선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그리고 훈련과정의 수행결과 선정된 최적 매개변수를 이용하여 실측자료로서 테스트과정을 실시하고자 한다. 또한 본 연구에서는 신경망모형을 이용하여 신뢰성있는 월 증발접시 증발량을 산정할 수 있는 수문학적 분해모형의 개발을 제시하고자 한다.
- 본 연구에서는 우리나라 주요 기상관측소에서 관측된 연 증발접시 증발량자료를 제시된 MLP-NNM 및 SVM-NNM을 이용하여 월 증발접시 증발량자료로 분리하는데 있어서 각 신경망모형의 잠재성을 검토하였다.
- 본 연구의 목적은 우리나라 주요 기상관측소에서 관측된 연 증발접시 증발량자료를 제시된 두 가지의 신경망모형인 MLP-NNM과 SVM-NNM을 이용하여 월 증발접시 증발량자료로 분리하고자 한다. 신경망모형을 적용한 수문학적 분해모형의 훈련과정 수행을 위해 구성된 훈련자료는 세 가지의 종류로 이루어지며, 각각 실측자료, 모의자료(추계 학적 모형을 이용하여 모의발생) 및 혼합자료(실측 자료와 추계학적 모형을 이용하여 모의발생시킨 모의자료를 혼합)로 각각 구성된다.
제안 방법
- 1. MLP-NNM 및 SVM-NNM의 훈련과정의 수행결과 산정된 각 6종류의 매개변수 군을 이용하여 테스트과정을 수행하였다. 그 결과 선택된 6개의 기상관측소에서 실측자료를 이용한 경우 목포관측소를 제외하고는 MLPNNM의 테스트과정의 수행결과가 SVMNNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다.
- , 2009). MLP-NNM과 SVM-NNM을 적용한 수문학적 분해모형의 훈련과정 수행을 위해 구성된 훈련자료는 세 가지인 실측자료, 모의자료(추계학적 모형을 이용하여 모의발생) 및 혼합자료(실측자료와 추계학적 모형을 이용하여 모의발생시킨 모의 자료를 혼합)로 각각 구성되었으므로 모형화에 따른 훈련결과치에 대한 통계분석을 실시한다는 것은 중요한 의미가 없으므로 훈련과정의 결과치에 대한 통계분석은 실시하지 않았다. 따라서 테스트과정의 결과치만 통계분석을 실시하였다.
- MLP-NNM과 SVM-NNM의 훈련과정에 따른 선행과정으로 입력층자료인 연 증발접시 증발량자료를 표준화하여 적용하였다. 일반적으로 입력층자료들을 표준화하는 주요한 이유 중 하나는 각 입력층자료들이 서로 다른 단위로서 관측된 값들을 나타내고 있기 때문에 이러한 입력층자료들을 표준화 하고 무차원단위에서 입력층자료들을 재배치함으로 써, 각 입력층자료들의 상사성의 효과를 제거하기 위한 것으로 판단된다(Kim and Kim, 2008; Kim et al.
- 그러나 일반적으로 반경기초함수는 마지막 결과치를 계산하기 위하여 가우시안의 선형조합을 훈련시키기 위하여 역전파 훈련알고리즘(BackPropagation training algorithm)을 이용한다. 그러나 본 연구에서 SVM-NNM은 훈련과정을 위하여 대규모의 극한 분류(Margin classifier)의 개념을 사용하며, 입력 공간으로 부터의 분류의 용량을 분리하고 동시에 양호한 일반화를 제공한다. 이러한 방법론은 분류를 위한 이상적인 조합이다.
- 신경망모형을 적용한 수문학적 분해모형의 훈련과정 수행을 위해 구성된 훈련자료는 세 가지의 종류로 이루어지며, 각각 실측자료, 모의자료(추계 학적 모형을 이용하여 모의발생) 및 혼합자료(실측 자료와 추계학적 모형을 이용하여 모의발생시킨 모의자료를 혼합)로 각각 구성된다. 그리고 훈련과정의 수행결과 선정된 최적 매개변수를 이용하여 실측자료로서 테스트과정을 실시하고자 한다. 또한 본 연구에서는 신경망모형을 이용하여 신뢰성있는 월 증발접시 증발량을 산정할 수 있는 수문학적 분해모형의 개발을 제시하고자 한다.
- 모의발생된 월 증발접시 증발량자료 중에서 초기에 발생하는 편차(Bias)를 제거하기 위하여 초기의 50년 자료는 제거하였으며, 나머지 450년의 월 증발접시 증발량자료를 이용하였다. 따라서 연 증발접시 증발량은 각 월 증발접시 증발량자료를 합하여 선정하였다. 그러므로 MLP-NNM 및 SVM-NNM의 모의자료의 이용을 위한 훈련자료는 450개의 모의된 연 증발접시 증발량자로로 구성되어 있다.
