최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國水資源學會論文集 = Journal of Korea Water Resources Association, v.41 no.3, 2008년, pp.325 - 340
김상욱 (서울대학교 BK21 안전하고 지속가능한 사회기반건설 사업단) , 이길성 (서울대학교 공과대학 건설.환경공학부)
This study employs Bayesian multiple regression analysis using the ordinary least squares method for regional low flow frequency analysis. The parameter estimates using the Bayesian multiple regression analysis were compared to conventional analysis using the t-distribution. In these comparisons, th...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
저수분석은 어떤 분석 결과가 주로 사용되는가? | 저수분석(low flow analysis)은 수자원의 관리 및 수공구조물의 설계에 있어서 중요한 요소 중의 하나이며, 저수량(low flow)특성을 나타낼 수 있는 여러 가지 지표들 중에서 빈도분석을 이용한 분석 결과가 주로 사용되어 진다. 국내에서는 355위 유량의 10년 빈도추정치에 해당되는 기준갈수량이 주로 사용되며 미국 등에서는 7일 지속기간 10년 빈도유량(7Q10)을 추정하여 수자원의 관리에 사용하고 있다. | |
저수분석이란 무엇인가? | 저수분석(low flow analysis)은 수자원의 관리 및 수공구조물의 설계에 있어서 중요한 요소 중의 하나이며, 저수량(low flow)특성을 나타낼 수 있는 여러 가지 지표들 중에서 빈도분석을 이용한 분석 결과가 주로 사용되어 진다. 국내에서는 355위 유량의 10년 빈도추정치에 해당되는 기준갈수량이 주로 사용되며 미국 등에서는 7일 지속기간 10년 빈도유량(7Q10)을 추정하여 수자원의 관리에 사용하고 있다. | |
불확실성측면에서의 효과를 탐색하기 위하여 Bayesian 다중회귀분석에 의한 추정치와 t 분포를 이용하여 산정한 일반 다중회귀분석의 추정치의 신뢰구간을 비교분석한 결과는 무엇인가? | 본 연구는 저수량 지역 빈도분석(regional low flow frequency analysis)을 수행하기 위하여 일반최소자승법(ordinary least squares method)을 이용한 Bayesian 다중회귀분석을 적용하였으며, 불확실성측면에서의 효과를 탐색하기 위하여 Bayesian 다중회귀분석에 의한 추정치와 t 분포를 이용하여 산정한 일반 다중회귀분석의 추정치의 신뢰구간을 비교분석하였다. 각 재현기간별 비교결과를 보면 t 분포를 이용하여 산정된 평균 추정치와 Bayesian 다중회귀분석에 의한 평균 추정치는 크게 다르지 않았다. 그러나 불확실성 측면에서 평가해볼 때 신뢰구간의 상한추정치와 하한추정치의 차이는 Bayesian 다중회귀분석을 사용한 경우가 기존 방법을 사용한 경우보다 훨씬 작은 것으로 나타났으며, 이로부터 저수량(low flow) 지역 빈도분석을 수행하는 경우 Bayesian 다중회귀분석이 일반 회귀분석보다 불확실성을 표현하는데 있어서 우수하다는 결과를 얻을 수 있었다. 또한 낙동강 유역에 2개의 미계측 유역을 선정하고 구축된 Bayesian 다중회귀모형을 적용하여 불확실성을 포함한 미계측 유역에서의 저수량(low flow)을 추정하였으며 이와 같은 방법이 미계측 유역에서의 저수(low flow) 특성을 나타내는 데 있어서 효과적일 수 있음을 입증하였다. |
건교부, 한국수자원공사 (2006). 유역조사 보고서(낙동강유역)
김상욱 (2007). Low flow frequency analysis using Bayesian approach. 박사학위논문, 서울대학교
Ashkar, F. and Quarda, T.B.M.J. (1998). "Approximate confidence intervals for quantiles of gamma and generalized gamma distributions." Journal of Hydrologic Engineering, Vol. 3, No. 1, pp. 43-51
Chatterjee, S. and Price, B. (1977). Regression Analysis by Example. John Wiley & Sons, N.Y
Chowdhury, J.U., and Stedinger, J.R. (1991). "Confidence interval for design flood with estimated skew coefficient." Journal of Hydraulic Engineering, Vol. 117, No. 7, pp. 811-931
Cohn, T.A., Lane, W.L., and Stedinger, J.R. (2001). "Confidence intervals for expected moments algorithm flood quantile estimates." Water Resources Research, Vol. 37, No. 6, pp. 1695-1706
Coles, S.G., and Powell, E.A. (1996). "Bayesian methods in extreme value modeling: A review and new developments." International Statistical Review, Vol. 64, No. 1, pp. 119-136
Durrans, S.R. and Tomic, S. (1996). "Regionalization of low-flow frequency estimates: An Alabama case study." Water Resources Bulletin, Vol. 32, No. 1, pp. 23-37
Gringorten, I.I. (1963). "A plotting rule for extreme probability paper." Journal of Geophysics Research, Vol. 68, No. 3, pp. 813-814
Hosking, J.R.M, and Wallis, J.R. (1997). Regional Frequency Analysis. Cambridge University Press, New York
Kaufman L., and Rousseeuw, P.J. (1990). Finding Groups in Data: An Introduction to Cluster Analysis, John Wiley & Sons, N.Y
Kavetski, D., Kuczera, G., and Fanks, S.W. (2006). "Bayesian analysis of input uncertainty in hydrological modeling: 1. Theory." Water Resources Research, Vol. 42, W03407
Kelly, K.S. and Krizysztofowicz, R. (1994). "Probability distributions for flood warning systems." Water Resources Research, Vol. 30, No. 4, pp. 1145-1152
Kingston, G.B., Lambert, M.F., and Maier, H.R. (2005). "Bayesian training of artificial neural networks used for water resources modeling." Water Resources Research, Vol. 41, W12409
