$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

신경망을 이용한 결측 수문자료 추정 및 실시간 자료 보정
Missing Hydrological Data Estimation using Neural Network and Real Time Data Reconciliation 원문보기

韓國水資源學會論文集 = Journal of Korea Water Resources Association, v.41 no.10, 2008년, pp.1059 - 1065  

오재우 (한국수자원공사 물관리센터) ,  박진혁 (한국수자원공사 수자원연구원) ,  김영국 (충남대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

강우자료는 수문 해석에 있어 가장 기본이 되는 입력 자료이며, 다양한 원인에 의해 결측이 발생된다. 본 연구에서는 복잡한 자연현상 문제 해결에 그 응용성이 입증된 신경망 기법을 이용하여 결측 처리된 강우를 추정하기 위해서 소양강댐 유역 12개 강우량 관측소를 대상으로 신경망 모형을 구축하였으며, 모형의 성능 평가를 위해 실무에서 가장 많이 사용되고 있는 우량 보정 방법인 역거리법(RDS)과 산술평균법(AMM)으로 추정한 값과 비교하여 신경망을 이용한 추정 방법의 우수성을 보였다. 그리고 온라인상에서 보다 신뢰성 있는 수문자료를 재난관련 유관기관으로 전송하기 위해서 신경망 모형을 이용한 상시 실시간 보정이 가능하도록 신경망 학습기로 구성된 자동 보정시스템을 제안하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Rainfall data is the most basic input data to analyze the hydrological phenomena and can be missing due to various reasons. In this research, a neural network based model to estimate missing rainfall data as approximate values was developed for 12 rainfall stations in the Soyang river basin to impro...

주제어

#결측 강우 예측   #신경망   #수문자료   #자동 데이터 보정  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본 연구에서는 기존 온라인 전송에서 수문자료 결측에 따른 자료 전송 상의 문제점을 개선하고자 복잡한 자연현상 문제 해결에 그 응용성이 입증된 신경망 기법을 이용하여 결측 처리된 수문자료(강우)를 근사 값으로 추정하는 모형을 구성하고, 이 모형을 기반으로 시스템 상에서 실시간 보정이 가능하도록 자동화된 보정시스템을 제안하고자 한다.
  • 따라서 본 연구에서는 온라인상에서 결측 처리된 수문자료를 신경망을 이용하여 실시간으로 보정하기 위해서 신경망의 자율적 학습과 상시 활용 기능이 반영된 신경망 학습기 및 오류 판단기, 추정기, 필터기, 로그생성기로 구성된 실시간 자동보정시스템을 제안하였다.
  • 본 연구에서는 결측 지점의 강우 추정을 위해 구성한 신경망 모형에 대하여 적용 타당성을 검토하고자 RDS법과 산술평균법을 이용하여 결측 강우를 추정한 후 이를 신경망을 이용한 추정 방법과 비교 분석 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
인공 신경망이란? 이러한 두뇌는 선천적으로 경험을 통해 자기 자신의 규칙을 만들 수 있는 구조와 능력을 지니고 있으며 경험은 시간이 지남에 따라 축적되어진다. 이와 같이 인간의 두뇌가 특별한 기능이나 임무를 수행하도록 하는 방법을 모형화한 것이 인공 신경망이다(오창석, 1996). 신경망 이론은 이러한 뇌의 구조와 동작 방식을 단순화 시켜 수학적으로 모델링한 것이다(Simon Haykin, 1999).
오류 역전파 알고리즘이란? 인공 신경망에서 학습이란 임의의 초기값에서 오차가 최소가 되도록 적절한 연결 가중치 조정을 말하며, 학습 알고리즘은 오류 역전파 알고리즘이 일반적으로 사용된다. 이 알고리즘은 출력값 산출은 전방향으로 진행하고, 출력층의 에러가 이전 계층으로 역전파되어 연결강도 조절은 역방향으로 진행되는 학습 방법이다(오창석, 1996; 김대수, 1992).
인공 신경망의 구조는 무엇으로 이루어져있는가? 인공 신경망의 구조는 외부 입력을 받아들이는 입력층(Input layer), 입력층과 출력층 사이에 위치하여 외부로 나타나지 않는 은닉층(Hidden layer), 처리된 결과가 출력되는 출력층(Output layer)로 이루어져 있다. 처리 요소는 여러 다른 처리 요소들로부터 입력을 받아들여 연결 가중치(Connection Weight)를 사용하여 순 입력 값을 계산한 후 활성화 함수(Activation Function)를 통하여 출력 값을 결정하게 된다(조성배 등, 1989; 오창석, 1996).
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. 김광섭 (2006). "상층기상자료와 신경망기법을 이용한 면적강우 예측." 한국수자원학회논문집, 한국수자원학회, 제39권, 제8호, pp. 21-29 

    원문보기 상세보기 crossref

  2. 김대수 (1992). 신경망 이론과 응용. 하이테크 정보 

  3. 김응석, 김형수, 김중훈 (1999). “점 강우량 결측시 보정방법에 관한 비교 연구.” 수자원학술발표회 논문집, 한국수자원학회, pp. 374-381 

  4. 김충수, 김형섭 (2006). “도시하천 소배수구역의 결측 강우량 산정 방법 비교.” 수자원학술발표회 논문집, 한국수자원학회, pp. 701-705 

  5. 김호준, 백희정, 권원태, 최병철 (2001). “구간 연산 신경망을 이용한 강수량 장기예측 기법.” 한국기상학회지, 한국기상학회, 제37권, 제5호, pp. 443-452 

    상세보기

  6. 신현석 (1998). “인공 신경망의 수자원 및 환경 분야에의 응용.” 한국수자원학회지, 한국수자원학회, 제31권, 제1호, pp. 97-103 

    원문보기 상세보기

  7. 오창석 (1996). 뉴로컴퓨터. 지성출판사 

  8. 조성배, 김진형 (1989). “인공 신경망의 계산 복잡도.” 학술발표논문집, 한국정보과학회, 제16권, 제2호, pp. 315-318 

  9. 한국수자원공사 (2007). 댐운영실무편람 

  10. Simon Haykin (1999). NEURAL NETWORKS, Prentice Hall 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로