- 일반적으로 MLP-NNM은 입력층, 출력층 및 그사이에 1개 혹은 그 이상의 은닉층으로 구성되어 있으며, 각 층에서의 노드는 그 다음 층의 노드와 상호 긴밀하게 연결되어 있다. 또한 본 연구에서 MLP-NNM을 적용하는 과정은 훈련 및 테스트과정으로 구성되어 있다. 일반적으로 훈련과정을 통하여 MLP-NNM의 최적 매개변수를 결정하며, 결정된 매개변수를 이용하여 MLP-NNM의 테스트과정을 수행한다(Haykin, 2009).
- 따라서 신경망모형이 훈련과정을 통하여 선정된 각각의 매개변수를 이용하여 새로운 자료인 테스트자료로서 검증하는 과정이다. 본 연구에서 MLP-NNM 및 SVM-NNM의 경우 실측자료, 모의자료 및 혼합자료를 이용하여 훈련과정이 이루어졌으므로 총 6종류의 매개변수 군을 훈련과정을 통하여 산정할 수 있다. 또한 훈련과정의 경우 각각 실측자료, 모의자료 및 혼합자료를 이용하였으므로, 그 결과치를 비교한다는 것은 큰 의미가 없다.
- 본 연구에서 적용된 MLP-NNM 및 SVM-NNM 의 훈련 및 테스트과정의 수행결과는 실측된 월 증발접시 증발량과 MLP-NNM 및 SVM-NNM에 의해 산정된 월 증발접시 증발량의 통계분석에 의하여 평가되도록 하였다. 본 연구에서 선정된 통계학적 지표는 상관계수(Correlation coefficient, CC), 평균제곱오차의 평방근(Root mean square error, RMSE), Nash-Sutcliffe 계수(Nash-Sutcliffe coefficient, E) 및 평균절대 상대오차(Average absolute relative error, AARE)이다.
- 는 계산된 1월, 6월 및 12월 증발접시 증발량이다. 본 연구에서 적용된 SVM-NNM은 단계크기(Step size)는 0.01, 최대 반복횟수는 10,000회, 오차 임계치는 0.001 및 테스트자료의 결과치가 최적치를 유도할 수 있도록 설정하였다.
- 본 연구에서는 모의자료를 이용한 훈련과정을 통하여 선정된 MLP-NNM과 SVM-NNM의 매개 변수를 이용하여 테스트과정을 실시하였다. 테스트과정에서 테스트자료는 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 동일한 시계열인 2003년부터 2007년까지의 5년간의 자료를 선택하였으며, 5개의 자료로 구성되어 있다.
- 본 연구에서는 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서의 테스트자료인 실측된 월 증발접시 증발량자료와 실측자료, 모의자료 및 혼합자료를 이용한 훈련과정을 통하여 산정된 MLP-NNM 과 SVM-NNM의 각 매개변수를 이용하여 테스트 과정 수행결과 산정된 월 증발접시 증발량자료를 비교하여 동일 모집단에서 추출된 자료인지를 검토 하는 동질성검증(Homogeneity test)을 실시하였다. 동질성검증은 서울, 강릉, 인천, 부산, 제주 및 목포 관측소의 월 증발접시 증발량 자료에 대한 평균과 분산에 대한 일원분산분석(One-way analysis of variance, ANOVA) 및 Mann-Whitney U 검증 (Test)을 실시하였다(McCuen 1993; Salas et al.
- 본 연구에서는 실측자료를 이용한 훈련과정을 통하여 선정된 MLP-NNM과 SVM-NNM의 매개변수를 이용하여 테스트과정을 실시하였다. 테스트과정에서 테스트자료는 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 동일한 시계열인 2003년부터 2007년까지의 5년간의 자료를 선택하였으며, 5개의 자료로 구성되어 있다.
- 본 연구에서는 혼합자료를 이용한 훈련과정을 통하여 선정된 MLP-NNM과 SVM-NNM의 매개 변수를 이용하여 테스트과정을 실시하였다. 테스트과정에서 테스트자료는 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 동일한 시계열인 2003년부터 2007년까지의 5년간의 자료를 선택하였으며, 5개의 자료로 구성되어 있다.
대상 데이터
- 따라서 연 증발접시 증발량은 각 월 증발접시 증발량자료를 합하여 선정하였다. 그러므로 MLP-NNM 및 SVM-NNM의 모의자료의 이용을 위한 훈련자료는 450개의 모의된 연 증발접시 증발량자로로 구성되어 있다.
- 부산관측소의 경우는 1965년부터 2002년까지의 38 년의 자료를 선택하였다. 그리고 단기간의 자료로는 제주 및 목포관측소의 경우는 1980년부터 2002년까지의 23년의 자료를 선택하였다.
- 2 실측자료의 이용"에서 실측된 월 증발접시 증발량자료를 모의자료의 구축을 위하여 이용하였다. 따라서 MLP-NNM 및 SVM-NNM의 모의자료의 이용을 위한 훈련자료는 본 연구에서 선정한 추계학적 모형인 PARMA (1,1)을 이용하여 500년의 자료를 모의발생 시켰다. 모의발생된 월 증발접시 증발량자료 중에서 초기에 발생하는 편차(Bias)를 제거하기 위하여 초기의 50년 자료는 제거하였으며, 나머지 450년의 월 증발접시 증발량자료를 이용하였다.