Krzysztofowicz, R. (1983a). "Why should forecaster and a decision maker use Bayes theorem." Water Resources Research, Vol. 19, No. 2, pp. 327-336
Krzysztofowicz, R. (1983b). "A Bayesian Markov model of the flood forecast process." Water Resources Research, Vol. 19, No. 6, pp. 1455-1465
Kuczera, G. (1999). "Comprehensive at-site flood frequency analysis using Monte Carlo Bayesian inference." Water Resources Research, Vol. 35, No. 5, pp. 1551-1557
Kuczera, G., and Parent E. (1998). "Monte Carlo assessment of parameter uncertainty in conceptual catchment models: The Metropolis algorithm." Journal of Hydrology, Vol. 211, pp. 69-85
Lee, K.S., and Kim, S.U. (2007). "Identification of uncertainty in low flow frequency analysis using Bayesian MCMC method." Hydrological Processes, In press(on-line published)
Madsen, H., and Rosbjerg, H.D. (1997). "Generalized least squares and empirical Bayes estimation in regional partial duration series index flood modeling." Water Resources Research, Vol. 33, No. 4, pp. 771-781
Martz, H.F. and Waller, R.A. (1982). Bayesian Reliability Analysis. John Wiley & Sons, N.Y
O'Connell, D.R.H., Ostenaa, D.A., Levish, D.R., Klinger, and R.E. (2002). "Bayesian flood frequency analysis with paleohydrologic bound data." Water Resources Research, Vol. 38, No. 5, pp. 1-14
Reis Jr., D.S., and Stedinger, J.R. (2005). "Bayesian MCMC flood frequency analysis with historical information." Journal of Hydrology, Vol. 313, pp. 97-116
Reis Jr., D.S., Stedinger, J.R., and Martins, E.S. (2005). "Bayesian generalized least squares regression with application to log Pearson type III regional skew estimation." Water Resources Research, Vol. 41, W10419
Seidou, O., Ouarda, T.B.M.J., Barbet, M., Bruneau, P., and Bobee, B. (2006). "A parametric Bayesian combination of local and regional information in flood frequency analysis." Water Resources Research, Vol. 42, W11408
Sorensen, D. and Gianola, D. (2002). Likelihood, Bayesian, and MCMC methods in Quantitative Genetics. Springer-Verlag, New York
Stedinger, J.R. (1983). "Confidence intervals for design events." Journal of Hydraulic Engineering, Vol. 109, No. 1, pp. 13-27
Stedinger, J.R., Vogel, R.M., and Foufoula-Georgiou, E. (1993). "Frequency Analysis of Extreme Events." in Handbook of Hydrology, Maidment, D.(eds). McGraw-Hill, New York, Chapter 18
Thiemann, M., Trosset, M., Gupta, H.V., and Sorooshian, S. (2001). "Bayesian recursive parameter estimation for hydrologic models." Water Resources Research, Vol. 37, No. 10, pp. 2521-2535
Vicens, G.J., Rodriguez-Iturbe, I., and Schaake Jr, J.C. (1975). "A Bayesian framework for the use of regional information in hydrology." Water Resources Research, Vol. 11, No. 3, pp. 405-414
Vrugt, J.A., Gupta, H.V., Bouten, W., and Sorooshian, S. (2003). "Shuffled complex evolution Metropolis algorithm for optimization and uncertainty assessment of hydrologic model parameters." Water Resources Research, Vol. 39, No. 8, SWC 1-16
Wang, Q.J. (2001). "A Bayesian joint probability approach for flood record augmentation." Water Resources Research, Vol. 37, No. 6, pp. 1707-1712
Whitley, R.J. and Hromadka II, T.V. (1999). "Approximate confidence intervals for design floods for a single site using a neural network." Journal of Hydrology, Vol. 153, pp. 265-290
Wood, E.F., and Rodriguez-Iturbe, I. (1975a). "Bayesian inference and decision making for extreme hydrologic events." Water Resources Research, Vol. 11, No. 4, pp. 533-542
Wood, E.F., and Rodriguez-Iturbe, I. (1975b). A Bayesian approach to analyze uncertainty among flood frequency models. Water Resources Research, Vol. 11, No. 6, pp. 839-843
Zhang, B., and Govindaraju, R.S. (2000). "Prediction of watershed runoff using Bayesian concepts and modular neural networks." Water Resources Research, Vol. 3, pp. 753-762
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.