technique that tracks a radioactive particle inside a volume of interest by means of a mathematical location algorithm. During the past decades, many algorithms have been developed including ones based on artificial intelligence techniques. In this study, RPT technique is applied in a simulated test section that employs a simplified mixer filled with concrete, six scintillator detectors and a¹³⁷Cs radioactive particle emitting gamma rays of 662 keV. The test section was developed using MCNPX code, which is a mathematical code based on Monte Carlo simulation, and 3516 different radioactive particle positions (x,y,z) were simulated. Novelty of this paper is the use of a location algorithm based on a deep learning model, more specifically a 6-layers deep rectifier neural network (DRNN), in which hyperparameters were defined using a Bayesian optimization method. DRNN is a type of deep feedforward neural network that substitutes the usual sigmoid based activation functions, traditionally used in vanilla Multilayer Perceptron Networks, for rectified activation functions. Results show the great accuracy of the DRNN in a RPT tracking system. Root mean squared error for x, y and coordinates of the radioactive particle is, respectively, 0.03064, 0.02523 and 0.07653.