- 3 모의자료의 이용"에서 산정된 월 증발접시 증발량자료를 합한 혼합자료로 구성하였다. 따라서 MLP-NNM 및 SVM-NNM의 혼합자료의 이용을 위한 훈련자료는 각각 서울관측소는 536개, 강릉관측소는 538개, 인천관측소는 502개, 부산 관측소는 488개, 제주 및 목포관측소는 473개의 혼합된 연 증발접시 증발량자료로 구성되어 있다.
- 본 연구에서는 기상청의 관리 하에 있는 76개의 기상관측소 중에서 기상관측 자료의 기록기간이 장기, 중기 및 단기간의 자료를 보유하고 있어야 하며, 각 권역을 대표할 수 있는 도시와 도서지역인 제주도에 소속된 기상관측소를 포함하는 것을 기준으로 하여 선정하였다. 따라서 연구대상 기상관측소는 서울, 강릉, 인천, 부산, 제주 및 목포관측소로 선정하였다. 본 연구에 필요한 기상자료는 국토 해양부의 관리하에 있는 국가 수자원관리종합정보 시스템(Water Management Information System, WAMIS)의 홈페이지(www.
- 본 연구에서 장기간 자료를 보유하고 있는 기상관측소로는 서울과 강릉관측소를 선정하였으며, 중기간 자료를 보유하고 있는 기상관측소로는 인천과 부산관측소를 선정하였다. 마지막으로 단기간 자료를 보유하고 있는 기상관측소로는 제주와 목포관측소를 선정하였다.
- 따라서 MLP-NNM 및 SVM-NNM의 모의자료의 이용을 위한 훈련자료는 본 연구에서 선정한 추계학적 모형인 PARMA (1,1)을 이용하여 500년의 자료를 모의발생 시켰다. 모의발생된 월 증발접시 증발량자료 중에서 초기에 발생하는 편차(Bias)를 제거하기 위하여 초기의 50년 자료는 제거하였으며, 나머지 450년의 월 증발접시 증발량자료를 이용하였다. 따라서 연 증발접시 증발량은 각 월 증발접시 증발량자료를 합하여 선정하였다.
- 따라서 연구대상 기상관측소는 서울, 강릉, 인천, 부산, 제주 및 목포관측소로 선정하였다. 본 연구에 필요한 기상자료는 국토 해양부의 관리하에 있는 국가 수자원관리종합정보 시스템(Water Management Information System, WAMIS)의 홈페이지(www.wamis.go.kr)의 무료 공개자료로 부터 필요한 자료를 이용하였다. 본 연구에서 장기간 자료를 보유하고 있는 기상관측소로는 서울과 강릉관측소를 선정하였으며, 중기간 자료를 보유하고 있는 기상관측소로는 인천과 부산관측소를 선정하였다.
- kr)의 무료 공개자료로 부터 필요한 자료를 이용하였다. 본 연구에서 장기간 자료를 보유하고 있는 기상관측소로는 서울과 강릉관측소를 선정하였으며, 중기간 자료를 보유하고 있는 기상관측소로는 인천과 부산관측소를 선정하였다. 마지막으로 단기간 자료를 보유하고 있는 기상관측소로는 제주와 목포관측소를 선정하였다.
- 일반적으로 훈련과정을 통하여 MLP-NNM의 최적 매개변수를 결정하며, 결정된 매개변수를 이용하여 MLP-NNM의 테스트과정을 수행한다(Haykin, 2009). 본 연구에서 적용된 MLP-NNM은 은닉층 1개, 은닉층 노드수는 12 개, 출력층 노드수는 12개, 최대 반복횟수는 10,000회, 오차 임계치는 0.001로 설정하였다. 또한 본 연구에서는 QuickProp 역전파 훈련알고리즘을 이용하였다.
- 본 연구에서는 기상청의 관리 하에 있는 76개의 기상관측소 중에서 기상관측 자료의 기록기간이 장기, 중기 및 단기간의 자료를 보유하고 있어야 하며, 각 권역을 대표할 수 있는 도시와 도서지역인 제주도에 소속된 기상관측소를 포함하는 것을 기준으로 하여 선정하였다. 따라서 연구대상 기상관측소는 서울, 강릉, 인천, 부산, 제주 및 목포관측소로 선정하였다.
- 본 연구의 혼합자료의 이용을 위한 훈련자료는 "5.2 실측자료의 이용"에서 실측된 월 증발접시 증발량자료와 "5.3 모의자료의 이용"에서 산정된 월 증발접시 증발량자료를 합한 혼합자료로 구성하였다.
- 중기간의 자료로는 인천관측소의 경우는 1949년부터 2002년까지의 결측기간을 제외한 52년의 자료를 선택하였다. 부산관측소의 경우는 1965년부터 2002년까지의 38 년의 자료를 선택하였다. 그리고 단기간의 자료로는 제주 및 목포관측소의 경우는 1980년부터 2002년까지의 23년의 자료를 선택하였다.
- 본 연구의 실측자료의 이용을 위한 훈련자료는 다음과 같다. 장기간의 자료로는 서울관측소의 경우는 1908년부터 2002년까지의 결측기간을 제외한 86년의 자료를 선택하였으며, 강릉관측소의 경우는 1912년부터 2002년까지의 결측기간을 제외한 88년의 자료를 선택하였다. 중기간의 자료로는 인천관측소의 경우는 1949년부터 2002년까지의 결측기간을 제외한 52년의 자료를 선택하였다.
- 장기간의 자료로는 서울관측소의 경우는 1908년부터 2002년까지의 결측기간을 제외한 86년의 자료를 선택하였으며, 강릉관측소의 경우는 1912년부터 2002년까지의 결측기간을 제외한 88년의 자료를 선택하였다. 중기간의 자료로는 인천관측소의 경우는 1949년부터 2002년까지의 결측기간을 제외한 52년의 자료를 선택하였다. 부산관측소의 경우는 1965년부터 2002년까지의 38 년의 자료를 선택하였다.
- 본 연구에서는 실측자료를 이용한 훈련과정을 통하여 선정된 MLP-NNM과 SVM-NNM의 매개변수를 이용하여 테스트과정을 실시하였다. 테스트과정에서 테스트자료는 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 동일한 시계열인 2003년부터 2007년까지의 5년간의 자료를 선택하였으며, 5개의 자료로 구성되어 있다. 다음 표 2는 실측자료를 이용한 훈련과정의 수행결과 산정된 매개변수를 이용하여 MLP-NNM과 SVM-NNM의 테스트과정의 수행 결과를 나타내고 있다.
데이터처리
- 4. 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 실측된 월 증발접시 증발량자료와 MLP-NNM과 SVM-NNM을 이용해서 실측 자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료에 대하여 동질성검증을 위하여 평균과 분산에 대한 일원분산분석 및 Mann-Whitney U 검증을 실시하였다. 그 결과 MLP-NNM을 이용 하여 산정된 월 증발접시 증발량자료는 실측된 월 증발접시 증발량자료와 동질성검증을 통하여 동질의 모집단을 가지는 자료군으로 채택되어 질 수 있는 것으로 판단되나, SVM-NNM의 경우는 관측소별로 차이가 있는 것으로 판단된다.
- 본 연구에서는 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서의 테스트자료인 실측된 월 증발접시 증발량자료와 실측자료, 모의자료 및 혼합자료를 이용한 훈련과정을 통하여 산정된 MLP-NNM 과 SVM-NNM의 각 매개변수를 이용하여 테스트 과정 수행결과 산정된 월 증발접시 증발량자료를 비교하여 동일 모집단에서 추출된 자료인지를 검토 하는 동질성검증(Homogeneity test)을 실시하였다. 동질성검증은 서울, 강릉, 인천, 부산, 제주 및 목포 관측소의 월 증발접시 증발량 자료에 대한 평균과 분산에 대한 일원분산분석(One-way analysis of variance, ANOVA) 및 Mann-Whitney U 검증 (Test)을 실시하였다(McCuen 1993; Salas et al., 2001).
- 두 번째로 분산에 대한 일원분산분석의 경우는 5% 및 1%의 유의수준에서 F-검증통계치(F-test statistics)을 계산하였으며, 임계 F-검증통계치와의 비교를 통하여 모집단의 분산이 동일하다는 귀무가설을 채택 혹은 기각하는 과정을 실시하였다. 다음 표 6은 월 증발접시 증발량자료의 분산에 대한 동질성 검증결과치를 나타내고 있다.
- MLP-NNM과 SVM-NNM을 적용한 수문학적 분해모형의 훈련과정 수행을 위해 구성된 훈련자료는 세 가지인 실측자료, 모의자료(추계학적 모형을 이용하여 모의발생) 및 혼합자료(실측자료와 추계학적 모형을 이용하여 모의발생시킨 모의 자료를 혼합)로 각각 구성되었으므로 모형화에 따른 훈련결과치에 대한 통계분석을 실시한다는 것은 중요한 의미가 없으므로 훈련과정의 결과치에 대한 통계분석은 실시하지 않았다. 따라서 테스트과정의 결과치만 통계분석을 실시하였다.
- Mann-Whitney U 검증은 두 개의 독립적인 표본의 2표본 t-검증(Two-sample t-test)에 대한 비모수적인 대응법의 하나이며, 동일한 모집단으로 부터 두 개의 독립적인 표본을 선정할 수 있는지를 검증하기 위하여 사용되어 진다. 또한 세 개 이상의 독립적인 표본에 대해서는 Kruskal-Wallis 검증을 사용한다. 다음 표 7은 월 증발접시 증발량자료의 Mann-Whitney U 검증을 이용한 동질성검증에 대한 결과치를 나타내고 있다.
- (2000)은 입력자료로서 관측된 기상인자들을 이용하여 일 증발접시 증발량을 산정하는데 신경망 기법을 이용하였다. 또한 일 증발접시 증발량을 다중선형회귀분석 및 Priestly-Taylor 공식을 이용 하여 산정하였으며, 신경망모형의 결과치와 비교하였다. 그들은 강우, 온도, 태양열 방사 및 풍속과 같은 관측된 기상인자들의 적절한 조합을 이용하였다.
- 본 연구에서 적용된 MLP-NNM 및 SVM-NNM 의 훈련 및 테스트과정의 수행결과는 실측된 월 증발접시 증발량과 MLP-NNM 및 SVM-NNM에 의해 산정된 월 증발접시 증발량의 통계분석에 의하여 평가되도록 하였다. 본 연구에서 선정된 통계학적 지표는 상관계수(Correlation coefficient, CC), 평균제곱오차의 평방근(Root mean square error, RMSE), Nash-Sutcliffe 계수(Nash-Sutcliffe coefficient, E) 및 평균절대 상대오차(Average absolute relative error, AARE)이다. 다음 표 1은 MLP-NNM 및 SVM-NNM의 수행결과를 평가하기 위한 통계학적 지표를 나타낸 것이다.
- 실측된 월 증발접시 증발량자료와 MLP-NNM과 SVM-NNM을 이용해서 산정된 월 증발접시 증발량자료에 대하여 먼저 평균에 대한 일원분산분석을 실시하였다. 분석은 2표본 t-검증(Two-sample t-test)을 이용하여 검증통계량(Test statistics) 및 자유도(Degrees of freedom)를 산정하였으며, 유의수준(Level of significance) 5% 및 1%에서 임계 검증통계량(Critical test statistics)을 산정하여 두 표본에 대한 모집단의 평균은 동일하다는 귀무가설(Null hypothesis)의 채택 (Accept) 혹은 기각 (Reject)하는 과정을 실시하였다. 다음 표 5는 월 증발접시 증발량자료의 평균에 대한 동질성 검증결과치를 나타내고 있다.
- 실측된 월 증발접시 증발량자료와 MLP-NNM과 SVM-NNM을 이용해서 산정된 월 증발접시 증발량자료에 대하여 먼저 평균에 대한 일원분산분석을 실시하였다. 분석은 2표본 t-검증(Two-sample t-test)을 이용하여 검증통계량(Test statistics) 및 자유도(Degrees of freedom)를 산정하였으며, 유의수준(Level of significance) 5% 및 1%에서 임계 검증통계량(Critical test statistics)을 산정하여 두 표본에 대한 모집단의 평균은 동일하다는 귀무가설(Null hypothesis)의 채택 (Accept) 혹은 기각 (Reject)하는 과정을 실시하였다.
이론/모형
- 001로 설정하였다. 또한 본 연구에서는 QuickProp 역전파 훈련알고리즘을 이용하였다. 따라서 본 연구에서 적용된 MLP-NNM의 출력층 노드중에서 1월, 6월 및 12월의 노드는 다음 식(1a)-(1c)와 같이 나타낼 수 있으며, 다음 그림 1은 본 연구에 적용된 MLPNNM 구조를 나타낸 것이다.
- 모의된 자료 중에서 첫 번째 표본자료는 선택하지 않았으며, 두 번째 표본자료를 선택하였다. 또한두 번째 표본자료에서 초기에 발생되는 편차(Bias)를 제거하기 위하여 초기의 50년 자료는 제거하였 으며, 각 PARMA (1,1) 모형의 매개변수는 근사 최소자승법(Method of approximate least square)을 이용하여 산정하였다(Kim, 2004).
- , 1980). 본 연구에서는 선행연구(김성원과 김형수, 2008)에서 월 증발접시 증발량 및 PM 공식에 의해 산정된 월 알팔파 기준증발산량 훈련자료를 모의발생시켜 가장 양호한 결과를 유도한 PARMA (1,1) 모형을 이용하였다. 그리고 모의 발생한 표본은 2개의 표본으로 하였으며, 500년에 해당되는 월 증발접시 증발량을 모의발생 시켰다.
성능/효과
- 2. MLP-NNM의 경우 서울관측소를 제외하고는 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행 결과가 실측자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과보다 양호한 것으로 분석되었다.
- 3. SVM-NNM의 경우 제주 및 목포관측소에서 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행 결과가 실측자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과보다 양호한 것으로 분석되었으며, 나머지 4개 관측소는 유사한 결과를 나타내는 것으로 분석되었다.
- 본 연구에서 실측자료, 모의자료 및 혼합자료를 이용한 MLP-NNM과 SVM-NNM의 테스트과정의 수행결과를 분석하면 다음과 같다. MLP-NNM의 경우 서울관측소를 제외하고는 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과가 실측자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과보다 양호한 것으로 분석되었다. 또한 SVM-NNM의 경우 제주 및 목포관측소에서 모의 자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과가 실측자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과보다 양호한 것으로 분석되었으며, 나머지 4개 관측소는 유사한 결과를 나타내는 것으로 분석되었다.
- 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 실측된 월 증발접시 증발량자료와 MLP-NNM과 SVM-NNM을 이용해서 실측 자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료에 대하여 동질성검증을 위하여 평균과 분산에 대한 일원분산분석 및 Mann-Whitney U 검증을 실시하였다. 그 결과 MLP-NNM을 이용 하여 산정된 월 증발접시 증발량자료는 실측된 월 증발접시 증발량자료와 동질성검증을 통하여 동질의 모집단을 가지는 자료군으로 채택되어 질 수 있는 것으로 판단되나, SVM-NNM의 경우는 관측소별로 차이가 있는 것으로 판단된다. 따라서 보편적으로 MLP-NNM의 수행결과가 SVM-NNM의 수행결과보다 양호하다고 판단된다.
- MLP-NNM 및 SVM-NNM의 훈련과정의 수행결과 산정된 각 6종류의 매개변수 군을 이용하여 테스트과정을 수행하였다. 그 결과 선택된 6개의 기상관측소에서 실측자료를 이용한 경우 목포관측소를 제외하고는 MLPNNM의 테스트과정의 수행결과가 SVMNNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다. 또한 선택된 6개의 기상 관측소에서 모의자료 및 혼합자료를 이용한 경우 MLP-NNM의 테스트과정의 수행결과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다.
- 증발접시 증발량의 산정에 있어서 추계학적 모형과 신경망모형을 연계한 연구성과로는 김성원과 김형수(2008)가 월 증발접시 증발량과 월 알팔파 기준증발산량의 모형화를 위하여 추계학적 모형과 신경망모형을 연계한 통합운영방법을 개발하여 적용하였다. 그 결과 통합운영방법을 이용하여 최소 비용과 노력으로 월 증발접시 증발량과 월 알팔파 기준증발산량을 동시에 모형화가 가능하게 되었다. 또한 강우 및 유출량과 같은 비선형 시계열자료에 대한 수문학적 분해모형의 개발 및 적용에 대한 연구(Burian et al.
- 또한 실측된 월 증발접시 증발량자료와 SVM-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 MannWhitney U 검증 결과 서울, 제주 및 목포에서는 5% 및 1%의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 채택되었다. 그러나 강릉의 경우 실측자료는 5% 및 1% 의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 채택되었고, 모의 자료와 혼합자료는 5%에서는 기각, 1%의 유의수준에서는 채택되었다. 인천의 경우 실측자료, 모의 자료 및 혼합자료는 5% 및 1%의 유의수준에서 두개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 기각되었다.
- 또한 훈련과정의 경우 각각 실측자료, 모의자료 및 혼합자료를 이용하였으므로, 그 결과치를 비교한다는 것은 큰 의미가 없다. 그러나 테스트과정의 경우 6개 기상관측소에서 동일한 시계열을 이용함으로써 어떤 종류의 신경망모형과 훈련자료가 가장 양호한 것인지를 판단할 수 있는 기준을 제시할 수 있을 것으로 판단된다.
- 마지막으로 부산의 경우 실측자료 및 모의자료는 5%에서는 기각, 1%에서는 채택되었고, 혼합자료는 5% 및 1%의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 기각되었다. 따라서 본 연구에서 MLP-NNM을 이용하여 산정된 월 증발접시 증발량자료는 실측된 월 증발접시 증발량자료와 동질성 검증을 통하여 동질의 모집단을 가지는 자료군으로 채택되어 질 수 있는 것으로 판단되나, SVMNNM의 경우는 관측소별로 차이가 있는 것으로 판단된다. 따라서 보편적으로 MLP-NNM의 수행결과가 SVM-NNM의 수행결과보다 양호하다고 판단된다.
- 2866(%)으로 분석되었다. 따라서 선택된 6개의 기상관측소에서 모의자료를 이용한 경우 MLP-NNM의 테스트과정의 수행결과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다. 다음 그림 4(a)-(f)는 서울, 강릉, 인천, 부산, 제주 및 목포관측소의 모의 자료를 이용한 훈련과정의 수행결과를 이용하여 MLP-NNM과 SVM-NNM의 테스트과정의 수행결과에 대한 월 증발접시 증발량자료의 시계열의 비교를 나타낸 것이다.
- 3065(%)으로 분석되었다. 따라서 선택된 6개의 기상관측소에서 실측자료를 이용한 경우 목포관측소를 제외하고는 MLP-NNM의 테스트과정의 수행 결과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다. 다음 그림 3(a)-(f)는 서울, 강릉, 인천, 부산, 제주 및 목포관측소의 실측 자료를 이용한 훈련과정의 수행결과를 이용하여 MLP-NNM과 SVM-NNM의 테스트과정의 수행결과에 대한 월 증발접시 증발량자료의 시계열의 비교를 나타낸 것이다.
- 2897(%)으로 분석되었다. 따라서 선택된 6개의 기상관측소에서 혼합자료를 이용한 경우 MLP-NNM의 테스트과정의 수행결 과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다. 다음 그림 5(a)-(f)는 서울, 강릉, 인천, 부산, 제주 및 목포관측소의 혼합자료를 이용한 훈련과정의 수행결과를 이용하여 MLP-NNM과 SVM-NNM의 테스트과정의 수행결과에 대한 월 증발접시 증발량자료의 시계열의 비교를 나타낸 것이다.
- MLP-NNM의 경우 서울관측소를 제외하고는 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과가 실측자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과보다 양호한 것으로 분석되었다. 또한 SVM-NNM의 경우 제주 및 목포관측소에서 모의 자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과가 실측자료의 훈련과정을 통하여 선정된 매개변수를 이용한 테스트과정의 수행결과보다 양호한 것으로 분석되었으며, 나머지 4개 관측소는 유사한 결과를 나타내는 것으로 분석되었다.
- 그 결과 선택된 6개의 기상관측소에서 실측자료를 이용한 경우 목포관측소를 제외하고는 MLPNNM의 테스트과정의 수행결과가 SVMNNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다. 또한 선택된 6개의 기상 관측소에서 모의자료 및 혼합자료를 이용한 경우 MLP-NNM의 테스트과정의 수행결과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다.
- 표 6에 의하면 실측된 월 증발접시 증발량자료와 MLP- NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 분산에 대한 일원분산분석의 결과 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 5% 및 1%의 유의수준에서 모집단의 분산이 동일하다는 귀무가설이 채택되었다. 또한 실측된 월 증발접시 증발량 자료와 SVM-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개 변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 분산에 대한 일원분산분석의 결과 서울, 강릉, 인천, 부산, 제주 및 목포에서 5% 및 1%의 유의수준에서 모집단의 분산이 동일하다는 귀무가설이 채택되었다.
- 표 7에 의하면 실측된 월 증발접시 증발량자료와 MLP-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련 과정을 통하여 선정된 매개변수를 이용하여 테스트 과정 수행결과 산정된 월 증발접시 증발량자료의 Mann-Whitney U 검증 결과 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 5% 및 1%의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출 되었다는 귀무가설이 채택되었다. 또한 실측된 월 증발접시 증발량자료와 SVM-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 MannWhitney U 검증 결과 서울, 제주 및 목포에서는 5% 및 1%의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 채택되었다. 그러나 강릉의 경우 실측자료는 5% 및 1% 의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 채택되었고, 모의 자료와 혼합자료는 5%에서는 기각, 1%의 유의수준에서는 채택되었다.
- 표 5에 의하면 실측된 월 증발접시 증발량자료와 MLP-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 평균에 대한 일원분산분석의 결과 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 5% 및 1%의 유의수준에서 모집단의 평균이 동일하다는 귀무가설이 채택되었다. 또한 실측된 월 증발접시 증발량자료와 SVMNNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 평균에 대한 일원분산분석의 결과 서울, 제주 및 목포에서는 5% 및 1%의 유의수준에서 모집단의 평균이 동일하다는 귀무가설이 채택되었다. 그러나 강릉의 경우 실측자료는 5%에서는 기각, 1%의 유의수준에서 모집단의 평균이 동일하다는 귀무가설이 채택되었고, 모의자료 및 혼합자료는 5% 및 1%에서 기각되었다.
- 인천의 경우 실측자료, 모의 자료 및 혼합자료는 5% 및 1%의 유의수준에서 두개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 기각되었다. 마지막으로 부산의 경우 실측자료 및 모의자료는 5%에서는 기각, 1%에서는 채택되었고, 혼합자료는 5% 및 1%의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 기각되었다. 따라서 본 연구에서 MLP-NNM을 이용하여 산정된 월 증발접시 증발량자료는 실측된 월 증발접시 증발량자료와 동질성 검증을 통하여 동질의 모집단을 가지는 자료군으로 채택되어 질 수 있는 것으로 판단되나, SVMNNM의 경우는 관측소별로 차이가 있는 것으로 판단된다.
- 인천의 경우 실측자료는 5% 및 1%의 유의수준에서 모집단의 평균이 동일하다는 귀무가설이 기각되었고, 모의자료 및 혼합 자료는 5%에서는 기각, 1%에서는 채택되었다. 마지막으로 부산의 경우 실측자료, 모의자료 및 혼합 자료에서 5%에서는 기각, 1%의 유의수준에서 모집단의 평균이 동일하다는 귀무가설이 채택되었다.
- 다음 표 2는 실측자료를 이용한 훈련과정의 수행결과 산정된 매개변수를 이용하여 MLP-NNM과 SVM-NNM의 테스트과정의 수행 결과를 나타내고 있다. 표 2에 의하면 MLP-NNM의 테스트과정에 대한 통계분석 결과 CC가 0.789~0.952, RMSE가 11.800~20.015(mm), E가 0.574~0.899 및 AARE가 0.0004~0.0312(%)이고, SVM-NNM의 테스트과정에 대한 통계분석 결과 CC가 0.757~0.946, RMSE가 14.286~24.954 (mm), E가 0.262~0.852 및 AARE가 0.0162~ 0.3065(%)으로 분석되었다. 따라서 선택된 6개의 기상관측소에서 실측자료를 이용한 경우 목포관측소를 제외하고는 MLP-NNM의 테스트과정의 수행 결과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다.
- 다음 표 3은 모의자료를 이용한 훈련과정의 수행결과 산정된 매개변수를 이용하여 MLP-NNM과 SVM-NNM의 테스트과정의 수행결과를 나타내고 있다. 표 3에 의하면 MLP-NNM의 테스트과정에 대한 통계분석 결과 CC가 0.811~0.952, RMSE가 11.733~16.999 (mm), E가 0.622~0.900 및 AARE가 0.0065~ 0.0509(%)이고, SVM-NNM의 테스트과정에 대한 통계분석 결과 CC가 0.756~0.945, RMSE가 15.576~26.463(mm), E가 0.083~0.824 및 AARE가 0.0430~0.2866(%)으로 분석되었다. 따라서 선택된 6개의 기상관측소에서 모의자료를 이용한 경우 MLP-NNM의 테스트과정의 수행결과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다.
- 다음 표 4는 혼합자료를 이용한 훈련과정의 수행결과 산정된 매개변수를 이용하여 MLP-NNM과 SVM-NNM의 테스트과정의 수행결과를 나타내고 있다. 표 4에 의하면 MLP-NNM의 테스트과정에 대한 통계분석 결과 CC가 0.811~0.952, RMSE가 11.808~ 17.086(mm), E가 0.618~0.899 및 AARE가 0.0003~0.0320(%)이고, SVM-NNM의 테스트과정에 대한 통계분석 결과 CC가 0.761~0.946, RMSE가 15.500~26.191(mm), E가 0.102~0.826 및 AARE가 0.0444~0.2897(%)으로 분석되었다. 따라서 선택된 6개의 기상관측소에서 혼합자료를 이용한 경우 MLP-NNM의 테스트과정의 수행결 과가 SVM-NNM의 테스트과정의 수행결과보다 양호한 것으로 분석되었다.
- 다음 표 5는 월 증발접시 증발량자료의 평균에 대한 동질성 검증결과치를 나타내고 있다. 표 5에 의하면 실측된 월 증발접시 증발량자료와 MLP-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 평균에 대한 일원분산분석의 결과 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 5% 및 1%의 유의수준에서 모집단의 평균이 동일하다는 귀무가설이 채택되었다. 또한 실측된 월 증발접시 증발량자료와 SVMNNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 평균에 대한 일원분산분석의 결과 서울, 제주 및 목포에서는 5% 및 1%의 유의수준에서 모집단의 평균이 동일하다는 귀무가설이 채택되었다.
- 다음 표 6은 월 증발접시 증발량자료의 분산에 대한 동질성 검증결과치를 나타내고 있다. 표 6에 의하면 실측된 월 증발접시 증발량자료와 MLP- NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 분산에 대한 일원분산분석의 결과 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 5% 및 1%의 유의수준에서 모집단의 분산이 동일하다는 귀무가설이 채택되었다. 또한 실측된 월 증발접시 증발량 자료와 SVM-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개 변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 분산에 대한 일원분산분석의 결과 서울, 강릉, 인천, 부산, 제주 및 목포에서 5% 및 1%의 유의수준에서 모집단의 분산이 동일하다는 귀무가설이 채택되었다.
- 다음 표 7은 월 증발접시 증발량자료의 Mann-Whitney U 검증을 이용한 동질성검증에 대한 결과치를 나타내고 있다. 표 7에 의하면 실측된 월 증발접시 증발량자료와 MLP-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련 과정을 통하여 선정된 매개변수를 이용하여 테스트 과정 수행결과 산정된 월 증발접시 증발량자료의 Mann-Whitney U 검증 결과 서울, 강릉, 인천, 부산, 제주 및 목포관측소에서 5% 및 1%의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출 되었다는 귀무가설이 채택되었다. 또한 실측된 월 증발접시 증발량자료와 SVM-NNM을 이용해서 실측자료, 모의자료 및 혼합자료의 훈련과정을 통하여 선정된 매개변수를 이용하여 테스트과정 수행결과 산정된 월 증발접시 증발량자료의 MannWhitney U 검증 결과 서울, 제주 및 목포에서는 5% 및 1%의 유의수준에서 두 개의 표본자료가 동일 모집단에서 추출되었다는 귀무가설이 채택되었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.